某内容平台 3 月做了一次点击率预测复盘，统计窗口 30 天，样本 4200 万条曝光。几个数字跟直觉差得挺远，值得记下来。
第一，曝光量前 10% 的内容拿走了 71% 的曝光，但只贡献了 54% 的点击。剩下 90% 的长尾内容点击率反而高 0.8 个百分点。这不是说长尾更好，而是长尾被推的时候多是精准场景，分母小、转化高，一平均就“显得”好。做统计时按曝光量分桶再看点击率，才不会被这个平均值骗到。
第二，周末和工作日的点击率差异只有 0.15 个百分点，但时长差异有 11%。也就是说用户周末刷得更久，不是刷得更准。结论很直接：别为周末单独训模型，把时长指标和点击指标分开看更靠谱。
第三，新用户前 24 小时的点击率是 5.8%，第 2 到第 7 天是 4.1%，第 8 天之后是 3.9%。看起来是“新鲜感衰减”，其实是推荐策略变了——前 24 小时推热门保底，之后推个性化，热门内容的点击率本来就高。想看真实衰减，得固定策略做 A/B，不然统计出来的是策略差异不是用户差异。
第四，删掉点击数为 0 的样本后模型变好了，但线上变差了。原因很朴素：负样本里 0 点击占了大多数，删掉等于把“不感兴趣”的信号扔了，模型变得过度乐观。正确做法是保留负样本，但按内容曝光次数做下采样，比例控制在 1:3 到 1:5。
第五个数字关于置信区间。某条内容 7 天曝光 800 次、点击 40 次，点击率 5.0%，乍看不错；另一条曝光 12000 次、点击 480 次，也是 4.0%。前者的 95% 置信区间宽度大约 ±1.5 个百分点，后者只有 ±0.35 个百分点。在榜单里按点击率排序而不看样本量，前 10 名里经常有三四条是运气好。加一条最小曝光 2000 的门槛，榜单稳定性提升明显。
统计还有个细节：去重口径。按“用户-内容-天”去重和不加天，算出来的点击率能差 0.4 个百分点。原因是同一用户反复点击同一条会被重复计数。团队最后定的是“用户-内容-自然日”去重算点击率，曝光仍按原始请求计数。
最后提醒一个操作层面的问题：统计报表里的分母。曝光是“请求了这条”还是“这条渲染在屏幕内且停留超过 1 秒”，两者差距不小，实测渲染可见口径的点击率比请求口径高 1.2 个百分点。口径不写进文档，三个月后没人说得清两个数字为什么对不上。
