统计变量清单生成

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。