第3章 指标口径文档模板
指标口径文档是产品分析的“宪法”——它定义了每一个关键指标从哪来、怎么算、何时更新。没有口径文档,团队就会出现“DAU口径不同”、“转化率对不上”的混乱局面。本章给出可直接复用的五要素模板,并围绕它拆解维度、设计看板、判断异常、驱动业务动作与复盘。
💡 核心原则:一份口径文档只描述一个指标,做到“谁看了都能算出完全一致的结果”。
3.1 五要素标准模板
每个指标的口径文档必须包含以下五个要素,缺一不可:
| 要素 | 要求 | 示例(以“7日活跃用户率”为例) |
|---|---|---|
| 名称 | 唯一、无歧义的中英文名,包含业务限定词 | 7日活跃用户率(7-Day Active User Rate,简称 7DAU_Rate) |
| 定义 | 用业务语言描述指标的业务含义,不出现技术细节 | 过去7天内至少访问过1次产品的用户,占同期总活跃用户的比例 |
| 计算公式 | 分子/分母的精确业务定义,保留小数位数与取舍规则 | 分子:7日内有≥1次访问记录的去重用户数 分母:当日活跃用户数(DAU) 结果保留2位小数,四舍五入 |
| 数据源 | 指明数据库表名、字段名、过滤条件、ETL 依赖 | 表:event.user_activity,字段:user_id、event_date,过滤:event_type='visit',依赖:每日凌晨3点 ETL 完成 |
| 更新频率 | 说明数据产出时间、延迟容忍度、历史数据是否回刷 | 每日更新,T+1 产出(次日08:00前),支持近30天回刷 |
✅ 最佳实践:将五要素写入共享知识库(如 Confluence / Notion),并用版本号管理每一次修改。
3.2 维度拆解规范
口径文档中必须预先定义可拆解的维度,否则看板会沦为“只有一个数字的标题”。以下表为每个指标标配维度拆解清单:
| 维度类别 | 维度名称 | 取值示例 | 拆解目的 |
|---|---|---|---|
| 时间 | 日 / 周 / 月 | 2025-03-01、2025-W09、2025-03 | 观察趋势与周期 |
| 用户分层 | 新用户 / 老用户 | 注册≤7天 / 注册>7天 | 识别用户生命周期阶段 |
| 渠道 | 自然流量 / 付费广告 / 社交裂变 | organic / paid_cpc / invite | 评估渠道质量 |
| 设备 | iOS / Android / Web | iOS_15.0 / Android_12 / Chrome | 排查兼容性与体验差异 |
| 地区 | 国家 / 省份 / 城市等级 | CN_BJ / 一线 / 三线 | 支持地域化运营 |
⚠️ 常见陷阱:维度取值未标准化会导致看板聚合出错。例如“新用户”有的团队定义是注册≤3天,有的是≤7天——口径文档必须写明精确阈值。
3.3 口径文档结构图
下图展示了指标口径文档从五要素定义到看板消费的完整链路,每个节点都对应文档中的一个章节:
🗺️ 使用说明:将该 SVG 结构图直接放入口径文档首页,团队成员可以一图看懂整个文档的编排逻辑。
3.4 异常判断规则
有了标准口径之后,才能定义“什么是异常”。基于口径文档的五要素,制定如下判断规则:
| 异常类型 | 触发条件 | 基于口径的排查路径 |
|---|---|---|
| 数据突降 | 指标日环比下降 >15% | ① 检查数据源表是否延迟或丢失分区 → ② 计算公式中分子是否被过滤 → ③ 定义中是否涉及节假日排除 |
| 数据突增 | 指标日环比上升 >30% | ① 确认是否为渠道投放或自然增长事件 → ② 检查更新频率是否触发了历史回刷 → ③ 验证数据源是否有重复记录 |
| 口径漂移 | 同一指标在不同看板上数值不一致 | ① 对比两份口径文档的名称与定义是否一致 → ② 核对计算公式中分子分母的过滤条件 → ③ 检查数据源的更新时间戳 |
| 维度断裂 | 按某维度拆解后总和≠整体值 | ① 检查维度取值是否标准化 → ② 确认是否存在空值或“其他”兜底分类 → ③ 验证数据源中该维度的覆盖率 |
⚠️ 关键动作:每次异常排查后,必须更新口径文档的“异常备注”字段,记录原因与排查结论,避免重复踩坑。
3.5 业务动作清单
口径文档的价值最终体现在业务决策上。当指标发生变动时,按以下清单执行动作:
- ✅ 指标达标 → 将口径文档中的“基准值”更新为当前值,并归档至历史版本库。
- 📉 指标低于预期 → 启动维度下钻:按用户分层→渠道→设备逐层拆解,定位下降最严重的维度,输出动作卡(如:针对渠道A增加预算)。
- 📈 指标超预期 → 排查是否为口径变更导致(如分子排除了部分用户),确认真实增长后固化经验并广播团队。
- 🔄 指标波动但仍在阈值内 → 保持监控,无需立即动作,但需在口径文档中记录“观察期”标记。
🏢 团队协作建议:每个指标指定一名“口径负责人”,负责审核动作清单的执行情况,并在周会上同步口径变更日志。
3.6 复盘分析
复盘不是事后总结,而是反哺口径文档的闭环。每轮复盘必须完成以下三项交付:
- 口径一致性检查:对比复盘周期内指标的实际计算方式与口径文档是否完全一致,差异部分记入口径偏差日志。
- 维度拆解有效性评估:复盘时使用的维度拆解是否覆盖了所有核心影响因素?若发现未预定义的维度(如“用户来源页面”),将其补充进维度拆解规范。
- 更新频率合理性验证:当前的 T+1 更新是否满足复盘时效?若业务需要实时数据,在口径文档中新增“实时快照”章节并注明误差范围。
复盘完成后,将口径文档版本号递增(如 v2.1 → v2.2),并在变更日志中写明本次修改的原因、时间、修改人。只有文档持续迭代,指标才能持续可信。
📌 复盘模板一句话:“本次复盘基于口径文档 v2.1,所有指标均按标准口径计算,唯一偏差是渠道维度缺少‘社交裂变’分类,已补充至 v2.2。”