zhaoxuya520 指标体系设计（Metric Design）
参考来源：Google HEART Framework、Pirate Metrics (AARRR)、North Star Metric、GSM Framework、Lean Analytics。
适用场景
- 从零搭建产品 / 业务指标体系
- 定义北极星指标（North Star Metric）
- AARRR 各阶段指标拆解
- 漏斗指标设计与口径定义
- GSM 框架落地（目标 → 信号 → 指标）
- 指标口径对齐与文档化
- OKR / KPI 量化拆解
- 数据埋点需求输出
核心原则
1. 业务导向
指标必须回答业务问题，不是为了量化而量化
2. 可行动
每个指标变动都能对应具体行动（不能只看不能动）
3. 可衡量
有明确计算公式、数据来源、统计口径
4. 层次分明
北极星 → 一级指标 → 二级指标 → 过程指标，不混层
5. 口径唯一
同一指标全公司一个定义，不允许多版本
6. 反指标
设防护指标（Guardrail Metrics）防止优化一个指标伤害另一个
指标体系框架
北极星指标（North Star Metric）
定义：单一指标，代表产品核心价值，全公司对齐
选择标准：
- 反映用户获得的核心价值
- 可拆解为团队可影响的子指标
- 领先指标（而非滞后指标）
- 长期增长与短期增长一致
示例：
Spotify → 每周活跃收听时长
Airbnb → 预订间夜数
Slack → 每日活跃团队中发送消息数
电商 → 月度 GMV / 月度订单数
AARRR 海盗模型
Acquisition（获取） → 用户从哪来？
Activation（激活） → 用户首次体验价值？
Retention（留存） → 用户回来吗？
Revenue（收入） → 用户付费吗？
Referral（推荐） → 用户推荐吗？
每个阶段 2~3 个核心指标 + 1 个反指标
GSM 框架
Goals（目标） → 业务想达成什么？
Signals（信号） → 什么行为/现象说明在接近目标？
Metrics（指标） → 用什么数字量化信号？
示例：
Goal: 提升用户活跃度
Signal: 用户更频繁地使用核心功能
Metric: 周均核心功能使用次数（per user）
漏斗指标
设计步骤：
1. 定义漏斗起点和终点
2. 拆解中间关键步骤（不超过 7 步）
3. 每步定义转化率 = 下一步人数 / 当前步人数
4. 标注各步骤的平均时长
5. 设置各步骤基准线（Benchmark）
注意：
- 每步定义必须互斥（一个用户不能同时在两步）
- 时间窗口要明确（7 天漏斗 vs 30 天漏斗）
- 区分新用户漏斗 vs 全量用户漏斗
指标定义标准格式
指标名称：[中文名]（[英文名]）
业务含义：[一句话解释]
计算公式：[分子] / [分母] 或 COUNT(xxx) WHERE ...
数据来源：[表名 / 埋点事件]
统计粒度：[天/周/月]
统计口径：[去重规则 / 时间窗口 / 过滤条件]
责任人：[谁负责这个指标]
反指标：[优化此指标时需要监控什么]
基准线：[当前值 / 行业均值 / 目标值]
流程
1. 明确业务目标（这个阶段最重要的事是什么？）
↓
2. 选择框架（北极星 / AARRR / GSM / 漏斗）
↓
3. 拆解指标层级（一级 → 二级 → 过程指标）
↓
4. 定义每个指标的标准格式（公式 / 口径 / 来源）
↓
5. 设置反指标（防止过度优化）
↓
6. 确认数据可获取性（有埋点吗？有表吗？）
↓
7. 输出指标文档 + 埋点需求
↓
8. 与产品 / 开发 / 数据对齐口径
质量自检
□ 每个指标是否有明确计算公式？
□ 口径是否无歧义（同一个名字只有一个定义）？
□ 指标层级是否清晰（北极星 → 一级 → 二级）？
□ 是否设置了反指标 / 防护指标？
□ 数据来源是否确认可获取？
□ 时间粒度和窗口是否明确？
□ 是否与产品 / 业务对齐？
□ 是否输出了埋点需求（如果缺数据）？
□ 指标数量是否合理（一级 ≤ 5，二级 ≤ 15）？
□ 是否考虑了季节性和外部因素影响？
常见坑
- 虚荣指标——只看 PV/UV 不看实际价值（注册不等于激活）
- 指标太多——什么都追等于什么都不追
- 口径不统一——产品说 DAU 包含游客，运营说不包含
- 只有滞后指标——收入是结果，过程指标才能行动
- 忽略反指标——提升转化率但客单价暴跌
- 指标不可行动——看到下降了但不知道该做什么
- 时间窗口不明确——7 天留存和 30 天留存混着看
- 漏斗步骤定义模糊——用户可能跳步或回退
配套模板
templates/metric-framework-template.md— 指标体系设计模板
与其他 skill 的协作
上游：
产品经理工作流 → 业务目标 + 假设
项目经理工作流 → OKR / 里程碑
下游：
sql-analysis → 指标口径落地为 SQL
data-visualization → 指标可视化到仪表盘
ab-testing → 实验指标定义
analysis-report → 指标解读写入报告
后端工程师工作流 → 埋点需求