第4章 核心指标设计：定义指标口径（分子分母）、明确统计属性（均值/比率/分位数）、记录口径文档

指标口径是实验度量的“宪法条款”——分子分母定义不清、统计属性混淆，会导致实验结论不可复现、团队间争议不断。本章提供一套标准化的口径设计流程，从业务目标拆解到文档归档，确保每个指标可追溯、可计算、可审计。

4.1 适用场景

以下三类场景必须启动正式的口径定义流程：

• 新实验指标首次定义——例如上线“首单转化率”指标前，需明确首单时窗、用户归属、成功事件定义。
• 实验指标体系重构——旧口径存在歧义或数据源变更时，需整体刷新。
• 跨团队协作——数据工程、产品、算法团队共用同一指标时，必须通过文档对齐理解。

4.2 前置条件

• 业务目标已拆解为可量化的核心概念（如“用户活跃”→“7日内登录天数≥3天”）。
• 数据源可用性已确认（埋点表、离线数仓、实时流表至少一方就绪）。
• 团队已对齐基础统计概念（均值、比率、分位数的含义与计算方式）。

4.3 操作步骤

遵循“拆解→定属性→定口径→归档→验收”五步流程，每一步均需输出中间产物。

1. 拆解业务目标为核心概念——将模糊的业务语言翻译为可观测的事件/实体。例如“提升用户付费意愿”拆解为“支付事件次数”“付费用户占比”“ARPU”。
2. 明确统计属性——为每个核心概念选择均值、比率或分位数，并说明选择依据。
3. 定义分子分母——用“事件+过滤条件+时间窗口”精确描述分子集合与分母集合。
4. 记录口径文档——按标准化模板填写，包含口径ID、公式、数据源、过滤条件、变更历史。
5. 评审验收——利益相关方签字确认，口径进入受控状态。

4.4 输入输出物

4.5 责任边界

4.6 记录材料：口径文档模板

所有指标口径必须按以下JSON模板记录，并存于版本受控的仓库（如Git）中。

{
  "metric_id": "purchase_conversion_rate_v2",
  "metric_name": "购买转化率（v2）",
  "statistical_property": "比率",
  "formula": {
    "numerator": {
      "event": "purchase_success",
      "filters": ["amount > 0", "is_test_user = false"],
      "time_window": "进入实验后7日内"
    },
    "denominator": {
      "entity": "user_id",
      "filters": ["exposure_time >= '2025-01-01'", "platform IN ('iOS','Android')"]
    }
  },
  "data_source": "clickhouse.event_log_2025",
  "version": "1.0",
  "owner": "analyst_zhang",
  "reviewers": ["pm_li", "eng_wang"],
  "changelog": [
    {"date": "2025-02-10", "change": "初始定义", "author": "analyst_zhang"}
  ]
}

每个字段必须填写，不允许空值。changelog 数组记录每次变更原因与前后对照。

4.7 异常处理

4.8 验收标准

口径定义是否合格，须逐条检查以下项：

• 语义无歧义——随机抽取3位团队成员，对口径描述的理解完全一致。
• 分子分母可追溯——每条过滤条件都能在数据字典中找到对应字段与合法值域。
• 统计属性明确——均值/比率/分位数已注明，且分母边界清晰。
• 文档完整——口径ID、版本、owner、changelog 均已填写，无空字段。
• 查询可复现——提供的SQL验证脚本在测试环境执行结果与文档描述一致。
• 已通过评审——至少1位业务方 + 1位数据工程师在口径文档上签字确认。