在意识到部门存在系统性“优化”数据的倾向后，古民将关注点聚焦于一个具体、可量化、且对用户增长至关重要的环节：线上广告投放。这是用户增长的核心渠道之一，涉及巨额预算，其效率直接关系到“新增用户”这个核心KPI的成本与质量。他决定从一个具体的、正在进行的广告投放项目入手，进行深度剖析。
项目名称为“暑期拉新冲刺-信息流广告专项”，预算颇为可观，目标是在主流社交媒体和信息流平台获取新注册用户。投放策略由增长部门的投放团队制定，他们与多家广告代理公司合作，在多个平台（如字节系、腾讯系、百度系等）进行投放。日常监控的指标包括：展示量、点击量、点击成本、注册量、注册成本、以及浅层的次日留存率。
古民拥有查看该专项详细后台数据的权限。他首先调取了近一个月的投放数据总览。从表面看，数据“健康”：总花费在预算内，平均单次点击成本和单用户注册成本控制在预设目标线以下，甚至略优于历史同期。各合作代理公司上报的数据也基本符合要求，偶有波动，但经调整后总能回到“正轨”。这看起来是一份合格的、甚至不错的成绩单。
然而，古民带着“识别无效动作”的警觉，开始拆解。他怀疑，问题可能隐藏在聚合数据之下，存在于不同渠道、不同广告素材、不同人群定向的细微差异中，更可能存在于“点击”到“注册”之后，用户到底做了什么，或者更关键的是，没做什么。
他设定了分析框架：
1. 定义“有效用户”与“无效动作”：在当前的KPI体系下，“注册”即算有效转化。但古民认为这远远不够。他将“有效用户”初步定义为：注册后7日内，完成至少一次非补贴驱动、非零门槛的核心交易行为（例如，购买非新人专享折扣的商品，或使用一项非免费试用的服务）。而“无效动作”则包括：a) 机器人或脚本产生的虚假点击与注册；b) 真人完成的注册，但后续无任何活跃行为，或仅完成领取新人福利等最低门槛动作后即流失（纯羊毛·党）；c) 因广告误导（如夸大宣传、诱导点击）而注册，但发现与预期不符迅速离开的用户。
2. 建立用户后续行为追踪链路：他利用数据权限，将广告点击ID、设备ID、注册用户ID进行跨表关联，追踪每个通过广告渠道进来的用户，在注册后的关键行为序列：是否完善资料、浏览了哪些页面、是否将商品加入购物车、是否完成下单、下单金额、是否使用补贴、下单频率、访问时长、
…。。