01 / Structural finding
大多數人太早看到 paywall，乾淨的 pre-paywall AHA 機會很少。
這讓 all-cohort feature ranking 會誤導：快轉換的人很早 trial，還沒有時間完成統計、選樹、achievement 或第二次種樹。 所以主分析改用 landmark population：前 10 分鐘沒有 trial 的人，後續是否在 7 天內 trial。
Android first paywall timing
02 / Candidate signals
關鍵訊號：先看「前 10 分鐘未 trial」的人。
這些不是 causal proof，而是穩定的 delayed activation candidates。
03 / Facebook-style threshold
「前七天做了幾件事」有訊號，但只能當 habit diagnostic。
Active days 與完成樹數門檻穩定正相關，不過它們同時也是 survival / opportunity marker。
04 / Growth bets
把 AHA 變成可測的 product flow。
iOS 優先測 activation ritual；Android 需要 activation 與 checkout/payment recovery 並行。
05 / Agent roundtable review
三位 reviewer 的共同挑戰：不要把 predictive signal 說成因果。
不要宣稱單一 AHA。iOS 是 ritual/proof/ownership；Android activation 不足以取代 checkout recovery。
iOS 要做 personal focus ritual；Android 要做 repeatable focus recipe 與 accountability。
最安全標籤是 delayed activation candidates after first monetization ask；D1-D7 threshold 不可稱 causal。
06 / Read this carefully
這份報告刻意保守。
- 不要說「這個事件造成 trial」。這是 observational association。
- 不要把 paywall / plan loaded 叫 AHA，它們是 funnel marker。
- 不要用 all-cohort negative correlation 說產品深度行為傷害 trial，那主要是 fast-converter timing bias。
- Android 的 activation lift 很小，平台差距仍可能主要在 trial/payment completion。