上个月有个做金融投放的客户跑来找我们,说后台那个落地页版本命中率出问题了。前一周还挺稳的,一直在九成上下晃,某天开始突然掉到六成出头。高消费人群那条分支尤其惨,同一个访客隔几分钟刷新一下,返回的页面版本就换一个。这种分流漂移要是不管,后面转化归因、素材对照这些活儿全都没法看了,数据全是歪的。我们后来就按请求链路从头到尾捋了一遍,下面是整个复盘过程。
现象确认:命中率掉的是哪一段
先别急着去改配置。第一步得把"命中率掉了"这句话拆开,变成能观测的口径。客户后台原来就盯一个总命中率,我们让它按三个维度重新拉数:访客分层(高消费和普通)、页面版本(A版B版)、还有时间段按小时切。
拉完就清楚了。普通访客那段命中率基本没怎么动,掉的几乎全在高消费人群分支上,时间上也集中,上午十点到下午两点这个投放高峰最明显。更要命的是,同一个访客在会话内的版本不一致——说白了这不是"判错了一次",是"判了两次给了两个答案"。
这个特征其实指向两个方向:要么版本判定用的信号在一次会话内变了,要么判定结果没被正确复用。这两条得先分开查。
定位变量:缓存键与采样窗口的错配
我们按请求逐跳看判定链路。第一跳是信号采集,设备指纹、UA、Cookie里的会话标识这些。第二跳是版本判定。第三跳是把结果写入缓存,供后续请求复用。
对比正常时段和异常时段的请求日志,发现一个规律:异常请求里,指纹采集字段比正常请求少了两个——屏幕分辨率和时区。这两个字段平时是从异步补采里拿的,高峰时段补采队列有积压,同步路径就先用了缺字段的快照去判定。
问题就在这儿被放大了。缓存键里包含了指纹哈希,指纹字段一缺,哈希就变,同一访客被当成新访客重新判定。而高消费人群分支的判定权重里,指纹信号占比又比普通分支高,所以它先崩。顺带说一句,这类问题在分流判定里的信号采集窗口那篇里讲过采样时序的截断边界,但当时我们没把"补采积压"这个场景套进去,这次算是补上了。
调整方案:先稳缓存键,再调采样策略
调整分两步走,顺序不能反。第一步,把缓存键里的指纹哈希改成"稳定字段子集"——只用同步路径一定能拿到的字段,UA、Cookie会话标识、IP段这些,把异步补采的字段从键里摘出去。这样即使补采积压,同一访客的缓存键也不会变。代价是判定精度略降,但对高消费人群分支来说,稳定性优先于精度,这个取舍我们认。
第二步,给补采队列加水位监控,积压超过阈值时,同步路径直接走"降级快照"并打标记,不再等补采。降级快照的判定结果单独记一个日志字段,方便后续区分。
配置上没动规则链本身,只改了缓存键结构和补采触发条件。这种"只动输入不动规则"的做法,参考了规则参数变更的级联影响里讲的推进次序,先把影响面锁在采集层。
验证结果:三个可检查的结论
调整上线后观察了三天,检查结论如下:
- 高消费人群分支的会话内版本一致率回到九成五以上,和问题前持平;
- 补采积压时段的降级标记请求占比在百分之三左右,属于可接受范围;
- 普通访客分支命中率没有因为缓存键收窄而明显下滑,说明稳定字段子集够用。
还有一点要说明:这次没有动页面版本映射和规则链,所以标准页与完整页同域部署那套路径隔离逻辑不受影响,回滚点也只设在采集层,恢复代价很小。
小结
这次问题的本质不是规则判错,是判定输入在会话内不稳定,导致缓存复用失效。遇到命中率骤降,先按分层维度把"掉的是哪一段"圈出来,再顺着采集、判定、写入缓存三跳找变量,比直接改阈值有效得多。
常见问题
落地页版本命中率突然下降,先查规则还是先查缓存?
先查缓存。规则一般不会自己变,缓存键和信号采集才是会话内不稳定的高发区。把同一访客的多次请求日志拉出来对比,看判定输入有没有变,基本十分钟内能定位方向。
缓存键里去掉指纹字段会不会影响判定精度?
这个要看情况。高消费人群分支对稳定性更敏感,去掉异步字段换稳定是划算的;但如果你的分支本来就靠指纹细分,那就得换成"稳定字段加降级标记"的组合键,别一刀切。
补采队列积压除了降级还有什么办法?
扩容补采进程是最直接的,但成本高。更常见的做法是给补采设优先级,高消费人群的请求优先补采,普通请求允许延迟。说白了就是拿资源换确定性,看你的预算允许多少。
这种分流漂移会影响转化归因吗?
会。同一访客被判到两个版本,转化回传时版本标记就对不上,归因数据会失真。所以命中率问题要尽早处理,别等归因报表出来才发现对不上账。
延伸阅读
这次排查里缓存键的稳定性判断是核心,如果你想进一步了解跳转失效后规则版本漂移怎么自动校准,可以看这篇。
AB页跳转失效恢