如果每个渠道的转化率都提高了，网站整体转化率一定提高吗？答案并不一定。只要用户在不同渠道之间的分布发生变化，整体结果就可能朝相反方向移动。
分群与交叉分析帮助我们把整体结果拆到具体人群，区分“每组表现变化”与“各组占比变化”。它适合渠道评估、用户运营、产品定位和异常分析。
一、分群和交叉分析有什么区别
分群是按一个明确规则把对象分组，例如渠道、设备、新老用户、产品套餐。交叉分析进一步组合多个维度，例如“渠道×新老用户”“设备×支付方式”，观察单一维度看不到的差异。
开始时应先明确分析单位。按用户分群，需要处理用户跨设备、跨渠道的归属；按订单分群，则要明确同一用户的多笔订单是否可能分属不同组。若计划把分组总量相加还原总体，应采用互斥且尽量完整的分类，单独保留未知组。
分群不只是给数据加筛选器。它的目标是判断哪些群体贡献了变化，以及这种变化是否支持不同的业务动作。
二、案例：两个渠道都改善，整体转化率却下降
以下为教学假设数据。两个完整周期内，都按固定的单一来源规则给用户归属渠道，并统计同窗口付费。上期高意向渠道有1,000名用户、100人付费，转化率10%；低意向渠道有1,000名用户、20人付费，转化率2%。
上期总体为120÷2,000＝6%。本期高意向渠道500名用户、55人付费，转化率11%；低意向渠道4,500名用户、135人付费，转化率3%。两个渠道都提高了1个百分点。
但是本期总体为190÷5,000＝3.8%，比上期下降2.2个百分点。与此同时，付费人数从120人增加到190人，说明“比率下降”和“付费规模上升”也可以同时发生。
三、整体转化率是加权平均
总体转化率不能简单取两个渠道转化率的算术平均，而应按用户占比加权。上期两渠道占比各50%，所以整体＝50%×10%＋50%×2%＝6%。
本期高意向渠道占比降为10%，低意向渠道升为90%，整体＝10%×11%＋90%×3%＝3.8%。低转化渠道的权重大幅上升，压过了组内改善。
这种分组趋势与汇总趋势相反的现象，常被称为辛普森悖论。它提示我们检查分组变量和权重，但不意味着“分组结果永远比总体正确”。应该看总体还是组内，取决于业务问题和需要控制的因素。
四、用固定权重，分开观察结构和表现
为了回答“如果人群结构不变，本期转化能力如何”，可以保留上期各50%的渠道权重，计算本期标准化转化率：50%×11%＋50%×3%＝7%。
按这组固定权重，转化表现从6%改善到7%；而实际总体只有3.8%。我们因此同时得到两个信息：组内表现有所改善，用户结构也明显变化。
这是一种特定参考结构下的描述性比较，不是直接证明产品能力净提高1个百分点。渠道内部的用户构成也可能变化；选择上期、本期或其他权重，会回答不同问题，报告需写清参考权重。
五、实际操作：由粗到细交叉定位
第一步，核对总体分子与分母，再按最可能解释业务的一个维度分群。第二步，同时展示各组人数、付费人数、转化率和占比，并检查合计能否对回总体。第三步，在变化集中的组内增加一个维度，例如进一步比较新老用户。
第四步，判断变化来自组内指标还是权重。需要时计算固定权重结果。第五步，结合渠道成本、收入和后续留存，决定是否调整流量结构，而不是只追求某个比率变高。
如果低意向渠道的新增付费用户仍然有利润，整体转化率下降并不必然要求减少该渠道。反之，如果大量新增用户几乎不留存，则需要检查获客质量和用户需求匹配。
六、分得越细，结论不一定越好
把渠道、地区、设备、年龄、套餐同时交叉，容易产生大量小样本单元。某组只有十几人时，一两个转化就会显著改变比例。应报告样本量，必要时延长观察期、合并有业务含义的组，或用适当统计模型处理不确定性。
如果浏览了上百个分组，最后挑出最异常的一个，还需要考虑多重比较和事后选择问题。探索性发现可以形成假设，但最好在独立数据、后续窗口或实验中验证。
还应避免按行动之后才出现的变量分群再作因果解释。例如只比较“完成支付的人”，可能已经筛掉了被方案影响而未支付的用户。需要根据分析目标确定分群时点。
七、报告应该交付什么
一份完整交付应包含总体与分组结果、分子分母、占比变化、参考权重、样本限制和下一步动作。本文案例可总结为：“整体转化率下降主要伴随低意向渠道占比上升；渠道内指标均改善，付费人数增加。下一步应结合成本和长期价值评估渠道扩量质量。”
分群分析的价值，是让不同机制显现出来，从而把同一个“整体下降”拆成可以分别处理的问题。
本文为数据分析方法详解系列第3篇。方法选择与整体流程可阅读：数据分析方法论总览。
