全局数据扫描：先看结论，再看证据
一页结论
这次全局扫描的重点不是“哪个平台数据最多”，而是把各平台放回所处阶段。熊猫是成熟复充 reference，我们平台是刚投放冷启动，JK7 是独立大样本但数据口径偏充值用户日。最重要的判断是：充值留存差距不能只用 RTP 或中奖率解释，活动触达、复充阶梯、首日体验分布和数据闭环更关键。
Panda 新目录与熊猫 reference 的充值、提现、RTP、留存和渠道结构高度一致，当前应作为同一成熟样本的完整归档使用。
总 RTP 97%、中奖率 44.24% 并没有换来复充。首日低 RTP、大亏、未投注、VIP0 和低额首充是当前断点。
JK7 RTP/中奖率接近熊猫，但官方 D1/D29 充值留存约 10.88%/0.93%。活动、复充路径和现金循环更可能决定长期留存。
数据资产扫描
本页重新汇总了本地业务数据目录和已加工产物。报告优先使用已经全量扫描、去重和校验过的 CSV/mart，原始目录用于确认覆盖和规模。
| 资产 | 大小 | 文件数 | 主要格式 |
|---|---|---|---|
| 熊猫原始数据 | 51.39 GB | 166 | .json:105, .ndjson:40, (no_ext):12, .csv:8, .zip:1 |
| Panda新平台数据 | 51.40 GB | 225 | .json:142, .ndjson:58, (no_ext):15, .csv:8, .zip:1 |
| 我的平台数据 | 0.06 GB | 5 | .xlsx:4, (no_ext):1 |
| JK7本地数据 | 69.30 GB | 2,218 | .json:1502, .parquet:667, .ndjson:38, (no_ext):9, .csv:1 |
| data | 0.23 GB | 19 | .gz:14, .csv:4, (no_ext):1 |
| reports | 0.09 GB | 179 | .csv:142, .md:37 |
| presentations | 0.00 GB | 10 | .html:10 |
| docs | 0.00 GB | 31 | .md:31 |
| scripts | 0.00 GB | 47 | .py:33, .pyc:14 |
平台阶段与核心指标
同一个留存数字在不同阶段含义完全不同。熊猫 D30 充值留存 23.73% 代表成熟复充系统，我们平台 D1 10.21% 代表冷启动首充承接不足，JK7 的充值用户日口径不能直接当完整活跃用户口径。
| 平台 | 定位 | 窗口/口径 | 原始大小 | 充值/观察用户 | 充值金额 | 提现/充值 | D1 留存 | D7 留存 | D30/D29 留存 | RTP | 中奖率 | 活动信号 | 解释 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 熊猫/TA99 reference | 成熟复充系统参考 | 2026-01-26 至 2026-04-26 | 51.39 GB | 9,799 | R$ 6,129,893.00 | 81.76% | 33.72% | 29.34% | 23.73% | 94.12% | 28.84% | 奖励/充值 20.20%，充值日活动触达 93.44% | 停投后存量/裂变成熟平台；适合作为复充经营上限参考，不适合直接作为冷启动 D1 目标。 |
| Panda新平台数据 | 同一成熟样本完整归档 | 2026-01-26 至 2026-04-26 | 51.40 GB | 9,799 | R$ 6,129,893.00 | 81.76% | 33.72% | 29.34% | 23.73% | 94.12% | 28.84% | 与熊猫 reference 核心指标一致 | 当前证据指向同一熊猫/TA99 样本，不应作为第二个独立平台重复计权。 |
| 我们平台 | 刚投放冷启动样本 | 早期约 20 天成熟窗口 | 0.06 GB | 2,169 | R$ 73,610.43 | 60.45% | 10.21% | 5.60% | - | 97.00% | 44.24% | 活动/奖励/钱包账变缺失，无法解释活动增量 | 核心问题不是总 RTP 太低，而是首充后 D0-D3 断层、2+ 复充池薄、活动承接数据缺失。 |
| JK7 | 独立大规模经营样本 | 2026-02-26 至 2026-05-05 充值用户日；正式窗口约 2026-01-28 至 2026-04-28 | 69.30 GB | 402,313 | R$ 76,742,903.98 | 95.97% | 10.88% | - | 0.93% | 95.54% | 29.59% | 奖励日 D1 24.15% vs 无奖励日 11.96%，强相关但非因果 | 算法底座接近熊猫，但官方充值留存低；说明只复制 RTP/中奖率不足以复制复充能力。 |
充值留存对比
这里的留存默认都是充值留存。熊猫是成熟参考，我们平台当前先不要直接追 D30，要先把 D1、D1-D3 rolling 和 2+ 充值天数做出来。
游戏体验对比
我们平台并不是“返奖太少”：RTP 和命中率都高于熊猫，但留存更弱。要治理的是首日体验尾部、游戏入口、波动结构和活动承接。
关键差距矩阵
这张表把老板最关心的问题压缩到五个主题：留存、游戏体验、活动、高频复充、算法证据。每一行都对应下一步该补什么数据、做什么实验。
| 主题 | 熊猫 | 我们平台 | JK7 | 判断 | 优先级 |
|---|---|---|---|---|---|
| 充值留存 | D1 33.72%，D7 29.34%，D30 23.73% | D1 10.21%，D7 5.60% | 官方 D1 10.88%，D29 0.93% | 熊猫是成熟复充上限，我们平台和 JK7 都说明冷启动/普通付费池不能只靠游戏 RTP 解决留存。 | P0 |
| 游戏体验 | RTP 94.12%，中奖率 28.84%，利润率 5.88% | RTP 97.00%，中奖率 44.24%，利润率 3.00% | RTP 95.54%，中奖率 29.59%，利润率 4.46% | 我们平台命中率更高、RTP 更高但充值留存更弱，核心是首日体验分布、波动结构和承接链路。 | P0 |
| 活动/奖励 | 充值日活动触达 93.44%，混合活动 D30 充值留存 28.09% | 活动/奖励/钱包账变缺失 | 奖励日 D1 24.15% vs 无奖励日 11.96% | 活动是最可能解释复充差距的变量，但必须补曝光、领取、资格、成本和实验组字段。 | P0 |
| 高频复充池 | 15+ 充值天数用户 9.77%，贡献充值金额 78.75% | 2+ 充值天数 11.02%，15+ 为 0% | 充值用户日大样本，但缺完整 DAU 口径 | 我们平台第一目标不是 D30，而是先把 2+、3-6 天、7+ 复充阶梯做出来。 | P0 |
| 算法证据 | 未证明按用户 ID 暗中调 RTP；未坐实新手固定曲线或 20x 硬封顶 | 首日低 RTP/大亏与 D1-D3 流失强相关；爆奖需要供应商日志复核 | control 非零 0；未证明 20x 硬封顶；对局覆盖有缺口 | 可以做游戏池、入口、奖励和风控的聚合策略，不建议做个体化暗中输赢控制。 | P1 |
活动与奖励
全局比较后，活动/奖励是比“调高 RTP”更值得优先补齐和测试的方向。熊猫和 JK7 都显示奖励与复充强相关，但目前仍要避免把相关性直接说成因果。
| 平台 | 已观察信号 | 活动结构 | 证据边界 |
|---|---|---|---|
| 熊猫/TA99 | 充值日活动触达 93.44%；活动用户 D30 24.62%，混合活动 D30 28.09% | 长期福利入口 + VIP + 返水 + 签到/救援/充值/代理等行为触发 | 强相关，部分活动控制后仍有正向 lift，但缺严格实验因果 |
| 我们平台 | 活动/奖励/钱包账变当前缺失 | 无法判断活动触达、领取、成本和增量 | 必须补数后才能解释留存差距 |
| JK7 | 奖励日 D1 24.15% vs 无奖励日 11.96%；D30 5.66% vs 2.31% | reward 和账变 activity 是代理变量 | 强相关，仍需曝光/领取/实验组验证 |
算法证据边界
可证明的事实是厂商/游戏体验差异、用户标签相关性、首日体验和流失相关；不能证明的是按用户 ID 暗中调 RTP、新手固定输赢曲线、全局 20 倍硬封顶。后续算法应该做聚合层面的游戏池、入口、奖励和风控实验。
| 问题 | 当前结论 | 依据/解释 |
|---|---|---|
| 厂商/游戏差异 | 确定存在 | 熊猫和 JK7 都显示不同厂商/游戏 RTP、中奖率、波动率分布不同；这是可学习的游戏池/入口策略基础。 |
| 按用户 ID 暗中调 RTP | 当前不能证明 | 同游戏控制后仍有标签残差，但缺策略组、RTP 配置版本、RNG/round 审计和实验组。 |
| 新手前几局固定曲线 | 熊猫未坐实 | 熊猫新手 win-lose-recover 模式率 1.73%，低于成熟/晚观测用户 2.44%；自有平台应做聚合实验而非个体控制。 |
| 最高盈利/充值 20x 硬封顶 | 未坐实全局硬上限 | 熊猫有单局盈利/充值 48.09x，JK7 有 >=20x 用户；若存在，需风控/余额/赔付配置日志证明。 |
| 我们平台首日体验 | 明确存在流失相关性 | 首日 RTP<80% 用户 D1-D3 二充 7.32%，首日大亏 6.14%，小/中赢 35.88%；应治理尾部体验。 |
我们平台落地优先级
最保守也最高收益的路线：先做数据闭环和 D0-D3 承接，再做游戏体验聚合实验。不要用个体化输赢控制替代产品、活动和风控系统。
| 优先级 | 方向 | 动作 | 两周判断指标 |
|---|---|---|---|
| P0 | D0-D3 首充承接 | 支付成功页首局入口、低额首充/VIP0 路径、次日召回、首日差体验补救 | D1 12%-15%，D1-D3 rolling 18%-20%，VIP0 D1-D3 8%+ |
| P0 | 活动数据补齐 | 活动曝光、资格、领取、活动 ID、成本、稽核、钱包账变、实验组 | 能区分触达率、领取率、成本和真实增量 |
| P0 | 2+ 复充池 | 把 1 天用户推到 2+、3-6、7+ 阶梯，不直接追 D30 | 2+ 充值天数用户 18%-20% |
| P1 | 游戏体验聚合实验 | 从 50% 命中/97% RTP 试验更低命中、更高波动但有护栏的游戏池，不做个体暗控 | 留存不降、利润率接近 5%-6%、投诉/大亏受控 |
| P1 | 风控与爆奖审计 | 供应商局号、RNG、赔付表、配置版本、设备/IP/支付工具、提现联动 | 区分正常波动、配置风险和套利风险 |