/pm-data

name: pm-data
description: |
  Use when: 需要设计产品数据指标、规划数据埋点、建立数据监控体系、进行数据分析和趋势预测
  Do NOT use when: 数据指标已明确、仅需简单统计无需指标体系
allowed-tools:
  - Agent
  - Read
  - Write
  - AskUserQuestion
  - Bash

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

---

跨 Agent 交互规则

当流程要求与用户交互时：

1. 如果当前环境支持 AskUserQuestion，使用 AskUserQuestion（最佳体验）。 2. 如果当前环境不支持 AskUserQuestion，必须用普通聊天消息提出同样问题。 3. 一次只问一个问题。 4. 提问后必须停止当前回合，等待用户回答（STOP and WAIT）。 5. 不得在用户回答前生成文档、写入 docs。 6. 已有 docs 文件不能替代本轮用户回答。

---

执行流程

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 3.5: GSM 目标→信号→指标推导（v2.5新增）

在确定北极星指标后，使用 GSM 方法推导关键指标，确保指标定义从业务目标出发，而非直接推荐。

**GSM 三步法**：

G - Goal（业务目标）

北极星指标对应的业务目标是什么？

使用 AskUserQuestion 引导：

> 🎯 GSM 推导 - 业务目标 > > 北极星指标对应的业务目标是什么？ > > A) 提升用户活跃度（DAU/MAU增长） > B) 提升用户留存（留存率增长） > C) 提升付费转化（付费率/ARPU增长） > D) 提升用户传播（K因子/推荐率增长） > E) 其他（请手动输入）

S - Signal（成功信号）

用户达成目标时的可观察行为是什么？

> 📶 GSM 推导 - 成功信号 > > 用户达成目标时的可观察行为是什么？ > > A) 用户每天打开 App 3 次以上（活跃信号） > B) 用户在 7 天内完成首次付费（转化信号） > C) 用户连续 30 天有使用行为（留存信号） > D) 用户主动邀请好友使用（传播信号） > E) 其他（请手动输入）

M - Metric（量化指标）

从信号推导出 3-5 个可量化指标。

**GSM 推导表示例**：

| 目标 (Goal) | 信号 (Signal) | 指标 (Metric) | |------------|--------------|--------------| | 提升用户活跃度 | 用户每天打开 App 3 次以上 | DAU、人均启动次数 | | 提升付费转化 | 用户在 7 天内完成首次付费 | 7日付费转化率、首单时间 | | 提升用户留存 | 用户连续 30 天有使用行为 | 30日留存率、月活跃天数 | | 提升用户传播 | 用户主动邀请好友使用 | K因子、邀请转化率 |

**与步骤4的关系**：GSM 推导出的 Metric 是步骤4要展开定义的关键指标候选。步骤3.5 回答"为什么是这些指标"，步骤4 回答"这些指标如何定义、计算、取数"。

---

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？

在现有过程指标基础上，使用 HEART 模型补充用户体验度量，避免只覆盖业务过程而忽略体验结果。

**HEART 补充维度**：

| HEART 维度 | 与现有过程指标关系 | 建议指标 | |-----------|------------------|----------| | Happiness（满意度） | 现有步骤未覆盖 | NPS、CSAT、用户满意度评分、投诉率 | | Engagement（参与度） | 合并到用户活跃指标 | DAU/MAU、人均使用时长、人均使用次数、核心行为频次 | | Adoption（采用度） | 合并到功能使用指标 | 新功能使用率、首次使用转化率、功能渗透率 | | Retention（留存） | 合并到用户留存指标 | 次日/7日/30日留存率、回访率、流失率 | | Task Success（任务成功） | 现有步骤未覆盖 | 任务完成率、错误率、完成时间、客服求助率 |

**整合要求**：

• Engagement、Adoption、Retention 不单独重复建类，分别合并到用户活跃、功能使用、用户留存指标中。
• Happiness、Task Success 作为过程指标体系的体验补充维度新增。
• 每个 HEART 指标同样需要定义统计口径、计算公式、数据来源和监控频率。

---

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： 1. 指标体系概述（设计目标、设计原则） 2. 北极星指标（定义、目标值） 3. 关键指标体系（分层架构、详细定义） 4. 过程指标体系（用户获取/活跃/留存/转化） 5. 转化漏斗分析（漏斗图、优化方向） 6. 数据监控方案（实时监控、定期分析） 7. 数据工具与平台 8. 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

1. 北极星指标必须反映产品核心价值 2. 每个关键指标需明确统计口径和计算公式 3. 埋点方案需与开发团队对齐实施 4. 查看完整输出模板：`references/output-template.md` 5. 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。

---