# GreenLeaf 報告資料字典 — v1 語意契約

**撰寫日期：** 2026-10-29 · **狀態：** 合成示例數據生成前已凍結的來源規格；英文編輯輸入。CSV 是新的合成重建，非恢復的課程資料。[簡介](brief-v1.md) 管轄決策；[來源對照表](course-source-map.json) 管轄來源。不包含真實客戶、健康資訊或客戶帳戶。 引用證據中的數字保留英文原始資料的格式：以逗號分隔千位、句點標示小數，金額以USD計。頁面的摘要指標則可能按所選語言及地區顯示。

## 粒度、窗口及歸因

一列規範列為一個 UTC 付費點擊日期 × 通路 × 裝置 × 受眾 × 創意，於英國。十四個日期 × 三個通路 × 兩個裝置 × 兩個受眾 × 兩個創意 = **336 列**。原始匯出有 **337 列**，包括一列完全重複。活動屬於通路，不新增維度。

第 1 週：`2026-09-01`–`2026-09-07` 含首尾。第 2 週：`2026-09-08`–`2026-09-14` 含首尾。快照：**`2026-09-22T23:59:59Z`**。日為 UTC 且 `date` 一律指付費點擊客群日期，絕非購買/事件日期。漏斗事件及首次購買在合格付費點擊後七日內觀察。不匯出精確事件時間戳；七日歸因/觀察窗口是生成器建構假設。兩個完整期間在快照時已成熟。所有已發布主要列皆有 `is_provisional=false`。

支出、曝光及點擊描述指派至該客群日期的獲取活動。著陸、測驗及購買計數跟隨其來源標記的付費點擊客群及裝置/受眾/創意桶。每個合成首次購買客戶及營收金額僅指派一次，予七日內最後一次合格付費點擊；所有事件階段均遵循此相同排他指派。不測量跨裝置身份對帳。排他性由建構保證，非由此聚合檔案獨立確立。

## 欄位

| 欄位 | 類型 / 單位 | 意義及驗證 |
|---|---|---|
| `row_id` | 非空字串 | 穩定的唯一規範列 ID。原始完全重複會重複它；相同 ID 的衝突列為錯誤。 |
| `date` | ISO `YYYY-MM-DD` | UTC 來源付費點擊客群日期，於九月 1–14 內。 |
| `market` | 枚舉 | 僅 `UK`；範圍為虛構英國發布中的付費客群。 |
| `channel` | 枚舉 | `google-search`、`linkedin`、`reddit-paid`。排除有機 Reddit 活動。 |
| `campaign_id` | 正規化後的枚舉 | 每通路一個活動；查閱下表。 |
| `device` | 枚舉 | `mobile` 或 `desktop`，已指派來源付費點擊的裝置。 |
| `audience_id` | 枚舉 | `skeptical` 或 `exploring`；通路內互斥建構桶，非已驗證客戶特質。 |
| `creative_id` | 枚舉 | `traceability` 或 `value`；含通路特定格式的訊息假設，查閱下表。 |
| `spend_cents` | 非負整數 USD 分 | 僅媒體成本。不含代理商、創意、工具、薪資或其他獲取成本。 |
| `impressions` | 非負整數 | 桶內的獲取廣告曝光；非不重複人數或頻率。 |
| `clicks` | 非負整數 | 指派至此桶的付費點擊；非不重複訪客。 |
| `landing_sessions` | 非負整數 | 在合格付費點擊後七日內觀察到的來源標記著陸工作階段。每條合成漏斗旅程最多保留一個工作階段。 |
| `quiz_starts` | 非負整數 | 在相同七日窗口內開始的不同保留來源標記測驗旅程；每條旅程一個保留開始。完成率分母。 |
| `quiz_completions` | 非負整數 | 該等保留測驗旅程在相同七日窗口內完成；不重複計算完成。 |
| `attributed_new_customers` | 非負整數 | 在七日內完成此建構測驗導向漏斗的首次購買客戶，按所聲明的最後付費點擊規則指派一次。非全站新客戶。 |
| `attributed_first_purchase_revenue_cents` | 非負整數 USD 分 | 該等客戶的首次購買營收，折扣後，不含稅及運費。此合成示例數據無退款；無續訂營收。生成器為算術清晰起見，為每位首次購買客戶指派 USD $80（8,000 分）；這是重建假設，非課程定價或 LTV。 |
| `is_provisional` | 布林值 | `false` 指此列的七日觀察窗口在所聲明快照時已成熟。拒絕未經證實的字串/布林強制轉換。 |

逐列不等式：`impressions >= clicks >= landing_sessions >= quiz_starts >= quiz_completions >= attributed_new_customers`。這是明確簡化的測驗導向漏斗建構，非廣告匯出的普遍屬性。零客戶的列必須為零首次購買營收；正客戶數的列必須為正營收。這些約束不提供個人層級證據。

## 規範查閱表及原始清理

| 通路 | 規範活動 ID | 顯示名稱 | 允許的原始活動 ID 別名 |
|---|---|---|---|
| `google-search` | `gl-uk-google-search` | GreenLeaf UK Search | `gl_uk_search` → `gl-uk-google-search` |
| `linkedin` | `gl-uk-linkedin` | GreenLeaf UK LinkedIn | 無 |
| `reddit-paid` | `gl-uk-reddit-paid` | GreenLeaf UK Reddit paid | 無 |

受眾 `skeptical`：建構桶，用於比較來源/劑量證據的求證型買家；靈感來自 Oliver 未經驗證的人物誌。受眾 `exploring`：建構桶，用於探索品類並考慮價值的買家。兩者皆非真實定向規格或隨機化處理指派；不推斷任何身份、職業或健康狀況。

創意 `traceability`：示例 “Know what is in every serving”（了解每份產品含有哪些成分） 訊息。創意 `value`：示例 “Compare the value of a clearly dosed serving”（比較成分劑量列明清楚的每份產品的價值） 訊息。就 Google Search 而言，這些是文字廣告訊息假設；就 LinkedIn 而言，是贊助動態文案假設；就 Reddit paid 而言，是推廣貼文文案假設。創意 ID 是每個通路內共享的訊息類別，非相同的完成廣告資產或已核准聲明。不提供功效證明或實際產品認證。

僅移除逐位元組/逐欄位完全相同的重複列，並記錄其來源列 ID。僅正規化所聲明的別名並記錄計數。未知 ID、意外市場、缺失欄位、格式錯誤日期、非整數分/計數、負值、衝突重複或不可能漏斗必須驗證失敗，而非靜默修復。保留已記錄的零分母列以驗證無法取得比率處理。對帳原始/規範計數及所有維度加總。合成示例數據生成記錄必須識別完全重複列、別名列及零分母列；本字典不假裝該等列已存在。

## 指標及比較規則

在所選客群/維度內使用加總，然後相除；切勿平均列級比率。保留完整中間精度。USD 僅在呈現時將分除以 100 顯示。零分母產生 **無法取得**，絕非零/無限大；對零先前值的百分比變動為無法取得。

| 指標 | 定義 | 解讀 |
|---|---|---|
| 測驗完成率 | `sum(quiz_completions) / sum(quiz_starts)` | 主要漏斗 KPI；付費手機第 1/2 週須校準至 45%/28%。 |
| 點擊至開始率 | `sum(quiz_starts) / sum(clicks)` | 診斷；有別於測驗完成率。 |
| 點擊至著陸率 | `sum(landing_sessions) / sum(clicks)` | 診斷，非已驗證跳出率。 |
| 完成至購買率 | `sum(attributed_new_customers) / sum(quiz_completions)` | 建構的測驗導向漏斗診斷。 |
| CTR | `sum(clicks) / sum(impressions)` | 優化指標；非知名度。 |
| CPC (USD) | `sum(spend_cents) / sum(clicks) / 100` | 每次點擊媒體成本。 |
| CPM (USD) | `sum(spend_cents) / sum(impressions) * 1000 / 100` | 每 1,000 次曝光的媒體成本。 |
| 媒體 CPA (USD) | `sum(spend_cents) / sum(attributed_new_customers) / 100` | 僅媒體代理；非完整 CAC。 |
| 歸因首單 ROAS | `sum(attributed_first_purchase_revenue_cents) / sum(spend_cents)` | 營收/支出比率；非利潤、增量或 LTV。 |
| 首次購買營收 (USD) | `sum(attributed_first_purchase_revenue_cents) / 100` | 僅付費客群歸因；非對 $60K 完整月份目標的判定。 |

比率的百分點變動為 `(Week 2 rate - Week 1 rate) * 100`。當第 1 週為正時，相對變動為 `(Week 2 rate / Week 1 rate - 1) * 100`。所述 45% → 28% 等於 −17 個百分點及約 −37.8% 相對；此來源契約並無預先決定其他結果。

診斷手機數據的整體變動前，先按通路 × 受眾 × 創意將手機數據分層。就層 `s`，設固定權重 `w_s = Week 1 starts_s / Week 1 total starts`。比較 `sum(w_s * Week 1 completion_rate_s)` 與 `sum(w_s * Week 2 completion_rate_s)`，並將兩者與觀察比率比較。發布權重及計數。正權重層若無定義的第 2 週比率，則完整固定組合比較無法取得；任何明確受限的共同層比較須披露排除的計數/權重，不能靜默替代整體。零權重層貢獻零，不須比率。變動組合及層內變動可並存。兩者皆不證明原因；客群並非隨機化。

不完整快照或臨時主要列使兩個完整期間未定/不可比較。勿將未觀察結果視為零。具有相同成熟涵蓋的另行選定比較須陳述所選日期、排除及已變更問題。

## 無法取得的證據及來源衝突

無法取得：完整 CAC、利潤、留存、已實現 12 個月 LTV、知名度、增量、真實全通路/月份營收、頻率、曝光佔有率、跳出率、事件/發布日誌、客戶訪談及因果解釋。來源資產另外的 4.2% “quiz CVR” 在此無充足的共同分母定義；勿匯入。任何截圖的損失估計、區隔倍數、預算指示或有機至付費因果敘述皆非衍生合成示例數據結果。課程事實相對於新撰寫假設，見來源對照表。