游戏推广渠道：自然增长与活动集中触达怎样分别观察
📱 Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko; compatible; ClaudeBot/1.0; +claudebot@anthropic.com)
🔗 /afd5e1394adf.html
📄
游戏推广渠道：自然增长与活动集中触达怎样分别观察
先把两条来源分开记账，再决定保留、改写还是退出。自然增长看“没有活动日”的留存与自传播信号，活动集中触达看“活动窗口内”的新增与回流是否在窗口结束后仍留下行为。两者混在一起看，最容易把一次买量脉冲误判成产品变好，也容易把自然口碑的慢热误判成渠道无效。
先定义“活动日”和“非活动日”，否则观察没有基准
分别观察的前提是时间轴可切分。把每个渠道的投放、联动、版本更新、社群推送标记为活动日；其余为基线日。基线日不是“什么都没做”，而是没有集中触达的日子。若版本更新和买量同日发生，这一天应归入活动日，不要为了凑样本硬拆。
可区分的信号大致有三类：
- 自然增长信号：基线日的新增设备、自然搜索进入、老玩家邀请带来的新账号，以及这些账号次日的登录行为。
- 活动触达信号：活动窗口内的新增、回流、参与率和活动结束后的留存曲线。
- 混淆信号：版本内容更新、平台推荐位变化、竞品同期大促。这类变化会让两条曲线同时抬升，不能单独归因给渠道。
实际动作：给每个渠道建一张按日标记的表，活动日打 1、非活动日打 0，再分别算两组的中位数而非平均值。结果会直接影响下一步——如果两组差异很小，说明集中触达没有制造额外增量，继续加预算的理由就不成立。
自然增长的观察重点：基线日的留存和自传播
自然增长通常不是当天爆发，而是基线日缓慢累积。要看的不是“今天新增多少”，而是基线日进入的玩家在次日、七日后是否还在登录，以及是否产生邀请、分享、社区发帖这类主动行为。
适用前提：产品已有稳定版本、没有大规模买量干扰、社群和搜索入口能持续带来陌生用户。满足这些条件时，基线日留存上升可以视为产品口碑或内容被自然分发的证据。
假设一个例子：某渠道基线日新增 200 人，次日留存从 18% 升到 24%，同时邀请行为占比从 3% 升到 6%。这更像自然增长改善。但如果同期活动日也在增加，就不能排除版本更新的影响，需要把版本上线前后各取一段基线日再比。这个动作的结果决定是否保留该渠道的自然内容投入：若基线留存稳定抬升，保留并加大内容更新频率；若只是单日波动，先观察两周再决定。
活动集中触达的观察重点：窗口内增量和窗口后残留
活动集中触达的特征是短时间大量曝光，新增和回流集中在几天内。观察时要分三段：活动前基线、活动窗口、活动结束后同等长度的窗口。
关键判断不是活动期间有多少人进来，而是活动结束后这些人还剩多少。若活动结束后的留存迅速跌回基线甚至更低，说明触达带来的是被奖励吸引的短期行为，不是产品粘性。若结束后仍高于活动前基线，说明触达至少筛出了一部分愿意留下的用户。
适用前提：活动有明确起止时间、奖励发放可追踪、渠道归因没有跨渠道重复计数。若多个渠道同时投放同一活动，应先把归因规则定死，否则回流会被重复算进每个渠道。
实际动作：对每个活动渠道算“结束后七日留存 ÷ 活动期间新增”，再与基线日留存对比。结果影响下一步取舍——残留接近基线，说明该渠道适合做短期回流而非长期拉新；残留明显高于基线，才值得把活动节奏写进常规排期。
什么时候该保留、改写或退出一个渠道
把两类观察放在一起，会出现四种组合，对应不同决策：
- 基线留存升、活动残留也升：保留。该渠道既有自然扩散，也能承接集中触达。
- 基线留存平、活动残留升：改写。渠道本身适合活动驱动，不必强求日常自然内容，把资源集中在节点排期。
- 基线留存升、活动残留平：改写。自然增长有效但活动形式不匹配，应减少硬广式活动，改用内容或社群方式触达。
- 两项都平或下降：退出或降级为观察位。不要因为单次曝光量高就继续投入。
这里要避免一个常见误判：把搜索量、抓取量或某个统计归零当作渠道失效的证据。这些现象也可能来自统计口径调整、平台抓取策略变化、节假日波动或埋点故障，不能单独证明处理正确。先核对埋点和归因链路，再决定是否退出。
一套可执行的分开观察流程
第一步，按日标记活动日与非活动日，至少覆盖两个完整活动周期。第二步，分别计算两组的新增、次日留存、七日留存和主动传播行为。第三步，对活动渠道额外计算结束后同等窗口的残留。第四步，把版本更新、平台推荐、竞品动作列为备注，不与渠道效果混算。
这套流程的结果只回答一个问题：这个渠道在当前产品阶段该保留、改写还是退出。如果基线日样本太少，先延长观察期，不要用一周数据下结论。如果活动窗口与版本更新完全重叠，先等下一个干净窗口再判断。分开观察的价值不在于得到漂亮数字，而在于让下一个决策有可核对的依据。
