第1章 AI功能效果归因的业务场景识别
适用场景
当产品团队或数据科学团队需要从多个候选AI功能中选出最具量化归因价值的功能时，使用本流程。典型场景包括：
- 版本迭代前，决定哪些AI功能需要优先上线并埋点追踪效果
- 季度规划中，筛选出可量化验证的AI能力，避免“做了但看不到效果”
- 跨团队资源博弈时，用统一框架对AI场景进行客观优先级排序
前置条件
在启动场景识别前，必须确认以下条件已满足：
| 序号 |
前置条件 |
验收方式 |
| 1 |
业务战略目标已书面化（如：提升用户留存率2%） |
目标文档签字确认 |
| 2 |
候选AI功能清单已整理（含功能名称、输入、输出） |
清单表格完成 |
| 3 |
已有系统数据流图或业务链路草图 |
至少一级链路可画 |
操作步骤
- 明确业务目标 – 与业务方对齐核心指标（KPI），区分北极星指标与辅助指标。
- 列出AI功能类型 – 按“预测、分类、推荐、生成、异常检测”等维度归类候选功能。
- 绘制影响链路 – 从AI输出事件到业务指标变化，画出中间节点（如：推荐曝光→点击→订单→GMV）。
- 评估场景优先级 – 对每个场景打分：收益潜力（1‑5）、归因难度（1‑5，越低越易）、实施成本（人天）等。
- 输出场景清单 – 按综合得分降序排列，形成待量化归因的优先级列表。
输入输出物
| 方向 |
物名称 |
格式/载体 |
来源/去向 |
| 输入 |
业务目标文档 |
Word / 线上 Wiki |
业务方提供 |
| 输入 |
AI功能候选清单 |
Excel / 飞书多维表格 |
产品经理整理 |
| 输入 |
数据链路 DAG（有向无环图）草图 |
Draw.io / 手绘拍照 |
数据工程师绘制 |
| 输出 |
场景优先级清单（含得分、排序） |
Excel / CSV |
数据科学团队交付 → 产品决策 |
| 输出 |
影响链路图（归因可溯版本） |
SVG / 截图 |
存档并在分析中复用 |
责任边界
| 角色 |
职责 |
不负责的部分 |
| 业务方（运营/销售等） |
提供明确的业务目标与可量化的成功标准 |
不参与技术链路绘制 |
| 产品经理 |
维护AI功能清单，组织优先级评审会 |
不直接产生归因模型 |
| 数据科学家 |
拆解影响链路，设计归因指标框架 |
不负责最终业务决策 |
| 数据工程师 |
提供链路中的数据埋点 & 日志可用性评估 |
不负责优先级打分 |
记录材料
| 材料名称 |
内容要求 |
保管期限 |
| 场景优先级评估表 |
包含：场景名称、AI功能类型、收益评分、归因难度评分、成本估算、最终排序 |
项目全生命周期 |
| 影响链路文档 |
图形+文字说明，明确每个节点的事件定义、数据源、关联指标 |
至少保留至下一次版本迭代 |
| 评审会议纪要 |
记录决策理由、争议点、待办事项 |
1年 |
异常处理
常见异常与应对：
- 业务目标冲突（如同时要求 GMV 和用户数提升，但资源冲突）→ 暂停评估，请业务方对齐优先级或拆分阶段目标。
- 影响链路断裂（AI输出后无埋点、无法追踪中间态）→ 标记为“暂不可归因”，输出中注明缺失节点，待补充埋点后再评估。
- AI功能定义模糊（如“智能客服”包含多种子能力）→ 必须拆解到原子能力级别，否则不纳入清单。
验收标准
- 场景优先级清单包含不少于3个候选场景，且每个场景有完整的评分列。
- 影响链路图通过至少2位团队成员的交叉评审（确认节点事件可被追踪）。
- 异常处理记录已被更新（如有异常发生）。
- 所有输入输出物已归档至统一目录（如 Confluence / Notion 页面）。
本章核心流程：AI功能效果归因场景识别