口径说明（信息流 vv 次数口径，非去重）：CTR = click_vv/show_vv，开聊率(CVR) = chat_uv/click_uv，聊天深度 = chat_vv/chat_uv，均按信息流曝光/点击/开聊次数(vv)累计，不做 user×bot 去重。顶部漏斗为整体汇总，三张分布表看形状对比，每日趋势看走势——三处口径统一。推荐组口径（user×bot 对去重）的漏斗（含人均轮次/时长）在「激活留存」tab。
bot 口径切换（左上下拉，2026-08-10）：当周生产 = 创建时间落在当前窗口内且窗口内有曝光的 bot（回答"这周生产的东西表现如何"，哈伯法/UGC 两侧同窗口，对比公平）；在产供给 = 5/8 后创建、窗口内有曝光的全部 bot（"活着的供给"，原口径）。当周生产模式下，每日趋势的每一天只算创建于该日往前 7 天内的 bot（滚动近一周生产），整条线是"每天的新供给表现走势"。哈伯法 = 哈伯法账号（1338 个）名下 bot；UGC = 其余 bot；Air 账号两边都不算。⚠️ 当周生产模式下同一批 bot 的曝光天数不齐（窗口首日创建的有 7 天、末日创建的只有 1 天），分布表里晚创建的 bot 样本小、更容易落进极端档——分布形状的两极读数里有统计噪声，不全是质量差异。
单 bot 开聊次数 = 开聊次数 ÷ 曝光 bot 数（平均每个 bot 带来多少次开聊）；单曝光开聊次数 = 开聊次数 ÷ 曝光次数（每次曝光转化出多少开聊，即端到端效率 CPI = CTR × 开聊率 × 深度的合成结果）。

怎么读：上表 UGC、下表哈伯法，行序一致（按 UGC 曝光降序），同一题材上下对照读。绝对值列（bot 数/曝光/点击/开聊人数）不能跨表直接比大小——UGC 基数约为哈伯法 20 倍；比曝光占比看流量结构错位（两表各自归一化），比 CTR/开聊率/深度 看同题材竞争力（注意 UGC 侧"有曝光"的 bot 是 BDAR 筛过的赢家，比率天然偏高），绝对值看题材盘子大小排优先级。
口径：哈伯法 = 哈伯法账号名下 5/8 后创建且未删除、窗口内在信息流有曝光的 bot；UGC = 其余同期创建有曝光的 bot。CTR = 点击次数/曝光次数，开聊率 = 开聊人数/点击人数，深度 = 开聊次数/开聊人数。数据 T+2。
消费块（消息量/消息量占比/人均消息）：只算信息流的聊天——用户从信息流点进 bot 后实际发出的消息数（与"激活留存"tab 的人均轮次同源同过滤），同窗口同 cohort，全量无抽样。消息量占比是需求视角（用户把消费花在哪），和曝光占比（平台把流量给了谁）对照读；人均消息 = 消息量 ÷ 该题材去重消费用户，衡量题材粘性深度（注意人均轮次按 pair 分母、这里按人，一人聊多个同题材 bot 会让这里数字更高）。合计行的用户数是全局去重，各题材行同一用户聊多个题材会各计一次，所以合计人均高于任何单行是正常的。
新用户D7 lift 列：新用户首访日主聊该题材，对 7 日留存的影响（单位 pp，绿正红负），与 Promise 拆解 tab 的同名列完全同款。按首日消息量三档（1-5/6-20/21+）分层、各档与全体基线的差值按人数加权——剥离"重度用户本来就留存高"的构成偏差；档位样本 <200 人不计入，无值显示 "-"。用户归题材走数仓 T 打标（与本表 UGC 侧同一映射），平台级口径不分哈伯法/UGC 侧——上下两表此列同值。窗口独立于上方周窗口（滚动取最近可完整观察 D7 的 29 天，每日更新），悬浮列头看完整口径、悬浮单元格看分档明细。观察性数据，非因果——高 lift 说明"首日被这个题材勾住的用户更容易留下"，不直接等于"多生产它就能提留存"。
T8 标签来源：UGC 侧用数仓打标（按曝光优先级回扫中——窗口内的曝光/点击/开聊覆盖 ~92%+，可靠；低曝光老 bot 大量还没打标会计入"未标注"行，按 bot 数看 UGC 供给分布时以有标部分为准）。哈伯法侧用自家梗标（bot 所属梗的 T8；CTB 手写等非梗生产 bot 落"未标注"）。两边是两套打标流程，题材边界可能有细微系统差，等数仓回扫覆盖工厂 bot 后统一。鼠标悬浮题材名可看打标词表对该类目的完整界定说明（库里存的是 T8a 这类编码，展示时查词表翻译）。

怎么读：行是 promise_meta（情感承诺的元类型），按 6 个承诺大类分组——G1 被珍视 / G2 我主导 / G3 禁忌 / G4 低张力陪伴 / G5 主动主体 / G6 悲剧宿命。绝对值列（bot 数/曝光/点击/开聊人数）不能左右直接比大小——UGC 基数远大于哈伯法；同一行比曝光占比看流量结构错位（两边各自归一化），比 CTR/开聊率/深度 看同 promise 竞争力（注意 UGC 侧"有曝光"的 bot 是 BDAR 筛过的赢家，比率天然偏高），绝对值看盘子大小排优先级。
口径：与题材拆解完全一致——哈伯法 = 哈伯法账号名下 5/8 后创建且未删除、窗口内在信息流有曝光的 bot；UGC = 其余同期创建有曝光的 bot。CTR = 点击次数/曝光次数，开聊率 = 开聊人数/点击人数，深度 = 开聊次数/开聊人数。消费块（消息量/占比/人均）只算信息流聊天，合计行用户数全局去重。数据 T+2。
新用户D7 lift 列：新用户首访日主聊该 promise，对 7 日留存的影响（单位 pp，绿正红负）。按首日消息量三档（1-5/6-20/21+）分层、各档与全体基线的差值按人数加权——剥离"重度用户本来就留存高"的构成偏差；档位样本 <200 人不计入，无值显示 "-"。窗口独立于上方周窗口（滚动取最近可完整观察 D7 的 29 天，每日更新），悬浮列头看完整口径、悬浮单元格看分档明细。观察性数据，非因果——高 lift 说明"首日被这个承诺勾住的用户更容易留下"，不直接等于"多生产它就能提留存"。
Promise 标签来源：UGC 侧用数仓 promise 打标（tag_status=SUCCESS；'new'/'out_of_scope' 与未打标 bot 计入"未标注"行——主要是新 bot 打标管道未跑完，会逐日改善）。哈伯法侧混合口径：bot 级数仓标优先，无标 fallback 梗映射（该梗头部产出 bot 的 promise 众数推断），两种来源与未标注的占比见下方动态数字。鼠标悬浮 promise 名可看所属大类。

大盘结构一览 每维一条横条 · 按曝光占比排的 top5 标签 · 悬浮看占比/CTR/开聊率 · 点维度名跳下方详情

× 多选维度：一个 bot 计入多行，曝光占比加总 >100%

口径：大盘 = 排除哈伯法全部白名单账号（含 air）后，5/8 后创建未删除、窗口内在信息流有曝光的 bot——与题材拆解 tab 的 UGC 侧完全同口径。CTR = 点击次数/曝光次数，开聊率 = 开聊人数/点击人数，深度 = 开聊次数/开聊人数，曝光占比分母 = 大盘全量曝光。数据 T+2。
多选维度（T2/T4/T5/T9/T11）：一个 bot 可带多个标签，每个标签行都计入它——bot 数和曝光占比加总会超过 100%，看结构相对大小，不做绝对占比解读。
标签来源：T1-T13 用数仓打标表（按曝光优先级回扫——窗口内有曝光的 bot 覆盖高）。T11 是自由文本梗包 trope，直接展示原值。Promise 用数仓 promise 打标（归一拼写变体），大类/细类两级在维度下拉里切换，与 Promise 拆解 tab 同款词表。D7 lift 列第一版不带。
无标签 vs 空值（2026-08-10 拆分）：无标签 = 这个 bot 在打标表里没有成功记录（没进过打标管线，主要是低曝光长尾，回扫进度问题）——各维度的"无标签"是同一批 bot；空值 = 打标成功但该维度没产出值（打标模型判不出，T13 年龄取向约 7 成、T3 NPC性格约 4 成，接近"不适用"语义，打标产出率问题）。两者改进抓手不同所以分开显示；Promise 维的"空值"额外包含打了标但归一不进词表的（new/out_of_scope）。

↻ 刷新

口径说明（推荐组口径，2026-06-10 已和推荐组数据逐项对账一致）：曝光/点击/开聊按用户-bot 对去重（同一用户对同一 bot 多次只算一次）：曝光 = 信息流(home)曝光，点击/开聊 = 来源为信息流。CTR = 点击对/曝光对，CVR = 开聊对/点击对，CTCVR = 开聊对/曝光对。人均聊天轮次 = 信息流聊天消息条数 ÷ 发过消息的用户-bot 对；人均聊天时长 = 会话时长汇总（剔除单次 >4 小时异常）÷ 有会话的用户-bot 对。数据 T+2。

口径说明（对齐增长组激活框架：单 bot 消费完成 = 13 轮，活跃 ROI 拐点 = 7 轮）：遭遇 = 一个用户和一个 bot 在一个自然周（锚定窗口末日往前切周）内的全部聊天；轮次 = 该遭遇内用户发出的消息条数（不含重新生成/编辑，和聊天记录里能看到的用户消息一一对应——不用前端行为打点，那套实测虚高 2 倍以上）；消费完成率 = 达到 ≥7 / ≥13 轮的遭遇占比；浅遭遇率 = ≤2 轮就结束的遭遇占比；新用户 = 首次访问距该周末 ≤13 天（约两周内）。哈伯法 = 哈伯法账号名下 5/8 后创建的 bot；UGC = 其余 5/8 后创建的 bot（同龄对照，和工厂大盘一致）。10% 用户抽样，表内计数为抽样值（×10 ≈ 全量），比率不受抽样影响。数据 T+2。

↻ 刷新

首批对照 全部多项显著低 开聊率显著低CTR 显著低 深度明显低变量组显著更优 无显著差异数据不足 数据积累中缺少对照组 缺少变量组

↻ 刷新

V8 · 角色来源 Virtual / TV / Game / Emotion…（两级，可展开二级细分）

V7 · 内容题材 Romance / Dark Romance / Drama / Fantasy / Horror…（单级）

T8 · 题材底色 浪漫 / 剧情 / 日常 / 奇幻 / 悬疑…（叙事标签体系，与题材拆解 tab / bot 地图同源；单级）

↻ 刷新

Loading…

说明：1 蓝图 = 1 组 (V 维度对). 7 个 V 维度是跨梗共享的全域变量（用户位置/NPC 类型/NPC 性格/NPC 对用户态度/关系模式/开局事件/角色性别）。同一蓝图下可能有多个具体梗。

Loading…

说明：1 cell = 1 个 T 维度组合下的 emochi 大盘打标 bot 集合（数仓 T 标签表，打标按曝光优先级持续回扫）. 颜色深度 = bot 数量, cell 显示加权 CPI（7 天窗）. 点 cell 看该组合按曝光排的头部示例 bot. 多选维（T2/T4/T5/T9）一个 bot 可同时计入多个 valence.

标签 (All) Chat/Imp 总 Chat 展示量 Feed CTR Feed 开聊率 人均深度 聊天 UV 次日留存 7日留存 回访率 ↓ ↑ 梗抽取 (全部) 未抽过 已抽过 暂不解析 性别 (全部) Male Female

已选 0 个 bot 批量分析 暂不解析 取消暂不解析 清空

应用筛选 清空