数据指标体系：北极星、AARRR 与 AI 产品特有指标
先想清楚产品核心价值再选指标，用 AARRR 漏斗找最大漏损，并按增效/赋能/陪伴三类选 AI 专属指标
- 理解为什么不能上来就报 DAU，要先定义核心价值
- 会用 AARRR 五级漏斗逐段定位最大漏损
- 能按增效型/赋能型/陪伴型给 AI 产品选对指标
- 会拆“曝光→点击→进入→转化→留存”漏斗
为什么不能上来就报 DAU
漏水桶打比方：DAU 只是桶里此刻有多少水，它不告诉你水是从哪条缝漏走的。一上来就盯 DAU，你只能看到总数在涨或在跌，却不知道该修哪块。正确顺序是反过来：先定义这个产品的核心价值是什么（用户用它到底为了完成什么），再从核心价值倒推出唯一最能代表它的那个数字——北极星指标。
北极星指标：一个数字代表核心价值
北极星指标要满足三点：它能反映用户真正获得的价值、它能预示业务的长期健康、团队看了知道往哪使劲。不同产品核心价值不同，北极星就不同——效率工具看“被真正用起来的产出”，不是看热闹的访问量。
AARRR 五级漏斗：找最大漏损
AARRR 把用户旅程拆成五层：获取（Acquisition）用户从哪来、激活（Activation）第一次有没有体验到价值、留存（Retention）会不会回来、变现（Revenue）怎么收钱、传播（Referral）会不会推荐给别人。每一层都算转化率，哪一层掉得最狠，就优先修哪一层——那就是最大漏损点。
通用拆法：曝光 → 点击 → 进入 → 转化 → 留存。每层人数除以上一层人数就是这层转化率。别平均看整体，要逐层比，最大的那个落差才是抓手。
AI 产品分三类选指标
AI 产品不能照搬“DAU 高就是好”，要按产品给用户提供的价值类型选指标。
看效率提升：任务时长缩短了多少、人工步骤减少了几步。例：写周报从 40 分钟降到 12 分钟，这就是增效。
看产出有没有被真正采纳：AI 生成内容的采纳率、保存率、二次编辑率。生成了但没人用，等于没价值。
看关系是否建立：首轮发言转化率、有效对话轮数、用户主动发起对话的频率。
虚荣指标 vs 可执行指标
虚荣指标是那种「涨了好看、但你看了也不知道该干嘛」的数字：总注册用户数、累计 PV、模型总调用次数。它们涨可能是因为渠道刷量，跟产品好不好用没关系。可执行指标是那种「掉了你知道该修哪」的数字：新用户次日留存、AI 回答采纳率、转人工率。判断标准很简单：这个数字变了，你下一步知道干什么吗？不知道，就是虚荣指标。
总注册用户数：只增不减，看着爽但没用累计 PV：历史总和，今天干得好坏都被稀释模型总调用量：可能是同一个用户反复重试→ 改成：周留存、采纳率、单次任务成功率，这些才指导动作。
指标拆解公式：北极星 = 一串乘数
北极星不是拍脑袋定的一个数，它可以拆成一串相乘的因子，拆完你才知道该优化哪一段。举个例子：一周被采纳的 AI 输出数 = 周活跃用户数 × 人均发起对话次数 × 单次对话有效轮次比例 × 输出采纳率。这四个因子任何一个涨了，北极星都涨；反过来北极星跌了，你就逐个因子去查是哪一段掉了。这就是「指标树」的思路——顶层一个数，往下拆成可动手的子因子。
北极星：每周被采纳的 AI 产出篇数= 周活用户数 × 人均周发起次数 × 单次产出被采纳比例每个因子都能单独开 AB、单独优化，不会在总数里打架。
AI 产品特有指标补充
除了前面三类，AI 产品还有三个绕不开的特有指标：采纳率（AI 给的结果用户改都不改直接用的比例）、有效对话轮次（一次会话里真正解决问题用了几轮，轮次太多说明模型答不对）、人工接管率（多少比例最后还是转人工了，这个数高说明兜底阈值或模型能力有问题）。这三个传统产品没有，必须盯。
用 Python 算一遍漏损（示例口径）
下面是一段静态示例，模拟一组 AARRR 各层人数，算出每层转化率并定位最大漏损层（数字为教学示例，非真实业务数据）。
# 示例口径：各层人数（教学模拟数据）
funnel = {
"曝光": 10000,
"点击": 2500,
"首次激活": 1000,
"7日留存": 400,
"付费": 100,
}
steps = list(funnel.items())
for i in range(1, len(steps)):
name, now = steps[i]
prev_name, prev = steps[i - 1]
rate = now / prev * 100
print(f"{prev_name}->{name}: {rate:.1f}%")
# 注释里写预期输出：
# 曝光->点击: 25.0%
# 点击->首次激活: 40.0%
# 首次激活->7日留存: 40.0%
# 7日留存->付费: 25.0%
# 最小转化率 = 最大漏损层：曝光->点击(25.0%) 与 留存->付费(25.0%)
# 结论：优先修“曝光为什么没点开”和“留存用户为什么不付费”你做的是一款 AI 写作助手（赋能型）。下面哪个最适合当北极星指标？
老板在周会上说「咱们累计注册用户破 100 万了」，你作为 PM 应该怎么反应？
资深工程师加餐
底层原理 · 大厂视角 · 工程经验，点卡片展开
组合拳：用 RAG 提供事实依据并要求引用来源；事实型任务降低温度、用结构化输出约束；关键环节用规则或人工审核兜底；明确教模型「不知道就说不知道」。同时区分任务类型——创作类可以容忍发散，医疗、法律、金融等事实类必须高约束、可溯源。