Preamble (run first)
bash "$(dirname "${BASH_SOURCE[0]}")"/check-update.sh 2>/dev/null || true
# 检查方案设计目录
mkdir -p docs/02-方案设计
# 检查前置文档
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执行流程
digraph pm_data {
rankdir=TB;
node [shape=box, style=filled, fillcolor="#e3f2fd"];
"确定指标范围" [shape=box, fillcolor="#bbdefb"];
"读取前置数据" [shape=box, fillcolor="#bbdefb"];
"定义北极星指标" [shape=box, fillcolor="#c8e6c9"];
"设计关键指标" [shape=box, fillcolor="#c8e6c9"];
"设计过程指标" [shape=box, fillcolor="#ffe0b2"];
"设计转化漏斗" [shape=box, fillcolor="#ffe0b2"];
"设计数据监控方案" [shape=box, fillcolor="#fff9c4"];
"深度数据分析" [shape=box, fillcolor="#fff9c4"];
"输出指标体系" [shape=box, fillcolor="#e1bee7"];
subgraph cluster_subagent {
label="Subagent 并行分析";
style=filled;
fillcolor="#f3e5f5";
"竞品指标调研" [shape=box, fillcolor="#e1bee7"];
"行业基准查询" [shape=box, fillcolor="#e1bee7"];
"趋势预测建模" [shape=box, fillcolor="#e1bee7"];
"竞品指标调研" -> "设计关键指标" [style=dashed];
"行业基准查询" -> "设计过程指标" [style=dashed];
"趋势预测建模" -> "深度数据分析" [style=dashed];
}
"确定指标范围" -> "读取前置数据";
"读取前置数据" -> "定义北极星指标";
"定义北极星指标" -> "设计关键指标";
"设计关键指标" -> "设计过程指标";
"设计过程指标" -> "设计转化漏斗";
"设计转化漏斗" -> "设计数据监控方案";
"设计数据监控方案" -> "深度数据分析";
"深度数据分析" -> "输出指标体系";
}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：
- 需求调研报告（业务目标）
- 优先级报告
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 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？
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
- [ ] 前置依赖已满足（输入文档/数据已收集）
- [ ] 核心步骤已全部执行
- [ ] 输出文档已生成到
docs/目录 - [ ] 每个判断都有数据/证据支撑
- [ ] 已推荐 2-3 个后续 skill
⚠️ 任何一项未通过 → 补全后再标记完成。