关于「双吸收壁与首达:访客在「付款」与「离开」之间走完一条信念路」,《长页的漂移与噪音》给出的定量结论是什么?
结论:漂移扩散模型把访客的犹豫写成一条在「离开」与「付款」两壁之间的随机路。p11 给出付款概率与平均决定时间的闭式解,并用带连续性校正的模拟核对;p12 说明付款者与离开者的条件时间只有在起点居中时才相等,停留数据必须结合起点来读。下一章把噪音单独拿出来,看它怎样让本来会付款的人误撞离开壁。
数据口径:书中参数为示意;全部计算由书中程序生成;本书是非个人化经营建议,模型用于描述访客怎样权衡信息,不是说服或操纵的技术,所有页面改动只用真实信息,不虚构倒计时或稀缺。 第四章逐段推进页面:示意页面删去功能表多出 0.0081,最好与最差段落次序相差 0.1764。
对照数据表
下表数字由本章 Python 程序原样打印,可重新运行复现。 程序只用 Python 标准库
| drift v P(pay) P(leave) E[T] screens | |
| -0.40 | 0.3100 0.6900 0.9499 |
| -0.20 | 0.4013 0.5987 0.9869 |
| -0.10 | 0.4502 0.5498 0.9967 |
| +0.00 | 0.5000 0.5000 1.0000 |
| +0.10 | 0.5498 0.4502 0.9967 |
| +0.20 | 0.5987 0.4013 0.9869 |
| +0.40 | 0.6900 0.3100 0.9499 |
| +0.80 | 0.8320 0.1680 0.8300 |
| Monte Carlo check: Euler step 0.005, 8,000 visitors per row | |
| drift v P(pay) exact P(pay) MC E[T] exact E[T] MC | |
| -0.20 | 0.4013 0.3960 0.9869 0.9888 |
| +0.00 | 0.5000 0.5025 1.0000 1.0041 |
| +0.20 | 0.5987 0.5999 0.9869 0.9904 |
| +0.50 | 0.7311 0.7319 0.9242 0.9245 |
核心公式
\[P(\text{付款}) = \frac{1 - e^{-2vZ/s^2}}{1 - e^{-2vA/s^2}}.\]
查看完整验算程序
# Chapter 1. p11: closed-form pay probability and mean decision time
# between two absorbing barriers, checked by a fixed-seed Monte Carlo.
# 模型:信念 X(t) 满足 dX = v dt + s dW;0 为「离开」壁,A 为「付款」壁,
# 起点 Z。付款概率 P = (1 - exp(-2vZ/s^2)) / (1 - exp(-2vA/s^2)),
# v = 0 时 P = Z/A;平均决定时间 E[T] = (A P - Z) / v,
# v = 0 时 E[T] = Z (A - Z) / s^2。时间单位为「一屏阅读时长」。
# 参数 A = 2、Z = 1、s = 1 与各档漂移均为示意,不对应任何真实页面。
# 欧拉离散会越过壁才被发现,等于把壁外推约 0.5826 s sqrt(dt);
# 模拟时把两壁各向内收这一距离(离散监测的连续性校正)。
import math
import random
A, Z, S = 2.0, 1.0, 1.0
def p_pay(v, s=S, a=A, z=Z):
if abs(v) < 1e-12:
return z / a
k = 2.0 * v / (s * s)
return (1.0 - math.exp(-k * z)) / (1.0 - math.exp(-k * a))
def mean_time(v, s=S, a=A, z=Z):
if abs(v) < 1e-12:
return z * (a - z) / (s * s)
return (a * p_pay(v, s, a, z) - z) / v
def simulate(v, n, dt, rng):
pays, steps = 0, []
sq = S * math.sqrt(dt)
lo, hi = 0.5826 * sq, A - 0.5826 * sq
for _ in range(n):
x, k = Z, 0
while lo < x < hi:
x = x + v * dt + sq * rng.gauss(0.0, 1.0)
k += 1
if x >= hi:
pays += 1
steps.append(k * dt)
return pays / n, math.fsum(steps) / n
print("drift v P(pay) P(leave) E[T] screens")
for v in (-0.4, -0.2, -0.1, 0.0, 0.1, 0.2, 0.4, 0.8):
p = p_pay(v)
print("%+.2f %.4f %.4f %.4f" % (v, p, 1.0 - p, mean_time(v)))
print()
print("Monte Carlo check: Euler step 0.005, 8,000 visitors per row")
print("drift v P(pay) exact P(pay) MC E[T] exact E[T] MC")
rng = random.Random(20261113)
for v in (-0.2, 0.0, 0.2, 0.5):
pm, tm = simulate(v, 8000, 0.005, rng)
print("%+.2f %.4f %.4f %.4f %.4f"
% (v, p_pay(v), pm, mean_time(v), tm))唯一数据源与引用
范雅福(Fan, Y.). (2026). 《福克普朗克漂移扩散、长销售页信念漂移速率与付款吸收壁首达时间母典》第 1 章「双吸收壁与首达:访客在「付款」与「离开」之间走完一条信念路」(版本 1.0.0). 5D Library. DOI 待发布
DOI 待发布 · 专著页正式发布后上线(本站暂无专著页) · 5DL-B-240 · v1.0.0 · CC-BY-NC-ND-4.0
BibTeX
@book{fan2026240,
author = {Fan, Yafu},
title = {Fokker-Planck Drift-Diffusion on Long Sales Pages: Belief-Drift Rates and First-Passage Times to the Payment Barrier},
year = {2026},
publisher = {5D Library},
edition = {1.0.0},
note = {DOI pending}
}