先给结论
JK7 算法像熊猫，留存不像熊猫
JK7 可观察逐局中奖率 29.6%、RTP 95.5%，接近熊猫成熟样本；但官方 D1/D29 充值留存只有 10.9%/0.9%，没有呈现熊猫那种长期复充强度。
本页怎么用 · 策略页
JK7 深度策略：先看结论，再看证据
回答的问题JK7 算法像不像 TA99，活动有没有用，留存到底该怎么看。
用来做的决策决定新平台应该学 JK7 的哪些机制，避免只学 RTP。
落地动作把算法体验、活动承接、复充层级和风控护栏作为组合系统上线。
证据边界官方留存和行为拆解口径不同，汇报时不能混用。
一、先回答你真正想看的 6 件事
每一张卡片都是一个经营判断：先给答案，再给证据边界。
最大口径风险
留存有两套口径
官方报表 D1=10.9%；每日用户数据自行计算 D1=22.7%。两者 base 也不同，因此新版报告经营判断优先用官方留存，行为解释用每日用户表。
活动判断
奖励日 D1 提升 +12.2pp
奖励日 vs 无奖励日：D1 24.2% vs 12.0%，D7 13.9% vs 6.1%。这是强相关，不是因果证明。
算法证据
未看到 control 非零
可观察逐局窗口里 control 非零局数 0。目前没有证据证明按用户 ID 暗中调 RTP；标签差异更可能来自游戏选择、金额、生命周期、样本覆盖。
用户分层
高价值层级留存陡升
等级、充值频次、同日输赢、同日 RTP、奖励金额都出现明显留存梯度。它们可以作为运营分层标签，但充值频次属于事后标签，落地时要改造成实时预测标签。
对我们最有用
不要只学 RTP，要学组合
JK7 和熊猫都更接近 30% 命中、95%左右 RTP、较高波动。真正要复制的是新手体验、奖励阶梯、复充层级、游戏入口和风控护栏的组合系统。
二、放到历史参考系里看
熊猫是成熟复充 reference，我们的平台是刚投放冷启动，JK7 则介于两者之间。关键发现是：JK7 的游戏体验指标接近熊猫，但官方充值留存并没有接近熊猫。
| 平台 | 定位 | RTP | 中奖率 | 利润率 | D1充值留存 | D7/D6 | D30/D29 | 怎么读 |
|---|---|---|---|---|---|---|---|---|
| 熊猫成熟样本 | 成熟复充 reference | 94.1% | 28.8% | 5.9% | 33.7% | 29.3% | 23.7% | 停投后存量+裂变样本，强在复充层级和活动系统。 |
| JK7 | 本次独立体检对象 | 95.5% | 29.6% | 4.5% | 10.9% | 3.9% | 0.9% | 算法体验像熊猫，但官方充值留存不像熊猫，活动/人群/口径要继续拆。 |
| 我们的平台历史基线 | 刚投放冷启动样本 | 97.0% | 44.2% | 3.0% | 10.2% | 5.6% | 命中更高、RTP更高，但留存弱，说明单纯提高返奖不是答案。 |
结论：不能只看 RTP 和中奖率。JK7 证明了“30% 左右中奖率 + 95% 左右 RTP”只是底座，真正把充值留存拉起来的，仍然是活动触达、用户分层、复充路径和现金循环信任。
三、留存先拆口径，否则会误判
JK7 这次最重要的数据质量发现，是官方留存和每日用户表自行计算的留存不一致。新版报告把官方留存作为老板汇报主口径，把每日用户表作为行为分析口径。
官方留存报表曲线
每日用户表自行计算曲线
| 口径 | D1 | D3 | D5 | D7/D6 | D15/D13 | D30/D29 | 说明 |
|---|---|---|---|---|---|---|---|
| 官方留存报表 | 10.9% | 5.4% | 4.0% | 3.9% | 1.9% | 0.9% | 官方没有 D7/D15/D30 exact，使用 D6/D13/D29 近似观察。 |
| 每日用户表自行计算 | 22.7% | 17.2% | 14.7% | 13.0% | 8.7% | 5.3% | 基于去重后的每日用户表，适合行为解释，不作为老板汇报主口径。 |
风险：`每日用户数据` 去重后每行都有充值金额，它更像充值用户日数据，不是完整 DAU。因此它能解释“付费用户怎么复充”，不能解释“全体活跃用户为什么流失”。
四、算法体验：接近熊猫底座，但没有证据证明按用户暗调 RTP
你关心的是 RTP、中奖率、波动率、用户标签、新手控制和最高盈利倍数。当前证据更支持“游戏组合和用户生命周期导致体验差异”，而不是“已证实存在用户级暗控”。
厂商/游戏 RTP 是否差异明显是，存在明显差异
主要厂商 RTP 极差约 8.22%；游戏层面差异更大。
算法体验是否和用户行为标签相关相关，但主要可能来自游戏选择、投注强度和用户生命周期差异
充值频率分层 RTP 极差约 5.68%；同游戏控制后的残差见 `jk7_tag_controlled_rtp_v1.csv`。
是否能证明按用户 ID 暗中调 RTP当前不能证明
同游戏控制后仍有最大约 42.19% 的标签残差，但缺少策略组、RTP 配置版本、RNG 审计和实验组字段。
逐局 control 字段是否显示策略控制未看到大规模非零 control
可观察逐局记录中非零 control 局数 0。逐局记录覆盖 36 个自然日/文件日期；存在 1/28-1/31、3/9-3/22、4/20-4/28 等缺口
是否存在充值 20 倍硬封顶未能用现有数据坐实硬封顶
单局盈利/充值 >=20x 用户 185，累计游戏盈利/充值 >=20x 用户 217。
活动/奖励是否影响充值留存强相关，但不能直接当因果
no_reward_day D1=11.96%, D7=6.15%; reward_day D1=24.15%, D7=13.89%
厂商 RTP
厂商中奖率
高波动游戏 Top
| 厂商 | 游戏 | 局数 | RTP | 中奖率 | 波动率 | 10x+率 |
|---|---|---|---|---|---|---|
| PG | Fortune Tiger | 48,040,486 | 95.6% | 29.5% | 5 | 1.7% |
| PG | Fortune Rabbit | 28,358,380 | 94.9% | 30.3% | 4 | 1.8% |
| PG | Fortune Ox | 22,884,434 | 95.4% | 27.9% | 6 | 1.6% |
| PG | Fortune Dragon | 22,058,998 | 96.0% | 33.4% | 4 | 2.6% |
| PG | Pinata Wins | 20,099,767 | 94.9% | 30.5% | 4 | 2.0% |
| PG | Fortune Snake | 20,412,476 | 95.5% | 29.4% | 5 | 2.8% |
| PG | Mr. Treasure's Fortune | 10,319,320 | 95.3% | 30.2% | 4 | 2.1% |
| Tada | Lucky Jaguar 500 | 10,327,035 | 95.6% | 29.3% | 4 | 2.1% |
| POPOK | Yo Dragon | 7,671,092 | 95.0% | 30.1% | 4 | 2.8% |
| G759 | Rabbit's Grace | 6,483,097 | 95.5% | 29.3% | 4 | 2.1% |
| Spribe | Aviator | 1,190,997 | 95.0% | 24.3% | 4 | 1.5% |
| PG | Fortune Mouse | 6,284,257 | 95.6% | 30.3% | 5 | 1.3% |
怎么读：JK7 可观察局的中奖率 29.59%，非常接近熊猫 28.84%，也明显低于我们平台历史的 44.24%。这说明 JK7/熊猫都更偏“低命中、更高波动、靠大奖刺激”的体验，而我们以前更像“小奖多、返奖高、刺激弱”。
五、活动：最值得继续深挖的留存发动机
活动数据目前没有完整曝光/领取链路，所以不能做因果定论。但从充值日相关性看，奖励/活动和复充的关系非常强，值得作为下一阶段重点。
同日奖励金额分层 D1 留存
账变活动金额 Top
| 维度 | 分层 | base | D1 | D7 | D30 |
|---|---|---|---|---|---|
| same_day_reward_flag | no_reward_day | 133,854 | 12.0% | 6.1% | 2.3% |
| same_day_reward_flag | reward_day | 971,521 | 24.2% | 13.9% | 5.7% |
| reward_amount_segment | 00_no_reward | 133,854 | 12.0% | 6.1% | 2.3% |
| reward_amount_segment | 01_lt_1 | 117,861 | 15.1% | 9.0% | 3.3% |
| reward_amount_segment | 02_1_5 | 446,201 | 20.5% | 11.2% | 4.3% |
| reward_amount_segment | 03_5_20 | 343,614 | 29.1% | 16.8% | 6.8% |
| reward_amount_segment | 04_20_100 | 59,248 | 39.2% | 25.3% | 12.4% |
| reward_amount_segment | 05_100_plus | 4,597 | 37.7% | 22.7% | 11.5% |
可落地假设：奖励不是越多越好，而是要在“首充、二充、低 RTP、大亏、连续充值苗子、VIP成长”这些节点精准触发。下一步必须补活动曝光/领取和实验组，才能判断活动增量 ROI。
六、用户标签：哪些标签最值得拿来做运营分层
以下不是简单描述用户，而是可以转成策略引擎的标签。注意：充值频次是事后标签，真正上线时要改成实时预测，例如“首充后 24 小时内二充概率”。
充值频次分层 D30 留存
会员等级分层 D30 留存
同日 RTP 分层 D1 留存
同日输赢分层 D1 留存
| 标签 | 证据 | 打法 | 护栏 |
|---|---|---|---|
| 首充/低额首充用户 | JK7 LEVEL_0 和十元层级留存极弱；低额层是最大断点。 | D0-D1 做首局入口、低波动承接、小额奖励、二充任务；不要让用户首日只感受到消耗。 | 奖励只做固定成本和透明权益，不做个体化输赢控制。 |
| 当天无奖励用户 | 无奖励日 D1 12.0%，奖励日 D1 24.2%。 | 建立充值日奖励覆盖规则：首充、二充、连续充值、亏损后安抚、VIP成长。 | 必须补活动曝光/领取日志，用 A/B 证明增量。 |
| 首日低 RTP / 大亏用户 | RTP<50、50-80 的 D1/D7 留存低于 80-120 档；大亏用户需要承接。 | 触发客服/福利/游戏推荐，不调整个人输赢，只调整入口和权益。 | 禁止诱导追损；设置责任博彩和提现风险检查。 |
| 当日大赢用户 | 用户赢钱 20+ 当天 D1 留存最高，但也会带来提现压力和爆奖风险。 | 做提现信任、VIP升级、复玩任务和风险审计，让赢的用户留下但不放大套利。 | 爆奖只做审计和供应商核验，不无证据扣留合法中奖。 |
| 高频复充苗子 | 30+ 充值天用户日 D1/D7/D30 留存达到 57.7%/55.6%/53.0%。 | 在 2-7 次充值阶段识别苗子，推 VIP成长、日常返水、签到、专属活动。 | 用预算上限和提现/充值比监控，避免补贴黑洞。 |
七、对我们平台的直接指导
应该学什么
学 JK7/熊猫的体验结构：中奖率约 30%、RTP 95%左右、游戏波动更强、大奖感更明显；学活动结构：奖励覆盖充值日、分层权益、复充路径、VIP成长、亏损承接。
学数据结构：每个用户每天要有充值、投注、奖励、提现、RTP、输赢、主游戏、活动曝光、活动领取、策略组和实验组。
不该学什么
不要把“按用户暗调 RTP”当作已证实答案。现有 JK7 和熊猫数据都不能证明用户级暗控，强行照这个方向做，会增加风控、合规和信任风险。
不要只靠提高 RTP 或提高中奖率。我们历史数据已经证明，RTP 97%、中奖率 44% 仍然留不住人。
八、下一步必须补的数据
活跃口径
补完整 DAU/登录/投注用户日，区分付费用户日和全部活跃用户日。
完整对局
补齐 2026-01-28 至 2026-04-28 全窗口逐局明细，再重跑新手曲线、最高盈利倍数和 control 审计。
活动链路
补曝光、资格、领取、成本、活动 ID、策略组、实验组，才能做活动增量 ROI。