构建完成“无效动作识别”模型，并初步扫描历史数据后，古民决定对模型进行一次集中火力、高保真的“压力测试”。他选择了“暑期拉新冲刺”这个近期完成、数据新鲜、且他已有初步怀疑的项目作为标的。他要的不是粗略估算，而是精确到具体渠道、具体广告计划、具体用户群的、经得起反复验算的量化结果。他想知道，在那些被庆功会、总结报告和亮眼KPI所装饰的“成功”之下，真实的转化效率究竟如何，差距又触目惊心到何种程度。
他设定了严格的分析参数和观察期：
• 核心评估对象：“暑期拉新冲刺”项目下，所有线上广告渠道（信息流、搜索、社交等）带来的新增注册用户。
• 观察窗口：从用户注册日起，追踪其30天内的所有行为数据。这比常见的“次日留存”、“7日留存”更长，更能反映用户是否真正沉淀。
• 价值用户定义：采用其UVAR模型中较为严格的“中高价值”标准，即用户需在30天内，满足以下至少两条：1）完成至少一笔非新人专享补贴订单（剔除纯补贴驱动）；2）有超过3次非任务性的主动访问（非签到、领券等被动触发）；3）使用过至少一项平台核心功能（非边缘服务）。此标准旨在筛选出有一定自发性、能感知到平台基础价值的用户。
• 对照组：选取同期非广告渠道（如自然搜索、用户口碑、应用商店自然量）带来的新增用户，以及历史同期（无大型补贴活动时）广告渠道用户，作为质量基准参照。
分析在加密的本地环境和严格的数据脱敏前提下运行。模型处理了数百万条用户行为记录，关联了数十个数据维度。当最终的报告摘要和可视化图表生成时，古民逐项审视，即便以他一贯的冷静，也感到了数据的冰冷冲击力。
发现一：整体真实转化率的“腰斩”与“膝斩”。
项目整体宣称的“广告点击-注册转化率”为X%（具体数字因保密略去，下文同），这是一个在行业基准内尚可的数字。然而，当追踪这些注册用户30天后的行为：
• 30日后仍保持每周至少一次访问的用户比例，降至约(0.35X)%。
• 符合古民定义的“30天中高价值用户”比例，更是骤降至约(0.18X)%。
这意味着，从广告点击开始计算，最终能转化为一个有真实使用习惯、可能产生长期价值的用户的概率，只有表面宣称的“注册转化率”的不到五分之一。超过80%的
…。。