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、访问间隔等。这需要处理海量数据，编写复杂的SQL查询和脚本。
3. 引入反作弊数据交叉验证：他申请了与公司风控部门反作弊数据（脱敏后）的有限交叉查询权限。反作弊系统会基于设备指纹、IP地址、行为模式等识别可疑流量。古民希望量化广告流量中，被反作弊系统标记为“**险”或“已确认为作弊”的比例。
4. 渠道深度归因与聚类分析：不再只看各代理或各平台汇总的数据，而是下钻到具体的广告计划、广告组、甚至关键词/人群包层面。分析不同细分来源带来的用户，在后续行为上的聚类特征。是否存在某些来源，其用户注册后的行为模式高度一致且异常（例如，几乎全部在注册后24小时内沉寂）？这些来源的点击成本和注册成本是否异常低？
分析过程是繁琐且耗时的。古民利用实习工作之外的时间，在夜间和周末运行复杂的查询，构建临时数据表，进行可视化分析。王磊似乎察觉到他正在进行的“课外研究”，但未加阻止，只是偶尔在路过时瞥一眼他的屏幕，不置可否。
初步结果逐渐浮出水面，触目惊心。
首先，是反作弊交叉验证。古民发现，在“暑期拉新冲刺”项目带来的所有注册用户中，有约5% 的设备ID，在注册后短时间内（如24-48小时）被反作弊系统标记为“批量注册特征”或“设备农场嫌疑”。这些用户的后续行为几乎为零。这意味着，有5%的广告预算，可能直接流向了黑产或作弊渠道，购买了完全无效的“用户”。
其次，是用户后续行为分析。在未被反作弊系统明确标记的用户中，古民定义了“低价值/疑似无效”用户群，其特征为：注册后7天内，除了可能领取新人福利外，没有任何其他有效互动（如浏览超过3个页面、搜索、收藏等），或仅完成一笔用尽新人补贴的极小金额订单后便再无音讯。符合这一特征的注册用户比例，高达30%。这部分用户是否是“真实用户”存疑，即使真实，其获取成本几乎可以判定为沉没成本，短期内看不到转化希望。
将5%的确切作弊用户和30%的低价值/疑似无效用户相加，意味着在通过该广告项目获取的“新注册用户”中，有超过三分之一的用户质量堪忧，其获取成本很可能是浪费。
第三，也是最关键的发现，来自渠道深度归因。当古民将用户质量数据与最细粒度的广告投放单元关联时，模式变得清晰。他发现，某些特定的广告代理公司负责的某些特定媒体渠道，其带来的用户中，“低价值/疑似无效”用户的比例异常之高，达到50%甚至60%。而另一些渠道，这个比例则控制在15%以下。然而，在投放团队的日常报表和结案报告中，这些渠道的“注册成本”往往表现得很有竞争力，甚至低于平均值。因为它们带来的“注册”动作完成得很“高效”——点击到注册的转化路径短，成本低。
但古民的计算显示，如果引入用户质量修正，将这些渠道带来的“注册用户”打一个折扣（例如，只计算那些在7天内有有效行为的用户），其有效用户获取成本会飙升，远超那些初始注册成本略高、但用户质量也高的渠道。投放团队和代理公司显然更关注前者（注册成本），因为这直接关系到他们的KPI和代理服务费结算。至于用户注册后是死是活，除非公司有严格的、与长期行为挂钩的考核，否则并不直接影响他们的当期利益。
古民将不同渠道按“注册成本”和“7日后有效用户率”两个维度画了一个散点图。图形清晰地分为四个象限：高成本高质量（可能值得长期投入）、低成本高质量（最佳渠道）、高成本低质量（应尽快淘汰或优化）、以及低成本低质量。这第四象限的渠道，是问题的核心。它们用低廉的价格带来了大量的“注册”，拉低了整体的平均注册成本，让投放数据看起来漂亮，但实质上带来了大量“僵尸用户”或“一次性羊毛·党”。
古民估算，在整个“暑期拉新冲刺”广告预算中，花费在这些“低成本低质量”渠道上的钱，大约占总预算的百分之二十。这百分之二十的预算，实质上是在“买点击”和“买注册”，而不是在购买有潜在长期价值的“用户”。这是一种隐蔽的、系统性的资源错配，是“刷数据”在广告投放领域的典型体现。这百分之二十的预算，如果重新配置到高质量渠道，或者用于改进产品、提升真实用户体验，其长期回报很可能更高。但现实是，它被用于完成当期的注册量KPI，制造出一种“高效获客”的假象。
古民将他的发现、数据、图表整理成一个初步的分析摘要，没有下任何结论性的指控，只是客观呈现数据关联和模式。他犹豫是否、以及如何向王磊呈现这些发现。直接指出百分之二十的预算可能被浪费，等于挑战现有投放策略、合作方选择乃至部分同事的业绩。但他想起王磊在复盘会上的表情和私下开放数据的举动，觉得这位导师或许能理解，甚至期待有人能捅破这层窗户纸。
他选择了一个相对稳妥的方式。在一次与王磊的一对一例行沟通中，他提到自己为了更好理解用户增长，私下做了一些关于广告渠道后续用户质量的分析练习，有些发现不太明白，想请教一下。他展示了那个渠道质量四象限散点图，以及“低成本低质量”象限渠道的预算占比估算，但没有提及具体的代理公司名称，也弱化了“浪费”、“无效”等价值判断词汇，而是用“用户后续行为差异显著”、“不同渠道的长期价值可能被当期成本指标掩盖”等中性表述。
王磊仔细看了图表和数据，沉默了片刻。他没有表现出惊讶，更像是一种确认。“这部分数据，你自己看过就好，暂时不要写进任何正式报告，也不要和其他同事深入讨论。”他停顿了一下，看着古民，“你知道为什么这些渠道能长期存在吗？”
古民谨慎地回答：“因为核心考核是注册成本和注册量？这些渠道在这两个指标上表现好。”
“这是一方面。”王磊靠在椅背上，“另一方面，代理公司、媒体平台、甚至我们内部的一些团队，形成了一个利益闭环。代理公司靠‘量’拿服务费，媒体平台靠消耗赚广告费，我们的投放团队需要漂亮的数字去向上面要下一期预算，证明自己的价值。大家都有动力让‘消耗’和‘注册量’看起来漂亮。至于注册来的人到底是不是真人，真人会不会用，短期没那么重要，只要整体数据大盘在涨，留存率、LTV这些长期指标虽然有，但压力没那么直接，或者可以通过其他方式‘优化’。”
他点了点屏幕上“低成本低质量”的象限：“你算的这百分之二十，可能还是个保守估计。有些渠道的‘质量’问题更隐蔽，用户会装模作样活跃几天再消失。还有些，是代理公司和媒体平台‘合作’的结果，这里面的水很深。你能看到这个问题，并且用数据把它量化出来，这很好。但这不仅仅是数据分析问题，更是业务逻辑、绩效考核、甚至部门政治问题。”
“那…有什么办法可以改善吗？”古民问。
“改善？”王磊笑了笑，有些苦涩，“除非上面的考核导向彻底改变，从只盯着注册成本和新用户数，转向更综合的指标，比如有效用户成本、长期留存价值。或者，出现无法忽视的问题，比如因为低质流量太多，严重影响了整体用户体验，导致老用户流失，或者被竞争对手抓住把柄。又或者，像你这样，有人能用无可辩驳的数据，精确算出浪费了多少钱，以及这些浪费如何侵蚀了公司的长期利润。但后两者，都需要时机和…勇气。”
他看向古民：“你实习还有两个月。如果你有兴趣，可以继续深挖。但记住，只做分析，保存好数据和逻辑链，不要轻易下结论，更不要公开挑战。除非你有绝对把握，并且想好了后果。有时候，知道问题在哪，比急着去解决问题，更重要。”
古民明白了。王磊默许甚至鼓励他继续调查，但提醒他注意方式方法和潜在风险。这百分之二十的预算浪费，是系统性疾病的一个症状。他现在要做的，不是当众指出皇帝没穿衣服，而是默默地把衣服的经纬线、材料成分、以及缺失的部分，用数据和逻辑一丝不苟地记录下来，编织成一件无形却坚实的数据之衣。至于这件“衣服”何时、以何种方式被呈现出来，那是另一个需要审时度势的问题。
他关闭了分析摘要，但将所有查询脚本、中间数据表、图表文件妥善保存加密。他下一步的计划，是扩大分析范围，不仅仅局限于这次暑期活动，而是回溯更长时间跨度的广告投放数据，寻找更稳定的模式。同时，他需要进一步完善他的“有效用户”定义和“无效动作识别”模型，使其更精准、更具说服力。百分之二十，可能只是冰山一角。他要看看，冰山的全貌究竟如何。这不再只是一个实习项目，而是一场用数据对抗数据迷雾的静默探索。
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、访问间隔等。这需要处理海量数据，编写复杂的SQL查询和脚本。
3. 引入反作弊数据交叉验证：他申请了与公司风控部门反作弊数据（脱敏后）的有限交叉查询权限。反作弊系统会基于设备指纹、IP地址、行为模式等识别可疑流量。古民希望量化广告流量中，被反作弊系统标记为“**险”或“已确认为作弊”的比例。
4. 渠道深度归因与聚类分析：不再只看各代理或各平台汇总的数据，而是下钻到具体的广告计划、广告组、甚至关键词/人群包层面。分析不同细分来源带来的用户，在后续行为上的聚类特征。是否存在某些来源，其用户注册后的行为模式高度一致且异常（例如，几乎全部在注册后24小时内沉寂）？这些来源的点击成本和注册成本是否异常低？
分析过程是繁琐且耗时的。古民利用实习工作之外的时间，在夜间和周末运行复杂的查询，构建临时数据表，进行可视化分析。王磊似乎察觉到他正在进行的“课外研究”，但未加阻止，只是偶尔在路过时瞥一眼他的屏幕，不置可否。
初步结果逐渐浮出水面，触目惊心。
首先，是反作弊交叉验证。古民发现，在“暑期拉新冲刺”项目带来的所有注册用户中，有约5% 的设备ID，在注册后短时间内（如24-48小时）被反作弊系统标记为“批量注册特征”或“设备农场嫌疑”。这些用户的后续行为几乎为零。这意味着，有5%的广告预算，可能直接流向了黑产或作弊渠道，购买了完全无效的“用户”。
其次，是用户后续行为分析。在未被反作弊系统明确标记的用户中，古民定义了“低价值/疑似无效”用户群，其特征为：注册后7天内，除了可能领取新人福利外，没有任何其他有效互动（如浏览超过3个页面、搜索、收藏等），或仅完成一笔用尽新人补贴的极小金额订单后便再无音讯。符合这一特征的注册用户比例，高达30%。这部分用户是否是“真实用户”存疑，即使真实，其获取成本几乎可以判定为沉没成本，短期内看不到转化希望。
将5%的确切作弊用户和30%的低价值/疑似无效用户相加，意味着在通过该广告项目获取的“新注册用户”中，有超过三分之一的用户质量堪忧，其获取成本很可能是浪费。
第三，也是最关键的发现，来自渠道深度归因。当古民将用户质量数据与最细粒度的广告投放单元关联时，模式变得清晰。他发现，某些特定的广告代理公司负责的某些特定媒体渠道，其带来的用户中，“低价值/疑似无效”用户的比例异常之高，达到50%甚至60%。而另一些渠道，这个比例则控制在15%以下。然而，在投放团队的日常报表和结案报告中，这些渠道的“注册成本”往往表现得很有竞争力，甚至低于平均值。因为它们带来的“注册”动作完成得很“高效”——点击到注册的转化路径短，成本低。
但古民的计算显示，如果引入用户质量修正，将这些渠道带来的“注册用户”打一个折扣（例如，只计算那些在7天内有有效行为的用户），其有效用户获取成本会飙升，远超那些初始注册成本略高、但用户质量也高的渠道。投放团队和代理公司显然更关注前者（注册成本），因为这直接关系到他们的KPI和代理服务费结算。至于用户注册后是死是活，除非公司有严格的、与长期行为挂钩的考核，否则并不直接影响他们的当期利益。
古民将不同渠道按“注册成本”和“7日后有效用户率”两个维度画了一个散点图。图形清晰地分为四个象限：高成本高质量（可能值得长期投入）、低成本高质量（最佳渠道）、高成本低质量（应尽快淘汰或优化）、以及低成本低质量。这第四象限的渠道，是问题的核心。它们用低廉的价格带来了大量的“注册”，拉低了整体的平均注册成本，让投放数据看起来漂亮，但实质上带来了大量“僵尸用户”或“一次性羊毛·党”。
古民估算，在整个“暑期拉新冲刺”广告预算中，花费在这些“低成本低质量”渠道上的钱，大约占总预算的百分之二十。这百分之二十的预算，实质上是在“买点击”和“买注册”，而不是在购买有潜在长期价值的“用户”。这是一种隐蔽的、系统性的资源错配，是“刷数据”在广告投放领域的典型体现。这百分之二十的预算，如果重新配置到高质量渠道，或者用于改进产品、提升真实用户体验，其长期回报很可能更高。但现实是，它被用于完成当期的注册量KPI，制造出一种“高效获客”的假象。
古民将他的发现、数据、图表整理成一个初步的分析摘要，没有下任何结论性的指控，只是客观呈现数据关联和模式。他犹豫是否、以及如何向王磊呈现这些发现。直接指出百分之二十的预算可能被浪费，等于挑战现有投放策略、合作方选择乃至部分同事的业绩。但他想起王磊在复盘会上的表情和私下开放数据的举动，觉得这位导师或许能理解，甚至期待有人能捅破这层窗户纸。
他选择了一个相对稳妥的方式。在一次与王磊的一对一例行沟通中，他提到自己为了更好理解用户增长，私下做了一些关于广告渠道后续用户质量的分析练习，有些发现不太明白，想请教一下。他展示了那个渠道质量四象限散点图，以及“低成本低质量”象限渠道的预算占比估算，但没有提及具体的代理公司名称，也弱化了“浪费”、“无效”等价值判断词汇，而是用“用户后续行为差异显著”、“不同渠道的长期价值可能被当期成本指标掩盖”等中性表述。
王磊仔细看了图表和数据，沉默了片刻。他没有表现出惊讶，更像是一种确认。“这部分数据，你自己看过就好，暂时不要写进任何正式报告，也不要和其他同事深入讨论。”他停顿了一下，看着古民，“你知道为什么这些渠道能长期存在吗？”
古民谨慎地回答：“因为核心考核是注册成本和注册量？这些渠道在这两个指标上表现好。”
“这是一方面。”王磊靠在椅背上，“另一方面，代理公司、媒体平台、甚至我们内部的一些团队，形成了一个利益闭环。代理公司靠‘量’拿服务费，媒体平台靠消耗赚广告费，我们的投放团队需要漂亮的数字去向上面要下一期预算，证明自己的价值。大家都有动力让‘消耗’和‘注册量’看起来漂亮。至于注册来的人到底是不是真人，真人会不会用，短期没那么重要，只要整体数据大盘在涨，留存率、LTV这些长期指标虽然有，但压力没那么直接，或者可以通过其他方式‘优化’。”
他点了点屏幕上“低成本低质量”的象限：“你算的这百分之二十，可能还是个保守估计。有些渠道的‘质量’问题更隐蔽，用户会装模作样活跃几天再消失。还有些，是代理公司和媒体平台‘合作’的结果，这里面的水很深。你能看到这个问题，并且用数据把它量化出来，这很好。但这不仅仅是数据分析问题，更是业务逻辑、绩效考核、甚至部门政治问题。”
“那…有什么办法可以改善吗？”古民问。
“改善？”王磊笑了笑，有些苦涩，“除非上面的考核导向彻底改变，从只盯着注册成本和新用户数，转向更综合的指标，比如有效用户成本、长期留存价值。或者，出现无法忽视的问题，比如因为低质流量太多，严重影响了整体用户体验，导致老用户流失，或者被竞争对手抓住把柄。又或者，像你这样，有人能用无可辩驳的数据，精确算出浪费了多少钱，以及这些浪费如何侵蚀了公司的长期利润。但后两者，都需要时机和…勇气。”
他看向古民：“你实习还有两个月。如果你有兴趣，可以继续深挖。但记住，只做分析，保存好数据和逻辑链，不要轻易下结论，更不要公开挑战。除非你有绝对把握，并且想好了后果。有时候，知道问题在哪，比急着去解决问题，更重要。”
古民明白了。王磊默许甚至鼓励他继续调查，但提醒他注意方式方法和潜在风险。这百分之二十的预算浪费，是系统性疾病的一个症状。他现在要做的，不是当众指出皇帝没穿衣服，而是默默地把衣服的经纬线、材料成分、以及缺失的部分，用数据和逻辑一丝不苟地记录下来，编织成一件无形却坚实的数据之衣。至于这件“衣服”何时、以何种方式被呈现出来，那是另一个需要审时度势的问题。
他关闭了分析摘要，但将所有查询脚本、中间数据表、图表文件妥善保存加密。他下一步的计划，是扩大分析范围，不仅仅局限于这次暑期活动，而是回溯更长时间跨度的广告投放数据，寻找更稳定的模式。同时，他需要进一步完善他的“有效用户”定义和“无效动作识别”模型，使其更精准、更具说服力。百分之二十，可能只是冰山一角。他要看看，冰山的全貌究竟如何。这不再只是一个实习项目，而是一场用数据对抗数据迷雾的静默探索。