试投回来的数，和立项时算的那版对不上

立项时算的那版账，试投回来几乎一定对不上。对不上本身不是问题，怎么处理这个偏差才是。我见过最糟的处理是直接改模型参数，把错的数算成对的。

偏差先归到四个口子

试投数据与立项模型的偏差归因

四个口子里，时效不用改模型。它是一次性的位移，把整条曲线往后推，不改变形状。

量这一项最容易看错方向。试投样本量不够的时候，量上的偏差几乎全落在噪音里，看出来的趋势下周就没了。

区间内调参数，超出区间重算模型

我给的允许区间是量正负三成、价一成五、成本五个点。超出任何一个，走重算，不走调参。

重算从销量口径开始，不从头程或者广告开始。销量口径错了，后面所有比率都跟着错，先改后面等于在错的基数上做精算。

调参数的前提是模型结构还成立。结构不成立的征兆是：改完这一项，另外三项也跟着动。

改完模型要记版本号

模型改一次，记一行：改了哪一项、从多少改到多少、依据哪段试投数据。

我自己的模型表上现在有十一个版本，回头翻能看出这两年的判断在往哪边偏。

不记版本号的模型，半年后你会不记得当初为什么把转化率定在那个数。然后你会按现在的感觉再改一次，改的方向和上次相反。

试投时长不够，偏差全是噪音

试投跑到第四周之前的数，我一律不当结论用。

四周是新品上架、广告跑起来、第一批评价回来的最短时间。前面两周的数据里，广告还在学习期，评价还没到，转化率的数字每天都不一样。

跑不够四周就归因，最常见的结果是把广告学习期的低效当成产品需求不足。

偏差要做一次外部对照

试投数对不上模型的时候，我要求至少做一次外部对照：找一个同价位同品类的品，看它同期的数据是不是也在同一个方向偏。

整个价格带都在下滑，那就不是你的模型错了，是市场变了。不对照会把市场位移当成自己的判断失误，然后改掉一个本来对的模型。

对照的成本很低，拉一个竞品三个月的数据就够了。收益是省掉一次改模型的返工，返工之后还要再返一次回来。

偏差归因要落到具体动作

归因表最后一列写动作，不是写结论。

量偏低对应的动作是改页面或者调广告结构，不是一句「需求不足，砍掉」。

我要求这一列必须是一个能在两周内执行完的动作。写不出动作的归因，等于这次试投白跑。