指标树构建（metrics-tree）：把北极星指标拆成一张可执行的增长地图
- 一句话定位：它不是又一个报表工具，而是把「北极星指标」系统化拆解成输入指标、行动指标与领先指标的 AI 技能，最终产出可落地的
metrics-tree.md。 - 核心能力：六步工作流（定义北极星 → 拆 L2 输入指标 → 映射 L3 行动指标 → 挑选领先指标 → 用 ICE 排序实验 → 验证与优化）全部内置，按清单推进。
- 方法论扎实：区分领先指标与滞后指标、区分加法/乘法/漏斗/队列四种分解模式，并明确反对虚荣指标与指标博弈。
- 输出很具体：包含北极星定义与理由、3–5 个输入指标、可观测的行动指标、带时间估计的领先指标、前 1–3 个高优先级实验，以及指标关系图。
- 最适合谁：正在定增长策略的产品经理、增长负责人、数据分析师、创业者，以及需要围绕单一指标对齐的多职能团队。
1. 该技能叫什么？如何下载安装 AI 技能提升开发效率？
技能基本信息
| 项目 | 内容 |
|---|---|
| 中文名 | 指标树构建 |
| 英文名 | metrics-tree |
| 技能 ID | 12968 |
| 类型 | 指标方法论 / 业务策略分析类 AI 技能 |
| 主要产物 | 当前目录下的 metrics-tree.md 指标树文档 |
它到底解决什么问题？
绝大多数团队在指标上会卡在同一个地方：知道要盯一个北极星指标，却不知道从哪儿动手。于是出现三种典型困境：
- 只会喊口号：北极星写成了「提升用户体验」「做大 DAU」这类无法验证的表述，团队无法对齐。
- 指标一大堆却没有因果：看板上有几十个数字，谁也说不清哪个是领先信号、哪个是滞后结果，指标下跌时只能靠猜。
- 拆不到行动：从「提升留存」到「具体做什么实验」之间是断层的，策略与可衡量结果之间没有桥。
指标树构建技能就是把这套「从北极星到实验」的推演过程标准化：它会主动追问产品形态与目标，然后按层级往下拆，直到拆出可观测的用户行为和可测试的假设。
安装思路与步骤（一键安装 AI 技能）
该技能以标准 AI 技能包的形式提供（包含 SKILL.md 主文件，以及 resources/template.md、resources/methodology.md、resources/evaluators/rubric_metrics_tree.json 等配套资源）。安装方式遵循你所使用平台的技能加载机制，具体命令与入口以官方说明为准，通用步骤如下：
- 确认前提：你的客户端或平台需要支持「AI 技能 / Skills」能力（即能加载外部技能描述文件并按需触发）。若平台不支持技能机制，可把技能主文件内容直接作为系统提示词使用。
- 获取技能包：在技能市场、技能广场或团队内部技能仓库中，按名称「指标树构建」「metrics-tree」，或按技能 ID「12968」检索并获取。
- 一键安装 / 导入：在技能详情页点击安装或导入按钮；若是本地目录形式，将技能文件夹放入平台的技能目录，并确保主文件与
resources/子目录保持原有相对路径。 - 确认启用状态：在会话或工作区的技能列表中确认「指标树构建」处于已启用状态。
- 验证是否生效：新建一个对话，输入一句触发语，例如「我要为我的 SaaS 产品设定北极星指标，并做指标分解」。若技能生效，它应当开始追问产品或业务背景，或直接按六步工作流推进；若毫无反应，通常是未启用、路径不对或触发词不匹配，可换用「指标树」「指标分解」「领先指标」「KPI 分解」等关键词再试。
提示：技能详情中未给出具体安装命令、下载链接或价格信息，请以你所使用平台的官方说明为准。
2. 该技能的主要功能和特点
能做什么：
- 设定北极星指标：依据「是否捕捉客户价值、是否反映商业模式、是否可衡量、是否可被团队影响、是否不是虚荣指标」这套标准，帮你在候选指标中做取舍，并给出选择理由。
- 分层分解指标：把北极星拆成 3–5 个 L2 输入指标，再为每个输入指标映射 L3 行动指标（具体可观测的用户行为），必要时延伸到 L4 输出指标。
- 识别领先指标：找出在北极星变化之前就先变化的早期信号，例如「第 1 天激活率」预测「7 天留存」、「首次会话内完成 3 个关键动作」预测长期参与。
- 梳理因果关系：区分领先与滞后、区分相关与因果，提示混杂变量，并建议用实验验证因果方向。
- 优先级排序与实验设计：用影响力、置信度、简易度（ICE）三维度排序改进机会，输出前 1–3 个值得做的实验假设。
- 支持多种分解模式：加法分解（如 WAU = 新用户 + 留存 + 复活）、乘法分解（如收入 = 用户数 × 转化率 × 客单价）、漏斗分解、队列分解，按业务结构选用。
- 问题诊断：当指标下跌时，顺着树往下定位漏斗瓶颈与根本原因。
- 质量自检：内置质量标准评估器（
rubric_metrics_tree.json），产出后可按标准打分，成功标准为得分 ≥ 3.5。
和普通工具比强在哪：
- 对比「自己拿白板拆」：它有固定六步流程和检查清单，不容易漏掉领先指标与验证环节。
- 对比「直接问通用大模型」：它内置了方法论约束（层级深度控制在 3–4 层、反对虚荣指标、要求加护栏指标防博弈），而不是给你一段看起来正确但不可执行的通用建议。
- 对比「BI 看板」：BI 告诉你数字是多少，指标树告诉你数字为什么动、下一步该动哪个。
- 它还自带「反模式清单」：虚荣指标黑名单、树太深导致分析瘫痪、优化领先指标反而伤害滞后指标的警告，这些都写进了技能约束里。
3. 如何使用该技能？
使用步骤
第 1 步：给出触发语与业务背景
无需复杂配置，直接用自然语言发起即可。示例输入：
「我的产品是一个面向中小团队的在线协作文档工具，目前主要关注每周活跃用户，但不知道该怎么拆。请帮我构建指标树。」
第 2 步：回答技能的反向追问
若你提供的信息不足，技能会先问三件事：产品/业务是什么、当前已有关键指标是什么、成功是什么样子。尽量一次说清楚，能显著提升产出的贴合度。
第 3 步：确认北极星指标
技能会给出候选北极星并以五条标准逐条评判，同时按商业模式给出参考（如订阅制常用 MRR / WAU / NRR；市场平台常用 GMV 或成功交易数；电商常用每访客收入或订单频率 × 客单价；社交内容常用使用时长与参与用户数）。
第 4 步：逐层分解
它会输出 3–5 个 L2 输入指标，再对每个输入指标给出 3–5 个 L3 行动指标。你可以随时打断，例如：「留存这条线再往下拆一层」，或「帮我把新用户获取按渠道拆开」。
第 5 步：挑选领先指标并排实验
让它标出哪些是领先指标、预计提前多久，并对候选实验做 ICE 打分排序，输出前 1–3 个建议立刻验证的假设。
第 6 步：保存与复用
技能会生成当前目录下的 metrics-tree.md，内容包括：北极星定义、输入指标（L2）、行动指标（L3）、领先指标、优先实验、指标关系图。把它放进团队文档或需求评审材料中即可复用。
输出示例（节选，示意结构）
北极星：每周活跃用户（WAU）
输入指标（L2）：
├─ 新用户获取
├─ 留存用户（周环比）
└─ 复活用户（不活跃 → 活跃）
行动指标（L3）用于留存：
├─ 用户完成新手指引
├─ 用户创建内容
├─ 用户与他人互动
└─ 用户收到通知
领先指标：
- 第 1 天激活率（预测 7 天留存）
- 首次会话中完成 3 个关键行动（预测长期参与）
使用建议： 由于详情中提到复杂场景可参考 resources/methodology.md（多层级结构、多边平台分别建树）与 resources/template.md（分解模板），当你面对双边市场或业务线复杂的公司时，可以主动要求「按业务边分别建树」。
4. 同类型竞品对比分析
| 方案名称 | 定位 | 核心功能 | 安装/使用门槛 | 适用场景 | 优势与不足 |
|---|---|---|---|---|---|
| 指标树构建（metrics-tree） | 指标方法论 AI 技能 | 六步工作流、层级分解、领先/滞后识别、ICE 实验排序、质量评分 | 需平台支持 AI 技能机制；会用自然语言描述业务即可 | 定北极星、拆指标、诊断指标下跌、排实验优先级 | 优势：方法论完整、输出结构化文档、自带反模式清单；不足：依赖你提供的业务信息质量，仍需团队自行落地执行 |
| 手工白板/表格拆解 | 传统团队工作法 | 靠经验画树、Excel 记录 | 零工具门槛，但强依赖个人方法论水平 | 小团队快速沟通 | 优势：灵活、无需工具；不足：容易漏掉领先指标与验证环节，难沉淀，换人就断档 |
| 通用大模型直接对话 | 通用 AI 助手 | 通用问答与文案生成 | 门槛低，直接提问 | 临时咨询、概念解释 | 优势：随手可得；不足：缺乏固定流程与质量标准，容易给出宽泛、不可执行的指标清单 |
| 商业 BI / 指标平台 | 数据看板与指标管理层 | 指标定义、看板、监控与告警 | 需数据接入与建模，实施周期较长 | 指标监控与报表分发 | 优势：数字权威、可持续追踪；不足：解决「是多少」，不直接解决「为什么动、下一步试什么」 |
选择建议： 三者并不互斥。理想组合是——用指标树构建技能想清楚结构，用 BI 平台持续追踪这些指标，用团队会议推进实验。
5. 该技能的典型应用场景与实际体验情况
场景一：SaaS 初创团队定北极星与指标分层
- 角色与痛点：创始人或产品负责人，融资后要统一团队目标，但「活跃」到底怎么定义争论不休。
- 使用方式：输入产品形态与商业模式，让技能按订阅制模式给出候选北极星（如 MRR、WAU、NRR），逐条用五标准评估后定稿，再拆 L2/L3。
- 体验情况：上手几乎零成本，第一轮就能拿到一份结构清晰的文档；效果取决于你是否诚实描述业务现状。注意：北极星选项多时不要一次全要，先确定一个再往下拆。
场景二：电商或市场平台的指标诊断
- 角色与痛点：增长或运营负责人发现整体 GMV 环比下滑，周会上各方各说各话。
- 使用方式：把当前指标结构喂给技能，要求「按漏斗分解定位瓶颈」，它会按「访问 → 加购 → 下单 → 支付」的转化链路拆解，并提示区分是流量问题还是转化问题。
- 体验情况：对「指标下跌找根因」这类问题尤其顺手，能把讨论从观点之争拉回到结构对照。注意：技能只能给出分析框架，真实归因仍需数据验证。
场景三：多边平台的指标拆树
- 角色与痛点：双边市场产品，供给方和需求方指标互相纠缠，一张树画不清。
- 使用方式：明确要求「按供给端与需求端分别建树」，并请它说明两边指标之间的依赖关系。
- 体验情况：技能的价格在于它知道「复杂多边结构应该分开建树」这件事；但这类产出较厚重，建议分两轮对话完成，避免一次信息过载。
场景四：实验优先级排序
- 角色与痛点：增长团队手上十几个想法，资源和排期只够做两三个。
- 使用方式：让技能对候选假设做影响力/置信度/简易度打分，输出前 1–3 个实验，并要求补充护栏指标防止博弈。
- 体验情况：这是最能体现「AI 帮忙做判断」的环节之一，ICE 打分让争论有了抓手。注意：分数是讨论起点而非结论，需要团队用历史数据校准。
6. 该技能能为用户带来的价值
- 把方法论从「专家脑子」搬到「团队桌面」：六步工作流和检查清单本身就是资产，新人也能按流程走一遍，降低了对资深增长负责人的个人依赖。
- 显著缩短从策略到可执行方案的时间：过去需要反复开会两三轮才能对齐的指标结构，现在可以先有一份结构化草稿，会议从「从零讨论」变成「评审与修正」。
- 减少方向性错误：内置的虚荣指标黑名单、树深度上限（3–4 层）、因果与相关区分、护栏指标提醒，能在源头上挡掉一批常见坑，避免团队花一个季度优化一个错误指标。
- 让实验更有的放矢：领先指标加 ICE 排序，把「我们做点什么试试」变成「我们优先验证这三个假设」，资源分配的争论有了依据。
- 长期可复用的组织记忆：产出的
metrics-tree.md是可版本管理的文档，随业务迭代更新，形成团队的指标决策档案。
7. 常见问题 FAQ
Q1：这个技能怎么安装？我找不到下载入口怎么办？
在支持 AI 技能机制的平台中，按名称「指标树构建」「metrics-tree」或技能 ID「12968」检索并一键安装或导入即可；具体命令、入口位置与支持平台以官方说明为准。若平台不支持技能机制，也可以直接把技能描述文件作为提示词使用。
Q2：使用这个技能收费吗？
技能详情中未包含定价信息，是否收费取决于你获取它的平台与渠道，请以官方说明为准。技能本身不依赖外部付费数据源，属于纯方法论与结构化输出型能力。
Q3：它适合谁用？技术背景不强能用吗？
主要面向产品经理、增长负责人、数据分析师、创业者与需要对齐指标的团队负责人。它不需要你会写代码，用自然语言说清产品、现状指标和目标即可；真正的门槛在于你是否能提供准确的业务背景。
Q4：它和直接问通用大模型「帮我做个指标树」有什么区别？
差别在流程约束与质量标准。该技能内置六步工作流、层级深度限制、领先/滞后指标区分、ICE 排序规则与质量评分标准（目标得分 ≥ 3.5），并按模板输出到 metrics-tree.md；通用对话往往给出一份看似合理但难以执行的清单。
Q5：拆出来的指标是不是越多越好？
恰恰相反。技能明确要求每个层级控制在 3–5 个指标、整体不超过 3–4 层，因为太深会陷入分析瘫痪，太浅又不可操作。同时它会提醒你为关键指标配置质量、信任、安全类护栏指标，防止团队为冲数字而损害长期价值。