1. 明确业务目标与关键结果：识别产品北极星指标、拆解业务OKR、确定模型对齐的最终业务价值

模型指标对齐的第一个动作不是看数据、调参数，而是向上对齐。如果模型优化的方向与产品真正的增长杠杆错位，后续所有工程投入都会产生系统性偏差。本章聚焦把“业务语言”翻译为“模型语言”的第一道工序。

适用场景

• 新产品立项：核心指标尚未定义，需从零搭建对齐框架。
• 存量模型迭代：现有离线指标与线上业务效果存在明显 gap，需重新校准对齐目标。
• 跨团队协作启动：算法、产品、运营三方对“什么指标最重要”存在概念分歧。
• 季度/版本复盘：业务 OKR 发生变更，模型指标需同步刷新。

前置条件

核心概念：北极星指标与 OKR 的逐级映射

操作步骤

1. 识别并定义北极星指标

   组织产品、算法、分析三方闭门会，采用“唯一指标法”筛选：候选指标列表 → 逐一评估可衡量性、可干预性、与长期价值相关性 → 投票确定唯一北极星指标。

2. 拆解业务 OKR

   将北极星指标分解为 2-4 个可量化的关键结果（KRs）。每个 KR 必须满足：与北极星指标存在直接可推导的因果链、能独立归因给某个模型或策略模块。

3. 映射模型对齐的最终业务价值

   为每个 KR 指定其承载模型（如分类/回归/排序/召回），明确该模型输出结果（如预测概率、排序分）被业务端使用的方式和收益触发器。

4. 输出对齐正式文档

   编写《北极星指标定义书》与《OKR↔模型指标映射表》，经三方责任人签字确认后冻结为基线，后续章节的动作均基于此基线展开。

输入输出物

责任边界

• 产品负责人：对北极星指标的“业务正确性”负责；提供 OKR 文档，确认 KR 的行业基准值。
• 算法负责人：对北极星指标的“可被模型优化性”负责；提出约束条件（如特征获取延迟不可超过 2 小时、模型预估不可使用未来数据）。
• 数据分析师：对北极星指标的“可衡量性”负责；提供历史数据支撑，证明该指标可稳定采集、计算、监控。

记录材料

• 北极星指标定义书（版本 v1.0）：包含指标名称、计算公式、数据源、采集频率、历史趋势基线。
• OKR↔模型映射表：业务目标 → KR → 承载模型 → 模型输出字段 → 业务使用方 → 更新周期。
• 三方对齐会议纪要：记录分歧点（如候选指标投票票数分布）、最终决策理由、保留的替代指标（作为第 2 梯队对齐目标）。

异常处理

验收标准

• 北极星指标满足“唯一、可衡量、可干预、长期价值导向”四项检查清单。
• 每条 KR 均对应至少一个具体模型或策略模块，不存在“无主 KR”。
• 输出物《北极星指标定义文档》和《映射表》经三方邮件/系统确认后归档，后续章节必须引用该基线版本号。
• 异常处理记录中所有阻塞项必须有明确的后续动作（如预实验计划、Proxy 指标假设验证 schedule）。