简诗 AI 运营指标体系

为什么运营指标体系经常失效

• 指标写了很多，却没有挂在目标树上：MAU 涨了，业务目标却没往前一步。
• 同一个指标在报表、周报、看板里数值不一致，因为口径没定义、更新频率没写、历史数据没回溯。
• 看板只展示趋势，例会没有决策规则，阈值 触发之后没人知道该做什么、什么时候停手。

本技能要做的，是把指标拆成可解释、可执行、可校验的执行件：每个指标都能说清它服务的目标、它所在的关键链路、数据从哪来、谁负责，以及什么条件下被废止。

它如何工作

执行顺序是固定的，每一步只读一份资料，避免一次性塞进过多上下文：

1. 读取 references/methodology.md，只挑选与当前请求直接相关的方法卡。
2. 读取 references/execution-rules.md，确认输入、事实、假设和前置闸门。
3. 读取 references/quality-boundaries.md，排除不适用、未授权、无法交付的动作。
4. 读取 references/output-contract.json 与 assets/output-template.md，生成完整执行件。
5. 运行 scripts/validate_output.py --check-output；失败时修正业务内容，不删除测试、不放宽规则。

输入闸门

至少需要：业务目标、周期、当前基线与决策场景、用户或业务链路、关键动作与团队职责、可用数据源、事件定义、更新频率与历史口径。

信息不足时，必须把已确认事实、保守假设、待验证项和补证日期分开写，不能把假设当成事实。请求无法路由时只追问一个关键问题，不做模式猜测。

最低交付

• 目标树、关键链路与指标候选池
• 结果、过程、质量与护栏四类指标
• 指标字典、数据责任与更新机制
• 看板、阈值、例会决策与废止条件

适用边界

• 不承诺固定结果，不伪造案例、指标或行业基准。
• 不输出采集身份、原始链接、作者、账号、API Key 或素材出处。
• 不复制文章原文当方案，必须转成对象、条件、动作、交付物、指标与停止线。
• 机器校验通过只代表结构、具体度与已知风险通过，业务负责人仍需确认适配性。