附录 D 全书公式、参数与数据集索引
《小游戏开发实战》卷三《上线、变现与长线运营》的复现与索引附录：按 16 章列出 pebble/ 下全部 config / sim / core / web 文件，写清本卷工具链的 l<章号>_ 前缀约定（与卷一 ch、卷二 e 前缀区分）、两个 python3 与 Node 26 的环境速查、六层可运行性口径（S/P/W/D/X/B）的逐层复现命令，并给出全书公式与参数索引。
category
Minigame
共 250 篇文章。
9.3 上线检查清单
上线前的最后一道关，是一张覆盖包体、性能、功能、变现、合规、数据、运营七类的检查清单。这一节把清单做成一份带 schema 的配置——必填字段、状态取值、分类取值、门禁项必须通过、waived 必须带说明——再给一个可跑的校验脚本：逐条校验、判定整份清单的门禁是否通过，最后用一次「注入故障」的自检证明校验器真能抓住问题。
9.2 灰度、放量与回滚
《合成小岛》新版本上线不靠「全量一次推」，而是按 1%/5%/20%/50%/100% 五档灰度放量：每档观察一段时间，崩溃率越界或留存跌破下限就回滚。这一节给出一张灰度与回滚阈值配置、一段可播种的放量仿真脚本，量化缺陷版本被抓住的档位分布与用户暴露量，与「大爆炸全量发布」对照，并做一次阈值敏感性扫描，把「放量放多大、阈值卡多紧」变成可跑出的数字。
9.1 提审与发布流程
《合成小岛》从代码冻结到版本上线，要依次走过构建、材料、提审、审核、发布一长串阶段。这一节把这条链路拆成固定阶段加一层可变轮次的平台审核，用可播种的 LCG 仿真两千次发布，算出到上线的 p50 与 p90、瓶颈阶段、被驳回重审的比例，再给出一个发布门禁状态机内核，把「现在能不能提审、大概什么时候能上线」变成可跑出数字的模型。
8.3 从实验到决策
显著性只回答「差异是不是真的」，不回答「值不值得上」。这一节把护栏指标（ARPDAU、崩溃率）、显著性、效应量合成一张决策规则表：护栏破了一票否决，不显著继续观察，显著但变差就停，显著但效应不足则迭代，达标才 ship；给出可跑的 Python 决策脚本与一个可交互的 W 层看板。
8.2 显著性、样本量与常见陷阱
分好组之后，怎么判断两组的差异是「真的」还是「碰巧」？这一节自实现两比例 z 检验（不依赖 scipy），按基线率、最小可检测效应、显著性水平与统计功效算出每臂最小样本量，并用布朗运动模拟「每看一次 p 值」如何把假阳性率从名义 50‰ 抬到 70‰ 以上，给出可跑的 Python 仿真与同口径的 TypeScript 内核。
8.1 实验设计与分流
把「做实验」从拍脑袋变成可复现的工程：用 FNV-1a 哈希把用户确定性地分到对照与实验臂，再用带盐哈希模拟日志丢失、用样本比例失衡（SRM）检查把「分流坏了」变成可断言的数字，给出可跑的 Python 仿真、同口径的 TypeScript 内核与 5 项单元测试。
7.3 留存与付费的联合分析
把留存与付费乘在一起：按「留存档 × 付费档」切四段用户，段 ARPU = 活跃日 ×（IAA + 付费率 × ARPPU），算出混合 ARPU 39.3 分、IAA/IAP 占比 32.9%/67.0%，并用可跑的 Python 联合模型、同口径 TypeScript 内核与单文件 HTML 探索器证明「抬留存」比「抬付费率」更能撬动 ARPU。
7.2 流失预警与召回
把「流失」从事后统计变成事前预警：用可播种 LCG 合成一批带真实标签的用户，按加权特征打分、分风险档，算清精确率 84.7% / 召回率 72.2% / 提升 2.38 倍，再对高风险人群算站内推送、短信、回流礼包三条召回渠道的成本-回收-ROI，指出「ROI 最高」与「净收益最高」不是同一条渠道。
7.1 新手漏斗与 D1/D7/D30 留存
把「留存」拆成两件可算的事：首日新手漏斗（启动→加载→引导→首关→合成→离线收益→首日结算）与跨天留存曲线（D1/D7/D30 锚点整数插值）。给出可跑的 Python 漏斗仿真、同口径的 TypeScript 留存内核与 4 项单元测试，并用三档改造对照回答「改哪一步最划算」。
6.3 增长预算分配
把固定日预算按最小单位拆份、逐份投给边际新增最高的渠道（贪心水填），用整数几何衰减建模边际收益递减，给出可跑的 Python 分配脚本与 B 层稳健性基准，验证水填优于平均分、且分配大头对 ±20% 参数扰动不敏感，把「一笔钱怎么分」变成一段能跑出数字的决策。
6.2 平台推荐与流量获取
把「平台推荐 / 搜索 / 裂变」与「买量」放进同一张漏斗口径做对照：给出可跑的 Python 对照脚本、同口径的 TypeScript 内核与单文件 HTML 原型，算清不同渠道组合下的混合 CAC 与自然量占比，并把平台推荐算法一律标注为不可复现的 X。
6.1 自然增长与裂变机制
把裂变从「社交设计」搬进「增长模型」：用一个带留存与买量注入的 DAU 递推，算清自然量占比与有效获客成本，给出可跑的 Python 仿真、同口径的 TypeScript 内核与 4 项单元测试，验证 K 越高、自然量占比越高、被摊薄的获客成本越低。
5.3 素材-玩法一致性与转化
素材-玩法一致性决定点击进来的人留不留得住：素材把卖点吹得越满，CTR 越高，但玩法兑现不了就会在首日崩盘、拖垮 D7 ROAS。本节把「承诺强度 vs 玩法兑现」的差值量化成对留存与回收的影响，用可跑的整数仿真展示「夸张承诺」为何点击最高、回收最低。
5.2 素材设计与创意迭代
素材是买量里唯一由你完全掌控的变量：先按主题 × 形式批量产出，用固定小曝光逐条测试，按 CTR 淘汰、对胜出素材集中放量，同时盯住整轮受众疲劳。本节把「迭代 vs 只用一条素材」的混合 CPI 差异算成可跑的整数仿真，并给出素材矩阵、迭代流程与逐轮自检清单。
5.1 买量渠道与投放机制
买量渠道机制是《合成小岛》上线后的第一道成本闸门：把曝光成本、点击率、安装率、留存与 ARPDAU 串成一条整数漏斗，算出每个渠道的 CPI 与 D0/D7/D30 ROAS，判断谁在 D21 回本、谁在持续失血；配可跑的 Python 仿真与 TypeScript 内核跨语言对拍。
4.3 价格弹性与副作用
价格弹性回答上一节留下的问题：为什么收入打到 30% 折就掉头。本节用弧弹性定位「单位弹性」拐点，再把折扣的三项副作用——需求前置、参考价侵蚀、鲸鱼流失——从毛收入里扣掉，算出净收入最优折扣，看它比毛最优浅多少，并用敏感度基准检验结论是否稳健。
4.2 折扣、限时与稀缺
打折不是「降价换量」这么简单：折扣打多深收入最高、限时把需求抬高多少、稀缺封顶又花掉多少确定性收入，三者能一起算。本节用一份需求档位表先跑一遍折扣扫描，再叠加限时衰减与稀缺封顶，给出可复算的「收入峰值折扣」，并附一份可在浏览器里点选折扣的单文件 HTML 原型。
4.1 定价锚点与档位设计
定价不是拍脑袋定几个数字，而是一组相互参照的锚点：谁引流、谁走量、谁拉高感知。本节把档位的价值密度、支配关系与选择份额写成可复算的整数模型，用本机实跑的数字说明「诱饵档」如何把份额推向主力档，以及为什么最贵的档位往往是价格锚点而不是走量款。
3.3 敏感性分析与收入预测
单点预测是骗人的：把 3.1/3.2 的六个假设逐个 ±20% 扰动，看谁在动结论；再用悲观/基准/乐观三档与每月 +3% 的增长推演 6 个月收入；最后用可播种 LCG 让六个假设同时偏，给出 LTV30 的 p10/p50/p90 区间。示例口径下 LTV30 中位 2.19 元、区间 1.83~2.65 元。