方糖试玩 ASO 优化 编辑部
活动跑起来以后，运营的日常就变成看表。但大多数团队的报表只有第一层：今天拉了多少人、花了多少钱。
真正能决定下一笔预算的，是另外三层——这些人质量怎么样、钱花在哪个环节最亏、拉来的这批人后来还在不在。这一篇讲的就是：站在自家 App 官方运营的位置上，用哪六张表把这些看明白，以及看板该怎么排、异常该怎么归因。
一、先固定三件事，表格才有意义
报表做不出来或者做出来没人用，问题通常不在图表，在这三件事没定。
**第一，口径分开。**新客、召回、沉默老客三套账分开建。混在一起算，成本会显得很好看，决策会一路走偏。
**第二，时间窗对齐。**结算走 T+7，那么今天该看的不是今天拉的人，是七天前那批人的结算结果。用实时数据做判断，看到永远是半截。
**第三，归因粒度至少两级。**只看渠道，永远不知道是渠道坏了还是素材坏了。渠道乘素材、渠道乘人群，两级是最低配置。
二、六张报表：每张只回答一个问题
报表不是越多越好。一张表如果回答不了「所以我该做什么」，它就是装饰。下面这六张，每张对应一个具体决策。
1. 拉新日报：今天量够不够，钱花得贵不贵
字段就七个：日期、渠道、新客数、有效新客数、花费、单客成本、LT4。加一个作弊率当护栏。
看的是趋势，不是单日绝对值。单日波动有两三个标准差是正常的，连着三天往一个方向走才值得开会。日报的作用是「发现」，不是「解释」。
select
dt,
channel,
count(distinct uid) as new_users,
sum(is_valid) as valid_users,
sum(cost) as cost,
round(sum(cost) / nullif(sum(is_valid), 0), 2) as cac,
round(avg(lt4), 3) as lt4,
round(avg(case when risk_flag = 1 then 1 else 0 end), 3) as cheat_rate
from dws_launch_daily
where dt between '2026-11-01' and '2026-11-07'
group by 1, 2
order by dt desc, cac asc;
2. 渠道质量矩阵：哪个该加钱，哪个该砍
横轴放量，纵轴放质（LT4 或者 D1 留存）。所有渠道一次性扔进四象限，答案自己会浮出来。
右上角是「又便宜又能留」的，加预算；左上角「量小但质好」的，先保着，慢慢扩；右下角「量大但留不住」的，回去看素材和人群；左下角「又贵又差」的，直接砍。
这张表一个月看一次就够，它的用途是分预算，不是做日报。
3. 漏斗转化表：钱漏在哪一步
六个节点：曝光、点击、下载、首启、注册、关键行为。每一步算两个数——转化率和环比变化。
判断很简单：找环比掉得最多的那一步，其余都先不看。掉在点击，是素材问题；掉在下载，是商店页和包体问题；掉在首启，是承接页和启动速度；掉在关键行为，是激励设计或者风控误杀。
别把六个节点的转化率都盯着看，人是看不过来的，一天盯一个节点就够。
select
dt,
channel,
round(sum(click_uv) / sum(imp_uv), 3) as ctr,
round(sum(download_uv) / sum(click_uv), 3) as click_to_down,
round(sum(first_open_uv) / sum(download_uv), 3) as down_to_open,
round(sum(reg_uv) / sum(first_open_uv), 3) as open_to_reg,
round(sum(behavior_uv) / sum(reg_uv), 3) as reg_to_behavior
from dws_launch_funnel
where dt = date_sub(current_date, 7) -- 对齐 T+7 结算窗口
group by 1, 2;
4. 留存 Cohort：这批人后来还在不在
按周分组，看 D1、D3、D7、D14、D30。横向看同一批人的衰减，纵向看不同周的质量变化。
这张表有一个反直觉的地方：拉新量突然涨的那一周，往往是质量最差的一周。因为量是被渠道冲上来的，人不是冲着产品来的。所以看到量涨，第一反应应该是去看这一行 Cohort。
select
weekly_cohort,
round(avg(case when day_n = 1 then 1 else 0 end), 3) as d1,
round(avg(case when day_n = 3 then 1 else 0 end), 3) as d3,
round(avg(case when day_n = 7 then 1 else 0 end), 3) as d7,
round(avg(case when day_n = 14 then 1 else 0 end), 3) as d14,
round(avg(case when day_n = 30 then 1 else 0 end), 3) as d30
from dws_cohort_day
where weekly_cohort between '2026-10-01' and '2026-11-07'
group by 1
order by 1;
5. 激励成本表：钱发给了谁
五个字段：发放总额、首启奖占比、行为奖占比、驳回率、异常账户数。
首启奖占比过高，说明激励在买「安装」而不是买「使用」；驳回率突然上跳，八成是规则改过或者被黑产盯上了。这张表是唯一一张需要按天看的成本表，因为它最容易出事。
6. 单位经济表：这笔钱多久能回来
三个数：单客成本、30 日人均贡献、回收天数。
回收天数算的是「多久能把这笔拉新钱赚回来」。这条线一旦超过你能接受的周期，加预算就是在放大亏损。
def payback_days(cac: float, arpu_daily: float) -> float:
if arpu_daily <= 0:
return float("inf") # 没有收入模型，别提回收
return round(cac / arpu_daily, 1)
# 例：CAC 18 元，日均 ARPU 0.6 元，回收约 30 天
print(payback_days(18, 0.6))
三、看板怎么排：首屏五个数，三个时间尺度
看板不是把所有图都摆上去。首屏只放五个数，超出的都收到第二屏。
五个数是：有效新增、LT4、CAC、驳回率、D1 留存。前两个看规模和质量，中间两个看成本和风险，最后一个看承接。
三个时间尺度对应三种会：日报看当天有没有异常，周报看这一周的渠道结构，月报看 Cohort 和回收周期。同一个指标立在三个尺度上，结论经常是相反的，所以每张图必须标清楚它用的是哪个窗口。
四、三个典型异常，怎么归因
报表的价值在于异常出现时能给出下一步动作，不在于数据好看。下面三种情况，几乎每场拉新活动都会遇到。
**量涨质跌。**先看是不是渠道结构变了——把新增按渠道拆开，看哪个渠道贡献了增量。如果增量集中在一个新开的渠道，那就是渠道问题，不是产品问题。再往下走，看这一周 Cohort 的 D1，和上一周比掉了几个点。
**成本降质跌。**成本下降很少是好事，多半是奖励门槛被降了、或者作弊比例上来了。先看驳回率，再看设备聚集度（同型号、同 IP 的占比）。这两个一起上跳，基本可以判定是被刷。
**某个渠道突然变好。**先别加预算。查两件事：结算是不是延迟了导致这一批还没被驳回；素材是不是刚换过。这两种「变好」都撑不过两周，加预算就是给下一轮留下一个坑。
五、报表背后要有会，一个会一个结论
报表不是给眼睛看的，是给决策用的。没有会的报表，三个月后必然没人更新。
周会只看日报和漏斗，产出一个结论：本周砍哪个素材、补哪个节点。会议时长控制在半小时，超过就是议题没定。
月会看 Cohort 和单位经济，产出两个结论：下个月预算怎么分、哪个渠道停投。月会不讨论素材，那是周会的事。
一条纪律：一次会议只允许一个结论。三个结论等于没有结论，执行的时候没人知道先做哪个。
结语
官方运营看数据，真正难的不是做出报表，是知道哪张表回答哪个问题。日报回答「有没有异常」，矩阵回答「钱给谁」，漏斗回答「漏在哪」，Cohort 回答「人还在不在」，激励表回答「钱发给谁了」，单位经济回答「这笔钱多久回来」。
六张表跑顺了，拉新就从「凭感觉加预算」变成「按周期调结构」。这中间差的不是工具，是愿不愿意每周真的坐下来看一次。
如果你的团队正在搭拉新数据的看板，或者报表已经有一堆但没人看，需要有人帮你把指标口径和看板结构重新理一遍，找方糖试玩聊就行。
