mcpField
A
analytics-metrics-kpi

analytics-metrics-kpi

github.com/nicepkg数据与数据库28849 次安装40 周前更新
代码仓库

关于 analytics-metrics-kpi

analytics-metrics-kpi 是面向产品、运营和财务团队的数据分析技能，涵盖指标框架、仪表盘设计、A/B 测试与指标审查。内容从获客延伸至收入，并提供避免误读指标的指导。

主要功能

  1. 01定义北极星与漏斗指标
  2. 02规划激活、留存和收入指标
  3. 03设计多类团队仪表盘
  4. 04制定 A/B 测试与显著性判断
  5. 05建立指标复查节奏并识别陷阱

适用场景

  1. 01为产品设定可衡量的成功指标
  2. 02规划团队仪表盘和定期指标审查
  3. 03设计实验并分析转化变化

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/nicepkg/ai-workflow --skill analytics-metrics-kpi

安装后在 Claude Code 中输入/analytics-metrics-kpi确认已加载。

包含的文件

除 SKILL.md 外，安装时一起下载的参考资料和脚本。

assets/
config.yaml
references/
GUIDE.md
scripts/
helper.py

详细介绍

分析与指标技能

以数据为依据。定义有意义的指标、构建仪表板、开展实验，并基于数据而非直觉做出决策。

指标框架（获客 → 收入）

北极星指标

定义： 最能体现产品所交付价值的一项指标。

特点：

  • 与业务成功直接相关
  • 由产品改进驱动
  • 是收入的先行指标
  • 全公司都能理解

示例：

  • Slack：日活跃用户数（DAU）
  • Airbnb：已预订间夜数
  • YouTube：观看时长
  • Uber：已完成行程数
  • Stripe：已处理支付金额
漏斗指标（获客）
Total Visitors: 100,000/month
↓ 20% conversion
Free Signups: 20,000
↓ 10% free-to-paid
Paid Customers: 2,000

CAC: $50 (marketing + sales spend / customers acquired)
LTCAC: $100 (all customer acquisition costs)

要跟踪的指标：

  • 流量 - 网站／应用的总访客数
  • 注册率 - 注册用户所占比例（目标：10-15%）
  • 免费转付费转化率 - 付费的免费用户所占比例（目标：2-5%）
  • CAC - 获客成本
  • CAC 回收期 - 通过收入收回 CAC 所需的月数（目标：< 12 个月）
激活指标

目标： 让新用户成为活跃用户

Free Signups: 2,000
↓ 30% onboard successfully
Activated: 600
↓ 60% remain active Day 7
Day 7 Active: 360

要跟踪的指标：

  • 引导流程完成率 - 完成设置的用户所占比例（目标：50-80%）
  • 首次价值实现时间 - 首次成功使用所需的小时数
  • 功能采用率 - 尝试关键功能的用户所占比例
  • 第 1／7／30 天留存率 - 这些日期仍活跃的用户所占比例（目标：40/25/15）
参与度指标

目标： 用户定期使用产品

日／月指标：

  • DAU/MAU - 日活跃用户数／月活跃用户数
  • DAU/MAU 比率 - 用户黏性（目标：20-30%）
  • 功能使用情况 - 使用关键功能的用户所占比例
  • 会话时长 - 每次会话的分钟数
  • 会话频率 - 每周使用次数

群组分析示例：

Jan Cohort (1,000 signups):
- Day 1: 600 active (60%)
- Day 7: 360 active (36%)
- Day 30: 180 active (18%)
- Month 3: 90 active (9%)

Feb Cohort (1,500 signups):
- Day 1: 1050 active (70%) ← Improving!
- Day 7: 630 active (42%)
- Day 30: 300 active (20%)
留存指标

目标： 留住用户并让他们持续付费

Month 1: 1,000 customers
Month 2: 900 active (90% retained)
Month 3: 810 active (90% of month 2)
Month 12: 314 active (31% annual retention)

流失率： 每个周期内流失的用户所占比例

  • 月流失率：（流失客户数 / 月初客户数）× 100
  • 年流失率：1 -（期末客户数 / 期初客户数）
  • SaaS 目标：月流失率 < 5%

NPS（净推荐值）

  • 问题：“你有多大可能向他人推荐？（0-10 分）”
  • 得分 = 推荐者（9-10 分）所占比例 - 贬损者（0-6 分）所占比例
  • 范围：-100 到 +100
  • 目标：50+（世界级）
收入指标

月经常性收入（MRR）

MRR = (Total paid customers) × (average subscription price)
Growth MRR = New MRR + Expansion MRR - Churn MRR

年化运行收入（ARR）

ARR = MRR × 12

每用户平均收入（ARPU）

ARPU = MRR / Total Users

客户生命周期价值（LTV）

LTV = (ARPU × Gross Margin %) / Monthly Churn %

Example:
ARPU: $100
Gross Margin: 80%
Monthly Churn: 5%
LTV = ($100 × 80%) / 5% = $1,600

If CAC = $400: LTV/CAC = 4x ✓ (target: 3x+)

仪表板架构

高管仪表板（C 级）

每周更新：

  • MRR / ARR（与目标相比、与上月相比）
  • 新客户数（每周、每月）
  • 流失率（%）
  • NPS 得分
  • 参与度（DAU、MAU）
  • 关键计划状态

频率： 每周

产品仪表板（产品团队）

每日／每周：

  • 漏斗指标（注册 → 付费）
  • 功能采用率
  • 参与度指标
  • 用户反馈得分
  • A/B 测试结果
  • 支持工单数量

频率： 每日更新

财务仪表板（财务／运营）

每月：

  • MRR / ARR
  • 客户获取成本
  • 客户生命周期价值
  • 毛利率
  • CAC 回收期
  • 各细分市场收入
  • 各群组流失率

频率： 每月

健康状况仪表板（运营）

实时：

  • 系统正常运行时间（%）
  • 错误率（%）
  • 响应时间（p95）
  • 数据库性能
  • 支持工单响应时间
  • 支持积压量

频率： 实时／每小时

A/B 测试（实验）

测试规划

假设： “如果我们更改 X，那么 Y 会有所改善，因为 Z。”

示例： “如果我们把注册按钮移到首屏区域，那么转化率会提高 15%，因为用户不必滚动页面。”

测试结构

实验设计：

  • 对照组： 保持当前版本
  • 实验组： 新版本
  • 样本量： 用户数足以达到统计要求
  • 时长： 至少 2-4 周
  • 指标： 明确的成功指标
统计显著性

置信水平： 95%（行业标准）

  • 表示出现假阳性的概率为 5%
  • 需要足够的样本（通常每个变体 1000-10K 个）
  • 使用计算器确定准确的样本量

P 值： 结果由随机因素导致的概率

  • P < 0.05：具有统计显著性
  • P > 0.05：不显著，结论不确定
A/B 测试示例

假设： 将注册按钮移到首屏上方可提高 15% 的转化率

设置：

  • 对照组：当前设计
  • 实验组：将按钮移到首屏上方
  • 成功指标：转化率（注册数 / 访问量）
  • 样本量：每个变体 10,000 位用户
  • 时长：2 周
  • 置信度：95%

结果：

  • 对照组：转化率 2.0%（10K 位访客中有 200 人注册）
  • 实验组：转化率 2.8%（10K 位访客中有 280 人注册）
  • 提升：增长 40%（0.8% / 2% = 40%）
  • P 值：0.02（具有统计显著性！）
  • 决策：立即上线——推广至 100% 的用户
按优先级排列的测试构想

高优先级（从这里开始）：

  • 优化注册流程（最大的转化漏斗）
  • 优化引导体验
  • 提高定价页面的清晰度
  • 提高功能的可发现性

中优先级：

  • 优化 UI 文案
  • CTA 按钮颜色
  • 电子邮件主题行
  • 通知触发条件

低优先级：

  • 微文案调整
  • 动画效果
  • 配色方案调整

避免指标陷阱

虚荣指标

❌ “我们的页面浏览量达到 1M！” ✓ “我们的日活跃用户达到 50K，每月增长 10%”

可采取行动与不可采取行动的指标

❌ “用户满意度提高了”（具体发生了什么变化？） ✓ “引导完成率从 65% 升至 78%（↑20%）”（行动方向明确）

相关性与因果关系

❌ “冰淇淋销量与溺水事故相关” ✓ 了解真正的因果关系，而不只是相关性

相似指标

❌ 跟踪 MRR，却不跟踪客户 LTV（可以通过增加获客支出来提高 MRR） ✓ 同时跟踪获客效率和留存率

指标复核频率

每日：

  • 系统正常运行时间
  • 错误率
  • 支持响应时间

每周：

  • 转化漏斗指标
  • 功能采用情况
  • 关键参与度指标
  • 测试结果

每月：

  • 收入指标
  • 群组分析
  • 客户流失情况细分
  • LTV/CAC 趋势

每季度：

  • 战略指标复核
  • 长期趋势分析
  • 所需的指标调整

故障排查

常见错误与解决方案
错误可能原因解决方案
关注虚荣指标KPI 选择错误与北极星指标保持一致
A/B 测试结果不明确样本量不足延长测试时间
数据不一致数据源过多建立唯一可信数据源
无人使用仪表板过于复杂简化为 5-7 个 KPI
调试清单
[ ] North Star metric defined mi?
[ ] Metrics business goals'a aligned mi?
[ ] Data collection accurate mi?
[ ] Dashboard refreshed mi?
[ ] A/B test sample sufficient mi?
[ ] Statistical significance achieved mi?
恢复流程
  1. 数据质量问题 → 标记受影响的指标并予以排除
  2. A/B 测试结果不明确 → 延长测试时间
  3. 指标具有误导性 → 添加背景信息 / 细分数据

掌握数据驱动的决策方式，实现更快增长！

评论

支持 Markdown