**关键原则**：所有指标必须支持向下钻取（Drill-down），即从整体细分到单个内容、用户分群、时间粒度。
### 2.2 维度拆解
每个核心指标至少应拆解为以下维度，以支撑多维分析：
- **内容维度**：类型（图文/视频/音频）、作者、标签、发布时间、生命周期阶段
- **用户维度**：新用户/老用户、活跃度分层、账号类型、设备、地域
- **渠道维度**：首页推荐、搜索、推送、外部分享、广告落地页
- **时间维度**：小时、日、周、月、季度
> **建议**：在数据仓库中统一构建维度表，避免各业务线的口径打架。例如“视频播放量”需要明确定义：播放时长超过3秒才算一次有效播放。
### 2.3 看板结构（指标关系图）
下面用一张结构图展示四个核心指标与子指标之间的驱动关系，以及它们如何共同支撑内容产品的整体健康度评估。
> 图中虚线表示一级指标向下拆解到更细维度的示例路径。在实际看板中，每个核心指标都支持点击下钻至子指标。
### 2.4 异常解释
当指标出现异常波动时，需按照以下逻辑链排查：
| 异常现象 | 可能原因 | 验证方法 |
|----------|----------|----------|
| 内容消费量骤降 | 推荐算法调整 / 流量入口下线 / 服务端降级 | 对比渠道来源占比变化，检查服务端日志错误率 |
| 互动率异常升高 | 刷量脚本 / 活动抽奖激励 / 内容诱导 | 检查IP分布、用户行为序列、互动内容分布 |
| 留存贡献为负 | 负向内容（广告、慢加载）导致用户厌恶 | 分内容类型查看留存贡献，对比实验组/对照组 |
| 商业转化贡献陡升 | 归因模型变更 / 渠道作弊 / 结算周期影响 | 核对归因配置日志，检查当日转化事件时间戳 |
> **避坑提醒**：不要仅看单点指标，比如互动率单独看可能虚高，必须结合内容消费量判断绝对规模。建议使用「互动率×消费量」作为辅助指标。
### 2.5 业务动作与复盘分析
四个核心指标对应四类典型业务动作：
**内容消费量**
- 目标：提升曝光与点击
- 动作：优化推荐队列、调整标题/封面、提高内容生产效率
**互动率**
- 目标：增强用户参与感
- 动作：设计评论区互动功能、加入投票/问答、激励优质UGC
**留存贡献**
- 目标：将一次性消费转化为持续访问
- 动作：个性化内容续推、每日签到、内容专题系列化
**商业转化贡献**
- 目标：实现内容商业价值最大化
- 动作：广告位与内容匹配、限时带货直播、会员专属内容
> **复盘模板**：每周回顾4个指标的同比环比变化，每次只看变化最大的前3个内容，回溯当天推荐策略、运营活动、技术发布，形成「指标→原因→行动」闭环。
**数据驱动复盘流程**：
1. 拉取本周四大核心指标趋势图，标注异常点；
2. 从内容、用户、渠道三个维度下钻，找到波动的第一来源；
3. 与产品/运营/技术同学对照日志与配置，确认原因；
4. 制定1-2项可测试的优化动作，设定下周期目标值；
5. 记录复盘结论至度量知识库，作为后续异常解释的参考。