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、送礼和真实充值用户发生了什么，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月充值用户：1至6月结论边界：可确认同步变化，不证明单向因果QA：38项全部通过

先说答案

T2/T3 供给、观看和送礼人数同时下降，但现有数据还不能确认谁最先发生

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。

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。

少掉的日送礼人数，主要是原本最常给本地 T2/T3 送礼的人。3→6月日均送礼人数减少2,467人，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。

停止送礼不等于全部离开直播，但观看投入也明显转弱。5→6月，上月首要支持T2/T3的用户中32.4%不再送礼；其中64.0%仍有直播观看，但日均观看时长减少55.0%，观看时长的81.8%仍留在本地签约主播。

主播减播后，相关用户确实更难继续送礼，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，用户次月仍送礼率都低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。

6月真正异常的是充值用户补入不足，不是停充用户突然大量留在平台。补入减少3,260人，其中真正首充减少1,761人、解释54.0%，历史付费恢复减少1,456人、解释44.7%；停充后次月仍活跃的比例全年稳定在 72%至74%。

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

T2/T3 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？

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，美加送礼人数一端发生了什么？

日均送礼人数减少发生在哪里

日均送礼人数减少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，月内送礼用户减少11,892人。与此同时，日均金豆增加3.3%，每名日送礼用户的金豆增加10.6%，说明送礼人数在缩小，消费更加集中到留下来的重度用户。

3→6月日均送礼人数-2,467人-6.6%

月内送礼用户-11,892人-7.0%

日均金豆+148万+3.3%

每名日送礼用户金豆+126+10.6%

日均送礼人数与月内送礼用户

送礼人数/日

月份	送礼人数/日	月内送礼用户	日均金豆	每名日送礼用户金豆
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

少掉的日送礼人数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日均送礼人数变化。

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，约占日均送礼人数净减少的 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。

这只能说明减少的送礼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% 的送礼人数下滑。用户偏好变化、流量分配和整体送礼需求都可能让用户的归组发生变化。

6月送礼用户池净减少扩大，约八成恶化来自补进来的人变少

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月送礼用户池净减少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送礼用户明显减少，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，不能全部理解成新送礼用户。

口径日均送礼人数为美加国家码用户当天向全球签约主播送礼的去重人数，不是充值人数，也不是全平台送礼人数。

下一个问题前面讲的是送礼人数，真正发生充值的用户是不是也在减少？

真正的充值 DPU 发生了什么

6月少的是充值用户，当月充值用户的人均频次没有下降

5→6月，月内至少充值一天的美加用户从 99,594 人减到 94,255 人，减少 5,339 人，降幅 5.4%。日均充值人数环比下降 4.3%，但当月充值用户的每30天标准化人均充值天数反而小幅增加 1.2%。所以6月的核心问题是充值人数变少，不是整体人均充值频次下降。

5月月充值用户99,594人月内 UID 去重

6月月充值用户94,255人-5.4%

5月充值、6月区域内未充43,995人区域口径流出

6月新增或恢复充值38,656人未能补平流出

1至6月充值人数与频次

月充值用户

月份	月充值用户	日均充值用户	每30天人均充值天数
1月	97,639	13,800.5	4.24
2月	95,939	14,494.7	4.53
3月	102,878	15,028.6	4.38
4月	99,968	14,726.9	4.42
5月	99,594	14,457.9	4.36
6月	94,255	13,842.1	4.41

每月流出多少，又补回多少

上月充值、当月区域内未充新增或恢复充值

6月为什么突然恶化

4→5月月充值用户只减少374人，5→6月扩大到净减5,339人，多减了4,965人。其中，新增或恢复充值从41,916人降到38,656人，约解释恶化的 66%；流出增加1,705人，约占 34%。因此6月更大的问题是补充不足，其次才是流出增加。

从国家看，美国日均充值人数减少 625.8 人，加拿大反而增加 9.8 人，区域降幅几乎全部来自美国。

补进来的充值用户为什么变少

补入来源	4→5月	5→6月	减少	对补入缺口贡献
真正首充	20,893	19,132	-1,761	54.02%
历史付费恢复	20,334	18,878	-1,456	44.66%
国家码迁入	689	646	-43	1.32%

首充和老用户恢复各占约一半

5→6月新增或恢复充值比4→5月少3,260人。真正首充减少1,761人，解释54.0%；历史付费用户恢复充值减少1,456人，解释44.7%；国家码迁入只解释1.3%。

所以首充是最大的单项缺口，但不是唯一问题。更准确的运营方向是同时检查首次充值转化和历史付费用户召回，而不是把6月下降全部归结为首充。

停充后仍活跃不是6月特例，全年一直约为七成

1→2月至5→6月，真正停止充值的用户中，次月仍有 APP 活跃的比例始终在72.4%至74.1%之间。也就是说，“人还在平台，但没有继续充值”是稳定存在的用户状态；6月特殊的是补进来的充值用户明显减少。

停充后次月仍活跃停充后次月未活跃

比较期	真正停充	停充率	仍活跃	新增或恢复	净变化
01→02	40,879	41.87%	73.75%	39,882	-1,700
02→03	38,060	39.67%	74.08%	45,589	+6,939
03→04	43,832	42.61%	72.35%	41,583	-2,910
04→05	41,649	41.66%	72.52%	41,916	-374
05→06	43,275	43.45%	72.42%	38,656	-5,339

6月并不是停充人数绝对值最高的月份。3→4月真正停充43,832人，略多于5→6月的43,275人；但3→4月还有41,583人新增或恢复充值，5→6月只剩38,656人，所以6月最终留下了更大的净缺口。

历月“仍活跃”使用月末快照中的最近活跃日期判断。与6月逐日精确结果对账为72.4%对72.7%，相差0.3个百分点，可用于趋势判断；往前月份目前只能确认仍有APP活跃，不能直接写成仍在观看直播。

这些人是不充值了，还是干脆离开平台了

结论更接近前者。5月充值、6月在全平台任何国家都未再充值的43,275人中，72.7%在6月仍有 APP 活跃；仅检查月底最后7天，就有49.0%仍活跃、43.0%仍看直播。

6月真正未再充值43,275人 100.0%

6月至少一天仍活跃31,451人 72.7%

6月最后7天仍活跃21,216人 49.0%

6月最后7天仍看直播18,591人 43.0%

6月最后7天仍有效观看15,525人 35.9%

这不是一次以平台流失为主的充值下降。只有27.3%的真正停充用户6月完全没有 APP 活跃。月底最后7天仍看直播的18,591人，人均累计观看6.64小时；在月底最后7天仍活跃的停充用户中，87.6%有直播观看。

43.0%只检查了6月24日至30日，因此是“6月曾看直播”的下限，不是整月完整观看率。现有数据不能证明用户因手头紧张、余额未用完或支付失败而停充。

充值减少主要发生在同时会送礼的核心用户

主要送礼关系	5月用户	6月用户	变化 / 变化率	净减少占比
本地签约主播	47,699	43,189	-4,510 / -9.46%	84.11%
跨区签约主播	44,677	43,825	-852 / -1.91%	15.89%

怎么理解这个关系

6月“充值且送礼”用户减少5,362人，而“充值但未送礼”只增加23人。也就是说，充值用户减少几乎都发生在原本同时会送礼的核心人群，不是大量用户变成“还充值、但不送礼”。

在这批充值且送礼用户中，主要给美加本地签约主播送礼的用户减少4,510人，占这批用户净减少的84.1%；主要给跨区签约主播送礼的用户减少852人。

展开：为什么充值分析里会出现主播分组

充值来自用户日表，是用户自己的行为。报告只是再用同一个 user_id 匹配他当月的送礼行为，按送礼金豆最多的主播区域，把用户标记为“主要支持本地”或“主要支持跨区”。这个标签用来看充值下降与哪类送礼关系重合，不代表“主播充值”，也不能单独证明主播造成了充值下降。

口径充值指标使用用户日表 has_payed_last_1d；月充值用户为当月任一日充值的 UID 去重，美加国家码为 CA、GL、PM、UM、US。“真正首充”为上月任何国家均未充值、上月月末 has_payed=0 且当月在美加充值；“历史付费恢复”为上月未充值但上月月末 has_payed=1。“真正停充”排除次月转用其他国家码充值的用户。

下一个问题这些仍在平台、仍看直播但不再充值的用户，原来的送礼关系发生了什么？

T2/T3 送礼用户次月去了哪里

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停止给签约主播送礼，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。

不再送礼的人，有三分之二仍在看，但观看投入明显降低

6月完全无直播观看4,966人36.0%

不送礼但仍有观看8,815人64.0%

这批人日均观看-55.0%5→6月

6月观看时长投向本地签约81.8%跨区签约 8.5%

未送礼用户6月主要在看谁

主要观看去向	用户数	占未送礼用户	占仍观看用户
6月无观看	4,966	36.0%	不适用
本地 PGC T2/T3	2,908	21.1%	33.0%
本地 PGC T4/T5	2,026	14.7%	23.0%
本地 PGC T1	1,020	7.4%	11.6%
本地 BP036	963	7.0%	10.9%
非签约主播	926	6.7%	10.5%
跨区签约主播	908	6.6%	10.3%
本地未匹配	34	0.2%	0.4%
签约区域未知	30	0.2%	0.3%

每名用户只按6月观看时长最长的单个主播归类，因此各去向人数可以直接相加。

这不是一次大规模的跨区迁移

在仍有观看的 8,815 人中，6,951人的主要观看对象仍是本地签约主播，占 78.9%；主要看跨区签约主播的只有908人，占10.3%，另有926人主要看非签约主播。

主要看 T4/T5 的 2,026 人中，462人跟着一名5月属于 T2/T3、6月降到 T4/T5 的主播，占 22.8%。这说明主播降档解释了一部分 T4/T5 观看去向，但不是全部。

更准确的变化是：一部分人完全不看，更多人还看但投入明显降低

在13,781名未送礼用户中，36.0%在6月完全没有直播观看，42.8%的观看时长比5月下降50%以上，两者合计 78.8%。所以“停止送礼”不能等同于“全部离开直播”，但这批用户的观看也确实在明显转弱。同时，观看主体仍在本地，现有数据不支持“大量用户转去跨区主播”的解释。

口径送礼队列为用户上月送礼金豆最多的单个主播属于本地 PGC T2/T3；固定这批用户 UID 后，观看追踪覆盖5至6月的全部直播观看，不限主播区域或是否签约。“仍有观看”只表示直播观看时长大于0，不等于APP整体活跃。月内队列人数不能直接与前文日均送礼人数差值相减。

下一个问题用户停止送礼或减少观看后，主播开播和日送礼人数在时间上有没有谁先谁后？

每天的开播和送礼人数是否一起变

T2/T3 有效开播少的日子，日送礼人数通常也较少，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，以及当天总送礼人数怎么变。

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，日送礼人数也更容易下降。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，总送礼人数也更容易比前一天减少。

但这不能证明是主播变少造成送礼人数下降。把 BP036 和跨区送礼的当日变化一起考虑后，T2/T3 与总送礼人数的关系会变弱。这说明当日流量、活动或送礼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	总日送礼人数	0.091	0.024	3.72
全部相邻日	总日送礼人数 + 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	总日送礼人数	0.195	0.090	2.16
排除月初边界	总日送礼人数 + 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、再看几天后的日送礼人数；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、送礼人数稍后跟着变”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，下个月是否更容易停止送礼？

主播减播或停播后，相关用户还会不会送礼

主要支持的 T2/T3 主播停播后，用户次月仍送礼率连续三期低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、送礼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，用户次月仍送礼率比稳定主播组低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停止送礼之间有稳定关系，而且主播状态越差，用户次月继续送礼的比例越低。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“重度用户先停止送礼，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	次月仍送礼率
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？

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？

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送礼用户也在减少；6月真正充值用户也明显减少，但多数停充用户仍活跃并仍看直播。当主播大幅减播或停播时，相关用户下个月更难继续送礼，但即使主播播得更多，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
日送礼人数减少主要发生在哪类用户	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
真正充值 DPU 为什么在6月下降	月充值用户减少5,339人，人均充值频次基本稳定；补入不足是主要变化，其中真正首充减少1,761人、历史付费恢复减少1,456人。	可确认人数、频次和补入来源；不能确认支付能力或意愿变化的原因
停充用户是否离开平台	全年各相邻月均有72%至74%的停充用户次月仍活跃；6月逐日精确结果为72.7%，月底仍有43.0%看直播。	可确认平台活跃；只有6月补充验证了直播观看
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
不再送礼的用户是否也离开直播	36.0%完全不再观看，64.0%仍看但日均观看下降55.0%；仍看者主要留在本地。	可以追踪全部直播观看；不等于充值用户整体
主播减播或停播后，用户是否更难继续送礼	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、送礼用户补入减少，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送礼用户直接停止送礼或大幅减少观看。

复核指标

主要支持风险主播的用户次月仍送礼率

分开修复充值用户和送礼用户的补入

6月两个用户池都主要是补充不足，但两者口径不同。充值侧同时排查首次充值转化和历史付费用户召回；送礼侧检查进房、内容承接和变现效率。

复核指标

首充人数、恢复充值人数、送礼补入、进房转化、每观看小时金豆

下一轮最值得向 BI 补的数据

充值前账户余额、剩余钻石或金豆，用来区分“暂时不需要充值”和“消费意愿下降”。
充值订单尝试、失败原因、支付渠道及充值优惠曝光与使用，用来排查支付摩擦和活动变化。
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，才能估计对日均送礼人数的净因果效应。

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送礼用户，6月充值用户的补入也明显不足。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、充值与送礼用户补入、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。

日均送礼人数：美加国家码用户当天向全球签约主播送礼的去重人数，不是充值人数。

充值 DPU：使用 has_payed_last_1d 识别当日是否充值；日充值 DPU 为当日 UID 去重，月充值 DPU 为当月任一日充值的 UID 去重。

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
互斥主投日送礼人数闭合	通过	0.00	各主投组日送礼人数加总等于日级日送礼人数
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用户月表日送礼人数闭合	通过	0.00	用户送礼天数除自然日数等于日均日送礼人数
2026-04用户月表日送礼人数闭合	通过	0.00	用户送礼天数除自然日数等于日均日送礼人数
2026-05用户月表日送礼人数闭合	通过	0.00	用户送礼天数除自然日数等于日均日送礼人数
2026-06用户月表日送礼人数闭合	通过	0.00	用户送礼天数除自然日数等于日均日送礼人数
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 送礼迁移 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

T2/T3 观看迁移 QA

检查	差值
队列人数等于42524	0
6月仍送礼人数等于28743	0
6月未送礼人数等于13781	0
6月主要观看去向人数闭合	0
本地主要观看分档人数闭合	0
6月观看时长按主播区域闭合	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；充值用户规模与停充后活跃趋势覆盖1至6月，6月另有逐日活跃和6月24日至30日直播观看验证。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。

主报告生成入口：analysis/综合复核_20260728/build_report.py；充值模块复现记录：2026-07-29_充值DPU数据与复现记录.md。