一张活动报表可以显示变化，却不能自动告诉你变化是谁带来的。
活动结束后，报名增加，报告很容易写成“活动有效”。问题在于，同一时期可能换了入口、增加曝光、赶上自然需求变化。让AI复盘时，要先把比较对象、观察窗口和混杂条件交代完整，再限定结论能说到哪一层。
下面是一组作者完整虚构的教学数据，用于练习推理，不是真实经营记录，也不是模型实测。虚构的纸艺体验馆有甲、乙两个报名入口；甲入口投放活动介绍，乙入口不投放。前期连续七天，甲有二百名独立访问者、二十人完成报名，乙有二百名独立访问者、十六人完成报名；后期同样七天，甲有三百名独立访问者、四十二人完成报名，乙有二百五十名独立访问者、三十人完成报名。同一入口、同一窗口内每人只计一次，窗口之间可能有重复访客。
报名只统计窗口结束前提交完成的人，不含稍后补填。后期甲入口同时被放到页面更醒目的位置，乙没有；两个入口也不是随机分配，访客可以自行选择。没有更早的历史走势，也没有访客构成明细。这几句话和数字一样重要，不能在压缩材料时删掉。
先自己算一遍：甲报名率从百分之十变为百分之十四，上升四个百分点；乙从百分之八变为百分之十二，也上升四个百分点。甲报名人数增加二十二，乙增加十四。人数增量、比例变化和两组变化之差，是三个不同问题。
可复制下面的任务指令：
请只依据下列虚构教学数据评估活动前后的变化。先逐项算出甲乙前后报名率、人数增量和百分点变化，再计算两组百分点变化之差。明确分子、分母和七天观察窗口。随后审查比较对象是否可比，列出入口位置、非随机选择、历史走势缺失对归因的影响。输出“能描述的变化、不能推出的因果、下一轮怎样改善比较”三段。不得把变化之差当成已证实活动效果，不得预测真实收益。数据与限制：粘贴以上完整材料。
作者推演的错误候选是：“甲报名增长百分之一百一十，证明活动令报名翻倍，应全面推广。”二十二除以前期二十，确实是百分之一百一十的报名人数增幅，但算对一个数并不等于因果成立。甲访问人数本来就从二百变为三百；乙没有投放，报名率也提高了；甲的入口位置又同时变化。三种解释都不能被一句“证明”越过。
另一种看似谨慎的错误是：“两组都增加四个百分点，所以活动完全无效。”两组变化之差为零，只能描述这份表的一个比较结果。没有随机分配，没有足够的前期走势，不能确认乙就是甲不投放时的样子；位置变化也与活动重叠。这里既不能证明有效，也不能证明效果必然为零。
更稳妥的修订是：“后期甲报名人数与报名率均高于前期；乙同期报名率同幅上升。本教学表中两组报名率变化之差为零。由于入口位置同步调整、访客自选且缺少历史走势，现有数据不足以把甲的变化单独归因于活动介绍。”这段保留了值得观察的变化，同时给结论划出边界。
观察窗口还要统一。若甲算活动后七天、乙只算三天，或者甲包括延迟报名、乙不包括，比较就已经换了口径。若想观察活动结束后的延迟效果，可以另设双方相同的补充窗口，单独报告，不能把新窗口悄悄拼进原结果。访问人数也不能拿曝光次数替代，否则报名率的分母已经变了。
人工审核时，先用原表逐行复算，再找每个“因为、带来、导致”。要求作者指出支持该因果词的比较设计；没有就改成“同期观察到”。接着确认未报名者也在分母中，不能只问报名者从哪里知道活动。最后保留缺失信息，不允许AI用“用户热情高涨”替代访客构成。
下一轮若条件允许，可在活动前规定一致的观察窗口、报名定义与入口位置，安排更可比的对象，并保留更早走势；是否随机分配和怎样实施，需要按实际条件另行设计。补数据的目的，是缩小解释空间，不是找到一个更漂亮的增长数字。
你复盘过的活动里，最容易被一起改掉的条件，是流量入口、价格，还是统计窗口？