| name | pm-data |
| description | Use when: 需要设计产品数据指标、规划数据埋点、建立数据监控体系、进行数据分析和趋势预测
Do NOT use when: 数据指标已明确、仅需简单统计无需指标体系
|
| allowed-tools | ["Agent","Read","Write","AskUserQuestion","Bash"] |
Preamble (run first)
bash "$(dirname "${BASH_SOURCE[0]}")/../../check-update.sh" 2>/dev/null || true
mkdir -p docs/02-方案设计
echo "📊 正在检查前置文档..."
if [ -f "docs/02-方案设计/PRD产品需求文档.md" ]; then
echo "✅ PRD文档 - 已找到"
else
echo "⏳ PRD文档 - 未找到"
fi
if [ -f "docs/01-需求调研/MVP方案.md" ]; then
echo "✅ MVP方案 - 已找到"
else
echo "⏳ MVP方案 - 未找到"
fi
跨 Agent 交互规则
当流程要求与用户交互时：
- 如果当前环境支持 AskUserQuestion，使用 AskUserQuestion（最佳体验）。
- 如果当前环境不支持 AskUserQuestion，必须用普通聊天消息提出同样问题。
- 一次只问一个问题。
- 提问后必须停止当前回合，等待用户回答（STOP and WAIT）。
- 不得在用户回答前生成文档、写入 docs。
- 已有 docs 文件不能替代本轮用户回答。
执行流程
步骤 1: 确定数据指标范围
使用 AskUserQuestion 询问：
您需要设计哪方面的数据指标？
A) 整体数据指标体系（北极星指标+关键指标+过程指标）
B) 产品核心指标（如DAU、GMV、留存率）
C) 功能埋点方案（具体功能的数据采集）
D) 业务分析指标（如转化漏斗、用户分群）
E) 其他（请手动输入）
💡 提示：
- 产品规划阶段 → 推荐整体数据指标体系
- 功能开发阶段 → 推荐功能埋点方案
- 产品优化阶段 → 推荐业务分析指标
记录到变量 DATA_SCOPE
步骤 2: 读取前置数据
根据指标范围读取相应文档：
必需文档：
- PRD产品需求文档（如果存在）
- MVP方案（如果存在）
可选文档：
步骤 3: 定义北极星指标
使用 AskUserQuestion 引导：
🎯 北极星指标定义
基于产品目标，推荐的北极星指标：
选项1：{指标名称} - {定义}
选项2：{指标名称} - {定义}
您倾向于选择哪个？
A) 选择选项1
B) 选择选项2
C) 我有其他想法（请手动输入）
常见北极星指标参考：
| 产品类型 | 北极星指标 |
|---|
| 电商 | GMV（成交总额） |
| 内容 | 日活跃用户数 |
| 社交 | 用户互动次数 |
| 工具 | 完成任务数 |
| 教育 | 完课率 |
步骤 3.5: GSM 目标→信号→指标推导（v2.5新增）
在确定北极星指标后，使用 GSM 方法推导关键指标，确保指标定义从业务目标出发，而非直接推荐。
GSM 三步法：
G - Goal（业务目标）
北极星指标对应的业务目标是什么？
使用 AskUserQuestion 引导：
🎯 GSM 推导 - 业务目标
北极星指标对应的业务目标是什么？
A) 提升用户活跃度（DAU/MAU增长）
B) 提升用户留存（留存率增长）
C) 提升付费转化（付费率/ARPU增长）
D) 提升用户传播（K因子/推荐率增长）
E) 其他（请手动输入）
S - Signal（成功信号）
用户达成目标时的可观察行为是什么？
📶 GSM 推导 - 成功信号
用户达成目标时的可观察行为是什么？
A) 用户每天打开 App 3 次以上（活跃信号）
B) 用户在 7 天内完成首次付费（转化信号）
C) 用户连续 30 天有使用行为（留存信号）
D) 用户主动邀请好友使用（传播信号）
E) 其他（请手动输入）
M - Metric（量化指标）
从信号推导出 3-5 个可量化指标。
GSM 推导表示例：
| 目标 (Goal) | 信号 (Signal) | 指标 (Metric) |
|---|
| 提升用户活跃度 | 用户每天打开 App 3 次以上 | DAU、人均启动次数 |
| 提升付费转化 | 用户在 7 天内完成首次付费 | 7日付费转化率、首单时间 |
| 提升用户留存 | 用户连续 30 天有使用行为 | 30日留存率、月活跃天数 |
| 提升用户传播 | 用户主动邀请好友使用 | K因子、邀请转化率 |
与步骤4的关系：GSM 推导出的 Metric 是步骤4要展开定义的关键指标候选。步骤3.5 回答"为什么是这些指标"，步骤4 回答"这些指标如何定义、计算、取数"。
步骤 4: 设计关键指标
基于北极星指标，设计3-5个关键指标。
📊 您的产品类型是什么？
A) 电商产品
B) 内容产品
C) 社交产品
D) 工具产品
E) 其他（请手动输入）
根据选择推荐对应指标（电商例：DAU、转化率、客单价、复购率、留存率）。
对每个关键指标进行详细定义（指标定义、统计口径、计算公式、数据来源、基准值）。
步骤 5: 设计过程指标
📈 过程指标设计：
- 用户获取：新增用户数、获客渠道分布、CAC、注册转化率
- 用户活跃：DAU/MAU、人均使用时长、人均使用次数、功能使用率
- 用户留存：次日/7日/30日留存率、流失用户比例
- 用户转化：转化漏斗各环节转化率、平均转化周期
是否需要其他过程指标？
在现有过程指标基础上，使用 HEART 模型补充用户体验度量，避免只覆盖业务过程而忽略体验结果。
HEART 补充维度：
| HEART 维度 | 与现有过程指标关系 | 建议指标 |
|---|
| Happiness（满意度） | 现有步骤未覆盖 | NPS、CSAT、用户满意度评分、投诉率 |
| Engagement（参与度） | 合并到用户活跃指标 | DAU/MAU、人均使用时长、人均使用次数、核心行为频次 |
| Adoption（采用度） | 合并到功能使用指标 | 新功能使用率、首次使用转化率、功能渗透率 |
| Retention（留存） | 合并到用户留存指标 | 次日/7日/30日留存率、回访率、流失率 |
| Task Success（任务成功） | 现有步骤未覆盖 | 任务完成率、错误率、完成时间、客服求助率 |
整合要求：
- Engagement、Adoption、Retention 不单独重复建类，分别合并到用户活跃、功能使用、用户留存指标中。
- Happiness、Task Success 作为过程指标体系的体验补充维度新增。
- 每个 HEART 指标同样需要定义统计口径、计算公式、数据来源和监控频率。
步骤 6: 设计转化漏斗
🔍 核心转化漏斗设计：
您的产品核心流程是什么？
A) 电商购买流程
B) 内容消费流程
C) 社交互动流程
D) 工具使用流程
E) 其他（请手动输入）
根据选择设计对应的转化漏斗，识别瓶颈环节和优化方向。
步骤 7: 设计数据监控方案
⚡ 数据监控方案：
实时监控：DAU、请求量、接口成功率、页面加载时间
告警规则：DAU异常下降>20% / 接口成功率<99% / 页面加载>3秒
定期分析：
- 日报（每天9点）：核心指标+转化漏斗
- 周报（每周一）：趋势+留存+功能使用
- 月报（每月1号）：总结+增长+收入+竞品
是否需要调整监控方案？
步骤 8: 输出数据指标体系文档
使用 Write 工具创建 docs/02-方案设计/数据指标体系.md，参考 references/output-template.md 模板，填充用户输入的数据。
文档包含：
- 指标体系概述（设计目标、设计原则）
- 北极星指标（定义、目标值）
- 关键指标体系（分层架构、详细定义）
- 过程指标体系（用户获取/活跃/留存/转化）
- 转化漏斗分析（漏斗图、优化方向）
- 数据监控方案（实时监控、定期分析）
- 数据工具与平台
- 数据治理（质量保障、安全合规）
步骤 9: 深度数据分析（v2.0新增）
详情参考 references/depth-analysis.md。
9.1 趋势分析
- 同比分析（与去年同期对比）
- 环比分析（与上月对比）
- 趋势预测（未来3个月线性回归预测）
9.2 异常检测
- 自动异常识别（DAU突然下降等）
- 异常归因分析（分渠道/设备/版本下钻）
9.3 归因分析
- 转化率提升归因（各优化项贡献度）
- 用户流失归因（原因分布+优化建议）
步骤 10: 生成深度分析报告
在文档中补充深度分析章节，包含趋势分析、异常检测、归因分析、预测分析。
步骤 11: 数据可视化建议
- 核心仪表盘设计（实时监控看板、周报看板）
- 可视化图表类型（折线图、柱状图、漏斗图等）
步骤 12: 数据驱动决策建议
- 周数据复盘会 / 月数据总结会
- 基于数据的产品迭代决策机制
兜底机制
场景: 无前置文档
如果PRD和MVP方案都不存在：
⚠️ 未找到前置文档
您可以选择：
A) 手动输入产品信息（快速模式）
B) 执行 /pm-docs 生成PRD
C) 执行 /pm-mvp 制定MVP方案
注意事项
- 北极星指标必须反映产品核心价值
- 每个关键指标需明确统计口径和计算公式
- 埋点方案需与开发团队对齐实施
- 查看完整输出模板：
references/output-template.md
- 查看深度分析模板：
references/depth-analysis.md
输出质量对比
✅ Good 示例：
- 有数据引用：「根据 Q4 数据，留存率从 35% 降至 28%」
- 有验证来源：「数据来源：Google Analytics, 2025-12-01」
- 有明确建议：「建议将新手引导步骤从 5 步减少至 3 步」
❌ Bad 示例：
- 模糊结论：「数据表明留存率有所下降」
- 无来源：「根据经验，这个功能很重要」
- 没有行动建议：「留存是个问题」
常见误区 / Red Flags — STOP
出现以下情况立即停止并回溯：
| 误区 | 正确做法 |
|---|
| 使用"应该"、"大概"、"看起来"做结论 | 必须基于实际数据和验证 |
| 未运行检查就声称已完成 | 先验证，再陈述 |
| 因时间紧迫跳过关键步骤 | 没有例外，时间紧更要严格 |
| "这次应该没问题"的想法 | 每次都要重新验证 |
产出质量检查 / Verification Checklist
⚠️ 任何一项未通过 → 补全后再标记完成。
