什么是近因偏差？定义和数据决策里的例子

什么是近因偏差？

近因偏差是给最近发生的事过多的权重。最新的一个数据点感觉就是趋势，哪怕它只是几天的随机波动。

它来自记忆研究里的近因效应：一串信息里，人对最后几条的记忆比中间的好。近因偏差是接下来发生的事：最后看到的东西主导了决定。

常见场景

• 看报表。 某个周二数据不好，团队群里就有人说「流量在掉」，其实这周很正常。
• 活动决策。 一个周末效果差，活动就被暂停了，那时数据还远远不够。
• 绩效评估。 一年里最后一个月的表现，比前面十一个月更影响评分。
• 预测。 用上个月的增速规划下个季度，而不是看一整年的历史和季节性。
• 产品反馈。 最近一条声音很大的投诉，压过了几百个安静会话里呈现的规律。

一个示例

团队每天早上看注册数（示例数字）：

只看 3 天，结论是「出问题了」；看一周，结论是「正常的一周开头慢了点」。如果周一是公共假期，这个下滑就完全解释得通，什么都不用修。

怎么对冲近因偏差

1. 永远带对比。 最新数字要和上一个同期、更长时间的平均值放在一起看，不要单独看。
2. 时间范围和决策匹配。 日数据用来发现故障，周数据、月数据用来评估效果。
3. 把一次性事件记下来。 假期、故障、上线、群发邮件，能解释很多所谓的「趋势」。
4. 提前定好判断规则。 「这个活动跑满 4 周或 1,000 次点击再评估」能防止过早反应。
5. 用带基线的告警。 和典型值比较的规则能抓住真正的下跌，忽略正常波动。

在 TapCub 里

在网站分析里把对比设为上一周期或上周同期，每张卡片都会显示相对基线的变化。给活动、发版、故障、假期加上日期标注，它们会以虚线或色带显示在趋势图上，下一个看图的人能直接看到原因。告警方面，监控的「预测基线」条件会和最近 7 天均值、同星期几的数据比较，「异常检测」条件用 28 天内同星期几的数据，某一天偏低不会马上把人叫起来。另见幸存者偏差。