metrics-review

指标复盘

如果你看到不熟悉的占位符，或需要确认哪些工具已连接，请参阅 CONNECTORS.md。

复盘并分析产品指标，识别趋势，并提炼可执行的洞察。

用法

/metrics-review $ARGUMENTS

工作流

1. 收集指标数据

如果已连接 ~~product analytics：

• 拉取相关时间段内的关键产品指标
• 获取对比数据（上一周期、去年同期、目标值）
• 如有可用，拉取分群拆解数据

如果未连接任何分析工具，请让用户提供：

• 指标及其数值（粘贴表格、截图或文字描述）
• 对比数据（上一周期、目标值）
• 近期变化的相关背景（上线、故障、季节性因素）

向用户确认：

• 要复盘哪个时间段？（上周、上月、上季度）
• 重点关注哪些指标？还是复盘整套产品指标？
• 是否有需要对比的具体目标或目标值？
• 是否有可能解释这些变化的已知事件？（上线、宕机、营销活动、季节性因素）

2. 组织指标

使用指标层级结构来组织复盘内容：顶层为北极星指标，其次是 L1 健康指标（获取、激活、参与、留存、收入、满意度），再往下是用于下钻分析的 L2 诊断指标。完整定义见下文 产品指标层级。

如果用户尚未定义指标层级，请先帮助其确定北极星指标和关键 L1 指标，再继续后续步骤。

3. 分析趋势

针对每个关键指标：

• 当前值：该指标当前是多少？
• 趋势：相比上一周期是上升、下降还是持平？时间跨度是多少？
• 与目标对比：与目标或指标值相比情况如何？
• 变化速度：趋势是在加速还是减速？
• 异常：是否存在突然的变化、峰值或跌幅？

识别相关性：

• 一个指标的变化是否与另一个指标的变化相关？
• 是否存在能预示滞后指标变化的先行指标？
• 分群拆解是否显示，整体趋势是由某个特定群体驱动的？

4. 生成复盘报告

摘要

2-3 句话：产品整体健康状况、最显著的变化、关键提示。

指标记分卡

以表格形式便于快速浏览：

指标	当前值	上一周期	变化	目标	状态
[指标]	[数值]	[数值]	[+/- %]	[目标]	[按计划 / 有风险 / 未达成]

趋势分析

针对每个值得讨论的指标：

• 发生了什么，变化幅度有多大
• 可能的原因（基于已知事件、相关指标、分群分析进行归因）
• 这是一次性事件还是持续性趋势

亮点

进展良好的方面：

• 超越目标的指标
• 值得保持的正向趋势
• 表现强劲的分群或功能

关注事项

需要关注的方面：

• 未达成目标或呈负向趋势的指标
• 在演变为问题之前的早期预警信号
• 我们缺乏可见性或理解的指标

建议行动

基于分析的具体后续步骤：

• 需要开展的调查（深入探究令人担忧的趋势）
• 需要推出的实验（验证可能提升某指标的假设）
• 需要进行的投入（加大对已见成效之处的投入）
• 需要设置的告警（更密切地监控某个指标）

背景与注意事项

• 已知的数据质量问题
• 影响可比性的事件（宕机、节假日、上线）
• 我们应该追踪但目前尚未追踪的指标

5. 后续跟进

生成复盘报告后：

• 询问是否有指标需要更深入的调查
• 提议创建用于持续监控的仪表盘规格
• 提议为需要关注的领域起草实验方案
• 提议设置一份可反复使用的指标复盘模板

产品指标层级

North Star Metric（北极星指标）

最能体现产品为用户带来核心价值的单一指标。它应当具备以下特征：

• 与价值对齐：当用户从产品中获得更多价值时，该指标会随之变化
• 具有前瞻性：能够预测长期的业务成功（收入、留存）
• 可执行：产品团队可以通过自身工作影响该指标
• 易于理解：公司内每个人都能理解它的含义及其重要性

按产品类型举例：

• 协作工具：每周有 3 名及以上成员参与贡献的活跃团队数
• 交易市场：每周完成的交易数
• SaaS 平台：每周完成核心工作流的活跃用户数
• 内容平台：每周的有效阅读/观看时长
• 开发者工具：每周使用该工具完成的部署次数

L1 指标（健康指标）

由 5 至 7 个指标共同构成对产品健康状况的完整描绘。这些指标对应用户生命周期的关键阶段：

获取（Acquisition）：新用户是否在找到这款产品？

• 新注册或试用开始数（数量及趋势）
• 注册转化率（访客到注册用户）
• 渠道构成（新用户来自哪些渠道）
• 获客成本（针对付费渠道）

激活（Activation）：新用户是否达到价值时刻？

• 激活率：完成可预测留存的关键行为的新用户占比
• 激活耗时：从注册到激活所花费的时间
• 设置完成率：完成引导步骤的用户占比
• 首次价值时刻：用户首次体验到产品核心价值的时间点

参与度（Engagement）：活跃用户是否在获得价值？

• DAU / WAU / MAU：不同时间范围内的活跃用户数
• DAU/MAU 比率（黏性）：每月用户中每天回访的比例
• 核心行为频率：用户执行最重要操作的频繁程度
• 会话深度：用户在每次会话中的操作量
• 功能采用率：使用关键功能的用户占比

留存（Retention）：用户是否会回来？

• D1、D7、D30 留存率：分别在 1 天、7 天、30 天后返回的用户占比
• 队列留存曲线：每个注册队列的留存随时间的变化情况
• 流失率：每个周期内流失的用户或收入占比
• 复活率：已流失用户中重新回来的占比

变现（Monetization）：价值是否正在转化为收入？

• 转化率：免费转付费（适用于免费增值模式）
• MRR / ARR：月度或年度经常性收入
• ARPU / ARPA：每位用户或每个账户的平均收入
• 扩展收入：来自现有客户的收入增长
• 净收入留存：包含扩展与收缩在内的收入留存率

满意度（Satisfaction）：用户对产品有何感受？

• NPS：净推荐值
• CSAT：客户满意度评分
• 支持工单数量及解决时长
• 应用商店评分及评论情绪

L2 指标（诊断指标）

用于调查 L1 指标变化的详细指标：

• 每个步骤的漏斗转化率
• 功能层面的使用量与采用率
• 按细分群体的拆解（按套餐、公司规模、地区、用户角色）
• 性能指标（页面加载时间、错误率、API 延迟）
• 特定内容的参与度（哪些功能、页面或内容类型驱动了参与）

常见产品指标

DAU / WAU / MAU

衡量内容：在一天、一周或一个月内执行了合格行为的独立用户数。

关键决策：

• 什么算作“活跃”？登录？页面浏览？还是核心行为？请仔细定义——不同的定义会讲述不同的故事。
• 哪个时间范围最重要？日常使用型产品（如即时通讯、邮件）看 DAU；每周使用型产品（如项目管理）看 WAU；使用频率较低的产品（如报税软件、差旅预订）看 MAU。

使用方法：

• DAU/MAU 比率（黏性）：数值高于 0.5 表明已形成每日使用习惯；低于 0.2 则说明使用频率较低。
• 趋势比绝对数值更重要：活跃使用量是在增长、持平还是下降？
• 按用户类型进行细分：高频用户与普通用户的行为差异非常大。

留存

衡量什么：在时间段 X 内开始使用的用户中，有多少百分比在时间段 Y 内仍然活跃？

常见留存时间窗口：

• D1（次日）：首次体验是否足够好，能让用户回来？
• D7（一周）：用户是否已养成使用习惯？
• D30（一个月）：用户是否长期留存？
• D90（三个月）：这是否是一个稳定的用户？

如何使用留存数据：

• 按队列绘制留存曲线。关注三种情况：初期快速流失（激活问题）、持续下降（参与度问题），或趋于平稳（良好，说明你拥有稳定的留存用户群）。
• 随时间比较不同队列。新队列的留存是否优于旧队列？如果是，说明产品改进正在起效。
• 按激活行为对留存进行细分。比较完成新手引导的用户与未完成的用户，以及使用了功能 X 的用户与未使用的用户。

转化

衡量什么：从一个阶段进入下一个阶段的用户百分比。

常见转化漏斗：

• 访客到注册
• 注册到激活（关键价值时刻）
• 免费到付费（试用转化）
• 试用到付费订阅
• 月付到年付

如何使用转化数据：

• 梳理完整漏斗，并衡量每一步的转化率
• 找出流失最严重的环节，这些是杠杆效应最高的改进机会
• 按来源、套餐、用户类型对转化进行细分。不同细分群体的转化表现可能差异很大。
• 追踪转化随时间的变化。随着你不断迭代体验，转化率是否在提升？

激活

衡量什么：新用户中首次体验到产品核心价值的人所占的百分比。

如何定义激活：

• 比较留存用户与流失用户。留存用户做了哪些流失用户没有做的操作？
• 激活事件应当能够强有力地预测长期留存
• 应当能在首次会话内或最初几天内达成
• 示例：创建第一个项目、邀请团队成员、完成第一个工作流、连接一个集成

如何使用激活数据：

• 为每个注册队列追踪激活率
• 衡量激活所需时间，通常越快越好
• 构建新手引导流程，引导用户走向激活时刻
• 对激活流程进行 A/B 测试，并衡量其对留存的影响，而不仅仅是激活率

目标设定框架

OKR（目标与关键结果）

目标（Objectives）：定性的、有抱负的目标，用于描述你希望达成什么。

• 鼓舞人心、令人难忘
• 有时间限制（按季度或按年）
• 指向方向，而非特定指标

关键结果（Key Results）：定量的衡量指标，用于判断你是否达成了目标。

• 具体且可衡量
• 有时间限制，并设有明确的目标值
• 基于结果，而非基于产出
• 每个目标对应 2-4 个关键结果

示例：

Objective: Make our product indispensable for daily workflows

Key Results:
- Increase DAU/MAU ratio from 0.35 to 0.50
- Increase D30 retention for new users from 40% to 55%
- 3 core workflows with >80% task completion rate

OKR 最佳实践

• 设定有雄心但可以实现的 OKR。对于挑战型 OKR，目标完成度为 70%。
• 关键结果应衡量结果（用户行为、业务成果），而非产出（已发布的功能、已完成的任务）。
• 不要设定过多 OKR。2-3 个目标，每个配 2-4 个关键结果即可。
• OKR 应当有一定难度。如果你确信能全部达成，说明它们不够有雄心。
• 在周期中期进行复盘。如果某些关键结果明显偏离轨道，应调整投入分配。
• 周期结束时要如实打分。0.0-0.3 = 未完成，0.4-0.6 = 有进展，0.7-1.0 = 已达成。

设定指标目标

• 基线：当前值是多少？在设定目标之前，你需要一个可靠的基线。
• 基准：同类产品能达到什么水平？行业基准可以提供参照。
• 趋势：当前的走势如何？如果指标已经以每月 5% 的速度改善，那么 6% 的目标并不有挑战性。
• 投入：你为此投入了多少资源？投入越大的押注，越应设定更有雄心的目标。
• 信心：你对达成目标有多大把握？设定一个"承诺"目标（高信心）和一个"挑战"目标（有雄心）。

指标复盘节奏

Weekly Metrics Check

Purpose: 尽快发现问题，监控实验，及时了解产品健康状况。 Duration: 15-30 分钟。 Attendees: 产品经理，可能还有工程负责人。

What to review:

• North Star 指标：当前值、周环比变化
• 关键 L1 指标：任何显著波动
• 进行中的实验：结果与统计显著性
• 异常：任何意外的峰值或下跌
• 告警：触发监控告警的任何内容

Action: 如果有异常，进行调查。否则记录下来，继续推进。

Monthly Metrics Review

Purpose: 深入分析趋势、目标进展以及战略影响。 Duration: 30-60 分钟。 Attendees: 产品团队，主要利益相关方。

What to review:

• 完整的 L1 指标记分卡，包含月环比趋势
• 季度 OKR 目标的进展
• 队列分析：较新的队列表现是否更好？
• 功能采用情况：近期上线功能的表现如何？
• 分群分析：用户分群之间是否存在差异？

Action: 确定 1-3 个需要调查或投入的领域。如果指标揭示了新信息，更新优先级。

Quarterly Business Review

Purpose: 对产品表现进行战略评估，并为下一季度设定目标。 Duration: 60-90 分钟。 Attendees: 产品、工程、设计、管理层。

What to review:

• 本季度 OKR 评分
• 所有 L1 指标在整个季度内的趋势分析
• 同比对比
• 竞争环境：市场变化与竞争对手动向
• 哪些做法有效，哪些无效

Action: 设定下一季度的 OKR。根据数据所反映的情况调整产品策略。

Dashboard Design Principles

Effective Product Dashboards

优秀的仪表盘应当让人一眼看出“产品运行得如何？”。

Principles:

1. Start with the question, not the data。这个仪表盘支持哪些决策？从决策反向设计。

2. Hierarchy of information。最重要的指标应当在视觉上最为突出。North Star 置于顶部，L1 指标其次，L2 指标可通过下钻查看。

3. Context over numbers。没有上下文的数字毫无意义。务必展示：当前值、对比对象（上一周期、目标或基准）以及趋势方向。

4. Fewer metrics, more insight。包含 50 个指标的仪表盘对任何人都没有帮助。聚焦于真正重要的 5-10 个指标，其余内容放入详细报告。

5. Consistent time periods。仪表盘上所有指标使用相同的时间周期。混用日指标和月指标会造成混淆。

6. Visual status indicators。用颜色一眼标示健康状况：

   • 绿色：达成目标或持续改善
   • 黄色：需要关注或持平
   • 红色：偏离目标或持续下滑

7. Actionability。仪表盘上的每个指标都应该是团队能够影响的。如果无法据此采取行动，它就不应出现在产品仪表盘上。

Dashboard Layout

Top row：North Star 指标，附带趋势线和目标。

Second row：L1 指标记分卡——每个关键指标的当前值、变化、目标和状态。

Third row：关键漏斗或转化指标——可视化漏斗，展示每个阶段的流失情况。

Fourth row：近期实验与上线——进行中的 A/B 测试，以及近期功能上线的早期指标。

Bottom / drill-down：L2 指标、分群拆解以及用于排查问题的详细时间序列。

仪表盘反模式

• 虚荣指标：总是上升但无法反映健康状况的指标（历史注册总数、总页面浏览量）
• 指标过多：需要滚动才能看全的仪表盘。如果一屏放不下，就删减指标。
• 缺少对比：只有原始数字，没有上一周期或目标值等背景信息（只有当前值）
• 过时的仪表盘：数月未更新或未被复查的指标
• 产出型仪表盘：衡量团队活动（已关闭工单、已合并 PR），而非用户和业务成果
• 所有受众共用一个仪表盘：高管、产品经理和工程师需要不同的视图，一刀切并不适用。

告警

为需要立即关注的指标设置告警：

• 阈值告警：指标跌破或超过关键阈值（错误率 > 1%、转化率 < 5%）
• 趋势告警：指标在多天或多周内持续下滑
• 异常告警：指标显著偏离预期范围

告警管理规范：

• 每条告警都应可执行。如果无法采取任何行动，就不要为其设置告警。
• 定期复查并调优告警。误报过多会导致人们忽略所有告警。
• 为每条告警指定负责人。告警触发时由谁响应？
• 设置合适的严重级别。并非所有问题都是 P0。

输出格式

记分卡使用表格，并使用清晰的状态标识。保持摘要精炼，让读者在 30 秒内抓住核心信息。

提示

• 从“所以呢”开始：本次指标复盘中最重要的是什么？先说结论。
• 没有背景的绝对数字毫无意义。务必展示对比（相对上一周期、相对目标、相对基准）。
• 注意归因问题。相关不等于因果。如果某个指标发生了变化，要承认对其原因的判断存在不确定性。
• 分群分析常常能揭示，总体指标会掩盖重要差异。整体数字持平，可能是一个群体在增长，而另一个群体在萎缩。
• 并非所有指标波动都有意义。小幅波动属于噪声，应将注意力集中在有意义的变化上。
• 如果某个指标未达到目标，不要只汇报未达标，还要建议应对措施。
• 指标复盘应推动决策。如果复盘没有带来至少一项行动，那它就没有价值。