某本地生活平台2023年8月看“人均下单金额”均值是86元，环比涨4%，团队据此加大了高客单商家补贴。两周后GMV反而降了1.7%。拆开看：中位数从62元降到58元，均值上涨来自0.3%的订单超过2000元，主要是3家高端餐厅的企业团单。
第一个误判：用均值代表典型用户。正确做法是同时看P50、P90和均值。该平台P50为58元、P90为168元、均值为86元，说明分布右偏严重。补贴应投向P50附近的价格带，也就是39-79元，而不是200元以上。
第二个误判：辛普森悖论。按城市分层看，A类城市（一线）转化率从12.1%降到11.8%，B类城市（二线）从9.4%升到10.2%，总体转化率却从10.6%升到10.9%，原因是B类城市订单占比从38%升到47%。总体涨、分层跌，结论完全反了。
第三个误判：幸存者偏差。统计“7日留存”时只取了完成注册的用户，忽略了注册流程中被卡住的14%用户。补上这部分后，真实留存从34%降到29%。这14%用户里，62%卡在短信验证码环节，平均等待时间47秒。
对比两种统计口径。口径A：全量用户、按自然日、含退款。口径B：活跃用户、按滚动7日、剔除退款。同一业务动作，A口径下GMV涨2.1%，B口径下涨0.4%。对外汇报用A，内部决策用B，两者都要标注清楚，否则下次复盘对不上账。
概率上，小样本比例要谨慎。某功能灰度只覆盖了1200人，点击率从5.0%到5.6%，看似涨12%，但95%置信区间是[4.4%, 6.9%]，跨过0。扩到1.2万人后，点击率稳定在5.2%，真实提升只有4%。样本量估算：要检出4%的相对提升，α=0.05、β=0.2，每组至少需要约1.6万人。
一份可用的周报检查项：1）均值、中位数、P90三个数并列；2）按2-3个维度分层，看方向是否一致；3）标注样本量和置信区间；4）注明是否含退款和作弊订单；5）对比上周同口径。5项齐全再发，能减少大半误判。
