你给一半用户换上更顺手的分享按钮，然后发现他们带来的观看量增加了。这个实验看似成功，问题却才刚开始：收到分享的人可能重新活跃，又把内容发给下一批人。普通 A/B 测试只比较两组用户自身的结果，很容易漏掉后面几轮，也可能把对照组收到的影响算错。
Weitao Cheng、Yilin Li、Yong Wang 与 Nian Si 的论文试图解决的，正是分享功能的这笔“总账”。它不只问发送者多带来了多少互动，而是估计功能全面上线后，整个平台由分享引发的互动会改变多少。论文已被 KDD 2026 接收。下文的效果数字与真实平台结果均来自这一篇论文，尚无机构报告或第三方研究交叉印证。
普通 A/B 测试为什么会失灵？
经典实验通常依赖一个前提：给张三换按钮，不会改变李四的结果。统计学把这个前提叫作“无干扰”。分享功能恰好违反它。张三在实验组，李四即使在对照组，也可能收到张三发来的内容，并因此观看、回访或继续分享。
这里要分清两类影响。直接效应是按钮改变发送者自己的行为；间接效应则沿分享关系传给其他用户。后者还会形成时间级联——今天收到分享的人，明天可能成为新的发送者。论文把这种多轮、自我强化的传播称为“增长飞轮”。这是一种建模解释，并不等于论文已经证明任何分享按钮都能带来可持续增长。
作者要估计的是全局处理效应（Global Treatment Effect，GTE）：如果所有用户都使用新功能，与所有用户都使用旧功能相比，分享引发的总互动相差多少。这个问题比“实验组平均高多少”更接近上线决策，却也更难从混合着实验组和对照组的现实流量中还原。
关键不是追完每条链，而是把流量对上
论文先用多元 Hawkes process 描述传播。Hawkes process——一种会让事件继续触发后续事件的时间模型——在这里把一次观看分成两种来源：用户自己从推荐或搜索中发现内容，以及被别人分享后观看。每次分享带来的观看，又可能成为下一轮分享的起点。
但真正用于估计时，作者没有要求平台拟合这套复杂模型的参数。关键一步是一条 flow-balance identity，也就是“流量平衡恒等式”：从发送者一侧数出去的分享观看，与从接收者一侧数进来的分享观看，本质上是同一批发送—接收事件。像核对转账流水，付款端与收款端虽然视角不同，总额必须对得上。
作者据此把分享带来的总互动写成一个几何放大过程。先估计由独立发现直接引发的第一批分享观看，再估计接收者继续向下传播的平均比例。若这个比例记作 ，多轮传播的放大因子可理解为：
于是，实验不必等到每条传播链完全结束，也不必逐条重建所有后代关系。它可以利用常见的归因日志——记录一次观看由哪次分享带来的流水——估计第一轮流量和下游传播率，再用闭式公式校正后续轮次。所谓“闭式”，就是直接代入公式计算，不需要反复模拟整个社交网络。
论文的干预作用在发送者行为上，并适配常见的 Bernoulli 随机实验：每名用户独立进入实验，再被随机分到处理组或对照组。作者证明，在传播相对同质等条件下，估计量具有一致性——样本越来越大时，估计会趋近目标值。论文也强调，同质性假设比严格所需更强；局部差异是否真会被大规模汇总抵消，主要由其模拟和平台案例支持。
它比“只看第一跳”多算出了什么？
模拟实验比较了三类常见做法。Difference-in-means（DM，直接比较两组平均值）忽略网络传播；DM-FO 只补第一轮转发；Graph Cluster Randomization（GCR）则先把社交图切成群组，再按群随机分配。
在作者构造的非同质传播环境中，新估计量在各组设置下接近无偏，偏差小于对照方法；均方误差低于 DM 和 GCR，与 DM-FO 相近。均方误差同时衡量偏差与波动，越低通常代表估计离真值越近。论文没有给出可概括为单一百分比的“降偏幅度”，因此不能把“显著降低偏差”改写成确定的量化优势。
置信区间的模拟结果更具体。作者构造名义覆盖率为 95% 的区间，在三组设置中实际覆盖率分别为 94.4%、94.8% 和 95.8%。不过，其中心极限定理只在 A/A 测试下得到证明。A/A 测试是把相同版本随机分成两组，用来检查数据管线是否会凭空制造差异；A/B 场景中的覆盖率接近 95%，属于模拟证据，而非同等强度的理论保证。
对于“是否至少有一次分享唤回用户”这种用户级指标，简单流量平衡不再适用。作者改用 Poisson approximation——当单条关系触发成功的概率很小时，用泊松分布近似许多小概率事件之和。模拟中，这个唤回率估计仍有可见偏差，但偏差和均方误差都低于论文设置的 EW 与 HEW 两种基线。
真实实验里，结论真的会变
论文称，这套方法已部署在一个拥有数百万至数十亿用户的大型社交网络实验平台，但没有公开平台名称。一次真实 A/A 验证收集了全体用户一周的数据，按 50% 对 50% 随机分组，并重复计算 200 次。作者称，所得 值大致接近均匀分布；剩余偏离主要来自分享行为的重尾特征，也就是少数用户分享量特别大。
更值得注意的是一次界面改版实验。新界面意在鼓励分享和后续互动。论文表中，新方法估计相对差异为 0.548%，；DM 得到 0.293%，；只补一轮传播的 DM-FO 得到 0.267%，。按常见的显著性判断，只有新方法给出了统计显著结果。平台据此决定全量上线，作者称上线前后对比进一步支持功能有效。
这组结果说明，传播校正可能改变产品决策，而不只是让报表数字更漂亮。但“上线后的对比”并非随机对照实验。材料也没有披露样本量、实验周期、置信区间和上线后变化幅度，因此不能把它当作对真实因果效应的独立验证。
为什么值得关注
这篇工作的价值，在于把分享实验的观察单位从“一个用户”移到“一股流量”。发送者产生流出，接收者记录流入，收到内容的人又可能成为下一轮发送者。只要归因日志能辨认这些来源，平台就有机会在不完整重建社交网络、也不拟合 Hawkes 参数的情况下，估算全面上线后的多轮影响。
它也提醒产品团队：实验指标的定义本身会决定你看见什么。只看发送者，会漏掉接收者；只看第一轮，会漏掉级联；只比较实验组与对照组，则可能忽略两组之间已经互相影响。分享按钮的增长飞轮是否存在，不能靠一个漂亮的点击率来回答。
局限与未知
- 一致性依赖同质传播与论文所称的“mild conditions”。真实网络中的传播稳定性、归因日志完整性，以及局部异质性会造成多大偏差，材料没有给出完整边界。
- 用户唤回率依赖小概率条件下的 Poisson approximation；模拟结果也显示该估计仍有偏差，不能与分享互动指标的理论保证等量齐观。
- 真实平台证据全部由论文作者报告。平台身份、样本量、置信区间和上线后效应均未披露，外部目前无法独立复核。