什么是选择偏差？类型和数据分析里的例子

什么是选择偏差？

选择偏差是指你分析的人群，和你想得出结论的人群之间存在系统性差异。差异来自这些人怎么进了数据：被以有偏的方式挑选、自己选择了分组，或者有一部分人中途离开了。

数据再多也消除不了它。一百万个自己选进来的用户，仍然是自己选进来的。

五种类型和数据分析里的例子

追踪本身还带着一种不显眼的偏差：覆盖偏差。装了广告拦截器、用严格模式浏览器、没给同意的访客，可能不在客户端数据里，而他们并不是你受众里随机的一部分。

一个示例：订阅邮件的效果

团队对比 90 天内的购买率（示例数字）：

看起来邮件带来了 3.6 倍的提升。但订阅的人本来兴趣就更高。看同一批订阅者在订阅之前 90 天的数据：

大部分差距在订阅之前就存在。和订阅相关的变化更接近订阅者 +2.5 个百分点、其他人 +0.1 个百分点，而这里面也可能夹着其他差异，还要排查混杂变量。

怎么减少选择偏差

1. 能随机就随机。 随机留出一组对照，自选择的问题就没了。
2. 比较前后变化：同一批人前后对比，再和没变化的一组对照。
3. 在入口定义人群，而不是在流程终点。
4. 有意识地抽样。 问卷和访谈用分层抽样，让小群体也有代表。
5. 补上追踪缺口。 注册、下单这类关键业务事件从服务端发送，浏览器拦截了脚本也能计入。

在 TapCub 里

TapCub 不绕过广告拦截器和「请勿追踪」，拦截了脚本的浏览器不会出现在网站报表里。网站默认是匿名统计、不写 Cookie，避免了 Cookie 横幅带来的同意缺口；识别模式则要在获得同意后才写设备 ID。购买、注册用服务端事件发送，总数就不依赖浏览器。要给某个功能找一个公平的对照，可以建一个带随机分桶条件的规则分群当留出组，再用周期对比看同一批人前后的变化。