客户分析：不平衡数据下如何判断高收入贡献国家？

一、指标选择：均值不是错误，但绝非核心指标 #

均值在这里的误导性源于TUR样本量过小+可能存在极端值——少数高消费用户直接拉高了整体均值，但样本基数太小，对总收入的贡献可以忽略。实际业务中，判断收入贡献的核心指标是：

• 总收入：直接反映该国家用户带来的实际营收，这是最有说服力的业务指标
• 收入中位数：比均值更稳健，能反映该国家普通用户的消费能力，避免极端值干扰
• 收入占比：该国家总收入在三国总和中的占比，直观体现贡献权重

二、可视化方案：用图表直观证明USA的核心贡献 #

1. 总收入对比条形图 #

直接绘制三个国家的总收入条形图，USA的条形长度会显著长于BRA和TUR，一眼就能让受众明白谁是最大收入来源。可以在条形上方标注具体的总收入数值和用户数，强化样本规模和营收的对应关系。

2. 用户收入分布箱线图 #

绘制三个国家的收入箱线图，同时在每个箱线图下方标注样本量：

• 你会看到TUR的均值线（箱线图中的横线）很高，但箱体（代表中间50%用户的收入区间）可能比USA窄，甚至低于USA的箱体，说明是少数极端值拉高了均值
• USA的箱体更宽，覆盖的用户收入区间更合理，且样本量最大，整体营收贡献更稳定

3. 累计收入曲线 #

将每个国家的用户按收入从高到低排序，绘制累计收入曲线：

• USA的曲线会最快达到最高值，说明不管是高收入用户还是普通用户，累计带来的收入都远远超过其他两国
• 可以在曲线旁标注前10%高收入用户的累计收入占比，进一步验证USA的整体贡献

4. 收入占比饼图 #

用饼图展示三个国家的总收入占比，USA的占比会是最大的一块，直接用百分比数据强化“最高贡献国”的结论。

三、统计分析补充：不用纠结ANOVA结果，聚焦业务真实价值 #

• ANOVA的p值0.449733说明组间均值无显著差异，但这和“谁的总收入贡献大”是两个问题——统计上的均值无差异，不影响业务上的总收入规模差异
• 可以补充计算TUR的收入分布：找出拉高均值的极端用户（比如收入Top 5的用户），计算他们的收入占TUR总收入的比例，如果超过50%，直接说明均值是被少数用户扭曲的，不具备代表性

四、关于样本处理：无需抽取等量样本 #

抽取等量样本会丢失USA的大量有效数据，反而偏离真实业务场景。如果一定要做均值类对比，建议用加权均值——以每个国家的用户数为权重计算整体均值，这样既考虑了用户的消费能力，也体现了样本规模的实际价值，结果会更贴近真实营收贡献。

内容的提问来源于stack exchange，提问作者noor h