网站流量统计：只看成功页面会产生什么选择偏差，先补上失败样本
📱 Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko; compatible; ClaudeBot/1.0; +claudebot@anthropic.com)
🔗 /ecd8de20a550.html
📄
网站流量统计：只看成功页面会产生什么选择偏差，先补上失败样本
只看成功页面，等于把“到达且完成”的访问当成全部样本，会系统性低估在中间步骤流失、报错或被拦截的访问。要判断这个偏差是否影响你的结论，关键是补看失败样本：页面报错记录、未完成流程的退出点，以及被过滤规则排除的访问。
矛盾现象：成功页面数据很好看，整体转化却没动
常见情形是：落地页和完成页的访问量、停留时间都稳定，但表单提交或下单总量没有相应变化。这时有两种解释。
- 解释一：流量结构变化。更多访问进入了成功路径，但其中一部分本来就不会转化，比如误点、内部测试或低意图来源。
- 解释二：失败路径被统计口径隐藏。真正减少的是成功页面的“有效访问”，而失败访问从未进入成功页面的统计，导致成功页面看起来没变。
两种解释对应完全不同的动作。前者要查来源质量，后者要查统计覆盖范围。
为什么成功页面天然是一个有偏样本
网站流量统计的记录单位是“被成功加载或成功触发的事件”。页面报错、请求超时、被安全策略拦截、用户在跳转前关闭，这些访问不会出现在成功页面的计数里。于是你看到的是条件概率：在已经成功的前提下，页面表现如何。它回答不了“有多少人根本没走到这里”。
更隐蔽的是过滤规则。排除内部 IP、排除已知爬虫、排除短会话，这些规则通常按整条会话生效。如果某次真实访问因为加载慢被判定为异常而整条丢弃，成功页面和失败页面会一起消失，你甚至不会意识到样本少了。
能区分两种解释的证据
不要只看一个总量指标。按下面顺序取证，可以让两种解释互相排除。
- 看服务器或边缘日志的请求状态分布。如果 4xx、5xx 或超时请求在某段时间上升，而成功页面计数平稳，偏向解释二。注意：请求量上升也可能是爬虫或探测流量，需要结合来源和路径判断。
- 看流程退出点，而不是完成页。在关键步骤埋设“进入但未完成”的事件。若退出集中在某一步，且该步没有对应成功页计数，说明失败样本被漏掉。
- 做一次口径对照。把站内统计、搜索引擎报告和第三方估算的同一时间段并排看。三者口径不同，绝对值不可比，但趋势方向若出现明显背离，说明某一方的样本覆盖出了问题。
- 检查过滤规则命中量。单独记录被规则排除的会话数和排除原因。若排除量在某次规则调整后跳变，先怀疑统计口径，而不是业务变化。
一个假设例子：补上失败样本后结论反转
假设某注册流程有三步，成功页显示每日完成量稳定在 100。运营据此认为流程没问题。补看失败样本后发现：第二步的验证码请求失败率从 2% 升到 9%，同时被过滤规则排除的会话也增加了。真实情况可能是：更多用户尝试注册，但更多人在第二步失败，成功页的 100 只是分子不变、分母变大的结果。
此时下一步动作不是优化成功页文案，而是先修复第二步的失败原因，并把过滤规则调整为只排除确认的机器人，而不是整条丢弃可疑会话。动作的结果会直接改变你后续该看哪个指标：如果失败率回落而成功量上升，说明之前是被失败样本掩盖；如果失败率不变而成功量仍不动，才需要回到来源质量上查。
适用条件与边界
补看失败样本在流程型页面（注册、下单、提交）收益最大，因为失败有明确的步骤归属。对于纯内容页，失败样本更多表现为加载失败和跳出，判断难度更高，但仍应先确认统计是否覆盖了未完成加载的访问。
需要提醒的是：请求量归零、抓取量下降或某项统计突然消失，都不能单独证明你的处理正确。它们也可能是采集延迟、规则误伤或上游变更造成的。把日志、退出点和过滤命中量三条证据链放在一起看，才能避免从一个有偏样本换到另一个有偏样本。
