比率型指标怎么做月度汇总？——两种口径，与一个 CTR 案例

配套文件：Sample Data.xlsx（Raw Data 124 行模拟数据 + 两张汇总表）
数据区间：2026-07-01 ~ 2026-08-31，两个入口 Banner A / Banner B

一、一个说不清的月度数据

假设你在做 8 月的月度复盘。报表上写着：

整体 CTR：7 月 12.36% → 8 月 23.34%，环比 +10.99pp。

老板问你一个问题：

1. 为什么涨？

如果你手上的月度 CTR 是「把每日 CTR 平均一下」得到的，你会发现自己答不上来——你甚至没法把这个月度和日度数据对上账。

这就是比率型指标（CTR、转化率、留存率、客单价……）特有的麻烦：它们不能直接相加，也不能直接平均。

二、两种口径到底差在哪

设某个月有nnn天，第iii天的点击为cic_ici​、曝光为viv_ivi​，则当日CTRi=ci/vi\text{CTR}_i = c_i / v_iCTRi​=ci​/vi​。

口径 A：先算比率，再平均

CTRmonth=1n∑i=1ncivi \text{CTR}_{\text{month}} = \frac{1}{n}\sum_{i=1}^{n} \frac{c_i}{v_i}CTRmonth​=n1​i=1∑n​vi​ci​​

关注点是**「每天的平均表现」**——每一天无论曝光多大，权重都是1/n1/n1/n。

口径 B：先汇总分子分母，再相除

CTRmonth=∑ci∑vi=日均点击 PV日均曝光 PV \text{CTR}_{\text{month}} = \frac{\sum c_i}{\sum v_i} = \frac{\text{日均点击 PV}}{\text{日均曝光 PV}}CTRmonth​=∑vi​∑ci​​=日均曝光PV日均点击PV​

关注点是**「分母视角下的整体表现」**——每一天的权重正比于它当天的曝光量。

两个公式只有在「每天的曝光量完全相同」时才相等。现实中曝光量天天变，所以它们必然有差。

三、案例设定：一份可控的数据

为了让差异可控、可解释，我构造了一份模拟数据，两个入口刻意设置了完全不同的走势：

62 天 × 2 入口 = 124 行。Banner B 的日均曝光从 7 月的 47,080 涨到 8 月的 104,834（+122.7%），单日曝光在 8 月内从 63,107 一路爬到 141,094。

为什么让 Banner B 的曝光量也一起涨？因为这是真实业务的常态——一个入口效果好，就会被分配更多流量。而恰恰是这件事，会让两种口径产生分歧。

四、结果：整体层面差 0.31pp

先站在「整体」视角看（两个入口合并）：

7 月几乎没差，8 月差了 0.31pp。听起来不大，但拆到入口层面差距放大了 4 倍多：

同一个 Banner B、同一个 8 月，用两种口径算出来差 1.38pp。如果这是你要写进汇报的数字，这个差距足够影响结论。

规律是什么？

• Banner A 两口径几乎重合（差 0.01~0.03pp）：曝光量随机波动，与 CTR 不相关。
• Banner B 差异显著（8 月差 1.38pp）：曝光量与 CTR同步上升，正相关。

结论很清晰：

当曝光量与 CTR 正相关时，口径 B > 口径 A；负相关时，口径 B < 口径 A；不相关时两者接近。

口径 B 会把更高的权重给到 CTR 更高的那些天，所以它会「追涨」。这不是 bug，是两个口径回答的根本就是不同的问题：

• 口径 A 答的是：「随便挑一天，平均能拿到多少 CTR？」
• 口径 B 答的是：「随便挑一次曝光，平均有多少概率被点击？」

业务上真正关心的通常是后者——你手里 8 月的 720 万次曝光，整体被点击的概率是多少。这是口径 B。

五、差异从哪来：两个结构性问题

5.1 曝光权重在月内漂移

看 Banner B 的周度路径，两种口径的差距随曝光量放大而拉开：

月内单日曝光从 6 万涨到 14 万，翻了一倍多。口径 A 给 8 月 1 日（曝光 6.3 万）和 8 月 31 日（曝光 13.5 万）相同的权重，口径 B 给后者两倍以上权重。

六、真正致命的是：口径 A 不可拆分

前面说的差异都还能算、能解释。真正让口径 A 在月报里不可用，是下面这条。

口径 A 算出来的数，对不上账

口径 A 的 8 月结果 = 31 个日 CTR 的平均 = 23.04%。现在我问你：这个月对应的曝光 PV 和点击 PV 是多少？

答不出来。因为取平均的过程把每一天的曝光权重丢掉了，而这个信息无法反向还原。这 31 天的日曝光从 178,507 到 274,213 不等，平均之后就再也分不开了。

结果是：口径 A 的月度 CTR 是一个孤立的数字，和你的日度数据表对不上账，也没法往下拆。

口径 B 天然可拆分

口径 B 可以写成两个可解释的分量：

CTRmonth=日均点击 PV日均曝光 PV \text{CTR}_{\text{month}} = \frac{\text{日均点击 PV}}{\text{日均曝光 PV}}CTRmonth​=日均曝光PV日均点击PV​

于是 8 月整体 (\frac{54{,}201}{232{,}189} = 23.34%)，分子分母都在，都能继续下钻：

一眼就能看出：整体点击从 21,021 涨到 54,201，其中Banner B 贡献了 32,951（占 99.3%），Banner A 只贡献了 229。分子拆解完成，再往下按入口、按素材、按人群拆，路径是通的。

顺带验证：异常值敏感性

口径 A 对异常值敏感。我用这份数据做了个对照实验：

假设 2026-08-01 的 Banner B 出现异常——曝光只有 10,000（正常约 6.3 万），但 CTR 高达 60%。

这一天在两种口径下的权重差了十倍：

对 Banner B 8 月结果的影响：

口径 A 被一个仅占 0.31% 曝光量的异常日推动了 1.20pp，是口径 B 的 3.5 倍。草稿里那句「one day displays significantly higher CTR with poor Impression PV, this day’s performance will push up the average」就是这个意思。

七、那到底该用哪个？

默认用口径 B。理由不是它更「准」，而是它可拆分、可对账——一个无法下钻的月度数字，在复盘会上是废的。

如果确实要用口径 A，请同时给出每天的曝光量分布，否则读者无法判断这个平均值被哪些天拉偏了。

附：本文数据来源

所有数字均来自Sample Data.xlsx：

• Raw Data：124 行模拟数据（Date / Entrance / Impression PV / Click PV / CTR）
• Proposal - 1：Overall Monthly Performance + Monthly Performance Breakdown by Entrance（口径 B，曝光加权）
• Proposal - 2：Overall Monthly Performance（口径 A，日均 CTR 的平均）