2. 指标分类体系

产品分析指标的混乱往往源于缺乏分类框架。同一组数字，放在不同分类下解读方向完全不同。本章建立四类指标的划分标准，明确每一类的定义边界、数据口径、拆解维度，并给出从看板搭建到业务复盘的完整链路。

2.1 北极星指标

北极星指标是产品长期价值的唯一核心度量，它回答“产品为用户创造的核心价值是什么”。好的北极星指标同时满足三个特征：

• 指向长期价值——不受短期促销或刷量干扰；
• 可拆解可影响——团队日常动作能直接推动它变化；
• 用户导向——提升指标意味着用户获得更多价值。

2.2 过程指标

过程指标衡量用户从认知到激活的中间行为转化，它们是“如何达成北极星”的拆解路径。常见过程指标包括：

• 注册转化率：从访问到完成注册的百分比；
• 激活率：完成关键动作用户 / 新增用户；
• 留存率（次日 / 7日 / 30日）：回访用户占新增用户比例；
• 功能采用率：使用核心功能的用户占比。

2.3 结果指标

结果指标是业务滞后性产出的度量，反映已发生的商业价值。它们通常是北极星指标的货币化或规模化的体现：

• 付费转化率：付费用户 / 活跃用户；
• ARPU / ARR：每用户平均收入 / 年经常性收入；
• LTV：用户生命周期总价值；
• GMV / 客单价：商品交易总额 / 单笔订单金额。

结果指标适合用于财务复盘和预算规划，但由于滞后性，不能直接指导日常操作。

2.4 体验指标

体验指标度量用户主观感知与客观交互质量，是北极星指标的“前兆信号”。体验恶化往往比结果指标提前 2–4 周反映问题：

• NPS：推荐意愿评分（0–10）；
• CSAT：满意度评分（通常 1–5）；
• CES：用户努力程度评分；
• 加载时间 / 崩溃率：性能类客观体验指标。

2.5 指标口径定义

同一指标名称在不同团队可能口径迥异。以下表格统一本课程使用的口径标准：

计算 MAU 的典型 SQL 口径（以 30 天滑动窗口为例）：

SELECT COUNT(DISTINCT user_id) AS mau
FROM user_activity
WHERE activity_date >= DATE_SUB(CURRENT_DATE, INTERVAL 30 DAY)

2.6 维度拆解方法

单一指标数值缺乏行动指导力，必须按以下核心维度拆解：

2.7 看板结构设计

基于四类指标搭建看板时，遵循“顶层聚焦 — 中层拆解 — 下层监控”的层级原则：

• 第一层（战略层）：北极星指标 + 当日/当周趋势线 + 同比变化率；
• 第二层（拆解层）：过程指标与结果指标并列展示，按用户/渠道维度下钻；
• 第三层（预警层）：体验指标 + 异常标记 + 加载时间 P95 水位；
• 底部（清单层）：当前异常项列表 + 待处理动作责任人。

2.8 异常判断规则

针对不同分类的指标，设定差异化的异常触发条件：

2.9 业务动作清单

每类指标异常对应一组标准应急动作，避免分析归因后无行动落地：

• 北极星指标异常 → 启动“增长暂停”会议，拉齐全团队目标；检查核心功能数据是否同步下跌；准备用户访谈计划。
• 过程指标异常 → 按渠道拆解定位下跌源；检查近期产品发版或策略调整；针对下跌环节启动漏斗修复实验。
• 结果指标异常 → 区分“用户数下降”与“客单价下降”两种类型；联动财务核对数据口径；复盘近期定价或促销策略。
• 体验指标异常 → 提取 NPS 贬损者评论进行语义聚类；检查性能监控大盘（加载时间/崩溃率）；24 小时内输出体验修复优先级列表。

2.10 复盘分析框架

每双周或每月，按以下结构化流程使用四类指标进行复盘：

1. 状态判断：北极星指标处于“健康 / 预警 / 异常”哪一档？
2. 归因定位：从过程指标中找到正向/负向贡献最大的 2–3 个子指标；从体验指标中验证用户感知是否一致。
3. 交叉验证：将结果指标与过程指标做散点图（如转化率 vs ARPU），判断是否存在“增长但不挣钱”或“挣钱但用户流失”的脱钩。
4. 动作复盘：上次复盘制定的业务动作是否按计划执行？对指标的实际影响是否符合预期？
5. 更新看板：根据复盘结论调整维度拆解粒度或异常阈值，保持看板与业务阶段对齐。