占比极高。
??更重要的是，模型识别出一个显著的“补贴依赖群体”，其特征是：仅在平台发放大额补贴时出现并发起购买，补贴一停，立即沉寂。这部分群体约占补贴用户总量的15%，却消耗了超过30%的补贴预算，其长期价值评估接近零甚至为负（考虑获客和服务成本）。
换言之，大量补贴预算并未用于“培养用户习惯”或“发现高价值用户”，而是用于反复“购买”同一批价格敏感用户的、一次性的、低利润的交易。这是一种典型的“价值空心化”——数据（GMV、订单量）在膨胀，但真实的用户资产和商业利润并未同步增长。
发现四：模型预测与后续事实的惊人吻合。
古民做了一项回溯验证：他用模型对“暑期拉新冲刺”项目结束后第一个月（即观察期刚结束时）的用户留存和活跃数据进行了预测，然后将预测值与实际发生的数据进行比对。在绝大多数细分渠道和用户群上，模型的预测误差率在5%以内。这意味着，基于用户早期行为（注册后7-14天）的“潜在价值评分”，已经能够相当准确地预测其一个月后的活跃状态。如果这个模型在项目决策或中期复盘时就被应用，完全可以提前预警某些渠道和策略的失败，及时调整预算分配，避免大量后续资源的浪费。
发现五：系统性脆弱性的量化呈现。
古民将所有分析结果整合，计算了几个综合指标：
??增长质量指数：定义为（30天价值用户获取量）/（总用户获取预算）。该指数在过去四个季度呈缓慢但清晰的下降趋势，尽管“用户规模”和“市场份额”故事依然动听。
??补贴效率指数：定义为（补贴带来的增量长期用户价值）/（总补贴支出）。该指数在最近两次大促后出现断崖式下跌，表明补贴的边际效用正在急剧衰减，甚至可能已进入“负回报”区间。
??渠道健康度分布：当前主力投放渠道中，被模型标记为“高价值低效”（表面成本高但真实价值也高）和“低价值陷阱”（表面成本低但有效成本极高）的渠道数量占比接近1:1，但预算分配却严重向后者的“低成本”表象倾斜。
这些指标共同描绘了一幅图景：当前的增长引擎，正在越
本章未完，请点击下一页继续阅读！