评估排序模型时只看整体指标容易掩盖问题。整体点击率提升，可能只是头部热门内容表现更好，而长尾内容、新内容、小众用户群体的效果其实下降了。
所以要做分组评估。按内容类型、内容新旧、用户活跃度、地域等维度切分数据，分别看各组的指标变化。这样才能发现模型是否偏科，是否牺牲了一部分体验换取整体数字。
分组还能帮助定位问题。如果发现新内容组指标明显偏低，可能是特征里缺少内容冷启动信号；如果某类用户组表现差，可能是训练样本中该群体占比过低。
整体指标用于判断方向，分组指标用于判断质量。两者结合，才能避免上线一个数字好看但体验失衡的排序策略。对推荐系统来说，生态健康往往比单点指标更重要。
