我把流程拆开后发现：91大事件最容易被误会的一点：完播率其实写得很清楚（不服你来试）
开门见山：很多人看完“91大事件”报表后的第一反应是——完播率数据含糊、不可信、容易被误导。把流程拆开来一看，问题恰恰来自两件事：指标口径没搞清楚，和没有按步骤验证原始字段。实际上，完播率字段往往就在原表里，只是大家对“分母是谁”理解不同，才把同一串数字解读出好几种结论。
先说结论：完播率的数值通常很直白，只要确认字段定义和计算口径，结果不会有争议。不服？下面给你一套拆解流程，上手就能验证。
一步步拆流程（实操友好） 1) 确认数据源与字段
- 找到原始表：通常包含 eventid、exposures（曝光）、starts（播放启动）、completes（完播）、completionrate（完播率）等字段。
- 优先看字段说明或元数据：很多误会来自把 completion_rate 当成“对曝光”的比率，实际上它可能是“对播放启动”的比率。
2) 明确口径（最关键的一步）
- 完播率常见三种口径： a) 完播数 / 播放数（start 为分母）——衡量播放到结尾的比例。 b) 完播数 / 曝光数（exposure 为分母）——衡量展示转化到完整观看的能力。 c) 某个分段完播（如30s完播率）/播放数——衡量留存到关键时点的比例。
- 看清楚你手里表格里的分母是哪一个，然后才能比较事件优劣。
3) 复算验证（最可靠）
- 用 Excel 或 Google Sheets 复算一列，公式举例： 完播率（按播放数） = 完播数 / 播放数 在表里就是 =C2/B2（假设 B 列是播放数，C 列是完播数）
- 若复算结果和现成的 completion_rate 一致，说明口径就是你复算的那种；若不一致，再去找其他可能分母。
举个数字示例（方便记忆）
- 事件 A：曝光 10,000，播放 2,000，完播 1,600 完播率（按播放）= 1600 / 2000 = 80% 完播率（按曝光）= 1600 / 10000 = 16% 两种数字讲的是完全不同的问题——先搞清楚别人给你的是哪一个。
4) 常见陷阱与排查
- 自动播放 / 静音播放：会膨胀播放数，但真实完播率偏低。检查播放启动的定义（是否包含 autoplay）。
- 机器流量与重复用户：先做去重或会话合并，再算完播率。
- 分段完播与总体完播混淆：很多平台同时给出首10秒、30秒和100%完播，别把它们混为一谈。
- 数据延迟/采样：有些报表是抽样数据，查看是否注明 sampling。
5) 可复制的检查清单（5分钟内）
- 找到原始 CSV 或表格
- 确认完播率列对应的分母（exposure/start）
- 用公式复算前三条记录，比较差异
- 检查是否有 autoplay、bot、重复 session 标记
- 按事件降序/升序排序，看极端值是否有异常原因（比如播放少但完播高）
为什么大家会误会
- 一眼看见“80%完播”就觉得表现很好，但如果分母是曝光，那其实只是16%——结论反转。
- 报表展示的聚合层级不同（按事件、按频道、按时间段），没有标注清晰口径就容易产生认知偏差。
- 数据团队为了简洁常把计算好的比率直接展示，省去解释，结果给了阅读者“填空题”。
我把这套方法已经在多个项目上试过——几分钟能把争论变成可验证的事实。结语跟标题保持一致：完播率其实写得很清楚，问题只在你有没有把流程拆开看。不服你来试：拿出你的原始 CSV，按上面步骤复算三行数据，把差异贴出来，我们一起对着数值把“误会”拆干净。
