PGC 少掉的有效开播，约 97% 来自 T2/T3。3→6月 T2/T3 DAB 减少 780.6人／日，PGC 合计减少805.4人／日。
2026年7月28日 · 综合复核
美加 PGC 中坚供给与用户结果
这份报告回答一个具体问题：美加 PGC 中坚主播变少以后，观看和付费用户有没有跟着减少，这条关系目前能确认到什么程度。
主播：1至6月送礼用户：3至6月结论边界：可确认同步变化，不证明单向因果QA：32项全部通过
先说答案
T2/T3 供给、观看和付费用户同时下降，但现有数据还不能确认谁最先发生
长期观看下降主要因为 T2/T3 DAB 变少，6月又叠加单 DAB 观看变差。3→6月单 DAB 观看改善抵消了 37% 的数量损失；5→6月观看降幅中，约 79% 来自 DAB 减少，约 21% 来自单 DAB 观看下降。
少掉的日付费用户，主要是原本最常给本地 T2/T3 送礼的人。3→6月总 DPU 减少2,467人／日，其中这类用户减少2,221人／日，约占总净减少的 90%；主要给跨区主播送礼的用户反而增加233人／日。
这批用户的主要问题是退出付费或减少投入，不是大量转去跨区。5→6月，上月首要支持T2/T3的用户中32.4%不再出现于送礼明细；仍送礼者中54.9%还是主投T2/T3，只有8.9%改为主投跨区。
主播减播后，相关用户确实更难留住，但供给减少不是完整答案。三组月份中，主要支持的主播停播后，用户次月付费率都低7.7至9.7个百分点；同时有306名主播开播天数和小时未降，观看和收入仍明显下降。
01
供给发生了什么
PGC 有效供给从3月开始收缩，几乎全部损失都在 T2/T3
3→6月，PGC DAB 合计减少805.4人／日，其中 T2/T3 减少780.6人／日，约占97%。T1只减少25.1人／日，T4/T5基本持平，所以大盘下滑不是所有档位一起变差，而是收入中坚这层明显变薄。
T1 DAB
T1 DAB
T2/T3 DAB
T2/T3 DAB
T4/T5 DAB
T4/T5 DAB
| 档位 | 3月DAB | 6月DAB | 3→6月差值 | 3→6月变化 | 5→6月差值 | 5→6月变化 |
|---|---|---|---|---|---|---|
| PGC T1 | 298.2 | 273.1 | -25.1 | -8.4% | -8.0 | -2.8% |
| PGC T2/T3 | 3,940.7 | 3,160.1 | -780.6 | -19.8% | -324.4 | -9.3% |
| PGC T4/T5 | 6,744.2 | 6,744.6 | +0.4 | +0.0% | -211.2 | -3.0% |
| PGC合计 | 10,983.2 | 10,177.8 | -805.4 | -7.3% | -543.6 | -5.1% |
T2/T3 每个月进来多少人，又离开多少人
补入流出
6月缺口扩大，主要因为补进来的人继续减少
5→6月有1,398人离开 T2/T3，比上期还少39人；但补入从1,083人降到933人，少了150人。
两边相减后，T2/T3净减少从354人扩大到465人。近期恶化不是离开的人突然增多，而是升档、回流和新增补位越来越少。
这里的“离开 T2/T3”不等于离开平台。5→6月有1,177人降至 T4/T5，165人当月薪资明细未出现，另有54人升至 T1。
口径动态档位按各自然月 sbeans÷52 重新划分；DAB 为 sday 合计除自然日数。
下一个问题中坚变少之后，观看是否真的少了？
02
观看损失发生在哪里
T2/T3 少掉17,287小时／日观看，T1和T4/T5只接住了其中一部分
3→6月，T2/T3收到的全部观看减少17,287小时／日。同期T1和T4/T5合计增加约8,390小时／日，因此PGC总观看最终减少8,897小时／日。观看有一部分向头部和低档主播转移，但承接量不够，PGC整体仍然下降。
PGC T1PGC T2/T3PGC T4/T5
3→6月观看变化
5→6月观看变化
长期主要是 DAB 变少，6月则是 DAB 和单 DAB 观看同时下降
3→6月：如果单 DAB 观看保持3月水平，DAB减少会带来27,540小时／日的观看损失；剩余主播的单 DAB 观看提高9.2%，追回10,253小时／日，相当于抵消了约 37% 的数量损失，最终净减少17,287小时／日。
5→6月：观看净减少16,178小时／日，其中DAB减少对应12,838小时／日，约占 79%；单DAB观看下降2.7%，再减少3,341小时／日，约占 21%。所以6月比长期趋势更差，既有人少的问题，也有每名有效主播承接观看变弱的问题。
| 比较期 | 实际观看变化 | DAB变化对应的观看增减 | 单DAB观看变化带来的增减 |
|---|---|---|---|
| 3→6月 | -17,287 | -27,540 | +10,253 |
| 5→6月 | -16,178 | -12,838 | -3,341 |
这张表把观看变化拆成“有效主播数量”和“每名有效主播承接观看”两部分，用来说明量级。计算顺序改变时，两部分的精确分配会略有不同，因此这些比例不能解释为因果贡献。
口径全部观看来自主播UID日级表 total_watch_time_sec，包含所有区域用户，不能称为美加用户观看。
下一个问题全部观看下降了，美加付费用户一端发生了什么？
03
DPU 减少发生在哪里
日付费用户减少2,467人，约九成净减少来自原本主要给本地 T2/T3 送礼的人群
3→6月，每日向签约主播送礼的美加用户减少2,467人，月内付费用户减少11,892人。与此同时，日均金豆增加3.3%，每名日付费用户的金豆增加10.6%，说明用户人数在缩小，消费更加集中到留下来的重度用户。
3→6月 DPU-2,467/日-6.6%
月内付费用户-11,892人-7.0%
日均金豆+148万+3.3%
每 DPU 金豆+126+10.6%
总 DPU 与月内付费用户
DPU/日
| 月份 | DPU/日 | 月内付费用户 | 日均金豆 | 每DPU金豆 |
|---|---|---|---|---|
| 3月 | 37,428 | 169,031 | 44,536,492 | 1,190 |
| 4月 | 37,293 | 166,931 | 44,811,149 | 1,202 |
| 5月 | 36,729 | 165,482 | 44,560,385 | 1,213 |
| 6月 | 34,961 | 157,139 | 46,018,871 | 1,316 |
少掉的 DPU 原来主要给哪类主播送礼
如果一名用户当天给多类主播送礼，只按金豆最多的一类归组。这样每人每天只算一次，所有组的变化加起来正好等于总 DPU 变化。
这张分组图能说明什么
3→6月，原本主要给本地 T2/T3 送礼的用户减少2,221人／日，约占总 DPU 净减少的 90%。主要给跨区主播送礼的用户增加233人／日，抵消了一小部分本地损失。
这只能说明减少的用户原来把钱主要花在哪里，不能说明 T2/T3 主播供给造成了 90% 的 DPU 下滑。用户偏好变化、流量分配和整体付费需求都可能让用户的归组发生变化。
6月DPU下降加速，约八成恶化来自补进付费池的人变少
补入流出
| 比较期 | 流出 | 补入 | 净变化 | 隔月回流 | 其余补入 |
|---|---|---|---|---|---|
| 03→04 | 61,935 | 59,835 | -2,100 | 不适用 | 不适用 |
| 04→05 | 60,360 | 58,911 | -1,449 | 11,859 | 47,052 |
| 05→06 | 61,540 | 53,197 | -8,343 | 10,384 | 42,813 |
4→5月付费池净减少1,449人，5→6月扩大到净减少8,343人，恶化6,894人。其中补入减少5,714人，约占恶化的 83%；流出增加1,180人，约占 17%。
因此6月的主要问题是补充进来的付费用户明显减少，流出增加是次要因素。“补入”中仍包含回流和数据窗口内首次出现，不能全部理解成新付费用户。
口径送礼 DPU 只包含美加国家码用户对全球签约主播的送礼，不是全平台 DPU。
下一个问题这些上月主要给 T2/T3 送礼的用户，次月是退出付费，还是转去了其他主播？
04
T2/T3 付费用户次月去了哪里
主要是不再送礼和在本地重新分流，跨区转移只承接了少数用户
5月有42,524名用户的送礼金豆最多给了一名本地 PGC T2/T3 主播。6月其中28,743人仍给全球签约主播送礼，13,781人不再出现于送礼明细。因此次月最大的去向是退出当月付费池，不是转去某一类其他主播。
5月首要支持 T2/T342,524人月内用户队列
6月仍送礼67.6%28,743人
留存者仍主投 T2/T354.9%15,778人
留存者转为主投跨区8.9%2,559人
留存用户的首要送礼对象
PGC T2/T3PGC T4/T5PGC T1BP036跨区签约
每名用户按当月送礼金豆最多的单个主播归类；图中分母是次月仍有送礼的用户。
三组相邻月都出现同一方向
| 比较期 | 上月用户 | 次月仍送礼 | 未再送礼 | 留存者主投T2/T3 | 主投T4/T5 | 主投跨区 |
|---|---|---|---|---|---|---|
| 03→04 | 45,136 | 69.5% | 30.5% | 58.7% | 20.5% | 7.3% |
| 04→05 | 44,503 | 69.5% | 30.5% | 56.5% | 20.8% | 7.7% |
| 05→06 | 42,524 | 67.6% | 32.4% | 54.9% | 21.4% | 8.9% |
未再送礼的比例在5→6月从前两期的30.5%升到32.4%；留存者中主投跨区从7.3%升到8.9%，有增加，但仍不是主要去向。
5→6月的去向拆开看
| 次月去向 | 用户数 | 占上月整队列 | 占次月仍送礼用户 |
|---|---|---|---|
| 未再向签约主播送礼 | 13,781 | 32.4% | 不适用 |
| 仍以 T2/T3 为首要对象 | 15,778 | 37.1% | 54.9% |
| 首要对象转为 T4/T5 | 6,165 | 14.5% | 21.4% |
| 首要对象转为 T1 | 2,087 | 4.9% | 7.3% |
| 首要对象转为 BP036 | 2,116 | 5.0% | 7.4% |
| 首要对象转向跨区 | 2,559 | 6.0% | 8.9% |
转向 T4/T5，大多不是原来的首要主播简单降档
6,165名主投 T4/T5 的留存用户中，1357人（22.0%）的6月首要主播，是他们5月已经送礼过的 T2/T3 主播；其中只有940人（15.2%）还是原来排第一的那名主播，只是主播当月降到 T4/T5。
也就是说，“原 T2/T3 主播降档”能解释一部分 T4/T5 去向，但大部分用户确实换了首要支持对象。
转去跨区的2,559人主要去了哪里
| 主播签约区域 | 用户数 | 占跨区转向用户 |
|---|---|---|
| 尼日利亚 | 869 | 34.0% |
| 秘鲁 | 575 | 22.5% |
| 菲律宾 | 288 | 11.3% |
| 巴西 | 109 | 4.3% |
| 中国台湾 | 96 | 3.8% |
| 巴基斯坦 | 92 | 3.6% |
| 英国 | 88 | 3.4% |
| 越南 | 82 | 3.2% |
跨区转移有集中去向，但量级不大
尼日利亚、秘鲁和菲律宾合计占跨区转向用户的 67.7%。但跨区转向本身只占次月留存送礼用户的 8.9%，不能把 T2/T3 用户下降主要解释为“钱都流去了非洲或东南亚”。
这些跨区用户中，只有 24.7% 上月已经送礼给同一名跨区主播，其余多数是6月才把该主播变成首要支持对象。
这批人还有没有看、有没有活跃？
对次月仍送礼的28,743人，可以确认他们仍在付费场景中活跃，但投入也在变弱。同一批人的日均送礼金豆5→6月下降 4.9%，送礼 Session 中的日均观看时长下降 12.5%。
对不再出现于送礼明细的13,781人，现有数据无法判断他们是否还登录、还看直播但不送礼，还是已经整体流失。原始明细只保留发生送礼的 Session，不送礼的观看不会进入数据。
口径队列口径为用户上月送礼金豆最多的单个主播属于本地 PGC T2/T3；次月去向同样按金豆最多的单个主播归类。这是月内用户迁移，与前文日级 DPU 分组是互补视角，不能把人数直接与日均 DPU 差值相减。
下一个问题用户大量退出付费、留存者也在减少投入，那么主播开播和 DPU 在时间上有没有谁先谁后？
05
每天的开播和 DPU 是否一起变
T2/T3 有效开播少的日子，DPU 通常也较少，但数据看不出谁先变化
这里不用当月收入临时重新分档，而是先按上个自然月的收入确定 T2/T3 主播名单，再看他们当月每天有多少人有效开播，以及当天总 DPU 怎么变。
3至6月每天相比前一天的变化
每个点代表一天。整体上，T2/T3 DAB 降得较多的日子，总 DPU 也更容易下降。这里只展示同涨同跌的关系，不能据此判断谁导致了谁。
能确认的结论
两边经常同方向变化。T2/T3 有效开播比前一天减少较多时，总 DPU 也更容易比前一天减少。
但这不能证明是主播变少造成 DPU 下降。把 BP036 和跨区送礼的当日变化一起考虑后，T2/T3 与总 DPU 的关系会变弱。这说明当日流量、活动或付费需求也可能同时影响两边。
把跨区送礼当作对照时，没看到同样强的关系，但这个对照也不足以排除所有共同因素。
展开模型设定与敏感性结果
| 窗口 | 模型 | 系数 | HAC标准误 | t值 |
|---|---|---|---|---|
| 全部相邻日 | 总 DPU | 0.091 | 0.024 | 3.72 |
| 全部相邻日 | 总 DPU + BP036/跨区 | 0.034 | 0.029 | 1.17 |
| 全部相邻日 | 跨区送礼对照 | 0.030 | 0.031 | 0.95 |
| 排除月初边界 | 总 DPU | 0.195 | 0.090 | 2.16 |
| 排除月初边界 | 总 DPU + BP036/跨区 | 0.147 | 0.055 | 2.66 |
| 排除月初边界 | 跨区送礼对照 | 0.088 | 0.114 | 0.77 |
完整窗口加入 BP036 与跨区后，T2/T3 DAB 系数降至 0.034，t 值为 1.17；排除月初边界后为 0.147，t 值为 2.66。方向多为正，但强度对设定敏感。
把两条曲线前后错开，关系在同一天最强
去星期与月份后的相关
图中0表示比较同一天；正数表示先看主播开播、再看几天后的 DPU；负数则反过来。结果在同一天最强，向前或向后错开都逐渐变弱，没有出现“主播先变、DPU稍后跟着变”的清晰时间顺序。
下一个问题每天的曲线看不出谁先变化，那么跟着减播或停播主播的用户，下个月是否更容易离开付费池？
06
主播减播或停播后，相关用户还会不会付费
主要支持的 T2/T3 主播停播后，用户次月付费率连续三期低7.7至9.7个百分点
“用户主要支持的主播”，指该用户上月送礼金豆最多的 T2/T3 主播。为了尽量让比较对象可比，计算时先匹配上月消费水平、付费天数和对该主播依赖程度相近的人，再比较他们次月是否还继续给签约主播送礼。
基本稳定或增长下降5%至30%下降30%以上当月停播
| 比较期 | 稳定或增长 | 下降30%以上 | 与稳定组差值 | 当月停播 | 与稳定组差值 |
|---|---|---|---|---|---|
| 03→04 | 70.4% | 66.6% | -3.7pp | 60.9% | -9.4pp |
| 04→05 | 71.3% | 68.4% | -3.0pp | 63.6% | -7.7pp |
| 05→06 | 68.9% | 65.2% | -3.8pp | 59.2% | -9.7pp |
这三期的方向完全一致
主要支持的主播有效开播下降30%以上时，用户次月付费率比稳定主播组低3.0至3.8个百分点；主播当月停播时，差距扩大到7.7至9.7个百分点。
这说明主播大幅减播或停播与相关用户流失之间有稳定关系，而且主播状态越差，用户留下的比例越低。但两者仍可能同时受流量、内容吸引力或用户需求变化影响，因此不能把全部差距都归因于主播减播。
展开：排除对单个主播影响过大的重度用户
只保留上月送礼金额不超过该主播总收礼2%的用户，尽量减少“重度用户先离开，主播才因收入下降停播”对结果的干扰。
| 比较期 | 主播状态 | 用户数 | 次月付费率 |
|---|---|---|---|
| 03→04 | 当月停播 | 723 | 55.2% |
| 03→04 | 有效开播下降30%以上 | 3,780 | 57.0% |
| 03→04 | 有效开播下降5%至30% | 8,964 | 63.9% |
| 03→04 | 有效开播基本稳定或增长 | 21,083 | 63.9% |
| 04→05 | 当月停播 | 1,293 | 58.5% |
| 04→05 | 有效开播下降30%以上 | 3,911 | 60.1% |
| 04→05 | 有效开播下降5%至30% | 11,832 | 62.1% |
| 04→05 | 有效开播基本稳定或增长 | 17,283 | 64.9% |
| 05→06 | 当月停播 | 925 | 50.5% |
| 05→06 | 有效开播下降30%以上 | 3,546 | 57.0% |
| 05→06 | 有效开播下降5%至30% | 10,080 | 61.2% |
| 05→06 | 有效开播基本稳定或增长 | 18,545 | 62.4% |
缩小到这组用户后，停播组相对稳定组仍低8.7、6.3和11.9个百分点。方向没有改变，但仍不是随机实验。
口径主投主播为用户上月送礼金豆最多的 T2/T3 主播；结果为用户次月是否仍在签约主播送礼明细中出现。
下一个问题主播减播时用户更容易离开，但如果主播开播没有变少，观看和收入是否就不会下降？
07
只要主播继续播，问题就能解决吗
不能。5→6月有306名 T2/T3 主播播得更多，但观看仍减少14.7%，收入减少51.4%
这306名主播的有效开播天数增加11.3%，开播小时增加10.3%，但进房 UV 减少9.2%，打赏 UV 减少15.7%。这是一个直接的边界：减少开播会影响观看和用户，但只让主播多播不一定能把观看和收入拉回来。
严格样本306人占5月 T2/T3 池子 6.7%
收入-51.4%
全部观看-14.7%
进房 UV-9.2%
打赏 UV-15.7%
| 单主播允许最大下降 | 样本数 | 占上月T2/T3 | 有效天数 | 开播小时 | 收入 | 观看 |
|---|---|---|---|---|---|---|
| 0% | 306 | 6.7% | +11.3% | +10.3% | -51.4% | -14.7% |
| 5% | 556 | 12.2% | +5.9% | +5.0% | -52.3% | -14.8% |
| 10% | 746 | 16.4% | +3.3% | +2.3% | -53.5% | -17.3% |
上表的 5% 和 10% 是宽松阈值。746 人允许有效天数和开播小时分别下降不超过 10%，不能写成“完全没降”。
这组数据说明什么，又不说明什么
能说明：至少有一部分 T2/T3 主播的观看和收入下降，不是因为他们播得更少。流量是否给到他们、用户是否还愿意看和送礼、同样的观看能否转成收入，都需要另外检查。
不能说明：用户需求一定先于主播变差。这306人是根据6月收入已经下降再反向选出来的；其中299人在4→5月已经出现收入 -6.4%、开播小时 -6.2% 的轻微下降。因此这组人用来证明“少播不是完整答案”，不用来证明“需求一定先下降”。
下一个问题把事实、关联和边界放在一起，最终能下什么结论？
08
结论、行动和待补数据
T2/T3 主播值得优先修复，但不能只靠招募和促播
现有数据已经足以说明：T2/T3 主播变少后，这一档承接的观看和原本主要支持他们的付费用户也在减少；当主播大幅减播或停播时，相关用户下个月更难留在付费池。但数据同时告诉我们，即使主播播得更多，观看和收入也可能继续下降。
| 要回答的问题 | 当前答案 | 能确认到哪一步 |
|---|---|---|
| PGC 主播减少集中在哪里 | 集中在 T2/T3，约占PGC DAB净减少的 97%。 | 可以直接确认 |
| T2/T3 观看为什么下降 | 3→6月主要是DAB减少，单DAB改善抵消约 37% 损失；5→6月约 79% 来自DAB减少，约 21% 来自单DAB观看变差。 | 可以拆出变化量，不是因果比例 |
| DPU 减少的用户过去主要支持谁 | 原本主要支持本地 T2/T3 的用户减少2,221人／日，约占总净减少的 90%。 | 可以确认用户原来的送礼去向，不等于原因占比 |
| 上月主投T2/T3的用户次月去了哪里 | 5→6月有32.4%不再送礼；留存者中54.9%仍主投T2/T3，21.4%主投T4/T5，8.9%主投跨区。 | 可以追踪送礼UID与收礼主播；无法观察不送礼的普通观看 |
| 主播减播或停播后，用户是否更难留下 | 是。连续三期都更低，停播组低7.7至9.7个百分点。 | 多个月份重复出现，但不是随机实验 |
| 是否已证明“主播先变少，所以用户才下降” | 没有。日级数据没有找到清晰的先后顺序，而且开播未减的主播也有观看和收入下降。 | 现有数据不能确认 |
为什么不能只做招募
新增主播能够补充池子，但当前同时存在 T4/T5 升档减少、原有 T2/T3 降档、付费池补入减少，以及开播投入未减时观看和变现仍下降。只增加签约人数，无法单独修复这些漏点。
先修复 T2/T3 补入通道
同时抓 T4/T5 升档、刚降档主播的 30 天挽回和高潜新主播爬坡。补入连续减少是近期剪刀差扩大的直接原因。
复核指标
T2/T3 补入、升档率、降档后 30 天回升率
在主播减播时同步保护用户承接
优先处理粉丝触达、复播召回和内容替代承接，避免主播状态变化后原有付费用户直接离开付费池。
复核指标
主要支持风险主播的用户次月付费率
单独排查付费池补入和变现效率
6 月恶化主要来自付费池补入减少；严格样本的观看和收入也在下降，需要继续检查流量和变现链路。
复核指标
付费池补入、进房转化、每观看小时金豆
下一轮最值得向 BI 补的数据
- 美加用户全量活跃日表，以及观众×主播×天的全量观看明细，必须包含未送礼 Session；用来判断不再送礼的用户是仍在看、转看其他主播，还是已整体流失。
- 推荐曝光、进房来源和进房转化，判断开播量未减样本是否遭遇流量承接下降。
- 礼物结构、PK／连麦参与、粉丝团构成，解释中坚主播每观看小时变现为什么转弱。
- 一个可以对主播供给做外生扰动的试验或准实验，才能估计对 DPU 的净因果效应。
T2/T3 主播变少不是一个孤立的主播结构问题：同期少掉的还有这一档的观看和原本主要支持他们的付费用户。所以修复 T2/T3 供给是必要动作，但不能只做招募和促播；流量承接、付费用户补入和变现效率也要同时检查。
方法、口径与 QA
DAB：签约主播当日有效开播达30分钟的人数，月度为 sday 合计除自然日数。
动态档位：按各自然月 sbeans÷52 计算当月收入，T1≥10,000美元，T2为2,000至10,000，T3为500至2,000，T4为100至500，T5低于100。
日级关联：使用上月收入档位预先确定当月主播组，加入星期和月份控制，HAC滞后6天。
| 检查 | 结果 | 数值 | 说明 |
|---|---|---|---|
| 送礼日期文件数 | 通过 | 122.00 | 3至6月应为122天 |
| 非美加国家码行数 | 通过 | 0.00 | 校验BI交付筛选范围和日文件完整性 |
| 非签约主播行数 | 通过 | 0.00 | 校验BI交付筛选范围和日文件完整性 |
| 送礼次数非正行数 | 通过 | 0.00 | 校验BI交付筛选范围和日文件完整性 |
| 签约区域缺失行数 | 通过 | 0.00 | 校验BI交付筛选范围和日文件完整性 |
| 文件日期与行日期不一致行数 | 通过 | 0.00 | 校验BI交付筛选范围和日文件完整性 |
| 2026-01主播有效天数上界 | 通过 | 31.00 | 自然日数31 |
| 2026-02主播有效天数上界 | 通过 | 28.00 | 自然日数28 |
| 2026-03主播有效天数上界 | 通过 | 31.00 | 自然日数31 |
| 2026-04主播有效天数上界 | 通过 | 30.00 | 自然日数30 |
| 2026-05主播有效天数上界 | 通过 | 31.00 | 自然日数31 |
| 2026-06主播有效天数上界 | 通过 | 30.00 | 自然日数30 |
| 非互斥分组金豆闭合 | 通过 | 0.00 | 各主播组金豆加总等于日级总量 |
| 互斥主投DPU闭合 | 通过 | 0.00 | 各主投组DPU加总等于日级DPU |
| 观看变化会计拆解闭合 | 通过 | 0.00 | 观看实际变化等于DAB数量变化与每DAB观看变化之和 |
| 2026-03用户月表DPU闭合 | 通过 | 0.00 | 用户付费天数除自然日数等于日均DPU |
| 2026-04用户月表DPU闭合 | 通过 | 0.00 | 用户付费天数除自然日数等于日均DPU |
| 2026-05用户月表DPU闭合 | 通过 | 0.00 | 用户付费天数除自然日数等于日均DPU |
| 2026-06用户月表DPU闭合 | 通过 | 0.00 | 用户付费天数除自然日数等于日均DPU |
| 严格样本阈值单调 | 通过 | 1.00 | 允许下降范围越宽，样本数只能增加 |
T2/T3 用户迁移 QA
| 比较期 | 检查 | 差值 |
|---|---|---|
| 03→04 | 去向人数加总等于队列人数 | 0 |
| 03→04 | 当月首要主播分组人数与留存人数一致 | 0 |
| 03→04 | 上月队列与单个首要主播T2T3口径一致 | 0 |
| 04→05 | 去向人数加总等于队列人数 | 0 |
| 04→05 | 当月首要主播分组人数与留存人数一致 | 0 |
| 04→05 | 上月队列与单个首要主播T2T3口径一致 | 0 |
| 05→06 | 去向人数加总等于队列人数 | 0 |
| 05→06 | 当月首要主播分组人数与留存人数一致 | 0 |
| 05→06 | 上月队列与单个首要主播T2T3口径一致 | 0 |
| 03→04 | 跨区首要主播签约区域缺失人数 | 0 |
| 04→05 | 跨区首要主播签约区域缺失人数 | 0 |
| 05→06 | 跨区首要主播签约区域缺失人数 | 0 |
数据资产与可复现边界
主播供给与全部观看覆盖2026年1至6月；美加送礼 Session 明细覆盖3至6月，122个日文件，17,217,921行。最近一次原始数据全量重算用时 56.06 秒，最近一次复用标准数据缓存重算用时 3.53 秒。
生成入口：analysis/综合复核_20260728/run_analysis.py --refresh；报告入口：analysis/综合复核_20260728/build_report.py。