每日投放报告 — 2026-08-08,对比 2026-08-07

账户当天花了 $745.02,拿到 814 次安装,单次安装成本 $0.915;前一天是 $749.94、998 次、$0.751。入账收入 $1,695.44;当日回收 $996.74,在花费几乎不变的情况下上升 128.1%。在账户自己的时区上,我们的记录是 Meta 入账数字的 0.99 和 1.04,落在已记录的 0.91–1.06 区间内。德语区广告系列整天关停,所以全球投放占当天的 100%,前一天是 98.4%;这也是五格拆分测试的第三个完整日;定义和报表时区见附录。

1总览

投放各行是所有在投广告系列相加。已退役 earner 的入账尾巴(1 次安装(Meta)、17 次注册(我们)、$3.35 当日回收,花费 $0.00)在这里被排除,并在第 5 节点名:把它算进来,会把安装放进一个它从未产生花费的 CPI 分母里。

2026-08-072026-08-08变化
花费$749.94$745.02−0.7%
展示次数81,14275,033−7.5%
CPM$9.24$9.93+7.5%
链接点击量5,0164,202−16.2%
CTR6.18%5.60%−9.4%
安装(Meta)998814−18.4%
点击→安装19.90%19.37%−2.6%
CPI$0.751$0.915+21.8%
入账收入(Meta)$1,505.16(2.01)$1,695.44(2.28)+12.6%
当日回收$436.98(0.58)$996.74(1.34)+128.1%
同期群 24 小时$472.45(0.63)$1,163.66(1.56)+146.3%

同期群价值 —— d0 / d3 / d7 的 ARPU 与 ARPPU

按安装日计算,从每个用户自己的安装时刻起算:dN 是他自己的前 (N+1) x 24 小时。ARPU 取自 Adjust,也就是合作方后台看到的那一套;ARPPU 取自我们自己的支付流水,因为 Adjust 没有累计去重付费人数这个字段。窗口还没走完的档位留空,不写 0。

应用ARPU (d0)ARPU (d3)ARPU (d7)ARPPU (d0)ARPPU (d3)ARPPU (d7)安装数
Vloom$1.0710$1.7803$2.6828$17.93$26.19$37.21971

两天的广告系列花费拆分。 全球 $737.89(98.4%)→ $745.02(100.0%);德语区 $12.05(1.6%)→ $0.00。

投放连续第四天变差,收入这一侧掉了个头。 花费几乎不变,每次安装多付 21.8%,当日回收翻了一倍多。

国家结构动了。 美国安装占比 4.7% → 7.1%:占付费率变化的 +13%、每次安装收入变化的 +13%,其余 87% 在各国内部(第 3 节)。

这一切压在 47 个付费用户身上,其中一个人占了当天的七分之一。 付费率 3.84% → 5.99%,ARPPU $11.58 → $20.18。

拆分测试的次序在第三天没有复现。 前两天的 Spearman 是 +0.70,对上第三天是 +0.10(第 6 节)。

2分小时,2026-08-08

两天都有投放的小时,按 UTC 时钟:00 到 23。只比较这些共同投放小时。

当天本身的每一个小时,三种收入口径与投放漏斗并排。投放各列在每条比率的两侧都是 Meta 的计量口径;自有注册 是我们自己的注册数,所有收入列都是我们的。覆盖率 是该小时在观测时长 H=24 上的同期群覆盖率,最后几个小时降到零,是因为那些安装还没有活满一天。

小时花费展示次数CPM链接点击量CTR安装点击→安装CPI自有注册覆盖率入账bROAS入账付费当日回收wROAS回收付费wARPUwARPPU同期群cROAS同期群付费cARPUcARPPU
0$16.04147410.881006.78%3030.0%$0.53533100%$14.990.933$5.610.3510.1705.61$5.610.3510.1705.61
1$21.2521639.821476.80%3825.9%$0.55940100%$24.351.155$82.633.8942.06620.66$82.633.8942.06620.66
2$22.9923739.691325.56%2418.2%$0.95830100%$55.932.436$7.980.3510.2667.98$7.980.3510.2667.98
3$23.4728918.121756.05%2614.9%$0.90331100%$24.231.033$11.700.5020.3775.85$11.700.5020.3775.85
4$27.7230279.161725.68%3520.3%$0.79241100%$14.290.523$248.728.9736.06682.91$248.728.9736.06682.91
5$25.0428918.661434.95%2618.2%$0.96328100%$177.857.106$0.000.0000.0000.00$0.000.0000.0000.00
6$27.75272810.171495.46%3322.1%$0.84132100%$133.104.808$56.892.0531.77818.96$56.892.0531.77818.96
7$21.1925288.381445.70%3322.9%$0.64236100%$110.075.196$4.990.2410.1384.99$4.990.2410.1384.99
8$24.7528788.601465.07%2215.1%$1.12526100%$15.440.622$9.890.4010.3809.89$9.890.4010.3809.89
9$24.8229398.451585.38%2918.4%$0.85633100%$29.141.174$18.740.7610.56818.74$18.740.7610.56818.74
10$28.7929589.731414.77%2517.7%$1.15231100%$61.492.143$5.010.1710.1615.01$5.010.1710.1615.01
11$34.41322710.661665.14%3319.9%$1.04336100%$14.890.433$0.000.0000.0000.00$3.560.1010.0993.56
12$33.84320210.571865.81%3016.1%$1.12837100%$36.431.085$43.641.2951.1808.73$43.641.2951.1808.73
13$39.62332911.901785.35%4123.0%$0.96643100%$106.092.689$60.891.5421.41630.44$110.122.7822.56155.06
14$38.01305912.431916.24%3317.3%$1.15237100%$102.972.717$18.190.4820.4929.09$18.190.4820.4929.09
15$37.2641438.992506.03%4518.0%$0.82855100%$35.580.958$49.451.3350.8999.89$54.441.4660.9909.07
16$38.0242318.992395.65%4719.7%$0.80954100%$140.633.7010$30.040.7930.55610.01$64.771.7041.19916.19
17$41.5352257.952394.57%4217.6%$0.98941100%$117.672.8310$113.992.7442.78028.50$113.992.7442.78028.50
18$40.0846148.692325.03%4519.4%$0.89147100%$77.001.925$47.331.1821.00723.67$47.331.1821.00723.67
19$36.45336310.842096.21%3717.7%$0.98543100%$22.820.634$11.520.3220.2685.76$11.520.3220.2685.76
20$39.49346511.402025.83%4120.3%$0.96344100%$70.231.785$32.210.8220.73216.10$32.210.8220.73216.10
21$34.65295111.741735.86%3017.3%$1.15532100%$78.032.257$50.051.4431.56416.68$50.051.4431.56416.68
22$33.89277412.221926.92%4322.4%$0.78840100%$170.715.048$81.342.4022.03440.67$152.204.4933.80550.73
23$33.96260013.061385.31%2618.8%$1.30632100%$61.501.813$5.930.1710.1855.93$9.490.2810.2979.49
ALL$745.02750339.9342025.60%81419.4%$0.915902100%$1695.442.28133$996.741.34511.10519.54$1163.661.56551.29021.16

数一下每个共同投放小时朝哪个方向走,这不需要加权,问的只是方向:

指标2026-08-08 更高的小时更低的小时符号检验
CPM24 中的 17 个24 中的 7 个p = 0.064
CTR24 中的 5 个24 中的 19 个p = 0.007
点击→安装24 中的 9 个24 中的 15 个p = 0.307
CPI24 中的 19 个24 中的 5 个p = 0.007

符号检验丢掉幅度,换来的是不依赖加权的方向。CTR 在 24 个共同投放小时里有 19 个更低,CPI 有 19 个更高,所以这两项都不是"当天在什么时段买"造成的结构假象。CPM 没有过 0.05,点击→安装没有指向任何一边。

当日回收基本上是一个小时。 单是 04 点这一小时就带来当天 $996.74 中的 $248.72,四分之一,来自三个付费用户。

2026-08-09T14:27:25.225490 image/svg+xml Matplotlib v3.11.1, https://matplotlib.org/ 0 3 6 9 12 15 18 21 hour (UTC) 0 5 10 15 20 25 30 35 40 USD Spend by hour 0 3 6 9 12 15 18 21 hour (UTC) 1500 2000 2500 3000 3500 4000 4500 5000 impressions Impressions and installs by hour impressions installs 25 30 35 40 45 installs (Meta Leads) The day's motion — whole account, 2026-08-08 (UTC)
当天的走势:分小时花费,以及展示与安装的对照
2026-08-09T14:27:25.418535 image/svg+xml Matplotlib v3.11.1, https://matplotlib.org/ 0 4 8 12 16 20 hour (UTC) 4.5 5.0 5.5 6.0 6.5 7.0 CTR % CTR 0 4 8 12 16 20 hour (UTC) 8 9 10 11 12 13 USD per 1,000 impressions CPM 0 4 8 12 16 20 hour (UTC) 16 18 20 22 24 26 28 30 installs / clicks % Click → install 0 4 8 12 16 20 hour (UTC) 0.5 0.6 0.7 0.8 0.9 1.0 1.1 1.2 1.3 USD Cost per install Delivery by hour — whole account, 2026-08-08 (UTC)
全账户分小时的 CTR、CPM、点击→安装与 CPI
2026-08-09T14:27:25.725134 image/svg+xml Matplotlib v3.11.1, https://matplotlib.org/ 0 5 10 15 20 hour (UTC) 4.5 5.0 5.5 6.0 6.5 7.0 7.5 CTR % CTR 2026-08-07 2026-08-08 0 5 10 15 20 hour (UTC) 7 8 9 10 11 12 13 USD per 1,000 impressions CPM 0 5 10 15 20 hour (UTC) 16 18 20 22 24 26 28 30 installs / clicks % Click → install 0 5 10 15 20 hour (UTC) 0.6 0.8 1.0 1.2 USD Cost per install Delivery by hour — 2026-08-08 against 2026-08-07, shared hours only (UTC)
同样这四条比率,叠上前一天,只取共同投放小时
逐小时完整对照,2026-08-07 → 2026-08-08

每一个共同投放小时,2026-08-07 → 2026-08-08。所有列在每条比率的两侧都是 Meta 的计量口径。收入一列被刻意略去:每小时的付费用户数在 0 到 5 之间,一个小时的收入列就是把一个人的账单当成一条比率来读。

小时展示次数CPMCTR点击→安装CPI
002,615 → 1,47410.65 → 10.886.88% → 6.78%18.9% → 30.0%0.819 → 0.535
013,149 → 2,1638.18 → 9.826.38% → 6.80%18.9% → 25.9%0.678 → 0.559
023,370 → 2,3738.15 → 9.696.62% → 5.56%18.8% → 18.2%0.654 → 0.958
033,416 → 2,8918.47 → 8.126.24% → 6.05%18.8% → 14.9%0.723 → 0.903
043,507 → 3,0279.71 → 9.165.82% → 5.68%19.1% → 20.3%0.873 → 0.792
053,656 → 2,8919.79 → 8.666.18% → 4.95%21.7% → 18.2%0.731 → 0.963
063,287 → 2,7286.53 → 10.176.27% → 5.46%21.4% → 22.1%0.487 → 0.841
073,081 → 2,5288.24 → 8.385.10% → 5.70%19.1% → 22.9%0.846 → 0.642
083,560 → 2,8787.99 → 8.606.38% → 5.07%15.4% → 15.1%0.813 → 1.125
093,873 → 2,9398.76 → 8.455.19% → 5.38%22.9% → 18.4%0.738 → 0.856
103,994 → 2,9589.20 → 9.735.78% → 4.77%18.6% → 17.7%0.855 → 1.152
114,115 → 3,2279.57 → 10.665.66% → 5.14%20.2% → 19.9%0.838 → 1.043
124,018 → 3,2028.91 → 10.576.22% → 5.81%16.4% → 16.1%0.873 → 1.128
134,017 → 3,3298.45 → 11.905.58% → 5.35%20.5% → 23.0%0.738 → 0.966
143,510 → 3,05911.44 → 12.436.95% → 6.24%19.7% → 17.3%0.836 → 1.152
154,316 → 4,1437.88 → 8.996.16% → 6.03%17.3% → 18.0%0.740 → 0.828
163,608 → 4,2318.03 → 8.996.32% → 5.65%16.7% → 19.7%0.762 → 0.809
174,110 → 5,2258.41 → 7.956.52% → 4.57%16.8% → 17.6%0.768 → 0.989
183,700 → 4,61411.26 → 8.697.14% → 5.03%20.1% → 19.4%0.786 → 0.891
193,206 → 3,36310.71 → 10.845.36% → 6.21%25.0% → 17.7%0.799 → 0.985
202,799 → 3,46510.31 → 11.406.11% → 5.83%28.1% → 20.3%0.601 → 0.963
212,353 → 2,95111.49 → 11.746.88% → 5.86%27.2% → 17.3%0.615 → 1.155
222,211 → 2,77412.42 → 12.226.33% → 6.92%23.6% → 22.4%0.832 → 0.788
231,671 → 2,60010.76 → 13.067.48% → 5.31%20.8% → 18.8%0.692 → 1.306

3分国家

2026-08-23T12:43:19.737551 image/svg+xml Matplotlib v3.11.1, https://matplotlib.org/ IN US MX GB ID PH CA AR TR IT AU DE 0 50 100 150 200 250 300 350 USD delivery raked onto the report clock against two measured margins; revenue is the report day Spend against within-day revenue by country — 2026-08-08 spend within-day revenue
分国家的花费与当日回收对照
2026-08-23T12:43:19.771893 image/svg+xml Matplotlib v3.11.1, https://matplotlib.org/ −0.04 −0.02 0.00 0.02 0.04 USD per install Cost per install by country — 2026-08-08 (report clock)
分国家的单次安装成本

(一)大盘分国家,2026-08-08。 按报表时区。 Meta 不提供小时 × 国家的交叉表,所以每一份国家切片都要从它自己的账户日折算到 UTC;自有口径本就在 UTC 上。

国家花费占比展示次数CPM注册数 (自有)单次注册成本当日回收wROAS付费用户
IN$137.8418.5%23,932$5.76248$0.556$142.381.0319
US$120.4116.2%2,822$42.6770$1.720$348.802.9018
MX$32.444.4%4,330$7.4950$0.649$0.000.006
GB$27.583.7%944$29.2125$1.103$28.741.044
ID$21.072.8%3,787$5.5639$0.540$22.671.084
PH$20.692.8%6,361$3.2554$0.383$3.350.164
CA$19.102.6%697$27.4010$1.910$4.990.262
AR$18.822.5%1,504$12.5130$0.627$0.000.001
TR$15.302.1%935$16.3617$0.900$0.000.000
IT$13.971.9%818$17.0720$0.699$48.903.503
AU$13.721.8%366$37.525$2.743$5.610.412
DE$12.751.7%286$44.616$2.125$41.433.252

其余 194 个国家未列出, $291.33 合计(占本表 39.1%)。

对账:哪些是实测的,哪些是折算的。 每一个分国家单元格都是一次跨小时的分配;每一个总计都是实测的。B1(UTC-7)$164.26 来自账户日 2026-08-07、$580.76 来自账户日 2026-08-08,实测的 UTC 日总计是 $745.02。

上表中没有出现的账户: Nomad Node, KBM1, HR1. 它们的花费在每一张日粒度的表里都有;缺的只是国家切片。

(二)同一切片,每一个账户,2026-08-08.

B1

国家花费占比展示次数CPM注册数 (自有)单次注册成本当日回收wROAS付费用户
IN$137.8418.5%23,932$5.76248$0.556$142.381.0319
US$120.4116.2%2,822$42.6770$1.720$348.802.9018
MX$32.444.4%4,330$7.4950$0.649$0.000.006
GB$27.583.7%944$29.2125$1.103$28.741.044
ID$21.072.8%3,787$5.5639$0.540$22.671.084
PH$20.692.8%6,361$3.2554$0.383$3.350.164
CA$19.102.6%697$27.4010$1.910$4.990.262
AR$18.822.5%1,504$12.5130$0.627$0.000.001
TR$15.302.1%935$16.3617$0.900$0.000.000
IT$13.971.9%818$17.0720$0.699$48.903.503
AU$13.721.8%366$37.525$2.743$5.610.412
DE$12.751.7%286$44.616$2.125$41.433.252

其余 194 个国家未列出, $291.33 合计(占本表 39.1%)。

Nomad Node —— 没有国家小节:它这一天什么都没有投出去,是实测的零。

KBM1 —— 没有国家小节:它这一天什么都没有投出去,是实测的零。

HR1 —— 没有国家小节:它这一天什么都没有投出去,是实测的零。

前一日,2026-08-07,同样两张表。

(一)大盘分国家,2026-08-07。 按报表时区。 Meta 不提供小时 × 国家的交叉表,所以每一份国家切片都要从它自己的账户日折算到 UTC;自有口径本就在 UTC 上。

国家花费占比展示次数CPM注册数 (自有)单次注册成本当日回收wROAS付费用户
IN$153.4220.5%28,467$5.39296$0.518$70.560.4628
US$85.3811.4%2,161$39.5053$1.611$28.930.347
DE$34.054.5%787$43.2813$2.619$5.740.173
TR$26.603.5%1,572$16.9233$0.806$0.000.002
MX$26.163.5%4,033$6.4955$0.476$5.710.223
ID$22.703.0%4,093$5.5553$0.428$21.950.974
GB$22.082.9%1,007$21.9231$0.712$6.040.272
CA$17.492.3%665$26.3119$0.921$4.990.291
PH$16.482.2%5,524$2.9852$0.317$11.270.684
MY$16.022.1%2,165$7.4021$0.763$0.000.001
AR$15.732.1%1,619$9.7231$0.507$7.980.512
IT$15.472.1%959$16.1325$0.619$9.990.653

其余 187 个国家未列出, $298.37 合计(占本表 39.8%)。

对账:哪些是实测的,哪些是折算的。 每一个分国家单元格都是一次跨小时的分配;每一个总计都是实测的。B1(UTC-7)$201.27 来自账户日 2026-08-06、$548.67 来自账户日 2026-08-07,实测的 UTC 日总计是 $749.94。

上表中没有出现的账户: Nomad Node, KBM1, HR1. 它们的花费在每一张日粒度的表里都有;缺的只是国家切片。

(二)同一切片,每一个账户,2026-08-07.

B1

国家花费占比展示次数CPM注册数 (自有)单次注册成本当日回收wROAS付费用户
IN$153.4220.5%28,467$5.39296$0.518$70.560.4628
US$85.3811.4%2,161$39.5053$1.611$28.930.347
DE$34.054.5%787$43.2813$2.619$5.740.173
TR$26.603.5%1,572$16.9233$0.806$0.000.002
MX$26.163.5%4,033$6.4955$0.476$5.710.223
ID$22.703.0%4,093$5.5553$0.428$21.950.974
GB$22.082.9%1,007$21.9231$0.712$6.040.272
CA$17.492.3%665$26.3119$0.921$4.990.291
PH$16.482.2%5,524$2.9852$0.317$11.270.684
MY$16.022.1%2,165$7.4021$0.763$0.000.001
AR$15.732.1%1,619$9.7231$0.507$7.980.512
IT$15.472.1%959$16.1325$0.619$9.990.653

其余 187 个国家未列出, $298.37 合计(占本表 39.8%)。

Nomad Node —— 没有国家小节:它这一天什么都没有投出去,是实测的零。

KBM1 —— 没有国家小节:它这一天什么都没有投出去,是实测的零。

HR1 —— 没有国家小节:它这一天什么都没有投出去,是实测的零。

4汇总:两日对比

在两天都有投放的 24 个小时上合并,按 UTC 时钟。每条比率的两侧都是 Meta 的计量口径。

花费展示次数CPM链接点击量CTR安装点击→安装CPI
2026-08-07$749.9481,1429.245,0166.18%99819.90%$0.751
2026-08-08$745.0275,0339.934,2025.60%81419.37%$0.915

跨小时合并按每个小时投放了多少来加权。 第 2 节的逐小时对照是同样这两天的不加权读法,这一次两者一致。

结构中性的账户线。 账户 CPM $9.13 → $9.93(+8.7%),按 08-07 的广告系列结构折算同样是 $9.93:全部变化都在全球投放内部。

三种口径并排:

口径2026-08-072026-08-08当天结束后还会动吗?
入账收入$1,505.16(2.01)(Meta 2.06)$1,695.44(2.28)(Meta 2.21)已结算
当日回收$436.98(0.58)$996.74(1.34)从不
同期群 24 小时$472.45(0.63),覆盖率 100%$1,163.66(1.56),覆盖率 100%两天都已冻结

08-07 的同期群数字已经成熟,几乎没有动。 08-07 的报告在覆盖率 51% 时发布的是 $468.89;完全覆盖后是 $472.45,+0.8%。

入账收入按其付费用户的安装 UTC 日拆分。 第一行就是当日回收;入账与当日回收之间的差额就是继承下来的同期群。

安装日08-08 的入账收入占比
2026-08-08$996.7458.8%
2026-08-07$70.444.2%
2026-08-06$94.575.6%
2026-08-05$88.215.2%
2026-08-04$57.873.4%
2026-08-03$43.222.5%
08-03 之前$344.3920.3%

当天自己的同期群占入账收入的 58.8%,前一天是 29.0%。 08-07 靠的是继承来的付费用户;08-08 当天自己挣到了入账数字的大部分。

2026-08-09T14:27:26.024102 image/svg+xml Matplotlib v3.11.1, https://matplotlib.org/ booked within-day cohort @ 24h 0 200 400 600 800 1000 1200 1400 1600 USD 2.01 0.58 0.63 2.28 1.34 1.56 the number above each bar is that measure's ROAS against the same day's spend The three revenue measures, 2026-08-07 against 2026-08-08 (UTC) 2026-08-07 2026-08-08
两天的三种收入口径,每根柱子上方标注 ROAS
2026-08-09T14:27:26.083745 image/svg+xml Matplotlib v3.11.1, https://matplotlib.org/ 2026-08-07 2026-08-08 0 200 400 600 800 1000 1200 1400 1600 USD the bottom segment IS the within-day figure: the same number seen twice Booked revenue by the day its payer installed (UTC) the day itself one day earlier two days earlier three days earlier four or more
入账收入按其付费用户的安装日拆分

八天,因为两天看不出账户是不是在退化

每一行都来自 measures.py,同一份配置、同一个支付数据截点,UTC 时钟。这里每一天的当日回收都已封存,是可以横着读的那一列;同期群 24 小时除 08-08 外都已完整。

日期花费安装CPI入账收入bROAS当日回收wROAS每次安装收入
2026-08-01$733.941,963$0.374$1,110.931.51$980.991.34$0.500
2026-08-02$278.28745$0.374$559.002.01$272.130.98$0.365
2026-08-03$445.83766$0.582$709.351.59$397.690.89$0.519
2026-08-04$446.00785$0.568$921.862.07$588.701.32$0.750
2026-08-05$631.701,128$0.560$1,427.512.26$898.321.42$0.796
2026-08-06$793.941,172$0.677$1,401.051.76$620.480.78$0.529
2026-08-07$749.94998$0.751$1,505.162.01$436.980.58$0.438
2026-08-08$745.02814$0.915$1,695.442.28$996.741.34$1.225

⚠ 08-01 和 08-02 属于另一个广告系列(_260730,已退役的 earner),08-02 是扣款中断那一天。可比的窗口从 08-03 开始。

投放退化了,并且没有回来。 同样的花费在 08-01 买到 1,963 次安装,在 08-08 买到 814 次,单次安装成本自 08-03 起涨了 57%。

每一块钱的回报没有退化。 八天的当日回收 ROAS 在 0.58 到 1.42 之间来回,没有方向;08-08 的 1.34 与 08-01 相同。

每次安装收入和单次安装成本同步上涨。 08-01 是 $0.500,08-08 是 $1.225;CPI 是 $0.374 → $0.915,两者都涨了 145%。

成本上涨大约三分之二在各国内部,三分之一来自投放转向更贵的国家。 把每一天自己的各国价格折算到 08-03 的国家结构上:

账户日实际 CPI折到 08-03 结构结构带来的各国内部带来的
2026-08-03$0.572$0.572——
2026-08-04$0.532$0.400+$0.132−$0.202
2026-08-05$0.577$0.487+$0.090−$0.114
2026-08-06$0.715$0.566+$0.149−$0.031
2026-08-07$0.764$0.658+$0.105+$0.058
2026-08-08$0.964$0.819+$0.145+$0.220

同一段窗口里,印度的花费占比减半、美国的占比翻了三倍,在账户日上是 31.5% → 18.3% 和 5.3% → 16.7%。那是结构这一项,它真实而且不小。但更大的一项是另一项:折到固定结构后,账户每次安装仍然比 08-03 多付 +$0.220,而这一项直到 08-07 才转正,然后就翻了一倍。转向高价市场解释了较小的那一部分,而且正是这一部分在每次安装收入上能回本;各国内部的涨价不能。

要盯的是这两者的接缝。 如果各国内部的成本项继续涨而每次安装收入停下来,ROAS 就会掉,而这条序列最多只能提前约两天发出信号。

5各广告系列并排

投放在每条比率的两侧都是 Meta 的计量口径;所有收入口径都是我们的。同期群观测时长 H=24。报表时区 UTC。只按 CPM、单次点击成本和 CPI 排序:这里地域是被有意选定的处理变量,这才使这几项在广告系列之间可比,而收入仍然需要 16 个付费用户(DECISION_LOG.md #37、#48),未过门槛的广告系列只能看方向,不能看幅度。

广告系列花费占比展示次数展示占比CPM链接点击量CTR单次点击成本安装CPI当日回收wROAS付费用户
全球$745.02100.0%75,033100.0%9.934,2025.60%$0.177813$0.916$993.391.3350

有入账但没有投放,已从上面所有比率中排除: 德语区(DE/AT) 0 次安装(Meta)、0 次注册(我们)、$0.00 当日回收;Earner(08-03 退役) 1 次安装(Meta)、17 次注册(我们)、$3.35 当日回收。算进来,它们的安装就会进入 CPI 的分母,而对应的花费根本没有发生。

这一节通常带的三张图在这一天没有画。 分广告系列的花费占比、CPM 和 CPI 都需要两个在投的广告系列,而德语区当天没有花钱。

6全球广告系列

bailingxia_meituan_ww_cvr_260802,当天全部花费。

当天的结构

六个广告组,五个在投。..._d100_mugshot 自 08-04 12:32 PT 起关停,没有花费。..._d100_spill 这一组里有两条广告,vid_ww_spill_8s_9x16_v1 和它的 Copy,两者是前后替换关系:当天只有 Copy 在投。所以当天每个广告组只有一条广告在投,这使得广告组这一行就是广告这一行,下面各行按素材命名。这个重合只在当天这一份切片上成立,对象模型本身没有这条性质。

五条在投的实验臂全天都是每日 $150,自 08-06 04:06 PT 起没有变过。它们在构造上就是预算对齐的,这正是在这一段里做实验臂之间的比较可以绕开 DECISION_LOG.md #47 的原因。

A. 分素材 — 投放

每条比率的两侧都是 Meta 的计量口径。我们的注册数不进入这张表。

素材花费展示次数CPM链接点击量CTR安装点击→安装CPI
E2/bodysuit$162.4217,9709.049795.45%21021.45%$0.773
E2/bikini$158.4212,87412.317505.83%14919.87%$1.063
E2/pool5$155.9221,2767.331,0544.95%17116.22%$0.912
E2/spill2$148.4212,23412.137856.42%17322.04%$0.858
E2/lounge$119.8410,67911.226345.94%11017.35%$1.089
E2/mugshot$0.000—0—0——

B. 分素材 — 三种收入口径

每一列都是我们的口径。Meta 只能表达入账收入,所以它带括号跟在那一列旁边,从不单独成行。付费用户是去重的人,不是交易笔数。同期群观测时长 H=24,当天覆盖率 100%。报表时区 UTC。

素材入账收入bROAS (Meta)当日回收wROAS同期群 HcROAS付费用户付费率ARPUARPPU最大付费用户占比
E2/bodysuit$412.362.54 (3.39)$341.102.10$375.062.31156.4%1.45822.7441.0%
E2/bikini$116.510.74 (1.34)$102.160.64$117.230.7431.7%0.57434.0553.8%
E2/pool5$480.093.08 (2.89)$357.782.29$407.012.61179.2%1.94421.0516.3%
E2/spill2$114.750.77 (0.65)$106.760.72$171.861.1673.9%0.60015.2536.3%
E2/lounge$132.551.11 (1.97)$85.600.71$89.150.7487.3%0.77810.7033.6%
E2/mugshot$0.00— (—)$0.00—$0.00—00.0%0.000——

16 付费用户门槛(#37):上面任何一行,只要付费用户数低于 16,就只能看方向,不能看幅度。 在这一个单日上只有 pool5 过了门槛。

C. 分素材 — 国家结构

⚠ 本表按账户日切,而本页其余各表都在 UTC 时钟上。 Meta 不提供小时 × 国家的交叉表,所以分国家的投放只存在于广告账户自己的 UTC-7 日上,无法重新拼接。它相对上面的 A、B 两表是一个偏移七小时的窗口;只能从这里读结构,不能拿它和那两张表比水平。

最后一列是该素材自己的当日回收中来自美国的比例:当它远高于该素材的美国花费占比,这个素材的回报是它买到的那块地域的属性。

素材花费印度 %美国 %其他 %美国占其自身收入
E2/bodysuit$161.7422.8%16.5%60.7%69.2%
E2/bikini$177.3720.3%16.4%63.3%53.8%
E2/pool5$149.3017.8%17.1%65.1%14.8%
E2/spill2$151.8114.7%18.1%67.2%4.7%
E2/lounge$126.0614.8%15.4%69.8%0.0%

C 表改变了 B 表里两条实验臂的读法。 bodysuit 和 bikini 的当日回收大部分来自美国;pool5 不是。

2026-08-16T16:10:21.026654 image/svg+xml Matplotlib v3.11.1, https://matplotlib.org/ 0 2 4 6 8 10 12 14 16 18 20 22 hour (UTC) 3 4 5 6 7 8 9 10 CTR % CTR by hour — every asset, 2026-08-08 (UTC) E2/bodysuit E2/bikini E2/pool5 E2/spill2 E2/lounge
分小时 CTR,每条素材一条线
2026-08-16T16:10:21.085641 image/svg+xml Matplotlib v3.11.1, https://matplotlib.org/ 0 2 4 6 8 10 12 14 16 18 20 22 hour (UTC) 6 8 10 12 14 16 18 20 USD per 1,000 impressions CPM by hour — every asset, 2026-08-08 (UTC) E2/bodysuit E2/bikini E2/pool5 E2/spill2 E2/lounge
分小时 CPM,每条素材一条线
2026-08-16T16:10:21.141166 image/svg+xml Matplotlib v3.11.1, https://matplotlib.org/ 0 2 4 6 8 10 12 14 16 18 20 22 hour (UTC) 10 20 30 40 installs / clicks % Click → install by hour — every asset, 2026-08-08 (UTC) E2/bodysuit E2/bikini E2/pool5 E2/spill2 E2/lounge
分小时点击→安装,每条素材一条线
2026-08-16T16:10:21.198108 image/svg+xml Matplotlib v3.11.1, https://matplotlib.org/ 0 2 4 6 8 10 12 14 16 18 20 22 hour (UTC) 1 2 3 4 5 6 USD Cost per install by hour — every asset, 2026-08-08 (UTC) E2/bodysuit E2/bikini E2/pool5 E2/spill2 E2/lounge
分小时单次安装成本,每条素材一条线
2026-08-16T16:10:21.297572 image/svg+xml Matplotlib v3.11.1, https://matplotlib.org/ E2/bikini E2/bodysuit E2/spill2 E2/pool5 E2/lounge 0 20 40 60 80 100 % of that asset's spend Where each asset bought — share of its own spend by region, 2026-08-08 (META day) IN US GB MX AR CA other
每条素材把钱买在哪里:自身花费的地区占比
2026-08-16T16:10:21.357017 image/svg+xml Matplotlib v3.11.1, https://matplotlib.org/ E2/bikini E2/bodysuit E2/spill2 E2/pool5 E2/lounge 0 1 2 3 4 5 USD per install Cost per install by region — every asset, 2026-08-08 (META day) IN US GB MX AR CA
分地区的单次安装成本,全部素材
2026-08-16T16:10:21.410308 image/svg+xml Matplotlib v3.11.1, https://matplotlib.org/ E2/bikini E2/bodysuit E2/spill2 E2/pool5 E2/lounge 0 50 100 150 200 USD Within-day revenue by region — every asset, 2026-08-08 (META day) IN US GB CA
分地区的当日回收,全部素材

拆分测试,三个完整日

测试 E2_ww_creative_5cell_260806 的窗口是 08-06 00:00 → 08-11 00:00 PT。它预先登记的主指标是每次安装的付费用户数,置信门槛 65%,按整个测试期合并。下面全部基于我们自己的注册数和我们自己的付费用户,在支付数据截点上成熟到 24 小时,因此分子和分母出自同一个计量口径。

三天合并后只有一条实验臂的差异显著,而且它是垫底的那条。

实验臂付费用户安装每次安装付费用户数
lounge213995.26%
pool5265224.98%
bodysuit296084.77%
spill214714.46%
bikini154993.01%

十对里有四对干净地过了 65% 门槛,而这四对是同一个比较:lounge(95.7%)、pool5(94.6%)、bodysuit(93.2%)和 spill(88.4%)各自都赢 bikini。在前四条之间,只有 lounge 胜 spill(70.9%)和 pool5 胜 spill(65.1%)勉强够到门槛,而 65% 的门槛意味着大约每三次判断错一次。诚实的读法是:bikini 比其他四条差,而其他四条彼此之间差异不显著。

现在有四条实验臂过了 16 付费用户门槛。 bodysuit 29、pool5 26、spill 21、lounge 21、bikini 15:多数实验臂第一次带得出幅度。

次序没有复现,这就是当天的发现。

实验臂08-0608-0708-08
bodysuit4 / 131 = 3.05%10 / 267 = 3.75%15 / 210 = 7.14%
pool54 / 122 = 3.28%7 / 239 = 2.93%15 / 161 = 9.32%
bikini5 / 161 = 3.11%5 / 178 = 2.81%5 / 160 = 3.12%
spill6 / 126 = 4.76%10 / 189 = 5.29%5 / 156 = 3.21%
lounge6 / 134 = 4.48%8 / 169 = 4.73%7 / 96 = 7.29%

从高到低的次序:08-06 是 spill > lounge > pool5 > bikini > bodysuit;08-07 是 spill > lounge > bodysuit > pool5 > bikini;08-08 是 pool5 > lounge > bodysuit > spill > bikini。就付费率本身算 Spearman,08-06 对 08-07 是 +0.70,08-06 对 08-08 是 +0.10,08-07 对 08-08 是 +0.10。spill 走的是第一、第一、第四。pool5 走的是第三、第四、第一。只有 bikini 位置稳定,三天都在底部。

对上前两天的合并,第三天有两条实验臂动了、三条没有:pool5 3.05% → 9.32%(单侧 p = 0.001),bodysuit 3.52% → 7.14%(p = 0.023);bikini、spill 和 lounge 在噪声范围内没有变化。这两条动的实验臂,动在整个广告系列付费率也在动的那一天,从 3.84% 到 5.99%,所以本报告把当天这个整体效应当作真正发生的事情,而把当天实验臂之间的差异看作骑在它上面的东西。

这在 DECISION_LOG.md #57 自己的数字上修正了它。 #57 记录的前两天 Spearman 是 +0.90;放到三天上是 +0.10:

实验臂单次安装成本每次安装付费用户数
bodysuit$0.6734.77%
pool5$0.7384.98%
spill$0.8294.46%
bikini$0.8343.01%
lounge$0.9415.26%

这两个指标之间没有关系:既不同向,也不反向。#57 在操作上的那一半原封不动地成立,而且理由更好:单次安装成本不携带任何关于哪条实验臂会付费的信息,所以不能用它来砍素材。但它陈述的机制,也就是最贵的安装是最好的付费者,在三天上不成立,不应再被引用。

真正复现了的指标是单次安装成本。 次序 bodysuit < pool5 < bikini ≈ spill < lounge 在三天上都成立,十对里九对过了 65% 门槛,八对过了 94%。

共同主指标按原定义算不出来,按构造无法回答。 §7a 想要的安装→注册是一个漏斗环节;我们的注册数在每一条实验臂上都超过 Meta 的安装数。

它实际所是的那个量是可以检验的。 在两者都服从泊松分布的模型下,R ~ Binomial(R+M, p),其中 p = R/(R+M):

实验臂我们的Meta 的我们的 ÷ Meta 的
bikini5625001.124
bodysuit6896381.080
pool55895531.065
spill5174981.038
lounge4414401.002
合并2,7982,6291.064

五条实验臂之间的齐性检验:χ² = 1.81,自由度 4,p = 0.771。各实验臂之间没有差别。

这是对其他所有指标的一次有效性校验。 合并后 6.4% 的超出是计量口径之间的落差,对五条实验臂一视同仁,所以没有一个用 Meta 做分母的数字带偏差。

65% 门槛有多松: 同样这五条实验臂会有十对里的六对"过"了 65%,而这批数据的整体检验说这里什么都没有。

2026-08-16T16:10:21.478512 image/svg+xml Matplotlib v3.11.1, https://matplotlib.org/ 08-05 08-06 08-07 08-08 day (UTC) 0 2 4 6 8 payers / installs % Payer rate by day — every asset (UTC) E2/bodysuit E2/pool5 E2/spill2 E2/bikini E2/lounge
分日付费率,每条素材一条线
2026-08-16T16:10:21.533412 image/svg+xml Matplotlib v3.11.1, https://matplotlib.org/ 08-05 08-06 08-07 08-08 day (UTC) 0.00 0.25 0.50 0.75 1.00 1.25 1.50 1.75 2.00 within-day USD per install ARPU by day — every asset (UTC) E2/bodysuit E2/pool5 E2/spill2 E2/bikini E2/lounge
分日 ARPU,每条素材一条线
2026-08-16T16:10:21.592317 image/svg+xml Matplotlib v3.11.1, https://matplotlib.org/ 08-05 08-06 08-07 08-08 day (UTC) 0 5 10 15 20 25 30 35 within-day USD per payer ARPPU by day — every asset (UTC) E2/bodysuit E2/pool5 E2/spill2 E2/bikini E2/lounge
分日 ARPPU,每条素材一条线
2026-08-16T16:10:21.671712 image/svg+xml Matplotlib v3.11.1, https://matplotlib.org/ 08-05 08-06 08-07 08-08 day (UTC) 0.5 1.0 1.5 2.0 2.5 3.0 3.5 revenue / spend Within-day ROAS by day — every asset (UTC) E2/bodysuit E2/pool5 E2/spill2 E2/bikini E2/lounge
分日当日回收 ROAS,每条素材一条线
2026-08-16T16:10:21.736115 image/svg+xml Matplotlib v3.11.1, https://matplotlib.org/ CTR click→install CPI payer rate * ARPU * wROAS * 0.0 0.2 0.4 0.6 0.8 1.0 normalised across the day (1.0 = best of the pack) * axis sits under the 16-payer bar on most days: direction only, never a level. Assets under 20 installs on the day are not plotted. Composite — every asset across every measure, 2026-08-08 E2/bodysuit E2/bikini E2/pool5 E2/spill2 E2/lounge
综合图:全部素材在全部口径上,按当天归一化

CTR 的下降现在有了第三个测试期内的点

08-07 的报告把这个问题挂着,因为两个点区分不了一个正在稳定下来的水平和一条趋势。在共同投放小时上合并的 CTR,四天用的是同一个计量口径:

08-05(测试前)08-0608-0708-08
合并 CTR8.73%7.23%6.05%5.37%
步长—−1.50 pp−1.18 pp−0.68 pp

每一步都比上一步小,先缩小 21%,再缩小 42%;渐近线落在 4% 附近,比当天收盘低约 1.4 个点。

在这一步上,疲劳被排除了。 四天的触达人数/频次是 46,284/1.23、44,191/1.58、49,549/1.53、50,814/1.50 —— 触达上升 2.6%,频次下降,CTR 又掉了 0.48 个点。

7口径与边界

8要把这些问题定下来,需要什么

9交给下一份报告的东西

10复现

运行目录 _runs/2026-08-09_0808_daily/。报表时区 UTC;广告账户固定在 UTC-7,所以一个 UTC 日是账户日 08-07 的 17:00–23:59 加上账户日 08-08 的 00:00–16:59。

导出文件全部来自 AdsPower 23 号环境(k1elevon),也就是 B1 绑定的环境,拉取时间 2026-08-09 14:11–14:14 PT:

文件拆分维度窗口
exports/ads_hourly_aug8_settled.csvTime of day账户日 08-08,24 个时段,130 行
exports/ads_day_jul1_aug9.csvDayJul 1 – Aug 9
exports/ads_country_day_jul1_aug9.csvDay × CountryJul 1 – Aug 9

分小时文件相隔 7.8 小时拉了两次做沉降校验:花费 +0.17%,展示次数 +0.11%,而点击、安装、购买和转化价值全部 0.00%。Meta 把转化记在它转化的那个小时上,所以过去某一天的收入不会再长。

归因来自在笔记本上手动导出的 LumUser 和 LumPayment 两个 Telegram 频道,用 ad_ops/lum_notifications/parse_export.py 以 --tz America/Los_Angeles 解析:17,716 条注册、1,988 笔支付、14 笔没有匹配到注册(0.7%)。三项时钟校验全部通过。解析器为 Telegram 的夏令时缺陷修正了 56,303 个时间戳;registered_at 与修正后的消息时间中位数相差 +0.1 秒;把我们的分小时注册数与 Meta 的分小时 Leads 做相关,滞后 0 胜出(r = 0.877,对比 0.587 和 0.531)。

口径校验在账户日时钟上运行,那里它才有效:两天我们的记录分别是 Meta 入账转化价值的 0.99 和 1.04,落在已记录的 0.91–1.06 区间内。在 UTC 时钟上同样的比较是跨时钟的,measures.py 会指名拒绝它。

python -m ad_ops.measures      --config _runs/2026-08-09_0808_daily/run_config.json --day 2026-08-08 --prev 2026-08-07
python -m ad_ops.day_compare   --config _runs/2026-08-09_0808_daily/run_config.json --today 2026-08-08 --prev 2026-08-07 --h 6
python -m ad_ops.asset_estimator hourly --lum _runs/2026-08-09_0808_daily/lum \
    --meta <08-05..08-08 四个分小时导出> --fx _runs/2026-08-02_today_read/fx_rates.json \
    --ads ww_bikini_10s,ww_bodysuit_10s,ww_pool5,ww_mugshot,ww_spill,ww_lounge \
    --campaign bailingxia_meituan_ww_cvr_260802 --horizon 24
python -m ad_ops.cohort_arpu   --config _runs/2026-08-09_0808_daily/run_config.json --days 2026-08-04,…,2026-08-08
python -m ad_ops.report_tables --config _runs/2026-08-09_0808_daily/run_config.json --day 2026-08-08 --prev 2026-08-07 [--campaign-table | --campaign ww]
python -m ad_ops.report_charts --config _runs/2026-08-09_0808_daily/run_config.json --day 2026-08-08 --prev 2026-08-07 \
    --days 2026-08-05,2026-08-06,2026-08-07,2026-08-08 --out ad_ops/figures/2026-08-08

运行目录里有两个探针,承担这套工具本身不做的分析:e2_65pct.py(测试自己的指标在它的 65% 门槛上,从 08-07 的运行复制并重新指向第三天)和 payer_jump.py(当天付费率与每次安装收入变化的结构中性分解)。

ad_ops/asset_estimator/cohorts.py 里的 REGIMES_260802 为本报告从 manage/campaigns/history 延长,页面渲染的日期范围断言为 "Aug 4, 2026 – Aug 9, 2026"。

11附录 — 定义

报表时区。 报告日是一个 UTC 日,因为 Adjust 按 UTC 报数,UTC 分桶的报告和归因看板对得上,不需要任何人在脑子里换算。Meta 的广告账户固定在 UTC-7,所以每个 UTC 日都由两个账户日拼接而成,一次 UTC 拉取除了当天自己的分小时文件之外,还需要前一个账户日的分小时文件。

时钟够不到的三件事,各自在出现的地方标注:分国家的表跟不上它,因为 Meta 不提供小时 × 国家的交叉表,所以它们保持账户日口径;口径校验在账户日之外无效,因为 Meta 的转化价值记在它的转化小时上,无法诚实地重新拼接;估算器有意跑在 Meta 的时钟上,因为它的对象就是 Meta 一侧的投放窗口。

三种收入口径,从不只用一种,从不混用,永远标注:

口径计什么当天结束后还会动吗?
入账收入在当天之内到账的钱,不论其付费用户是哪天安装的。Meta 自己的数字就是这个口径午夜后约 4 小时结算,之后固定
当日回收当天安装并且在当天结束前付费从不。 午夜已封存
同期群 H 小时当天的安装,各自只计到本人安装后 H 小时之内。项目内观测时长 H=24在每个安装都活满 H 小时之前持续上升,之后冻结。永远要写覆盖率

三者都读自我们自己的支付记录。Meta 只能表达入账收入,所以它带括号跟在那一列旁边,从不单独成行:那是同一个口径的两个计量来源,不是两个口径。

存在两套安装计数,两者从不交叉。 Meta 的 Leads 和我们自己的注册数相差 5–10%。投放漏斗(CPI 和点击→安装)用 Meta 的,分子分母都出自它。付费率和所有收入口径用我们的,这样付费用户和他们来自的安装是同一批人。

预算区间是一段广告组每日预算没有变过的时间。它出现在日报里,是因为预算在这个账户上是地域旋钮:调高它买到的是更宽、更便宜的国家,所以跨越一次预算变更去衡量两条素材,比较的是不同的人群(DECISION_LOG.md #47)。08-08 整天落在一个预算区间 E2-R6 内,它从 08-06 04:06 PT 最后两条实验臂被拉齐到每日 $150 开始,一直到测试结束。区间内每条在投的实验臂预算相同。

16 付费用户门槛(DECISION_LOG.md #37):低于约 16 个付费用户,收入数字只能看方向,不能看幅度。覆盖率、付费用户数和分母的计量口径,是在读你真正想看的那个数之前要先读的三列。

Internal — noindex. Not for distribution outside the team.