一份坦桑尼亚+255名单中,如果只有部分号码得到性别年龄观察,最重要的问题不是这些人的比例,而是另外那些人为什么没有进入可见样本。忽略unknown会制造覆盖偏差。
先画覆盖漏斗
| 阶段 | 数量 | 需要解释 |
|---|---|---|
| 原始提交 | N0 | 来源与许可 |
| 格式可处理 | N1 | 国家证据 |
| 任务有返回 | N2 | 异常与unknown |
| 画像可用 | N3 | 适用边界 |
按采集来源比较掉队
网站表单、门店、合作伙伴和旧CRM的N3/N0分别计算。如果某一来源明显偏低,应先修采集或号码格式。
城市与地区不能由电话补齐
+255支持号码规划,但不证明具体居住地。不要用头像、姓名或可见结果反推城乡、地区或族群。
年龄性别不等于身份核验
相关字段是有限观察,需要observed_at与confidence。它们不能确认某个人,也不能覆盖客户主动提供的信息。
把unknown拆成原因
format_exception、not_observed、visibility_limited与task_error分别计数。只有拆开,改进动作才知道应找数据团队还是业务来源。
不要只展示漂亮比例
报告中同时给出分母、缺失率和来源构成。样本太小或偏差明显时,直接标记不可用于总体推断。
TXT和分析表分层
爱普筛接收一行一个号码的TXT。客户来源和许可留在内部,返回Excel先进入分析staging,再按用途生成聚合结果。
更接近业务的替代信号
如果目的是内容选择或服务安排,用户明确兴趣、语言和订单阶段通常比性别年龄推断更有解释力。
坦桑尼亚页面的判断线
只有当“谁被观察、谁没被观察、为什么”都可解释时,画像结果才有分析价值;否则它只是一小块可见数据。
