际支付了高得惊人的成本，且用户质量低下。这部分渠道贡献了项目总注册量的约25%，却“吞噬”了不成比例的预算，并拉低了整体用户群的质量基线。

发现三：补贴驱动的“价值空心化”。

模型对用户补贴行为进行了专项分析。数据显示，高额新人补贴（如大额无门槛券、首单大幅折扣）确实能显著提升当期的“注册-首单转化率”，较温和补贴方案高出数倍。然而：

• 在高额补贴刺激下完成首单的用户，其30天内完成第二次付费的比例，比温和补贴用户组低60%。

• 高额补贴用户的平均订单金额（补贴后）显著更低，且订单中“零利润或负利润”商品占比极高。

• 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