统计变量清单生成

以下为“新产品市场需求与价格敏感度”研究的潜在变量清单，按功能分组，便于建模与实证落地。每个变量建议以可量化方式采集，并明确度量尺度。

一、因变量（需求/表现）
- 购买意向/购买概率（量表或0–100）
- 实际销量/订单量/转化率（连续）
- 市场份额/品类渗透率（比例）
- 试用率、复购率、留存率（比例）
- 客单价、购物篮渗透（连续）
- 线索到成交周期（天）
- 订阅流失率（比例）

二、核心价格变量
- 实际支付价格/标价（连续）
- 相对价格（相对主竞品/参考价/历史价的差异，%）
- 折扣幅度/促销强度（%或促销类型虚拟变量）
- 价格展示方式（含税/不含税、分期、运费，分类/连续）
- 价格结构（捆绑价、版本分层、附加服务费，分类/连续）
- 价格尾数/心理价位/价格阈值命中（虚拟变量）
- 动态价格波动幅度与频率（连续）
- 总拥有成本（购置+使用+维护，连续）
- 价格保障/退款政策（分类）

三、交叉价格与竞争
- 主竞品价格、替代品价格、互补品价格（连续）
- 促销价差（自家 vs 竞品，%）
- 交叉价格指数/价差指数（连续）
- 市场平均价格/品类价格指数（连续）
- 竞争强度（门店/页面并列数、竞品数、投放量，连续）

四、价值感知与产品属性
- 感知质量/性能、可靠性、易用性（量表）
- 核心功能与差异化程度（量表/特征虚拟变量）
- 品牌力/信任度/口碑（量表、星级、评论量）
- 性价比评价、价格公平感、风险感知（量表）
- 可替代性/独特性（量表）
- 预期收益/痛点解决强度（量表）
- 愿付价格（WTP，连续；Van Westendorp/Gabor-Granger测得）
- 对价格变动的厌恶/损失规避（量表）

五、消费者/客户特征与细分
- 收入/预算约束/价格知识（连续/量表）
- 使用场景频率/需求强度（连续/量表）
- 购买任务类型（自用/送礼/应急，分类）
- 价格敏感度自评/优惠敏感度（量表）
- 线上比价/搜索强度（行为次数）
- 品牌忠诚度/历史占比（连续）
- 人口统计与地域（年龄、性别、城市级别、地区，分类）
- 渠道偏好（线上/线下/直销，分类）

六、B2B特定变量（如适用）
- 公司规模/行业/采购角色（分类/连续）
- 年度采购额/量级/价格分段折扣（连续）
- 招投标/框架协议/议价权限（分类）
- 采购周期/审批层级/付款条件（连续/分类）
- 切换成本/集成成本/合规要求（量表/连续）
- 服务等级协议（SLA）、售后与培训条款（分类）

七、营销与传播
- 广告投放量（GRP/曝光/点击/触达，连续）
- 搜索指数/站内搜索量（连续）
- 内容与口碑（UGC数量、正负面比、KOL覆盖，连续）
- 促销工具使用（券、返利、满减，分类/连续）
- 陈列与可视度/排名位置（量表/位次）

八、渠道与供给
- 覆盖率/铺货率（比例）
- 库存可得性/缺货率/配送时效（连续）
- 渠道价差/价格一致性（连续）
- 售后与安装服务质量（量表）
- 体验触点（试用、演示、客服响应，量表）

九、市场与宏观环境
- 可支配收入指数/通胀/利率（连续）
- 季节性/节假日/天气（虚拟变量/连续）
- 区域竞争密度/替代路径成熟度（连续/量表）
- 法规政策/补贴（虚拟变量）
- 技术渗透率/品类成熟度（连续/量表）

十、行为历史与交易特征
- 购买频率/最近一次购买/累积消费（RFM，连续）
- 优惠券/会员权益使用率（比例）
- 退货率/客诉率（比例）
- 购物车放弃率/页面停留时长（连续）

十一、实验与研究设计变量（用于估计弹性）
- 价格梯度水平/版本差异（连续/分类）
- A/B分组/随机化单元（虚拟变量）
- 展示顺序/锚定信息位置（虚拟变量）
- 文案/图片/保修承诺（虚拟变量）
- 盲测/品牌显性度（虚拟变量）

十二、财务与运营
- 单位变动成本/边际成本（连续）
- 毛利率/边际贡献（连续）
- 库存周转/产能利用率（连续）

十三、控制变量与固定效应
- 时间固定效应（周/月/季）
- 区域/门店/渠道固定效应
- 曝光次数/访问次数（控制营销与可见度）

十四、关键交互与非线性项（建模建议）
- 价格×收入/预算
- 价格×品牌力/感知质量
- 价格×促销/广告
- 价格×可得性（缺货时价格效应减弱）
- 价格阈值与分段（piecewise）、对数与平方项
- 滞后效应（广告/价格调整的延迟影响）
- 自价格弹性与交叉价格弹性（对主竞品）

备注与测量建议
- 优先收集最小可行集：销量（或购买概率）、实际价格与折扣、竞品价格、感知质量/品牌、广告曝光、库存可得性、关键细分（收入/地域/渠道）、季节与节假日。
- 价格敏感度测量可结合：受控A/B价格实验、离散选择联合分析（含价格与核心属性）、Gabor-Granger或Van Westendorp（用于WTP分布），并校准为市场行为数据。
- 价格须记录为税费与运费后的“到手价”，同时保留参考价与历史价以识别锚定效应与相对价格。

上述变量体系可支撑对需求函数估计、自/交叉价格弹性测算、WTP分布刻画与最优定价模拟。

以下为“注册转化漏斗”A/B测试中进行变量梳理时应覆盖的潜在变量清单，按用途分层，便于设计、测量与控制。

一、可操控自变量（产品/流程/内容）
- 入口与落地体验：标题与卖点文案、信任与合规标识（SSL、评价、媒体背书）、价格/优惠可见性、首屏可见区域内容密度与层级、单/多CTA数量与位置、粘性CTA。
- 漏斗结构：单页 vs 多步、步骤顺序（如先邮箱/手机还是先设置密码）、进度条、可返回/跳过、早/晚进行KYC或验证、分段信息采集（渐进式表单）。
- 身份与认证：社交登录/SSO（Google/Apple/微信等）、Magic Link/OTP/Passkey、2FA是否必选、密码规则（长度/复杂度/禁常见密码）、密码强度提示与显示切换。
- 表单设计与校验：必填项数量、默认值/预填、自动填充/自动完成、输入掩码（电话/日期/国家区号）、实时校验与提示文案、示例占位、错误定位与可见性、键盘类型（移动端）、地址自动补全。
- 反滥用与验证：Captcha有无/难度、风控阈值（设备指纹/IP信誉）、频率限制、重复账号检测策略。
- 激励与承诺：试用天数、优惠券/推荐码、提示方式与门槛、显示紧迫感（避免暗黑模式）。
- 合规与同意：条款/隐私同意方式与默认状态、营销订阅默认值、Cookie横幅与注册流程的遮挡关系。
- 性能与稳定性：首屏渲染时间、表单提交时延、静态资源体积、加载骨架/降级策略、错误重试。
- 本地化与可及性：语言与币种自动识别、文案质量、日期/地址格式、视觉对比度、焦点顺序、ARIA描述。
- 帮助资源：常见问题、实时客服入口、异常回退与自愈提示。

二、核心结果指标（因变量）
- 总转化率：从落地到完成注册的整体CVR。
- 分步转化率与流失率：CTA点击率、表单启动率、各步骤完成率、最终完成率。
- 效率指标：完成注册时长、填写时长/每步耗时、重试次数、返回/中断率。
- 失败指标：表单校验失败率、提交失败率、OTP失败率与重发次数、验证码失败率。

三、质量与守护指标（防止“低质增长”）
- 账号质量：一次性邮箱占比、重复设备/手机号、可疑IP/VPN占比、风控拒绝率、Spam/滥用率。
- 后置业务质量：D1激活率、关键行为完成率（如首单/首个核心动作）、退款/投诉率、7/30日留存、ARPU/LTV。
- 运营与成本：短信/邮件发送成功率、退信/投诉率、OTP成本、客服工单量。
- 系统稳定性：5xx/4xx比例、JS异常率、App崩溃率。

四、协变量与分层变量（用于分层、方差降低与结果解释）
- 流量与来源：渠道（自然/付费/品牌/非品牌）、UTM参数、投放活动/素材、合作方/返利。
- 用户与设备：新客/回访、既有账号/黑名单、国家/地区/时区、语言、设备类型/OS/浏览器/APP版本、屏幕尺寸、网络质量、广告拦截/三方Cookie状态。
- 行为基线：近7/30天访问频次、上次会话到当前时间、历史转化倾向（CUPED协变量）、站内兴趣页面。
- 合规环境：GDPR/CCPA等隐私约束、Cookie同意状态。

五、干扰与噪声变量（需监控或控制）
- 时序与季节性：节假日、周内/时段、促销高峰。
- 系统与发布：后端/客户端发布、事故/降级、依赖服务波动（支付、短信、邮箱）。
- 市场与价格：价格/政策调整、竞争对手活动、突发公共事件。
- 试验并发：其他A/B/特性旗标对同一路径的影响与交互。

六、实验配置与随机化变量
- 随机化单元与粘性：用户ID/设备ID/会话、跨设备去重、集群随机（渠道/地域）。
- 流量与曝光：流量占比、分层抽样、灰度/加权、冷却期与再曝光规则、资格判定（仅新客/全量）。
- 功效与期限：最小可检出效应（MDE）、样本量、实验时长、提前停止/序贯检测策略、多重比较校正。
- 方差降低：CUPED、协变量回归、分层（渠道/地域/设备）、赛马式匹配。

七、归因与观察期变量
- 转化归因窗口：同会话/跨会话、回访归因规则、跨端/跨域归因。
- 去重与口径：多注册尝试的计数规则、合并同一用户的多设备行为。

八、数据质量与过滤变量
- 机器人与异常流量：自动化脚本、爬虫、模拟器、异常事件速率。
- 事件完整性：埋点版本、丢包/迟到事件、重复事件、时间戳漂移。
- 隐私与同意：未同意跟踪的样本处理、差分隐私或聚合上报的口径一致性。

建议的最小必备集（便于快速上线）
- 主要因变量：整体CVR、步骤CVR/流失率、完成时长、表单/OTP失败率。
- 守护指标：D1激活率、Spam/风控拒绝率、系统错误率。
- 关键协变量/分层：流量来源、新客/回访、设备类型/地域/语言、时间分层（周内/时段）。
- 实验配置：用户级随机、50/50流量、粘性分配、明确归因窗口（如7天）与CUPED协变量（历史转化倾向或到达前行为）。

以上清单可作为变量字典与监控面板的基础，支持迭代式扩展与跨试验复用。

以下为“服务质量—满意度—流失预警”研究的潜在变量清单，按研究维度组织，便于建模与监测。每项附简要说明与常见度量方式。

一、服务质量（过程/结果/交互）
- 可靠性与一致性：按期交付率、订单/工单一次解决率、差错率、返工率。
- 响应性：平均首响应时间、从提交到解决的平均时长、排队/等待时长、紧急请求处理时效。
- 保证性（专业与安全）：SLA达成率、故障率/停机时长、合规/安全事件数、人员资质覆盖率。
- 同理心与个性化：个性化方案覆盖率、客户偏好识别准确率、沟通质量评分（互动后调查）。
- 有形性与可用性：线下设施评分、界面可用性（如SUS得分）、文档/知识库完备度与命中率。
- 可访问性与渠道能力：服务渠道覆盖数、渠道切换一致性评分、营业/支持覆盖时段。
- 结果质量（Outcome）：任务/交付通过率、质量抽检得分、缺陷密度、投诉涉及的质量问题占比。
- 体验稳定性：服务波动性（时效/质量的标准差）、跨区域/跨时段一致性指数。

二、客户满意度与感知价值
- 总体满意度（CSAT）：单次接触或周期性1–5/1–10评分。
- 推荐意愿（NPS）：Promoter%、Detractor%、净推荐值。
- 解决难度（CES）：从1–7评估客户为达成目标需付出努力。
- 价值感知：性价比评分、价格公平性评分、期望—感知差距（SERVQUAL差距）。
- 接触点满意度：售前、入职/培训、使用、售后/支持、账务各环节评分。
- 投诉与口碑：投诉率、重复投诉率、工单闭环率、评价星级、社媒/舆情情感分（情感分析）。
- 关系与信任：品牌信任度、再购/续约意愿评分、情感承诺评分。
- 变动性：满意度环比/同比变化、异常下跌标记（如下降≥1分）。

三、流失预警（行为与关系信号）
- 使用活跃与核心行为：
  - RFM：最近一次使用（Recency）、使用频次（Frequency）、付费金额（Monetary）。
  - 活跃度：DAU/MAU、粘性（DAU/MAU）、会话时长、核心功能使用次数/占比、功能覆盖数。
  - 趋势：近4–8周使用同比/环比变化、波动性（标准差）、连续低活跃天数。
  - 首次价值达成：TTFV（达到首个关键价值的耗时）、入职/培训完成率。
- 支持与问题：
  - 工单数量、未解决/超期工单、升级工单占比、重复咨询率。
  - 故障/停机时长、SLA违约次数、质量事件影响用户数。
- 交易与账务：
  - 逾期天数、支付失败次数、退款/退订申请数、价格敏感行为（频繁关注价格页/咨询）。
  - 套餐变更：降级事件、自动续费关闭、ARPU/净收入变化、折扣/优惠依赖度。
- 合同与生命周期：
  - 合同到期临近天数、解约通知/工单、续约意向评分、承诺期剩余。
  - 账户存续期（Tenure）、生命周期阶段（新客/成熟/风险）。
- 竞争与市场信号：
  - 竞品试用/POC记录、竞标失败率、竞品触达次数。
- 组织与关系变动：
  - 关键联系人流失、采购流程延长、预算削减信号。
- 数字行为异常：
  - 登录频率突降、活跃设备/地点变化、帮助中心/FAQ访问激增（可能的使用障碍）。

四、客户特征与控制变量（用于分层与混杂控制）
- 客户属性：行业、企业规模、地区、客户价值分层（战略/长尾）、渠道来源。
- 产品/方案属性：套餐类型、合同模式（按月/年、预付/后付）、功能包配置。
- 使用场景与技术环境：设备类型、网络质量指标、集成/接口复杂度。
- 历史关系：账户年龄、累计消费、历史满意度与支持记录。

五、派生与综合指标（用于模型与监测）
- 服务质量指数（SQI）：多维加权汇总（可靠性/响应性/保证性/同理心/有形性）。
- 满意度综合指数（SI）：CSAT、NPS、CES与接触点评分加权。
- 使用健康度：活跃/功能采纳/支持负荷的综合健康分。
- 异常与趋势特征：环比/同比、移动平均、EWMA、突变幅度、Z分数。
- 生存与风险变量：滞后使用指标（t−1、t−2）、危害率相关变量（Tenure、到期窗口）、流失标签定义（如30/60/90天未活跃或正式退订）。

说明与建议
- 时间窗：建议以滚动30/60/90天窗口计算行为与质量指标，并设置预警阈值（如使用下降≥30%、未解决工单≥2）。
- 分层建模：按行业/套餐/生命周期分层，减少结构性差异对模型的干扰。
- 相关性与冗余：对高度相关的指标（如响应时间与SLA达成）进行降维或正则化，避免多重共线。
- 目标定义：明确“流失”的业务定义（非活跃、停用、退订），确保标签一致性。

以上变量可用于构建服务质量与满意度的监测体系，并作为流失预警模型（如逻辑回归、随机森林、生存分析）中的候选自变量。建议结合业务重要性与数据可得性进行筛选与权重设定。