# 产品指标复盘

> 输入产品指标数据或时间周期，输出指标健康度评估、趋势分析、归因分析和行动建议。 内置北极星指标拆解、留存分析、转化漏斗和A/B实验解读等方法论。 连接~~Notion后报告直接写入知识库。 当用户说"指标复盘"、"数据复盘"、"DAU分析"、"留存分析"、"转化漏斗"、"北极星指标"、 "产品数据"、"周报数据"、"月报数据"、"指标下降"、"数据异常"、"增长分析"、 "MAU分析"、"用户增长"、"漏斗分析"时触发。

- Skill: `ahang1598/skill-77` (Agent Skill)
- Install (CLI): `npx skillmds@latest add ahang1598/skill-77`
- Raw SKILL.md: https://api.skillmd.com/api/skills/ahang1598/skill-77/raw
- Safety review: pending (external: skill-scanner PASS, skillspector PASS)
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Productivity
- Author: ahang1598 (https://skillmd.com/u/ahang1598)
- Updated: 2026-09-09
- Page: https://skillmd.com/skills/ahang1598/skill-77

---


# 产品指标复盘

对产品核心指标进行系统化复盘，识别趋势变化、定位问题根因、给出行动建议。内置北极星指标体系、留存分析框架、转化漏斗方法论和A/B实验解读能力，帮助产品经理从数据中提取决策洞察。

## 工作方式

**独立能力（无需连接器）**

- 北极星指标 → L1 → L2 逐层拆解
- DAU/WAU/MAU 计算和健康度评估
- 留存曲线分析（次日/7日/30日）
- 转化漏斗瓶颈识别
- A/B实验结果解读
- OKR对齐检查
- 指标异动归因分析

**增强能力（连接器加持）**

- ~~Notion → 复盘报告写入团队知识库

## 连接器（可选增强）

| 连接器 | 增强能力 |
|--------|---------|
| **Notion** | 复盘报告写入团队知识库 |

> 没有连接器也完全可以使用。

## 输入要求

| 字段 | 必填 | 说明 |
|------|------|------|
| 指标数据 | 是 | Excel/CSV文件、粘贴数据表格、或口头描述关键指标 |
| 复盘周期 | 否 | 周复盘/月复盘/季度复盘，默认"周复盘" |
| 关注焦点 | 否 | 全面复盘/某指标异动分析/实验结果解读 |
| 业务上下文 | 否 | 本周期内的产品发布、运营活动、故障等影响因素 |

> **复盘模式判断**：提供全量数据 → 输出完整复盘报告；仅提供单一指标变化 → 输出聚焦的异动分析。

## 执行流程

### 第一步：数据获取与整理

解析用户上传的文件或粘贴的数据。若用户口头描述（如"DAU从10万降到8万"），基于描述进行分析。

**数据完整性检查**：
- 确认时间维度覆盖（当前期 vs 对比期）
- 确认指标维度（北极星/L1/L2哪些指标有数据）
- 缺失的关键数据标注并提醒用户补充

### 第二步：北极星指标体系构建

**指标拆解方法**（北极星 → L1 → L2）：

**北极星指标**（产品核心价值度量）
- **L1-用户增长**：DAU/WAU/MAU、新增、回流
- **L1-用户活跃**：核心行为频次、使用时长、功能渗透率
- **L1-用户留存**：次日/7日/30日留存率
- **L1-转化效率**：注册→激活→付费各环节转化率
- **L1-商业价值**：付费率、ARPU、LTV
- **L1-用户满意度**：NPS、客诉率、评分

**北极星指标选择指南**（按产品类型）：

| 产品类型 | 推荐北极星 | 典型L1指标 |
|---------|----------|----------|
| 社交/社区 | 周活跃发帖用户数 | DAU/MAU比、人均互动数、7日留存 |
| 工具/效率 | 周完成核心任务的用户数 | 任务完成率、使用频次、功能渗透 |
| 电商/交易 | 周交易用户数 | GMV、客单价、复购率、转化率 |
| 内容/媒体 | 周内容消费时长 | 人均阅读/观看时长、完读率、回访率 |
| SaaS/B端 | 周活跃团队数 | 团队渗透率、功能使用深度、续费率 |
| 小程序 | 周访问用户数(UV) | PV/UV比、分享率、次日回访率 |

### 第三步：用户增长指标分析

**DAU/WAU/MAU 定义与计算**：
- **DAU**：当日启动/访问并执行有效行为的独立用户数
- **WAU**：7日内至少有1天活跃的独立用户数
- **MAU**：30日内至少有1天活跃的独立用户数
- **DAU/MAU比（粘性）**：>0.5 极高粘性，0.3-0.5 高粘性，0.2-0.3 中等，<0.2 低粘性

**用户分层**：

| 用户类型 | 定义 | 关注点 |
|---------|------|--------|
| **新增用户** | 首次使用产品 | 获客渠道质量、激活率 |
| **活跃用户** | 本期和上期均活跃 | 使用深度、功能渗透 |
| **回流用户** | 上期沉默、本期重新活跃 | 回流原因、二次留存 |
| **流失用户** | 上期活跃、本期沉默 | 流失原因、挽回可能性 |
| **沉默用户** | 连续多期不活跃 | 是否已永久流失 |

**增长公式**：本期MAU = 上期活跃留存 + 新增 + 回流 - 流失

**微信生态补充指标**：
- 小程序：UV/PV、页面访问深度、分享率、收藏率
- 公众号：打开率、阅读完成率、分享率、取关率
- 视频号：完播率、互动率、关注转化率

### 第四步：留存分析

**留存定义与计算**：
- **次日留存（D1）**：注册/首次使用后第2天回来的比例
- **7日留存（D7）**：注册后第8天回来的比例
- **30日留存（D30）**：注册后第31天回来的比例

**留存健康基准值**（中国互联网产品）：

| 产品类型 | D1基准 | D7基准 | D30基准 | 说明 |
|---------|--------|--------|---------|------|
| 社交通讯 | >70% | >50% | >35% | 高频刚需，基准最高 |
| 工具应用 | >40% | >25% | >15% | 用完即走，基准适中 |
| 内容资讯 | >35% | >20% | >10% | 替代品多，留存偏低 |
| 电商交易 | >25% | >15% | >8% | 低频场景，看复购率 |
| 游戏 | >40% | >20% | >10% | 品类差异大 |
| B端SaaS | >60% | >45% | >30% | 切换成本高，基准较高 |
| 小程序 | >20% | >10% | >5% | 无安装，留存天然偏低 |

**留存曲线诊断**：
- **陡峭下降型**（D1→D7 损失>60%）：激活体验有问题，用户没找到价值
- **缓慢衰减型**（D7→D30 持续下降不收敛）：缺乏长期使用动力
- **L型收敛**（D7后趋于平稳）：健康，已形成核心用户群
- **回升型**（某一天突然回升）：可能有周期性使用场景（如周一用、工作日用）

**留存分群对比**：
- 按渠道分：自然量 vs 投放量的留存差异
- 按行为分：完成激活动作 vs 未完成的留存差异
- 按时间分：不同月份注册用户的留存曲线对比（判断产品改进效果）

### 第五步：转化漏斗分析

**漏斗定义方法**：
1. 明确漏斗起点和终点（如：首页访问 → 支付成功）
2. 拆分中间关键步骤（每步应代表一个用户决策点）
3. 计算每步转化率 = 到达下一步人数 / 到达本步人数

**漏斗分析框架**：

| 分析步骤 | 具体动作 | 输出 |
|---------|---------|------|
| **绘制漏斗** | 列出各步骤及转化率 | 漏斗全景图 |
| **识别瓶颈** | 找到转化率最低的步骤 | 优化聚焦点 |
| **对比基准** | 与历史/行业/竞品对比 | 差距量化 |
| **拆分维度** | 按渠道/设备/用户类型拆分 | 定位问题人群 |
| **生成假设** | 分析瓶颈可能的原因 | 优化方向 |
| **建议实验** | 提出验证假设的A/B实验 | 行动计划 |

**常见漏斗类型**：
- **获客漏斗**：曝光 → 点击 → 下载/注册 → 激活
- **激活漏斗**：注册 → 引导完成 → 核心行为首次触发
- **付费漏斗**：浏览 → 加购 → 下单 → 支付成功
- **分享漏斗**：触发分享入口 → 点击分享 → 好友打开 → 好友转化

### 第六步：A/B实验解读

**实验结果判断框架**：

| 判断维度 | 标准 | 说明 |
|---------|------|------|
| **统计显著性** | p值<0.05 | p>0.05 → 结果不确定，不应据此决策 |
| **效果量** | 相对提升>MDE（最小可检测效果） | 即使显著但提升极小，投入产出可能不值 |
| **样本量** | 达到预设样本量 | 未达样本量的"显著"结果不可信 |
| **持续时间** | 覆盖完整周期（至少1-2个自然周） | 避免周末/工作日差异误判 |
| **AA校验** | 实验前两组基线一致 | 基线不一致说明分流有问题 |

**决策框架**：
- 显著+效果大 → 全量上线
- 显著+效果小 → 评估长期价值和实施成本后决策
- 不显著 → 不上线，分析原因（假设错了？样本不够？执行问题？）
- 指标冲突（A指标升B指标降） → 综合评估，以北极星指标为准

**实验常见陷阱**：
- 过早看结果（未达样本量就下结论）
- 只看主指标不看护栏指标
- 多次peek导致假阳性
- 忽略新奇效应（新功能初期数据可能虚高）

### 第七步：OKR对齐检查

审查指标与团队OKR的对应关系：

| 检查项 | 健康标准 | 异常信号 |
|--------|---------|---------|
| **覆盖度** | 每个KR至少对应1个可追踪指标 | 有KR无法用数据衡量 |
| **一致性** | 指标变化方向与KR目标一致 | 指标涨了但KR没进展 |
| **进度** | 按时间线性进度≥50%（季度中期） | 严重滞后于时间进度 |
| **归因** | 指标提升可归因于团队行动 | 指标好转但与团队无关（如行业红利） |

**OKR进度评估表**：

| OKR | KR指标 | 目标值 | 当前值 | 进度% | 趋势 | 风险评估 |
|-----|--------|--------|--------|-------|------|---------|
| {O1} | {KR1} | {目标} | {当前} | {X%} | 上升/平稳/下降 | 按时/有风险/严重滞后 |

### 第八步：指标异动归因

当发现指标异常变化时，按以下框架定位原因：

**归因分析步骤**：
1. **量化异常**：具体变化了多少？从什么时候开始？
2. **维度拆解**：按渠道/地域/版本/用户群拆分，定位异常集中在哪里
3. **时间对齐**：异常时间点前后发生了什么（发版、活动、故障、竞品动作）
4. **排除法**：逐一排除可能原因，直到锁定最可能的根因
5. **交叉验证**：用其他指标验证归因是否成立

**常见异动原因清单**：

| 原因类别 | 典型表现 | 验证方式 |
|---------|---------|---------|
| 版本发布 | 与发版时间高度吻合 | 分版本对比 |
| 运营活动 | 活动期间升，结束后回落 | 分渠道对比 |
| 技术故障 | 突然下跌+恢复 | 看错误日志和可用性 |
| 外部因素 | 全行业普遍变化 | 对比竞品/行业数据 |
| 渠道变化 | 某渠道数据剧变 | 分渠道拆解 |
| 季节性 | 同比去年类似 | 看同期历史数据 |

### 第九步：生成复盘报告

**如果连接了~~Notion：**
1. 将报告写入团队知识库指定位置

**如果未连接：**
1. 以Markdown格式输出完整报告

## 输出格式

```markdown
# 产品指标复盘报告

**复盘周期**：{日期范围}
**产品名称**：{产品}
**复盘类型**：{周复盘/月复盘/季度复盘}

## 一、指标健康度总览

| 指标层级 | 指标名称 | 当前值 | 上期值 | 环比变化 | 目标值 | 状态 |
|---------|---------|--------|--------|---------|--------|------|
| 北极星 | {指标} | {值} | {值} | {+/-X%} | {目标} | 达标/预警/异常 |
| L1 | {指标} | {值} | {值} | {+/-X%} | {目标} | 达标/预警/异常 |

**整体健康判断**：{一句话总结}

## 二、用户增长分析
- DAU：{值}，环比{变化}
- MAU：{值}，DAU/MAU比={粘性值}
- 用户构成：新增{X}% / 活跃留存{Y}% / 回流{Z}%

## 三、留存分析
| 留存指标 | 当前值 | 上期值 | 行业基准 | 评估 |
|---------|--------|--------|---------|------|

## 四、转化漏斗
| 步骤 | 到达人数 | 转化率 | 环比变化 | 是否瓶颈 |
|------|---------|--------|---------|---------|

**瓶颈诊断**：{描述}

## 五、实验/功能效果（如有）
| 实验名称 | 主指标变化 | 显著性 | 结论 |
|---------|----------|--------|------|

## 六、OKR进度
| KR | 目标 | 当前 | 进度 | 风险 |
|----|------|------|------|------|

## 七、异动归因
| 异常指标 | 变化幅度 | 起始时间 | 归因 | 信心度 |
|---------|---------|---------|------|--------|

## 八、关键洞察
1. {洞察1：发现+数据+意义}
2. {洞察2}
3. {洞察3}

## 九、行动建议
| 优先级 | 行动项 | 关联指标 | 预期效果 | 负责方 |
|--------|--------|---------|---------|--------|
```

## 复盘节奏指南

| 复盘类型 | 频率 | 时长 | 参与者 | 重点 |
|---------|------|------|--------|------|
| **周复盘** | 每周一 | 15-30分钟 | 产品经理 | 北极星+异动+实验进展 |
| **月复盘** | 每月初 | 30-60分钟 | 产品团队 | 全L1指标+留存+漏斗+OKR进度 |
| **季度复盘** | 季度末 | 60-90分钟 | 产品+运营+技术 | 战略复盘+OKR评分+下季度规划 |

## 质量标准

1. 指标定义清晰——每个指标附计算口径说明
2. 数据有对比——当前值必须对比上期、同期或目标
3. 归因有证据——不能仅凭相关性断定因果
4. 建议可执行——行动项具体到可分配到人
5. 标注数据局限——样本量不足或数据质量问题明确说明

## 指标分析常见陷阱

| 陷阱 | 表现 | 正确做法 |
|------|------|---------|
| **辛普森悖论** | 整体指标上升，但每个分群都在下降 | 永远做分群对比，不只看总体 |
| **幸存者偏差** | 只看留存用户的数据，忽略流失用户 | 对比留存vs流失用户的行为差异 |
| **虚荣指标** | 累计注册数只升不降，但无法指导决策 | 用活跃指标（DAU/WAU）替代累计指标 |
| **时间窗口陷阱** | 选的对比时间段正好是异常点 | 多看几个时间窗口交叉验证 |
| **Goodhart定律** | 指标成为目标后就不再是好的度量 | 设置护栏指标防止刷量 |

## 红线规则

1. **不编造数据**：没有的数据标注"缺失"，不做猜测填充
2. **不混淆相关与因果**：归因必须说明是"高度相关"还是"确认因果"
3. **不过度乐观**：指标小幅波动不要过度解读，标注"属于正常波动"
4. **不忽略负面信号**：即使整体向好，也要指出潜在风险

## 输入不足处理

- **仅提供单一指标**：聚焦该指标的异动分析，不做全面复盘
- **无历史数据**：仅分析当前快照，标注"缺乏对比基线，建议建立持续追踪"
- **口头描述数据**：基于描述进行分析，但标注"建议补充精确数据验证"
- **缺乏目标值**：提供行业基准作为参考，建议团队设定明确目标

## 相关技能

- `/用户反馈分析`：指标异动时结合用户反馈定性理解原因
- `/需求优先级排序`：基于指标复盘结果调整需求优先级
- `/路线图更新`：基于OKR进度调整路线图规划