说说我的看法：(1)第一个问题：首先可以可以根据因果推断（找到相似的样本准实验）、abtest确定流量下跌的占比，并得出新老用户下降占比多少，然后根据新老用户下跌的占比估算用户剩余生命周期总价值，根据ROI投资回报率公式，分子为GMV，分母为流失用户生命周期总价值，可以以不同广告投放比例设置多个实验组，已知广告投放越多，gmv增长越多，流量下跌越多，分子上升，分母成本越高，可以设置ROI为一个阈值（最大容忍度），从而求得峰值，（多个峰值时取广告投放比例最小的那个），从而以此广告投放比例作为衡量阈值。 （2）第二个衍生问题：首先，业务线流量可以按照总人数比例计算，调用流量不可以低于某个阈值，低于某个阈值可能影响该业务的正常运营。 其次，补充的流量=广告推广的总流量-电商业务线本身流量，某一业务线补充的流量=补充的流量*某一业务线总人数占其他业务线流量占比，可以设定一个范围，视业务对补充的流量进行阈值波动，并且对该业务线的流量根据活跃度进行分层——高活、中活、低活，并设定比例进行抽取，避免广告分发的过度倾斜导致破坏整体业务线内容氛围。 对每一业务线按规则抽取后，进行abtest，需要达到两个目标：（1）各业务线核心指标不受影响（不显著）；（2）实验组gmv显著提升，roi在合理范围。