dc-docs/output/feishu-docs/J0BldrUWroGsUbx9SRocVrwJnNh.md

# J0BldrUWroGsUbx9SRocVrwJnNh

Source: https://fcnlycv6dd0w.feishu.cn/docx/J0BldrUWroGsUbx9SRocVrwJnNh


## 一、今日工作内容概述
## 二、综合投入分项实验参考文献调研
### （一）问题来源
针对反馈问题：“因变量需要进一步梳理，尤其是金钱投入与时间/行为投入之间的内在关系”，今天整理了相关文献方法。
原有设计主要将金钱投入 (K) 与有效行为投入 (L) 合成为综合投入 (X)。但教授提醒，(K) 与 (L) 之间可能并不是简单正相关关系，可能存在互补、替代或挤出关系。因此，后续实验不能只看综合投入总量，也需要分别考察 (K)、(L) 和 (X) 的表现。
本次调研主要寻找已有游戏研究中如何同时处理“时间/行为投入”和“金钱投入”的方法。
### 参考文献一：Jiao, Tang & Wang（2022）
**文献题目：**
**An Empirical Study of Play Duration and In-App Purchase Behavior in Mobile Games**
#### 研究问题
关注免费手游场景下，哪些因素会影响玩家的游玩时长和内购行为。它没有只研究付费或游戏时长，而是将游玩时长和内购行为分别作为两个结果维度进行分析。
**和我们要解决的问题比较接近：**
不能只看金钱投入 (K)，也不能只看有效行为投入 (L)，而是需要同时分析二者，并进一步构造综合投入 (X)。
#### 方法设计
使用免费手游的大规模玩家行为数据，按照周度维度观察玩家活动和消费情况，并使用不同回归模型分析哪些因素会影响下一阶段的游玩时长和内购行为。
基本思路可以概括为：
  - 以玩家周度行为数据为基础
  - 将“游玩时长”和“内购行为”分开作为结果变量
  - 考察上一周期的游戏表现、虚拟物品获取、社交互动等因素，如何影响下一周期的游玩时长和付费行为
  - 分别观察同一因素对两个结果变量的影响方向和强度
#### 可借鉴点
**将时间/行为投入和付费投入分开建模，而不是直接合并成一个单一结果变量。**
  - 模型一：机制变量 → 综合投入 (X)；
  - 模型二：机制变量 → 金钱投入 (K)；
  - 模型三：机制变量 → 有效行为投入 (L)。
通过比较同一机制变量对 (X)、(K)、(L) 的不同影响，可以判断该机制主要影响付费、行为参与，还是同时影响二者。
#### 理论与实验依据
实验依据主要来自免费游戏商业模式和玩家参与行为研究。免费手游的收入通常既与玩家的持续游玩有关，也与内购行为有关，因此研究需要同时关注“玩多久”和“买多少”。
在多人社交竞争游戏中，参与者价值也不能只由金钱投入衡量，还应同时关注有效行为投入。
### 参考文献二：Guo et al.（2022）
**文献题目：**
**Multiplex Social Influence in a Freemium Context: Evidence from Online Social Games**
#### 研究问题
免费在线社交游戏中，玩家的“花时间”和“花钱”如何受到社交影响。明确区分了时间投入和金钱投入，并指出二者在用户决策中并不是同一种行为。
**与我们研究的综合投入高度相关：**
(K) 和 (L) 不是同一类投入。(K) 代表竞赛相关金钱投入，(L) 代表竞赛相关有效行为投入，二者可能存在不同影响机制。
#### 方法设计
基于在线社交游戏数据，研究社交网络中**不同类型的同伴影响如何作用于玩家的时间投入和金钱投入**。它不仅考察同类型影响，例如朋友花钱是否影响自己花钱，也考察跨类型影响，例如朋友花时间是否影响自己花钱。
方法思路可以概括为：
  - 将玩家的时间投入和金钱投入区分为两个不同结果
  - 构造来自同伴的时间投入影响和金钱投入影响
  - 分析这两类社会影响对玩家自身时间投入和金钱投入的作用
  - 进一步考察玩家个人特征和网络位置是否会调节这种影响
  - 在经验模型中处理社会影响研究中常见的内生性问题
#### 可借鉴点
参考“**互补、替代和非对称关系**”的分析思路。
  - 分别考察规则机制对 (K) 和 (L) 的影响
  - 判断某一机制是否同时提升 (K) 和 (L)，互补关系
  - 判断某一机制是否提升 (K) 但降低 (L)，替代或挤出风险
  - 判断不同团体类型、个体层级或赛季阶段下，(K) 与 (L) 的关系是否存在差异
#### 理论与实验依据
理论基础主要来自免费增值商业模式和社会影响理论。由于免费增值模式天然区分免费使用和付费购买，玩家的时间投入与金钱投入具有不同含义。同时，在线社交游戏中的玩家行为还会受到朋友、社群和网络关系影响。
在多人社交竞争游戏中，金钱投入和有效行为投入不仅可以分别分析，还需要关注二者之间是否存在非对称关系和群体差异。
## 三、第一阶段实验试跑目标
结合前期整理已经完成的综合投入操作化、K/L 字段初筛、规则变量 X 与综合投入 Y 区分，以及反馈中关于综合投入结构、七机制聚焦和因果验证的要求，明确第一阶段试跑目标：
**当前阶段不直接跑正式 XGBoost、SHAP 或聚类模型，而是先完成实验试跑前置准备。**
**第一阶段目标包括：**
#### 输出文件
  - **01_综合投入K_L字段提取表_v0.1.xlsx**
分别整理《烽火逐盟》和《钲鼓连烽》中可能进入 (K)、(L)、不进入或待确认的字段。
  - **02_K_L去重与边界规则_v0.1.md**
说明购买、使用、捐献、复活、鼓舞、派遣、竞猜等行为如何分别计入 K 或 L，并标记重复计量风险。
  - **03_两活动试跑适配性比较_v0.1.md**
比较《烽火逐盟》和《钲鼓连烽》哪个更适合第一轮试跑，判断两者在 K/L 清晰度、机制变量可构造性、数据层级完整性和建模适配性上的差异。
#### 两个活动的初步判断：
从现有规则和埋点表看，《烽火逐盟》和《钲鼓连烽》均具备多人社交竞争游戏中“个体—团体—赛局—竞赛”的多层结构。
  - **烽火逐盟——作为补充、对照**
更能体现联盟内部协作、公共资源贡献和核心角色影响，例如复召令购买、捐献、消耗、复活，大臣派遣，士气鼓舞和联盟轮次对战等。但容易产生 K/L 重复计量。部分字段还存在角色 ID 与账户 ID 映射、联盟归因和时间戳缺失等问题。
  - **钲鼓连烽——作为第一轮试跑对象**
在活动期个体增量投入和战场行为识别上相对更清晰。其规则中包含报名、阵营分配、攻城、防守、驻守、剿匪、撤退、扫荡、兵力消耗、商铺购买、礼包购买、战功、功绩、排名和奖励等结构。购买行为与战场行为的边界相对清楚，更适合作为第一轮机器学习流程试跑活动。
## 四、【财务月报自动化】取数链路与汇总表复现进展
  - **财务确认的链路是：**
**各数据源 → 【利润表取数源】 → 【利润表-分产品】 → 【利润表-分地区】 → 【利润表-按月】 **→ 【预算达成情况 / 利润表-累计数等分析展示页】
### （一）进度反馈：
**【利润表取数源】 **是关键中间表，其余分析表均基于这份中间表或其下游汇总结果展开。
**将【利润表取数源】拆解为七个模块：**
收入模块、服务器成本模块、推广模块、成本明细模块、人工行政模块、非经营性收益及财务费用模块、递延收入 / 残疾人就业保障金补充项。
**当前状态：**
【利润表取数源】层面的主要取数模块已完成初步拆解、试跑和人工月报比对。目前整理出 14 个异常 / 待确认项，待财务回复确认标准后，将统一更新配置表和 Python 取数规则，并进行回归重跑。
### **（二）核心汇总页拆解进度**
**在【利润表取数源】基础上**，已继续向下验证人工月报内部汇总链路。
**新增完成项：**
  - **【利润表-分产品】**
已完成 2026-01 金额列 Python 复现，核验 356 行，全部一致，差异 0。
  - **【利润表-按月】**
已完成 2026-01 金额列 Python 复现，核验 29 行，全部一致，差异 0。
  - **【预算达成情况】**
已完成实际数和达成率复现，核验 816 个关键单元格，全部一致，差异 0。
  - **【利润表-累计数】**
已完成结构拆解和公式复现，核验 374 个单元格，其中 208 个自动计算 / 引用一致，166 个为历史或人工输入保留，差异 0。
**问题：**Python复现数据一致，但表格呈现存在**待核对项 → 同比、环比数据怎样提取。**
### （三）并行技术路线探索
并行探索另一种实现方式：**“****规则引擎 + SQL / 流程图 IF/ELSE****”**
这个方向可以作为后续封装阶段的备选技术路线，用于将当前**已经拆解出的取数规则、筛选条件、字段映射和计算逻辑进一步结构化**。短期内不替代当前 Python 路线，而是作为规则表达、可维护性和后续系统化落地的补充方案。
#### **两条技术路线的主要对比维度**
后续如果同时评估“Python 本地复现”和“规则配置化 / SQL 化路线”，可以从以下维度进行对比：

> [嵌入电子表格: Dygnsao7ohm0KstXYpCc...]

#### 阶段判断：
短期 Python 灵活性更高，先把取数规则、汇总逻辑、差异原因和待确认事项跑清楚。中长期可以将已经验证稳定的规则逐步抽象为配置表、SQL 查询或规则引擎逻辑，形成更稳定、可维护、可复用的财务月报自动化方案。
## 一、今日工作内容概述
## 二、综合投入分项实验参考文献调研
### （一）问题来源
针对反馈问题：“因变量需要进一步梳理，尤其是金钱投入与时间/行为投入之间的内在关系”，今天整理了相关文献方法。
原有设计主要将金钱投入 (K) 与有效行为投入 (L) 合成为综合投入 (X)。但教授提醒，(K) 与 (L) 之间可能并不是简单正相关关系，可能存在互补、替代或挤出关系。因此，后续实验不能只看综合投入总量，也需要分别考察 (K)、(L) 和 (X) 的表现。
本次调研主要寻找已有游戏研究中如何同时处理“时间/行为投入”和“金钱投入”的方法。
### 参考文献一：Jiao, Tang & Wang（2022）
**文献题目：**
**An Empirical Study of Play Duration and In-App Purchase Behavior in Mobile Games**
#### 研究问题
关注免费手游场景下，哪些因素会影响玩家的游玩时长和内购行为。它没有只研究付费或游戏时长，而是将游玩时长和内购行为分别作为两个结果维度进行分析。
**和我们要解决的问题比较接近：**
不能只看金钱投入 (K)，也不能只看有效行为投入 (L)，而是需要同时分析二者，并进一步构造综合投入 (X)。
#### 方法设计
使用免费手游的大规模玩家行为数据，按照周度维度观察玩家活动和消费情况，并使用不同回归模型分析哪些因素会影响下一阶段的游玩时长和内购行为。
基本思路可以概括为：
- 以玩家周度行为数据为基础
- 将“游玩时长”和“内购行为”分开作为结果变量
- 考察上一周期的游戏表现、虚拟物品获取、社交互动等因素，如何影响下一周期的游玩时长和付费行为
- 分别观察同一因素对两个结果变量的影响方向和强度
#### 可借鉴点
**将时间/行为投入和付费投入分开建模，而不是直接合并成一个单一结果变量。**
- 模型一：机制变量 → 综合投入 (X)；
- 模型二：机制变量 → 金钱投入 (K)；
- 模型三：机制变量 → 有效行为投入 (L)。
通过比较同一机制变量对 (X)、(K)、(L) 的不同影响，可以判断该机制主要影响付费、行为参与，还是同时影响二者。
#### 理论与实验依据
实验依据主要来自免费游戏商业模式和玩家参与行为研究。免费手游的收入通常既与玩家的持续游玩有关，也与内购行为有关，因此研究需要同时关注“玩多久”和“买多少”。
在多人社交竞争游戏中，参与者价值也不能只由金钱投入衡量，还应同时关注有效行为投入。
### 参考文献二：Guo et al.（2022）
**文献题目：**
**Multiplex Social Influence in a Freemium Context: Evidence from Online Social Games**
#### 研究问题
免费在线社交游戏中，玩家的“花时间”和“花钱”如何受到社交影响。明确区分了时间投入和金钱投入，并指出二者在用户决策中并不是同一种行为。
**与我们研究的综合投入高度相关：**
(K) 和 (L) 不是同一类投入。(K) 代表竞赛相关金钱投入，(L) 代表竞赛相关有效行为投入，二者可能存在不同影响机制。
#### 方法设计
基于在线社交游戏数据，研究社交网络中**不同类型的同伴影响如何作用于玩家的时间投入和金钱投入**。它不仅考察同类型影响，例如朋友花钱是否影响自己花钱，也考察跨类型影响，例如朋友花时间是否影响自己花钱。
方法思路可以概括为：
- 将玩家的时间投入和金钱投入区分为两个不同结果
- 构造来自同伴的时间投入影响和金钱投入影响
- 分析这两类社会影响对玩家自身时间投入和金钱投入的作用
- 进一步考察玩家个人特征和网络位置是否会调节这种影响
- 在经验模型中处理社会影响研究中常见的内生性问题
#### 可借鉴点
参考“**互补、替代和非对称关系**”的分析思路。
- 分别考察规则机制对 (K) 和 (L) 的影响
- 判断某一机制是否同时提升 (K) 和 (L)，互补关系
- 判断某一机制是否提升 (K) 但降低 (L)，替代或挤出风险
- 判断不同团体类型、个体层级或赛季阶段下，(K) 与 (L) 的关系是否存在差异
#### 理论与实验依据
理论基础主要来自免费增值商业模式和社会影响理论。由于免费增值模式天然区分免费使用和付费购买，玩家的时间投入与金钱投入具有不同含义。同时，在线社交游戏中的玩家行为还会受到朋友、社群和网络关系影响。
在多人社交竞争游戏中，金钱投入和有效行为投入不仅可以分别分析，还需要关注二者之间是否存在非对称关系和群体差异。
## 三、第一阶段实验试跑目标
结合前期整理已经完成的综合投入操作化、K/L 字段初筛、规则变量 X 与综合投入 Y 区分，以及反馈中关于综合投入结构、七机制聚焦和因果验证的要求，明确第一阶段试跑目标：
**当前阶段不直接跑正式 XGBoost、SHAP 或聚类模型，而是先完成实验试跑前置准备。**
**第一阶段目标包括：**
#### 输出文件
- **01_综合投入K_L字段提取表_v0.1.xlsx**
分别整理《烽火逐盟》和《钲鼓连烽》中可能进入 (K)、(L)、不进入或待确认的字段。
- **02_K_L去重与边界规则_v0.1.md**
说明购买、使用、捐献、复活、鼓舞、派遣、竞猜等行为如何分别计入 K 或 L，并标记重复计量风险。
- **03_两活动试跑适配性比较_v0.1.md**
比较《烽火逐盟》和《钲鼓连烽》哪个更适合第一轮试跑，判断两者在 K/L 清晰度、机制变量可构造性、数据层级完整性和建模适配性上的差异。
#### 两个活动的初步判断：
从现有规则和埋点表看，《烽火逐盟》和《钲鼓连烽》均具备多人社交竞争游戏中“个体—团体—赛局—竞赛”的多层结构。
- **烽火逐盟——作为补充、对照**
更能体现联盟内部协作、公共资源贡献和核心角色影响，例如复召令购买、捐献、消耗、复活，大臣派遣，士气鼓舞和联盟轮次对战等。但容易产生 K/L 重复计量。部分字段还存在角色 ID 与账户 ID 映射、联盟归因和时间戳缺失等问题。
- **钲鼓连烽——作为第一轮试跑对象**
在活动期个体增量投入和战场行为识别上相对更清晰。其规则中包含报名、阵营分配、攻城、防守、驻守、剿匪、撤退、扫荡、兵力消耗、商铺购买、礼包购买、战功、功绩、排名和奖励等结构。购买行为与战场行为的边界相对清楚，更适合作为第一轮机器学习流程试跑活动。
## 四、【财务月报自动化】取数链路与汇总表复现进展
- **财务确认的链路是：**
**各数据源 → 【利润表取数源】 → 【利润表-分产品】 → 【利润表-分地区】 → 【利润表-按月】 **→ 【预算达成情况 / 利润表-累计数等分析展示页】
### （一）进度反馈：
**【利润表取数源】 **是关键中间表，其余分析表均基于这份中间表或其下游汇总结果展开。
**将【利润表取数源】拆解为七个模块：**
收入模块、服务器成本模块、推广模块、成本明细模块、人工行政模块、非经营性收益及财务费用模块、递延收入 / 残疾人就业保障金补充项。
**当前状态：**
【利润表取数源】层面的主要取数模块已完成初步拆解、试跑和人工月报比对。目前整理出 14 个异常 / 待确认项，待财务回复确认标准后，将统一更新配置表和 Python 取数规则，并进行回归重跑。
### **（二）核心汇总页拆解进度**
**在【利润表取数源】基础上**，已继续向下验证人工月报内部汇总链路。
**新增完成项：**
- **【利润表-分产品】**
已完成 2026-01 金额列 Python 复现，核验 356 行，全部一致，差异 0。
- **【利润表-按月】**
已完成 2026-01 金额列 Python 复现，核验 29 行，全部一致，差异 0。
- **【预算达成情况】**
已完成实际数和达成率复现，核验 816 个关键单元格，全部一致，差异 0。
- **【利润表-累计数】**
已完成结构拆解和公式复现，核验 374 个单元格，其中 208 个自动计算 / 引用一致，166 个为历史或人工输入保留，差异 0。
**问题：**Python复现数据一致，但表格呈现存在**待核对项 → 同比、环比数据怎样提取。**
### （三）并行技术路线探索
并行探索另一种实现方式：**“****规则引擎 + SQL / 流程图 IF/ELSE****”**
这个方向可以作为后续封装阶段的备选技术路线，用于将当前**已经拆解出的取数规则、筛选条件、字段映射和计算逻辑进一步结构化**。短期内不替代当前 Python 路线，而是作为规则表达、可维护性和后续系统化落地的补充方案。
#### **两条技术路线的主要对比维度**
后续如果同时评估“Python 本地复现”和“规则配置化 / SQL 化路线”，可以从以下维度进行对比：

> [嵌入电子表格: Dygnsao7ohm0KstXYpCc...]

#### 阶段判断：
短期 Python 灵活性更高，先把取数规则、汇总逻辑、差异原因和待确认事项跑清楚。中长期可以将已经验证稳定的规则逐步抽象为配置表、SQL 查询或规则引擎逻辑，形成更稳定、可维护、可复用的财务月报自动化方案。