| 導語 在騰訊微視的資料分析中，為什麼經常遇到“1+1不等于2”的情況？這個問題在很多業務場景非常普遍，我們經常聽說A部門說，我為大盤增量貢獻了100W的收入，B部門說，我貢獻了200W，兩個部門都沒有說謊，但是大盤卻隻有250W的增長。這是為什麼呢？本文将就這類問題詳細讨論。
資料分析中，為什麼1+1不等于2？
這個問題在很多業務場景非常普遍，我們經常聽說A部門說，我為大盤增量貢獻了100W的收入，B部門說，我貢獻了200W，兩個部門都沒有說謊，但是大盤卻隻有250W的增長。
這是為什麼呢？
先抛一張圖
本文将就這類問題詳細讨論，下面個我工作中遇到的案例。
案例
産品疊代（以下稱Driver）Driver A 和 Driver B
- 在小流量實驗階段，Driver A可提升某名額 20%，Driver可提升 30%；
- 此時分别加大流量，僅保留小流量對照組，此時Driver A提升 30%，Driver B提升 40%；
- 大盤某名額上漲了55%；
（這裡為了說明問題，數值上略有誇張）
我們發現上述實驗有個問題：
- 加大流量後，為什麼Driver A和Driver B的增量貢獻變化了？
- 大盤漲幅60%，為什麼超過小流量階段的Driver A和Driver B增量之和（按線性加法和乘法計算均可，即20%+30%=50%，或1.2*1.3-1=56%），但低于大流量階段的增量之和？
為了突出重點，我們首先排除一些确有可能的原因，例如使用者結構發生變化，外部因素幹擾，同時我們經過反複論證大盤的漲幅60%确實由這2個Driver帶來。
AB Test量化的結果，按理說應該不涉及重複計算，為什麼有上述的問題？
其實AB Test雖然不涉及重複計算，但會涉及到Driver之間的疊加效應
疊加效應：1+1>2
以短視訊産品 微視，舉個例子來說：
- A是 推薦 團隊，通過在算法層面不斷疊代優化，為大盤的總使用時長作出的貢獻；
- B是 增長 團隊，通過在端内産品疊代作出的貢獻；
- Y是 推薦、增長團隊互相放大促進增長的貢獻（當然，Y不一定是像圖示中一樣是與A、B單獨貢獻等比例乘積的）
是以，
- 小流量實驗時，因為Driver A和Driver B的實驗是獨立的，同時作用2個Driver的使用者非常少，互相促進的作用（Y）沒有充分展現
- 大流量實驗時，大部分使用者同時作用了2個Driver，互相促進的Y有得到充分展現，1+1>2的效果就展現出來了
- 此時計算各個Driver的貢獻，會重複計算Y部分
一般情況下，1+1>2是我們鼓勵的方向，這說明各個團隊在做合作共赢的事情，至于在大流量實驗時重複計算收益的問題，我們可以通過核算修正解決
抑制效應：1+1 < 2
上面提到了互相促進，那麼有沒有Driver A和Driver B互相抑制的情況呢？
當然存在，并且在顯示中還特别普遍，如下圖示
以微視的任務福利中心，舉個例子來說：
·Driver A是，刷紅包視訊，領視訊紅包
·Driver B是，看視訊，贊時間換金币
上面2個活動同時上線，
- 多個活動，确實能存在互相促進部分Y
- 小流量階段，A的貢獻是A+Z部分，B的貢獻是B+Z部分，AB共同作用較少，是以互相抑制部分不大
- 大流量階段，因為産品形态較雷同，本質上都是看視訊獲得獎勵，2個活動交疊貢獻Z就會比較大，展現的是互相抑制較大，而非互相促進
- 是以當兩個Driver進入大流量階段後，會展現為1+1<2
一般情況下，1+1<2是我們不鼓勵的方向，這說明各個團隊在為同一個産品做趨近相同使用者價值。
聯合實驗
實際上，絕大多數時候，從産品角度了解，都會同時存在「互相促進」和「互相抑制」這2部分，從結果角度，其實我們隻需要關心「整體交疊影響」即可。
真實存在的隻有「整體交疊影響」，并不真實存在「互相促進」和「互相抑制」這2部分，隻是為了友善從産品視角的的了解。
為了清晰量化「整體交疊影響」，我們可以通過AB Test的層域模型，進行聯合實驗，清晰量化交疊貢獻。
簡單來說，就是在大流量階段，我們保留1個實驗組，即不受Driver1影響，也不受Driver2影響。如下例：
詳細可參看《淺談AB Test實驗設計和資料分析（二）——層域模型的設計》
(https://mp.weixin.qq.com/s/SSRlELhzy3nOkjeYI1nmXg)
論功行賞的問題
從大局視角出發，關注大盤名額就好。
但對于具體業務同學，如何配置設定業績也很重要，當交疊貢獻時，如何論功行賞。
例如，
- 負責新增使用者的團隊，今日引入新使用者10W人，目前使用者生命周期為10天，新增團隊貢獻100W日活躍天
- 負責留存的團隊，将大盤使用者生命周期提高2天，大盤使用者100W，留存團隊貢獻200W日活躍天
那麼這裡引入一個問題，新使用者和留存共同作用的部分，如何計算？
這裡一般可以采用邊際收益量化，即
- 新增使用者的活躍天收益，按照留存提高前的增量貢獻計算
- 留存團隊的的貢獻，使用者數按照不含近期的新增使用者計算
- 每過一段時間，再重新制定基數
總的來說，發放不一定唯一，論功行賞的問題，往往計算方式，會牽引業務朝着不同的方向發展，對業務發展有牽引作用，一般情況下需要根據管理者希望的牽引方向而制定。
小結
1+1不等于2，時常存在，
關鍵在于我們如何調整分工、組織，使得團隊之間互相合作、促進，做更多1+1大于2的工作。
從0到1實作一款輕量級大資料分析系統
騰訊的組織能力是什麼
“秒開”浏覽器實作起來有多難？