metrics-system

name	metrics-system
description	当需要构建产品指标体系时使用。指标体系自动构建，包含北极星指标校验与推荐、L1/L2指标拆解、行动指标识别、虚荣指标检测。关键词：指标体系、AARRR模型、北极星指标、L1/L2指标、OSM模型、度量体系、定指标、核心数据。
metadata	{"module":"产品度量设计","sub-module":"指标体系","type":"pipeline","version":"2.1","domain_tags":["互联网","SaaS","通用"],"trigger_examples":["帮我梳理一下产品的核心指标","我们要定北极星指标","搭建一套指标体系"],"interaction_mode":"ai_suggest_human_approve"}
execution_depth	{"default":"standard","quick_description":"输出北极星指标校验结果和L1指标拆解","deep_description":"完整L1/L2拆解 + 行动指标识别 + 虚荣指标检测 + 指标健康度评分 + 指标间关联分析"}

指标体系自动构建

核心原则

1. 全量分析：对所有可用数据进行系统性分析，不遗漏关键维度
2. 实时感知：指标体系设计支持实时监控和快速响应
3. 自动归因：异常波动自动归因到具体原因，减少人工排查
4. 决策规则显式化：每个告警和升级条件都有明确的量化规则

交互模式

🤖→👤 AI建议，人类审批

本Pipeline由AI自动执行指标体系构建，但关键决策点需要人类审批：

• 必须审批：北极星指标选择
• 建议审批：虚荣指标处理方案

输入

输入项	类型	必填	来源	说明
product_context	JSON	是	output/pm-strategy/planning-okr/okr.json + output/pm-strategy/business-model-canvas/bmc.json / 用户提供	产品类型、北极星指标、OKR、商业模式
existing_metrics	JSON数组	○	用户提供	已有指标清单（含名称、定义、计算方式、数据源、层级）

product_context（必填）

{
  "product_type": "string",        // 产品类型枚举
  "north_star_metric": "string",   // 如已定义则校验，否则自动推荐
  "okr": {
    "objective": "string",         // 当前阶段目标
    "key_results": ["string"]     // 关键结果
  },
  "business_model": "string"       // 商业模式描述
}

product_type枚举值：

• social - 社交产品
• ecommerce - 电商产品
• saas - SaaS产品
• content - 内容平台
• gaming - 游戏产品
• fintech - 金融科技
• education - 在线教育
• healthcare - 医疗健康
• other - 其他

---

existing_metrics（可选）

[
  {
    "name": "string",
    "definition": "string",
    "calculation": "string",
    "data_source": "string",
    "layer": "north_star|l1|l2|actionable"
  }
]

---

执行步骤

Step 1: 北极星指标校验 [核心]

🤖 AI处理

分支A：北极星已定义

当product_context.north_star_metric已定义时：

校验项：

1. 定义清晰性检查

   • 是否有明确的计算公式
   • 是否有清晰的数据来源
   • 是否可被拆解为子指标

2. 虚荣指标检测

   IF 符合以下任一条件 THEN 标记为潜在虚荣指标
     - 只增不减（无时间维度）
     - 无因果关联（无法指导行动）
     - 不可操作（无法被团队影响）
   

3. 产品类型匹配度

   score = 基于产品类型的北极星指标推荐评分
   IF score < 0.6 THEN 建议重新选择北极星
   

输出：

{
  "north_star": {
    "name": "string",
    "definition": "string",
    "calculation": "string",
    "data_source": "string",
    "validation": {
      "is_valid": true,
      "is_vanity_free": true,
      "product_type_match": 0.85,
      "issues": []
    }
  }
}

---

分支B：北极星未定义

当product_context.north_star_metric未定义时：

自动推荐逻辑：

基于 product_context.product_type 和 business_model
生成3个北极星指标候选

产品类型→北极星指标映射：

产品类型	推荐北极星指标候选
社交	1. 日活跃用户数 × 平均互动次数 2. 日发送消息用户数 3. 社交网络密度（好友关系活跃比）
电商	1. GMV 2. 支付订单量 3. 活跃买家数 × 平均客单价
SaaS	1. 付费ARR 2. 核心功能周活跃用户数 3. NRR（净收入留存率）
内容	1. 用户总时长 2. 人均内容消费量 × 消费用户数 3. 内容互动率
游戏	1. 日活跃用户数 2. DAU × 平均游戏时长 3. 付费用户LTV
金融科技	1. 活跃用户贷款/理财转化率 2. AUM（资产管理规模） 3. 风控通过率 × 放款额
在线教育	1. 完课率 × 付费学员数 2. 学员完课率 × NPS 3. 活跃学习用户数 × 人均学习时长
医疗健康	1. 核心服务使用率 2. 用户健康指标改善率 3. 用户满意度 × 复购率

输出：

{
  "north_star_candidates": [
    {
      "rank": 1,
      "name": "string",
      "definition": "string",
      "calculation": "string",
      "data_source": "string",
      "pros": ["string"],
      "cons": ["string"],
      "recommendation_score": 0.85
    }
  ],
  "requires_human_decision": true
}

---

Step 2: L1指标自动拆解 [核心]

🤖 AI处理

输入：北极星指标定义

拆解逻辑：

基于AARRR模型，将北极星指标拆解为5个L1维度（根据产品类型可能选择其中3-5个）：

北极星指标
  ↓ 拆解
L1 维度（按AARRR）
  ├── Acquisition（获取）
  ├── Activation（激活）
  ├── Retention（留存）
  ├── Revenue（变现）
  └── Referral（推荐）

拆解规则：

FOR each L1 dimension:
  1. 识别与北极星的相关性
  2. 计算权重（基于相关性强度）
  3. 定义L1指标
  4. 确保L1指标可独立衡量

北极星→L1权重映射示例（电商）：

北极星指标	Acquisition权重	Activation权重	Retention权重	Revenue权重	Referral权重
GMV	0.15	0.15	0.25	0.35	0.10
支付订单量	0.20	0.25	0.20	0.25	0.10
活跃买家数×客单价	0.20	0.15	0.30	0.25	0.10

输出：

{
  "l1_metrics": [
    {
      "layer": "Acquisition",
      "name": "用户获取",
      "weight": 0.20,
      "calculation": "string",
      "data_source": "string",
      "relationship_to_north_star": "直接正向关系",
      "l2_metrics_count": 3
    }
  ]
}

---

Step 3: L2指标自动拆解 [条件]

🤖 AI处理

输入：L1指标列表

拆解逻辑：

FOR each L1 metric:
  拆解 3-5 个 L2 指标
  确保每个 L2 指标:
    1. 与 L1 有明确的数学关系
    2. 可独立衡量
    3. 有明确的数据来源
    4. 可被特定团队负责

L1→L2拆解示例（电商-Activation）：

{
  "l1": "用户激活",
  "l2_metrics": [
    {
      "name": "新用户首次下单转化率",
      "calculation": "首次下单新用户数 / 新用户总数",
      "data_source": "订单系统",
      "is_actionable": true,
      "optimization_team": "增长团队"
    }
    // ... 同结构可扩展：新用户激活时长、核心功能首次使用率、新用户引导完成率等
  ]
}

L2指标分类：

类型	说明	示例
转化率	漏斗各步骤转化	点击率、注册率、付费率
频次类	用户使用频率	人均使用次数、人均使用时长
质量类	使用效果/质量	满意度评分、功能使用深度
效率类	操作效率指标	页面加载时间、响应时间
覆盖类	功能/内容覆盖	品类覆盖率、功能使用率

输出：

{
  "l1_metrics": [
    {
      "layer": "Activation",
      "name": "用户激活",
      "l2_metrics": [
        {
          "name": "string",
          "calculation": "string",
          "data_source": "string",
          "type": "conversion_rate|frequency|quality|efficiency|coverage",
          "is_actionable": true,
          "optimization_team": "string"
        }
      ]
    }
  ]
}

---

Step 4: 行动指标自动识别 [条件]

🤖 AI处理

识别逻辑：

FOR each L2 metric:
  IF 可被特定团队直接影响 AND
     可通过A/B测试验证 AND
     有明确优化路径
  THEN 标记为行动指标

行动指标特征：

1. 可归因：可追溯到具体原因
2. 可操作：可被特定团队采取行动
3. 可验证：可通过A/B测试验证效果
4. 可迭代：可在短周期内持续优化

行动指标映射示例：

L2指标	行动指标	优化方向
新用户激活时长	注册流程平均时长	简化注册步骤
首次下单转化率	新手引导流程转化率	优化引导文案
核心功能使用率	功能入口点击率	优化功能入口位置
搜索结果点击率	搜索结果首条点击率	优化排序算法

输出：

{
  "actionable_metrics": [
    {
      "name": "注册流程平均时长",
      "linked_l2": "新用户激活时长",
      "linked_l1": "用户激活",
      "optimization_approach": "通过A/B测试验证简化注册步骤的效果",
      "estimated_impact": "每降低1秒可提升3%激活率",
      "measurement_method": "A/B测试"
    }
  ]
}

---

Step 5: 虚荣指标自动检测 [深度]

🤖 AI处理

检测规则：

规则1：只增不减检测

IF 指标计算方式满足以下任一条件:
  - 累计值（无时间维度）
  - 不可逆指标
THEN 标记为「只增不减」虚荣指标

问题指标示例：

• ❌ 累计用户数 → ✅ 日活跃用户数
• ❌ 总注册量 → ✅ 日新增注册量
• ❌ 页面总浏览量 → ✅ 人均页面浏览量

---

规则2：无时间限定检测

IF 指标定义中无明确时间维度:
  - 未定义统计周期
  - 无法计算变化趋势
THEN 标记为「无时间限定」虚荣指标

问题指标示例：

• ❌ 用户总数 → ✅ DAU / MAU
• ❌ 总收入 → ✅ 月度MRR / 年度ARR

---

规则3：无因果关联检测

IF 指标无法满足以下任一条件:
  - 可关联到北极星指标
  - 可指导具体行动
  - 可归因到具体原因
THEN 标记为「无因果关联」虚荣指标

问题指标示例：

• 与核心价值无关的功能使用率
• 多个独立指标无法形成逻辑链

---

规则4：不可操作检测

IF 指标无法满足以下任一条件:
  - 可被特定团队影响
  - 可通过产品/运营手段改变
  - 可在合理时间内看到效果
THEN 标记为「不可操作」虚荣指标

问题指标示例：

• ❌ 品牌知名度 → ✅ 品牌关键词搜索量
• ❌ 用户满意度 → ✅ NPS分项指标
• ❌ 市场占有率 → ✅ 垂直市场渗透率

---

检测结果输出：

{
  "vanity_alerts": [
    {
      "metric_name": "累计用户数",
      "alert_type": "只增不减",
      "severity": "high",
      "recommendation": "替换为「日活跃用户数」或「月活跃用户数」",
      "suggested_replacement": {
        "name": "DAU",
        "calculation": "当日活跃用户数"
      }
    }
    // ... 同结构可扩展：无时间限定、无因果关联、不可操作等类型
  ],
  "summary": {
    "total_detected": 2,
    "high_severity": 1,
    "medium_severity": 1,
    "all_resolved": false
  }
}

---

输出

存储路径：output/pm-metrics-design/metrics-system/

输出文件：metric_system.json

输出Schema：

{
  "type": "object",
  "required": ["metric_system"],
  "properties": {
    "metric_system": {"type": "object", "description": "指标体系，包含北极星指标、L1/L2指标、行动指标和虚荣指标告警"}
  }
}

metric_system

{
  "metric_system": {
    "north_star": {
      "name": "string",
      "definition": "string",
      "calculation": "string",
      "data_source": "string",
      "validation": { "is_vanity_free": true, "validation_date": "2026-05-08" }
    },
    "l1_metrics": [
      {
        "layer": "Acquisition|Activation|Retention|Revenue|Referral",
        "name": "string",
        "weight": 0.20,
        "calculation": "string",
        "data_source": "string",
        "l2_metrics": [
          { "name": "string", "calculation": "string", "data_source": "string", "type": "string", "is_actionable": true }
          // ... 同结构可扩展，每L1至少3个L2指标
        ]
      }
      // ... 同结构可扩展，至少3个L1维度，权重之和为1.0
    ],
    "actionable_metrics": [
      { "name": "string", "linked_l2": "string", "linked_l1": "string", "optimization_approach": "string" }
      // ... 同结构可扩展
    ],
    "vanity_alerts": [
      { "metric_name": "string", "alert_type": "string", "severity": "high|medium|low", "recommendation": "string", "suggested_replacement": {} }
      // ... 同结构可扩展
    ]
  }
}

---

输出校验规则

字段路径	类型	必填	说明
metric_system	object	是	指标体系根对象
metric_system.north_star	object	是	北极星指标
metric_system.north_star.name	string	是	北极星指标名称
metric_system.north_star.definition	string	是	北极星指标定义
metric_system.north_star.calculation	string	是	计算公式
metric_system.north_star.data_source	string	是	数据来源
metric_system.north_star.validation	object	是	校验结果
metric_system.north_star.validation.is_vanity_free	boolean	是	是否无虚荣特征
metric_system.l1_metrics	array	是	L1指标列表，至少3个维度
metric_system.l1_metrics[].layer	string	是	AARRR维度枚举值
metric_system.l1_metrics[].name	string	是	L1指标名称
metric_system.l1_metrics[].weight	number	是	权重，所有L1权重之和应为1.0
metric_system.l1_metrics[].l2_metrics	array	是	L2指标列表，每L1至少3个
metric_system.l1_metrics[].l2_metrics[].name	string	是	L2指标名称
metric_system.l1_metrics[].l2_metrics[].calculation	string	是	计算公式
metric_system.l1_metrics[].l2_metrics[].is_actionable	boolean	是	是否为行动指标
metric_system.actionable_metrics	array	是	行动指标列表
metric_system.actionable_metrics[].name	string	是	行动指标名称
metric_system.actionable_metrics[].linked_l2	string	是	关联L2指标
metric_system.actionable_metrics[].optimization_approach	string	是	优化方案
metric_system.vanity_alerts	array	否	虚荣指标告警列表

---

决策规则

规则1：北极星指标最终由人类选择

触发条件：

• north_star_metric未在product_context中定义
• AI生成了3个候选北极星指标

执行流程：

1. AI生成3个北极星指标候选（含评分）
2. 人类产品负责人选择最终北极星指标
3. 记录选择理由
4. 继续后续步骤

人类决策要素：

• ✅ 是否反映用户核心价值
• ✅ 是否可被团队直接影响
• ✅ 是否与业务发展阶段匹配
• ✅ 是否具备数据采集条件
• ✅ 是否易于被全公司理解

---

规则2：虚荣指标处理方案需建议性审批

触发条件：

• 存在高严重度的虚荣指标
• AI推荐了替代指标方案

执行流程：

1. AI检测虚荣指标并生成处理建议
2. 标记需要审批的虚荣指标
3. 人类确认处理方案（或修改）
4. 执行指标替换或删除

---

质量检查

检查项	标准	不达标处理
北极星虚荣指标检测（P0）	无「只增不减」特征、有时间维度、可关联业务目标、可被团队影响	标记具体问题，重新推荐北极星指标，触发人类决策流程
L1-L2拆解完整性（P1）	每个L1层（Acquisition/Activation/Retention/Revenue/Referral）各有3-5个L2指标	自动补充缺失L2指标，基于AARRR模型推荐，标记补充项供人工确认
行动指标可追踪性（P1）	有明确数据来源、有可执行优化方案、可进行A/B测试验证	标记不可追踪指标，建议补充数据埋点，降低该指标优先级
虚荣指标检测覆盖率（P2）	所有指标已过虚荣指标检测，标记结果完整	补充检测，标记未检测指标

---

降级策略

上游文件缺失降级方案

缺失范围	降级方案	输出影响
product_context缺失	提示用户提供产品类型和业务目标，基于用户输入执行	北极星推荐基于用户描述而非结构化输入
existing_metrics缺失	跳过现有指标校验，从零构建指标体系	无现有指标对比，无法检测冗余
product_context + existing_metrics均缺失	用户提供产品类型和业务目标 → 基于行业模板推荐指标体系	输出基于行业模板的指标体系，标注"待确认"

数据获取说明

当上游文件缺失时，需用户提供以下信息以支撑降级生成：

• 产品类型：社交/电商/SaaS/内容/游戏/金融科技/在线教育/医疗健康/其他
• 业务目标：当前阶段的核心业务目标（如提升GMV、提高留存率等）
• 商业模式：产品的商业模式描述（可选，有助于更精准推荐）

上游变更响应

当上游输入发生变更时，本Skill的响应策略：

上游变更	影响范围	响应策略
OKR调整	北极星指标、L1指标	标注受影响的指标层级，建议人类确认是否更新指标体系
商业模式变更	收入类指标定义	标注受影响的指标，建议人类确认是否更新
PRD功能变更	行动指标	标注受影响的行动指标，建议人类确认是否更新

当指标体系自身变更时，对下游的通知机制：

指标变更类型	通知范围	通知方式
北极星指标变更	tracking-plan、metrics-dashboard、monitoring-alert-detection	标记核心指标变更，触发全链路更新
L1/L2指标增删	tracking-plan、metrics-dashboard	标记指标增删，触发埋点和看板更新
行动指标变更	tracking-plan	标记行动指标变更，触发埋点更新
指标定义修改	tracking-plan、metrics-dashboard、monitoring-alert-detection	标记定义变更，触发相关Skill重新评估

---

升级路径

升级触发条件

当以下任一条件满足时，升级到人工处理：

1. 北极星指标候选推荐失败

   • 无法基于产品类型推荐北极星指标
   • 推荐评分的置信度低于0.5

2. 虚荣指标处理无法自动化

   • 高严重度虚荣指标数量>3个
   • 替代指标方案存在冲突

3. L2拆解逻辑异常

   • L2指标数量超出合理范围（<3或>10）
   • L2与L1之间无法建立逻辑关系

---

升级输出

{
  "escalation": {
    "trigger": "string",
    "reason": "string",
    "current_status": {},
    "ai_recommendation": {},
    "requires_human_action": true,
    "human_decision_needed": [
      "北极星指标选择",
      "虚荣指标处理方案"
    ]
  }
}

---