推荐系统的数据统计最容易出问题的地方是口径不一致。曝光、点击、加购、下单各环节由不同团队埋点，去重逻辑、时间窗口、设备标识处理方式稍有差异，报表就会出现对不上的情况，进而误导模型迭代方向。
曝光口径需要明确是否包含重复曝光、是否过滤异常流量、同一请求多次渲染如何计数。点击口径要区分有效点击与误触，通常设置最短停留时间阈值。转化口径则要确定归因窗口，是点击后立即转化还是跨天归因。
统计链路应建立统一的埋点规范和数据字典，明确每个指标的唯一权威来源。指标变更要走版本管理，避免历史数据与新口径混用。对关键指标设置自动对账任务，发现环比突变时先排查埋点而非模型。
分析时还要注意分母陷阱。点击率的分母是曝光，但不同位置的曝光质量差异巨大，直接合并计算会掩盖结构变化。建议按位置、场景、人群分层统计，再做加权汇总。
