第2章 Reach（触达）定义：触达人数的计算口径、日活/月活/会话数选择、AI功能特有触达指标
业务问题：为什么触达人数总是算不清？
产品经理在计算AI功能优先级时，Reach指标直接决定了功能影响范围。但实践中团队常陷入三个误区：口径混用（用DAU替代功能触达）、行为定义模糊（“使用AI功能”到底指曝光还是提交）、时间窗口随意（日/周/月口径各说各话）。这些问题导致同一个功能在不同评审会上被赋予完全不同的触达估值，优先级排序失去公信力。
用户场景：三类角色眼中的“触达”
- 产品经理：在需求评审会上需要给出一个“铁证如山”的触达数字，但发现DAU、MAU、会话数都不直接等于AI功能用户数。
- 数据分析师：埋点事件命名混乱，同一个“ai_submit”事件在不同版本中分别代表“打开面板”和“真正提问”，触达人数统计口径需要逐字段核对。
- 业务负责人：关注“这个AI功能到底覆盖了多少目标用户”，但现有报表只能看到整体活跃度，无法区分自然用户与AI功能触达用户。
用户访谈：来自一线的真实反馈
产品经理（B端AI平台）：“我们团队用MAU计算所有功能的触达，但AI写作助手上线两周，MAU根本没变化。后来发现新用户用了AI功能就走了，根本没成为月活用户，MAU完全掩盖了AI功能的真实触达。”
数据分析师（C端AI助手）：“埋点事件‘ai_session_start’在iOS和安卓端的触发时机差了3秒，导致跨端去重后触达人数偏差15%。口径定义必须精确到事件触发的时间点和前置条件。”
需求拆解：触达计算的三维坐标
触达人数不是单一数字，而是由三个维度组合而成的指标坐标。任何维度的变化都会导致触达估值大幅波动。
| 维度 | 可选值 | AI产品典型场景 | 选择建议 |
|---|---|---|---|
| 时间口径 | 日（DAU）／周（WAU）／月（MAU）／会话（Session） | 对话助手按会话算触达；推荐功能按日活算触达 | 高频功能用日活或会话；低频功能用周活或月活 |
| 用户口径 | 全部访问用户／目标用户群／认证用户／新用户 | 企业AI助手仅算认证员工；公测功能仅算白名单用户 | 与功能权限范围一致，排除不可用用户 |
| 行为口径 | 页面曝光／功能点击／任务开始／任务完成 | AI生成功能以“点击生成按钮”为触达；AI审核功能以“提交审核请求”为触达 | 选择距离功能核心价值最近的行为 |
日活／月活／会话数：如何选择时间基准？
| 指标 | 计算方式 | 适合的AI功能类型 | 典型缺陷 |
|---|---|---|---|
| DAU | 当日使用AI功能的独立用户数 | 对话助手、实时翻译、智能搜索 | 低频功能日活极低，无法反映真实覆盖 |
| MAU | 当月使用AI功能的独立用户数 | 月度报告生成、AI数据分析、批量处理 | 新功能上线后MAU变化滞后2～4周 |
| 会话数 | AI功能被发起的会话次数（可重复） | 多轮对话、流程式AI、AI Agent | 同一用户多次会话会被重复计数，需配合独立用户数使用 |
| WAU | 当周使用AI功能的独立用户数 | 周报助手、AI选题、周期性推荐 | 在DAU和MAU之间折中，但行业普适性较弱 |
AI功能特有触达指标
传统DAU/MAU无法反映AI功能的特殊性，以下指标专为AI产品设计：
| 指标名称 | 定义 | 适用场景 | 数据来源示例 |
|---|---|---|---|
| AI渗透率 | 使用AI功能的用户数 ÷ 整体活跃用户数 | 衡量AI功能在用户群中的覆盖深度 | 埋点：ai_feature_used / 整体活跃事件 |
| 提示词提交用户数 | 每日/周提交至少1次提示词的独立用户数 | 生成式AI、对话助手、AI写作 | 埋点：prompt_submit（去重user_id） |
| AI结果采纳用户数 | 对AI生成结果执行“采纳/保存/分享”的用户数 | AI内容生成、AI设计、AI代码辅助 | 埋点：ai_result_accept |
| 模型调用触发用户数 | 实际触发模型推理（非缓存命中）的用户数 | 计费敏感型AI功能、推理成本评估 | 后端日志：model_inference（去重user_id） |
| AI功能回访率 | 次日/7日后再次使用同一AI功能的用户比例 | 评估AI功能留存价值 | 埋点：同一user_id在周期内再次触发ai_feature_used |
触达人数计算口径决策流程
下图展示了从业务目标出发，逐步收敛到AI功能触达指标定义的完整路径：
方案表达：PRD中的触达指标定义模板
在PRD文档中，每个AI功能必须附带一个触达指标定义块，确保评审和开发团队对口径理解一致。以下是一个完整的定义示例：
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
【触达指标定义】
指标名称：AI对话助手日触达用户数（AI_DAU）
所属功能：智能客服对话助手 v3.2
计算口径：每日至少提交1条有效提示词的独立用户数
时间口径：日（自然日 00:00:00-23:59:59，以事件服务端时间为准）
用户口径：已登录且非测试白名单的正式用户
行为口径：成功提交提示词（事件：chat_prompt_submit）
排除条件：排除 status=test 的账号、排除 token 为空的无登录请求
数据来源：埋点事件 chat_prompt_submit → user_id 去重
验证方式：与后端模型调用日志交叉核对，偏差 < 3%
更新频率：每日凌晨 T+1 更新
拥有者：产品经理 张三
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━指标验证：确保触达数字可信
完成指标定义后，需要通过以下四步验证确认口径是否正确：
- 交叉验证：将埋点数据与后端日志（如模型调用记录、API访问日志）进行用户级核对，偏差超过5%需排查事件触发时机差异。
- 波动测试：连续监测7天触达数据，日环比波动超过±30%时需检查是否存在异常流量或埋点漏报。
- 业务合理性检查：将计算出的触达人数与业务直觉对比——如果AI功能覆盖了80%的DAU但功能入口在三级页面，则口径很可能偏松。
- 口径灵敏度分析：分别用宽松口径（曝光）和严格口径（完成）计算触达，两者比值应稳定在2～5倍之间；比值突变说明用户行为模式发生变化。
验收标准：触达指标定义通过清单
| 验收项 | 验收要求 | 验收方式 |
|---|---|---|
| 口径文档完整性 | 时间、用户、行为三维度均有明确值，无“暂定”字段 | 文档审查 |
| 埋点覆盖率 | 指标所需事件已在全端（iOS/Android/Web）埋点且通过QA验证 | 埋点清单核对 + 测试环境触发 |
| 数据准确性 | 与后端日志交叉核对，偏差 ≤ 3% | 数据核对报告 |
| 波动可解释性 | 日环比波动 ≤ 30% 或存在明确业务解释（如版本发布、活动引流） | 连续7天监测 + 异常说明 |
| 指标可复现 | 独立数据分析师按口径文档重新计算，结果与产品经理一致 | 双人复核 |
交付物模板：触达指标定义工作表
每个AI功能上线前，产品经理需输出以下三个交付物：
交付物1：触达指标定义卡（1页纸，供评审会使用）
· 指标名称 + 计算公式 + 三维口径 + 排除条件
· 宽松口径与严格口径各1组
· 数据来源事件编码清单
交付物2：埋点验收报告（QA团队协作完成）
· 事件触发日志抽样（至少500条）
· 前端埋点与后端日志的user_id匹配率
· 异常事件列表及处理结论
交付物3：触达基线看板（数据团队配置）
· 日/周/月触达用户数趋势图
· 渗透率曲线（AI触达 ÷ 整体活跃）
· 口径切换开关（支持临时切换宽松/严格口径对比）