转化率掉 2pp 先别找渠道背锅：结构效应与率效应的分解公式和一条可复现 SQL

作者许砚舟

指标体系转化率结构效应率效应SQL

一、现象与背景

某电商增长看板，整体支付转化率从 4.28% 掉到 4.04%（-0.24pp，相对降幅约 5.6%），日均曝光 UV 约 120 万，我用两个时点各取 7 天窗口做对比（基期 09-01~09-07，报告期 09-08~09-14）。第一反应是"哪个渠道变差了"，拉出来一看——每个渠道自身的转化率要么没变、要么微升，没有一个真的降了，但整体就是掉了。这个矛盾就是本文要拆的：比率指标的下降可以来自「率」（每个分片自身变差），也可以来自「结构」（高率分片的流量占比变小了），两者必须分开归因，否则会找错背锅对象。

二、原理或根因分析

整体转化率本质是各渠道转化率的加权平均：R = Σᵢ wᵢ · rᵢ，其中 wᵢ 是渠道 i 的流量占比（Σwᵢ = 1），rᵢ 是该渠道自身转化率。对两个时点做差：

ΔR = R₁ − R₀ = Σᵢ (wᵢ₁·rᵢ₁ − wᵢ₀·rᵢ₀)

这是「乘积的差」，天然同时混着 w 和 r 的变化，直接看整体一个数无法定位。要拆开，我用 Shapley 对称分解（把交叉项 Δwᵢ·Δrᵢ 平均分给两边，避免归属争议）：

结构效应（mix） = Σᵢ (wᵢ₁ − wᵢ₀) · (rᵢ₀ + rᵢ₁)/2
率效应（rate） = Σᵢ (rᵢ₁ − rᵢ₀) · (wᵢ₀ + wᵢ₁)/2
二者之和恒等于 ΔR（交叉项无遗漏、无重复，可验证闭合）。

机制上：结构效应衡量「流量从低转化渠道搬到高转化渠道（或反之）」带来的整体变化；率效应衡量「每个渠道自身转化率」的变化。本例的掉量几乎全来自结构——高转化渠道 A 的占比从 60% 掉到 40%，把整体拉了下来。

三、具体做法（可复现）

先做数值验证（2 个渠道）：

渠道 A（高率）：w 60%→40%，r 5.0%→5.0%
渠道 B（低率）：w 40%→60%，r 3.2%→3.4%

R₀ = 0.60×5.0% + 0.40×3.2% = 4.28%；R₁ = 0.40×5.0% + 0.60×3.4% = 4.04%；ΔR = −0.24pp 结构效应 = (−0.20)×5.0% + (+0.20)×3.3% = −1.00% + 0.66% = −0.34pp 率效应 = 0×0.50 + (+0.2%)×0.50 = +0.10pp 合计 = −0.34 + 0.10 = −0.24pp ✓（对上了，闭合）

SQL（StarRocks 3.1 / MySQL 8 通用，窗口函数算占比）：

WITH base AS (
  SELECT dt, channel, sum(impr_uv) impr, sum(conv_uv) conv
  FROM funnel_daily
  WHERE (dt BETWEEN '2026-09-01' AND '2026-09-07')   -- 基期窗口
     OR (dt BETWEEN '2026-09-08' AND '2026-09-14')   -- 报告期窗口
  GROUP BY dt, channel
),
agg AS (
  SELECT
    CASE WHEN dt BETWEEN '2026-09-01' AND '2026-09-07' THEN 'p0' ELSE 'p1' END AS phase,
    channel, sum(impr) impr, sum(conv) conv
  FROM base GROUP BY 1, channel
),
share AS (
  SELECT phase, channel,
    impr / sum(impr) OVER (PARTITION BY phase) AS w,   -- 流量占比
    conv / NULLIF(impr, 0)                       AS r   -- 渠道自身转化率
  FROM agg
),
piv AS (
  SELECT channel,
    max(CASE WHEN phase='p0' THEN w END) AS w0,
    max(CASE WHEN phase='p0' THEN r END) AS r0,
    max(CASE WHEN phase='p1' THEN w END) AS w1,
    max(CASE WHEN phase='p1' THEN r END) AS r1
  FROM share GROUP BY channel
)
SELECT channel,
  (w1 - w0) * (r0 + r1) / 2 AS mix_effect,    -- 结构效应
  (r1 - r0) * (w0 + w1) / 2 AS rate_effect,   -- 率效应
  (w1 - w0) * (r0 + r1) / 2 + (r1 - r0) * (w0 + w1) / 2 AS total_effect
FROM piv ORDER BY channel;

跑完对每行 mix_effect + rate_effect 求和，应等于整体 ΔR，用这一条做闭合自检。

四、踩过的坑与反直觉

坑 1：连环替代法有归属歧义。「先换率再换权重」和「先换权重再换率」，交叉项 Δwᵢ·Δrᵢ 会被整块归进不同效应，结论随顺序变。本例 B 渠道交叉项 = +0.20 × 0.2% = +0.04pp，连环替代会把它整块塞给「率」或「结构」之一；我改用 Shapley 对称（交叉项对半分），两边都无偏。
坑 2：只看率效应会漏掉主因。 本例所有渠道自身转化率都没降（率效应 +0.10pp 甚至是正的），问题 100% 在结构。如果团队只盯着「哪个渠道转化率掉了」，会得出「没人变差、不用管」的错误结论。
坑 3：w 的分母口径必须统一。 占比要用「进入该比率分母的同一批流量」归一化；如果某渠道只对付费用户算转化率，w 的口径就和全量 UV 不一致，分解不闭合。
反直觉： 整体比率「下降」，拆开却可能是「率全升、结构全掉」。方向不能靠整体一个数判断。

五、结论与可复用清单

比率指标（转化率、客单价、ARPU、留存）的异动，先做「结构 vs 率」分解，再决定找谁。
用 Shapley 对称分解（交叉项均分），避免连环替代的归属争议，且保证 mix + rate = ΔR 闭合可验证。
占比 w 用窗口函数 impr / sum(impr) OVER (PARTITION BY phase)，分母口径必须与比率分母一致。
结论表述要带两个数：本例「结构效应 −0.34pp、率效应 +0.10pp」，别只报一句「转化率掉 0.24pp」。
拆完看方向：结构效应为负 → 通常是流量结构/渠道 mix 变化，去找增长投放；率效应为负 → 才去找各渠道的体验与转化链路。

赞 2 · 收藏 0 · 评论 0 · 浏览 0

暂无评论。