從經濟效益到實質證據追蹤留存決策
這六張原生截圖展示了合成留存比較、選定訂閱者決策以及編寫的文案控制項。Northwind 目前每月有 6,000 項取消意圖，以及 9,000 筆隨機歷史觀測值：4,460 筆處置組與 4,540 筆對照組。其 32 個案例的審查佇列是供檢驗的代表性選集，而非該群體的隨機抽樣。每張螢幕截圖皆可開啟全尺寸檢視。
在相同接觸預算下比較各項策略
「挽留所有人」（Save everyone）接觸全部 6,000 項取消意圖，在此測試夾具中產生了負的增量價值。預測性流失定位與因果增量定位各自接觸 2,239 名訂閱者，但選擇的原因截然不同：前者依離開的可能性排序，而後者則依扣除折扣成本後的估計干預價值排序。匹配預算能清楚區隔出該定位機制的差異。
| 策略 | 年度增量營收 | 接觸的訂閱者數 |
|---|---|---|
| 挽留所有人 | -$424,757 | 6,000 |
| 預測性流失定位 | +$144,162 | 2,239 |
| 因果增量 | +$187,956 | 2,239 |
| 完美資訊預知模型 | +$309,480 | 2,393 |
在此合成策略評估中，增量定位每年比流失定位多出 $43,794。數值是根據隱藏的合成潛在結果進行評分，並以每月營收乘以 12 進行年化計算。這些數值既非客戶已實現的節省金額，亦非對完整營運路由系統的預測。預知模型（oracle）掌握了已部署模型無法取得的隱藏結果，因此它提供的是完美資訊的上限，而非可落地的實施策略。
排序曲線對 2,700 筆保留的隨機合成觀測值進行了獨立檢驗。AUUC 代表增量曲線下面積（area under the uplift curve）：顯示的數值分別為增量定位 78.8、預測性流失約 42.3 以及隨機排序約 4.2。這些並非準確率百分比。在合成基準事實中因干預而受害的 673 名訂閱者中，增量定位仍接觸了 5 名，使 668 名未受接觸；排序的提升並不能保證絕對完美的防護。
解釋為何特定訂閱者不應收到任何挽留接觸
對於某位合成 Northwind 訂閱者，模型估計在未干預時的留存率為 87.1%，而在干預後的留存率為 28.2%。其差值為 -58.9 個百分點。Sleeping Dog 標籤意味著干預被估計會損害留存率；因此選定訂閱者路由選擇了 Do Not Contact，並跳過挽留代理（save agent）。
路由規則將估計處置效應小於或等於 -0.05 者標記為 Sleeping Dogs。估計值大於或等於 +0.05 者為 Persuadables；在其餘案例中，估計基準留存率至少達 0.65 者歸為 Sure Things，其餘則標記為 Lost Causes。Sure Things 會收到一份簡短調查但不包含方案，而 Lost Causes 及未知客群則執行乾淨退出（clean exit）。這些是設定的模型客群分段，而非實際觀測到的個別因果結果。
不接觸決策與總體策略指標回答的是不同問題。此選定訂閱者透過營運路由避免了收到方案。群體比較則是獨立針對隱藏的合成標籤對目標定位進行評分，且並未包含每項客群分段與司法管轄區限制。單一成功的本地不接觸案例，無法抹滅總體比較中接觸了 5 名有害案例的事實。
合格的挽留方案必須能彌補其成本並保留取消權利
在此截圖中的合成 Pro 訂閱者，其估計處置效應為 +12.1 個百分點，估計基準留存率為 58.6%。單憑正向處置效應並不能直接授權提供折扣。展示會將提供設定 16.7% 折扣方案後的估計留存率與未干預留存率進行對照檢查，隨後套用選定訂閱者路由與已設定的司法管轄區控制項。
經濟效益比較計算方式為：估計處置留存率乘以 (1 減去折扣率)，再減去估計對照留存率。只有當估計增益足以彌補方案成本時，合格的 Persuadable 才會轉交給挽留代理。標準目標範例使用的是實際快取的 Codex 回應；文案關卡會針對這些傳回的字句重新執行檢查。
在 Confirm cancellation 旁會出現一項經審查通過的可選方案。設定的互動預算最多允許一項挽留方案與兩次代理對話輪次；在草稿撰寫期間與審查完成後，取消功能始終保持可用。螢幕上的 Review complete 指的是自動化管線，而非已完成的人工審查。接受方案與取消操作僅會變更此本地預覽，不會更改任何帳單帳戶。
獨立於草稿模型之外檢驗遭攔截的語句
獨立的 Python 關卡會正規化 Unicode，並檢查實際草稿中是否含有設定的確認羞辱（confirmshaming）、罪惡感、施壓與人為緊迫感模式。因此，在路由許可之後，還會進行獨立的用詞決策。只有審查放行的文案才會進入訂閱者預覽；遭攔截與擱置的草稿則保留在內部。
下方的倒數計時螢幕截圖是刻意編寫的基準參考文案："This deal disappears in 04:59. Act now!" 該關卡攔截了該語句，並揭示了所匹配的倒數與緊迫性片語。此範例展示了對提供文字的設定控制能力，而非模型被當場抓到產出違規訊息。
在驗證任務簡報時，全部 16 個儲存的模型快取回應均審查通過，包含具備激進目標的草稿。因此，選擇對抗性目標並不必然導致攔截結果。實際傳回的文字決定了最終判定。控制軌跡中的引用標籤僅為說明性質的設定參考，不代表法律解釋或認證。
審查擱置可防止不明確的文案接觸到訂閱者
下一個編寫的案例內容為："Before you decide, take a quick tour." 該語句匹配了設定的重新考慮標記並傳回 needs_review。該結果將語句在內部擱置。這既不代表核准訊息，也不代表已有專人審查或解決了該擱置項目。
固定的本地基準測試回報 14 of 14 項明確檢查通過：六項經濟效益、模型與資料充分性預期，外加八項文案與路由預期。文案控制項包括乾淨文字、確認羞辱（confirmshaming）、人為倒數計時、邊界重新考慮、Unicode 倒數規避以及過長文案審查。路由控制項則檢查單一方案/取消行為以及未知客群的乾淨退出（clean exit）。這是基於固定參考測試集的實作證據，而非通用的偵測準確率、獨立模型驗證或法律認證。
資料不足會改變決策，而不僅僅是警示標籤
合成 Pinegrove 每月有 180 項取消意圖與 520 筆歷史觀測值，細分為 242 筆處置組與 278 筆對照組。設定的最低門檻為當前 500 項意圖以及每個保留組各 400 筆觀測值。兩項檢查均未通過，因此因果路由選擇棄權。
使用者介面會從決策證據中扣留因果預測、跳過挽留代理，並採用保守的乾淨退出（clean exit）。內部估計值仍可計算；但在這種棄權路徑中不會用於挑選挽留方案。這些門檻是展示中設定的安全防護機制，而非通用的統計充分性規則，且增加資料仍需評估隨機歷史資料是否能代表當前所做的決策。
將選定決策與群體摘要嚴格區隔
每次完成的執行都會儲存一份收據，記錄選定的訂閱者、輸入項、時間戳記、路由與經審查的對話紀錄。JSON 與可列印的 HTML 匯出功能讓審查人員能夠檢視該項確切決策。帳戶層級的策略經濟效益則以獨立的合成比較呈現，因此群體數值並不代表每位訂閱者都經過審查或每項方案都已發送。
稽核檢視列出最新的 50 筆已儲存收據，且本地檔案在重新啟動後依然保留。已儲存的收據保留了此單行程展示中的特定執行證據；它並不代表獨立保管、防篡改證據或合規充分性。生產環境的評估必須針對目標環境確立資料存取、證據所有權、審查權限與營運持久性。
