模型拟合质量 (R²)
先验归属矩阵 vs 实测系数
先验 = 设计意图 (该活动 100% 能量分配到 5 维度的比例, 行和=1)
实测 = Ridge 回归校准的边际效应 (每天该活动 active 时, 该维度变化量)
方向标记:
✓ 一致
✗ 反向
? 弱
先验矩阵 (设计意图)
实测系数 (Ridge 回归)
活动级 5 维度雷达对比
每日活动数 vs 5 维 KPI 时序
已知问题 / 改进方向
- 共线性陷阱: 画册 + 里程碑 94% 天天开, 系数估计不稳 (top1 但方向乱)
- ARPPU R² 仅 0.17: 单期鲸鱼噪声主导, 需要加入活动 × tier 交互项
- 转化 R² 仅 0.24: 付费转化跟即时促销 (累购/加赠/特别赏) 强相关, 但同期叠加难独立分解
- 下一步 Stage D: 加入 78 个活动对的交互项 (LASSO 自动选), 估计协同/挤兑系数
- 下一步 Stage E: PyMC Bayesian 跑全套, 加先验 + 输出 95% 置信区间