第2章 指标分类框架：区分核心指标、辅助指标、护栏指标、滞后指标与领先指标

A/B 测试的成败高度依赖指标体系的系统设计。单一指标容易产生片面结论；指标过多则陷入噪声。本章建立五维指标分类框架，帮助实验设计者在不同业务场景下精准匹配指标类型，形成兼顾短期信号、长期效果、业务安全与解释深度的完整评估体系。

1. 适用场景

• 新实验设计阶段：需要从零搭建指标看板，确定实验胜负标准。
• 已有指标池但缺乏层次：指标之间相互冲突或冗余，需要梳理优先级和约束关系。
• 高风险策略验证：涉及收入、用户隐私、系统稳定性等底线，必须设置护栏指标。
• 长周期效果评估：实验短期结果与长期影响可能不一致，需要领先/滞后指标配合观测。

2. 前置条件

• 已完成实验目标与假设的明确陈述（第1章输出）。
• 具备基础数据采集能力（埋点、日志、业务数据库）。
• 业务漏斗的关键环节已识别并量化。
• 团队对“北极星指标”已达成共识。

3. 操作步骤

1. 明确实验目标，锁定核心指标

   将实验假设转化为一个可量化的核心指标。核心指标必须直接反映实验想要改变的业务结果，且与北极星指标对齐。

   • 示例：如果实验目标是提升用户购买意愿，核心指标可选“加购率”或“支付转化率”。
   • 避坑：不要选择多个核心指标同时作为胜负标准，避免「多目标无法同时优化」的困境。
2. 扫描业务漏斗，枚举辅助指标

   沿用户行为路径，列出所有可能被实验影响的中间指标。辅助指标不决定实验胜负，但用于解释核心指标变化的原因。

   • 示例：核心指标为“支付转化率”时，辅助指标可包括“商品详情页停留时长”“购物车添加次数”“优惠券领取率”。
   • 注意区分正向辅助指标与反向辅助指标（如“退款率”）。
3. 划定安全边界，设定护栏指标

   识别实验触碰后会产生负面影响的底线指标，设置明确阈值。护栏指标一旦触发，实验应立即暂停。

   • 典型护栏指标：页面加载时间、服务器错误率、用户投诉率、关键收入指标下降幅度。
   • 护栏指标通常不用于判断实验胜负，而是用于“一票否决”。
4. 区分观测窗口，拆分领先与滞后指标

   根据实验策略生效的时间规律，将指标分为领先指标（实验后短期可观测）和滞后指标（需要较长时间才能体现效果）。

   • 领先指标适合做早期信号，用于快速迭代判断；滞后指标用于验证长期影响。
   • 示例：功能改版实验，领先指标为“功能点击率”，滞后指标为“7日活跃度”或“次月留存率”。
5. 交叉校验指标一致性，生成分类清单

   将上述五类指标汇总为一张清单，检查是否存在逻辑冲突（如核心指标上升但辅助指标全面下降），并与业务方逐一确认。

   • 使用“指标分类清单模板”记录每类指标的定义、口径、数据来源和观测窗口。
   • 完成后由数据科学家与产品经理双方签字确认。

4. 输入输出物

5. 责任边界

6. 记录材料

使用“指标分类清单模板”记录每类指标的详细信息，以下为模板示例：

7. 异常处理

8. 验收标准

• 每类指标至少包含 1 个具体指标，核心指标有且仅有 1 个（或一组高度相关的复合指标）。
• 所有指标均有明确的业务口径、数据来源和计算逻辑。
• 核心指标与实验假设直接对应，且与北极星指标对齐。
• 护栏指标设有可量化的阈值，且团队知晓触发后的停实验流程。
• 领先指标与滞后指标形成时间维度的完整观测链（短期 + 长期）。
• 指标分类清单已通过数据科学家与产品经理双方确认，并存档。