先看一个判断:分组结论与总体相反,多数不是热力图“画错了”,而是各组的分母口径不同,或者同一批点击被归入了不同的访问集合。要查清这一点,你需要把每个分组的“点击次数”和“产生这些点击的访问次数”分开看,再确认总体数字用的是哪一套访问定义。百度统计热力图本身展示的是点击分布,它不会替你决定分母;分母来自你查看该页面时选择的时间范围、终端、来源和页面维度。因此,遇到辛普森式反转,第一步不是重新截图,而是把总体和分组各自的分母来源写成一行可核对的式子。
两种情况的处理方式不同,选择依据在于:分组维度是否与访问划分方式绑定。
这一步的实际动作是:在百度统计里分别记下总体的页面浏览量或访问次数,再按你使用的分组维度(如终端、来源、新老访客)逐个记下各组的访问次数。如果两组数字对不上,先不要解释点击率,先把差额找出来。差额找到后,下一步才是决定是否统一分母口径。
当你确认反转来自分母构成不同,并且各分组都有足够的访问量时,适合统一分母。具体做法是:只保留同时满足各分组条件的访问集合,例如只看“移动端且来自自然搜索”的访问,再在这个集合内比较不同落地页的热力图点击率。这样做的结果是,分组之间的访问来源和终端一致,点击率差异更可能反映页面本身的位置吸引力,而不是访问构成差异。
适用条件:各分组在你限定后的访问量仍然足以形成可观察的点击分布。如果某个分组限定后访问次数很少,热力图上的色块会变得稀疏,此时统一分母反而会让结论更不稳定。例外是:当你的业务问题本来就是“移动端自然搜索用户是否更少点击首屏按钮”,那就应该保留这个限定,而不是为了对齐而放弃它。
当你无法统一分母,或者统一后会丢失业务上重要的分组时,适合保留原分组,同时把总体数字拆成可对照的加权结果。做法是:先列出每个分组的访问次数占比,再用这个占比去解释总体点击率为什么被拉向某一端。例如,假设移动端访问占总体七成,桌面占三成;桌面分组点击率较高,移动端较低,那么总体点击率会接近移动端水平。这里的数字只是说明比较方法,不是真实统计结果。
这个动作的结果是:你能向他人说明“总体结论由哪部分访问主导”,而不是简单宣布分组结论更正确。下一步可以据此决定是否针对主导分组单独优化页面,或者检查热力图上被忽略的区域是否集中在某一类访问中。
如果这三个证据都对齐后反转仍然存在,那么更合理的解释是:分组变量与点击行为之间存在真实的交互,而不是统计口径错误。此时应把结论写成“在某某访问条件下,某区域点击更集中”,而不是“总体点击率如何”。
先锁定总体数字的分母定义,再逐组复算访问次数,接着判断差额属于未分组访问还是筛选条件差异。若差额可消除,统一分母后重新看热力图;若差额不可消除,保留分组并说明总体由哪部分主导。最后,把这次使用的分母口径记录下来,下一次查看百度统计热力图时先核对同一组条件,避免再次把分母差异误读为页面表现差异。这样处理之后,你对下一步动作的选择会更有依据:是优化页面,还是先修正数据口径。