无参照，不洞察。
在“快缩短网址”suo.run 的每一次迭代背后，我们都让数据先开口说话。而数据要开口，必先“照镜子”——环比、同比、控制变量，三面镜子同时举起，才能照见真相。

一、三面镜子的哲学
1. 环比：照见呼吸
像心电图一样，环比捕捉的是业务脉搏的瞬时起伏。公式极简：
环比增长率 = (本期 − 上期) ÷ 上期 × 100%
但它天生敏感，节假日、天气、甚至一条微博热搜，都可能让曲线剧烈抖动。
2. 同比：照见年轮
同比把镜头拉远，用去年的同一天做锚点，滤掉季节潮汐。
同比增长率 = (本期 − 去年同期) ÷ 去年同期 × 100%
当环比在尖叫“下降了7%”时，同比可能轻声补一句：“别怕，比去年同日还涨了75%。”
3. 控制变量：照见因果
再锋利的同比也斩不断混杂因素，唯有 A/B Test 把世界切成实验组与对照组，让单一变量裸奔。
实验组收 6 元红包，对照组空手而归；十万量级、随机分流、双盲观察，任何微小偏差都会被概率熨平。

二、一场真实的战役
去年国庆前夕，我们在 suo.run 做了一场红包实验：
• 第三周：50% 用户收到 6 元红包，GMV 环比 +50%。
• 第四周：把剩余 50% 也纳入实验，GMV 环比却 −7%。
若只看环比，仿佛策略失灵；拉入同比后，发现去年第四周因假期 GMV 自然下滑 20%，而今年仅下滑 7%，且同比大涨 75%。红包确有效，只是被假期潮汐掩盖。
再用控制变量法精确测算：
实验组转化率 4.2%，对照组 2.0%，净增 2000 单；客单价 200 元，GMV 净增 40 万。
至此，策略的 ROI 像被擦亮的镜面，一目了然。



三、落地守则
1. 样本量：宁大勿小，个体噪声服从大数定律。
2. 随机性：拒绝尾号、星座等“伪随机”，用系统随机数切割人群。
3. 观察期：让数据跑过至少一个完整业务周期，避免“周一效应”误导。

四、尾声
在 suo.run，我们把这三面镜子嵌进每一次决策：
环比告诉我们“此刻跳得多快”，同比告诉我们“比去年跳得更高还是更低”，控制变量则告诉我们“究竟是红包还是运气”。
数据不撒谎，但会沉默；唯有比较与实验，才能让它开口，指引我们向下一毫米的极致缩短。