1. 先把“好友数”这个指标拆开看上周帮一个做消费品的朋友复盘他们的私域数据会议室里投屏的那张看板最上面一行大字累计好友数 52,340。老板指着这个数字问了一句“我们人都五万了上个月 GMV 怎么才五万多”全场安静了大概十秒钟。因为没人能回答——这个数字除了证明“我们加了不少人”什么也证明不了。这就是私域看板最常见的问题把一个过程指标当成了结果指标然后拿它当成绩汇报。好友数、社群数、内容发布条数、添加通过率这类指标的共同特征是不需要任何后续动作就能往上涨加完人就完成了至于这个人有没有被服务、有没有被转化看板上一概不显示。真正能指导决策的私域看板核心不在于显示多少指标而在于每个指标后面都必须挂着一个可以执行的动作看到这个数跌了我知道该找谁、改什么。这篇内容想解决的问题很具体给正在搭私域数据体系的人一套能落地、能对账、能开周会的指标体系包括每个指标的口径怎么定、SQL 怎么写、看板怎么排、日常怎么用。适合三类人看——自己做私域生意的小团队主理人、负责私域运营的中层、以及被老板要求“搞个数据看板”但不知道从哪下手的执行同学。不需要你有很深的数仓背景能看懂基础的表格和 SQL 就够了。2. 指标分层好友数只是入口不是终点2.1 好友数为什么是最容易骗人的指标先把话说透。好友数之所以被反复拿出来展示是因为它有三个“好”好统计、好增长、好汇报。但它在业务上其实是一个存量口径而且是存量里最虚的那一层——它只记录“关系建立过”不记录“关系还在不在”。我见过一个更极端的例子某团队把三年内所有扫码添加记录累加得出一句“私域沉淀用户 30 万”实际可发消息触达的不到 8 万剩下的要么被删了要么账号已经不在了要么早就屏蔽了所有推送。这 30 万里有 22 万是“数字尸体”但它在 PPT 上非常好看。问题的根源在于好友数这个动作的完成成本极低——用户扫一下码、点一下通过关系就建立了。而私域真正的价值发生在关系建立之后他愿不愿意看你的内容、愿不愿意回你的话、愿不愿意掏钱、掏完钱还愿不愿意再来。这四件事一件都不在好友数里。所以正确的定位是好友数是漏斗的最上层入口指标它的作用是解释“后面几层的数据为什么是这个量级”而不是用来衡量私域做得好不好。一个五万好友、月产值五万的盘子和一个一万好友、月产值五万的盘子后者的运营效率是前者的五倍但前者在汇报里永远赢。我在实际项目里通常会强制要求看板同时显示两个数累计好友数和近 90 天有互动的有效好友数。这两个数的比值我叫它“好友活性率”行业里健康区间大概在 40%65%低于 35% 基本说明这个号已经在被用户当广告牌忽略了加再多人也是往漏斗里倒水底下是漏的。2.2 一个能做决策的私域看板长什么样我的做法是把看板切成五层漏斗加一个横切面从下往上依次是规模层、触达层、互动层、转化层、价值层横切面是渠道与人的维度。为什么这么排因为它对应了用户的真实决策路径先得是我好友我才可能看到你看到了我才可能回你回了我才可能买买了之后我才可能再买。每一层都在回答上一层留下的问题。具体来说规模层看“进来多少、走掉多少”触达层看“发出去的内容实际被多少人看到了”互动层看“有多少人愿意跟我说话”转化层看“说完话的人里有多少成交”价值层看“这个人一辈子能给我贡献多少、我为他花了多少”。横切面则负责归因这一层的数字波动是哪个渠道带来的、哪个小组拖的后腿。这套结构的好处是任何一次业绩波动都能顺藤摸瓜。比如某个月 GMV 掉了 30%你可以从价值层往下逐层排是客单价跌了那去看转化层是不是成交结构变了低价品占比上升是转化率跌了那去看互动层是不是有效沟通人数少了是有效沟通少了那去看触达层是不是发的内容打开率崩了或者规模层的净增本来就是靠低质量渠道灌进来的。一层层往下走通常三步之内就能定位到根因而不是像“只看好友数”那样看着数字涨、业绩跌完全无从下手。还有一点很关键看板不是指标越多越好。我见过塞了四十多个指标的看板最后没人看因为一屏看不完看完也记不住。我的经验上限是首屏 8 到 10 个核心指标其余全部放进下钻页。首屏只放“今天必须做决定”的那几个。2.3 指标取舍的三条硬标准选指标不能凭感觉我给自己的团队定了三条判断标准任何新指标想进首屏必须同时满足。第一条可行动。看到这个数异常我能对应上一个具体动作。比如“内容打开率跌了”动作是换素材、换发送时段、清理无效名单“好友数涨了”我对应不上任何动作——难道要因为好友数涨了去做点什么吗不能。所以它进不了首屏。第二条可归因。这个数必须能拆到渠道、拆到人、拆到内容类型。如果一个大盘指标拆不开它就只能用来“知道”不能用来“改进”。转化率能拆到渠道就知道该加投哪个拆不开就只能干着急。第三条可对比。必须有历史基线或者横向基线否则单看一个绝对值没有意义。比如复购率 25%这个数到底是好是坏得看去年同期是多少、同行大概什么水位、你上个月是多少。所以我搭看板时一定会给每个核心指标配“环比、同比、目标值”三个参照缺一个都容易误判。反过来说什么指标应该被砍掉我觉得有三类一是纯粹的累计存量累计好友数、累计群数二是无法归因的复合分各种拍脑袋加权出来的“私域健康分”三是统计成本远高于使用价值的比如精确到分钟的在线时长。这三类留在报表里备查可以进首屏就是干扰。3. 五层指标的具体口径与计算方式3.1 规模层净增好友数和流失率才是一对规模层我只看两个指标净增好友数和好友流失率。注意是净增不是新增。新增只统计“加进来多少人”净增要减掉删除、拉黑、以及长期无互动的休眠号。净增的计算口径建议按自然月月末好友总数 - 月初好友总数然后交叉验证新增通过数 - 主动删除数 - 被动删除数。这两个数对不上说明中间有员工离职带走客户、有账号被封、有重复统计必须查清楚再往下用。我见过太多团队只看“本月新增 3000”完全不看“本月流失 1800”实际净增只有 1200获客成本被严重低估了一倍多。流失率的算法要小心分母。用期间流失人数 / 期初好友数是最常见的但如果你的好友基数在快速膨胀这个比率会被稀释看起来很低其实很危险。我的做法是同时看新客 30 天流失率和老客流失率前者衡量拉新质量后者衡量长期服务。新客 30 天流失率如果在 15% 以上基本可以断定引流渠道有问题——要么承诺和实际不符要么加进来之后完全没有承接动作。这里有个很反直觉的经验新客流失的高峰不在添加当天而在第 3 到第 7 天。当天删你的多半是误加或者被诱导第 3 到 7 天删你的是因为加完之后你什么都没做。所以承接动作的黄金窗口是 48 小时内超过三天再发欢迎语触达价值已经掉了一半。3.2 触达层可触达率才是真正的分母触达层解决一个非常现实的问题你有五万好友实际能发到多少人答案往往远低于五万。我会算三个数。可触达率 近 30 天内消息实际送达人数 / 好友总数这个数在健康的私域盘子里大概 70%85%低于 60% 说明名单里有大量失活号。内容打开率 内容阅读 UV / 实际送达数图文类内容在私域里 10%25% 属于正常区间超过 30% 要么是内容特别强要么是分母被低估了比如只统计了主动点开的人没算被动刷到的。有效触达率 产生任何互动行为的人数 / 送达数这个数通常只有 3%8%是判断内容质量最真实的指标。为什么要把“送达”和“打开”分开因为很多团队直接拿总好友数当分母算打开率五万好友、七千阅读算出 14%看着还行。但实际送达可能只有三万五真实打开率是 20%你把一个还不错的内容判成了平庸下一次就会做出错误的优化方向。分母错了所有结论都是错的这是我在数据复盘里最常纠正的一类问题。还有一个容易被忽略的点触达频次本身是个指标。我们会统计“每用户周均触达次数”超过 5 次就开始有明显掉粉超过 8 次基本是负资产。这个阈值不是拍脑袋是把“触达次数”和“周流失率”做散点图回归出来的拐点每个品类不太一样但拐点一定存在找到它比盲目多发有效得多。3.3 互动层从“看到”到“回话”的转化互动层是我最看重的一层因为它是“关系是否真实存在”的唯一证据。核心指标有三个回复率、有效沟通人数、深度互动人数。回复率 有过双向对话的人数 / 有效触达人数。单向推送不算互动只有用户回了话才算。这个数在私域里通常只有 5%15%做得好的能到 20%。有效沟通人数我更严格一点对话轮次 ≥ 3 轮或者用户主动发起过提问才算一次有效沟通。这个口径的收紧很重要因为“在吗”“嗯”“好的”这种一轮对话对后续转化几乎没有预测力把它们算进去会让数据虚高让团队误以为服务做得不错。深度互动人数是给高价值客户留的口子定义可以是“主动询问价格或产品细节”“参加过活动”“有过售后沟通”。这批人通常只占总好友的 2%5%但贡献的 GMV 往往超过一半。我在看板上会单独把这一层拎出来做趋势因为它比任何转化率都更早预警——深度互动人数连续两周下滑一个半月后的 GMV 一定掉这个前置期我验证过好几次基本靠谱。这里补充一个口径陷阱不要把“已读”当互动。已读只证明消息弹出过不证明用户看过更不证明用户在意。真正有预测力的是“用户主动发起的对话数”这个数跟后续成交的相关性在我做过的几次回溯分析里都在 0.6 以上而“已读率”跟成交的相关性接近于零。3.4 转化层成交口径一定要写死在文档里转化层最容易吵架因为每个人心里的“成交”定义不一样。所以我的规矩是任何看板上线的指标必须配一份口径文档写清楚分子分母、时间窗口、排除项谁改谁签字。三个核心口径先定死。成交人数同一自然月内至少有一笔已支付且未全额退款的订单按人去重。转化率分母用“有效沟通人数”而不是总好友数因为没沟通过的人谈不上转化把他放进分母只会让数字难看且失去指导意义。客单价GMV / 成交人数注意 GMV 要扣掉退款和运费。为什么分母一定要用有效沟通人数举个实际算例。一个盘子里有五万好友月有效沟通人数 2400 人成交 288 单客单价 180 元月 GMV 约 5.2 万人均月产值 1.04 元。如果按总好友数算转化率是 288/50000 0.58%低到没法看你会得出“私域没用”的结论。但按有效沟通算是 288/2400 12%这是一个相当健康的数字说明问题不在转化能力而在能进入沟通环节的人太少——五万人里只有 2400 人被有效触达并回话占比不到 5%。这个诊断结论完全不同前者会让你放弃私域后者会让你去优化内容打开率和首次响应速度。同样一套数据分母选错方向就全错了。如果把这几个环节各提升一点会怎样有效沟通人数从 2400 提到 4500靠优化触达内容加首响时效转化率从 12% 提到 15%靠话术打磨和分层跟进客单价从 180 提到 220靠组合装和满减门槛GMV 就是 4500 × 15% × 220 ≈ 14.85 万人均月产值从 1.04 元涨到近 3 元。没有多拉一个新好友全靠存量挖。这就是为什么我说别只盯好友数。3.5 价值层LTV 与回收周期决定你敢不敢投价值层回答的是“这门生意能不能持续”。两个指标单客获取成本CAC和生命周期价值LTV外加它们的比值和回收周期。CAC 的计算要把隐性成本算进去很多人只算投放费用忘了赠品、人力分摊、工具订阅。举个例子某月渠道投放 8000 元赠品成本 2000 元负责承接的两个人按 50% 工时折算 6000 元合计 16000 元新增好友 400 人CAC 40 元/人。这个数字比“投放 8000 除以 400 等于 20 元”高了一倍但它才是真的。LTV 我用简化算法客单价 × 年复购次数 × 平均生命周期年数 × 毛利率。按上面的例子客单价 220 元、年复购 2.4 次、生命周期 1.5 年、毛利率 30%LTV ≈ 220 × 2.4 × 1.5 × 0.3 237.6 元。LTV/CAC ≈ 5.9这个比值在 3 以上算健康低于 2 就要警惕低于 1 就是每拉一个人亏一次。回收周期 CAC / 人均月贡献毛利。人均月产值 3 元、毛利率 30%月贡献毛利 0.9 元40 / 0.9 ≈ 44 个月。这个数字一算出来很多靠投放拉新的团队会立刻清醒如果回本要三年多那你拉新的钱其实是拿未来的现金流在赌一旦渠道成本上涨或者复购不及预期整个模型就崩了。所以我在看板上一定会把“回收周期”放在显眼位置它比 GMV 更能反映生意的健康度。层级核心指标参考口径健康区间经验值规模层净增好友数 / 新客30天流失率月末减月初 / 30天内删除占比流失率 15%触达层可触达率 / 内容打开率送达人数/总好友 / 阅读UV/送达数70%~85% / 10%~25%互动层有效沟通率 / 深度互动占比3轮以上对话人数/送达数5%~15% / 2%~5%转化层转化率 / 客单价成交人数/有效沟通人数10%~18%价值层LTV/CAC / 回收周期见上文公式3 / 12个月为佳4. 从零搭一个能跑的看板4.1 数据源盘点与埋点设计搭看板之前先做一件事把所有能拿到数据的系统列一遍标清楚每个系统里有什么、缺什么、能不能对上。通常有这么几块——用户关系库谁加了我、什么时候加的、从哪个渠道来的、内容触达记录发了什么、发给谁、送达状态、对话记录谁跟谁聊了、几轮、订单库谁买了、买了多少、退没退。这四块里最容易出问题的是用户身份打通。同一个人可能在多个账号、多个渠道出现如果没有统一的用户 ID统计出来的“人数”永远是虚高的。我的做法是优先用手机号做实体对齐没有手机号的用业务侧的统一 ID实在对不上的单独归入“未识别”在看板上明确标注这部分占比。别小看这一步未识别率超过 10% 的时候所有涉及“人数去重”的指标都不可信。埋点设计上渠道码必须带参数而且参数要能落到具体的投放计划、内容、时间。我见过最粗糙的做法是所有渠道共用一个码结果新增好友数很好看但完全不知道人从哪来优化投放的时候只能靠猜。正确做法是每个投放素材一个独立码参数里带上渠道、计划、素材版本落地页自动记录用户添加成功后写进标签。这套东西一次性做完后面所有归因都免费。对话数据的采集要特别注意合规只采集业务必需的字段敏感信息脱敏存储采集范围要有明确告知和授权。这块不能图省事一旦出问题代价远大于收益。4.2 宽表结构与 SQL 计算示例我习惯建一张以“用户 × 天”为粒度的宽表把各层指标的相关字段都摊进去这样上层不管怎么切都很快。表结构大概是用户 ID、日期、渠道、所属小组、好友状态、当日是否送达、当日是否打开、当日对话轮次、当日是否成交、成交金额、退款金额。有了这张表核心指标都能用一段 SQL 出来。比如算某月的有效沟通率和转化率-- 按渠道统计月度有效沟通率与转化率 SELECT channel, COUNT(DISTINCT CASE WHEN talk_rounds 3 THEN user_id END) AS valid_talk_users, COUNT(DISTINCT CASE WHEN is_delivered 1 THEN user_id END) AS delivered_users, COUNT(DISTINCT CASE WHEN pay_amount 0 THEN user_id END) AS pay_users, ROUND(COUNT(DISTINCT CASE WHEN talk_rounds 3 THEN user_id END) / NULLIF(COUNT(DISTINCT CASE WHEN is_delivered 1 THEN user_id END), 0), 4) AS valid_talk_rate, ROUND(COUNT(DISTINCT CASE WHEN pay_amount 0 THEN user_id END) / NULLIF(COUNT(DISTINCT CASE WHEN talk_rounds 3 THEN user_id END), 0), 4) AS pay_rate, SUM(pay_amount - refund_amount) AS gmv FROM dws_private_domain_user_daily WHERE dt BETWEEN 2024-05-01 AND 2024-05-31 GROUP BY channel ORDER BY gmv DESC;这段 SQL 里有三个细节值得说明。第一所有分母都用了NULLIF包一层防止除零报错这在渠道数据稀疏的时候非常必要。第二所有计数都用COUNT(DISTINCT user_id)因为它统计的是人不是人次人次会被高频用户放大。第三转化率的分母用的是valid_talk_users而不是delivered_users这就是前面强调的口径问题写死在 SQL 里谁想改都得走评审。净增和流失可以用另一段算-- 月度净增与流失 WITH m AS ( SELECT user_id, MIN(CASE WHEN friend_status active THEN dt END) AS active_dt, MAX(CASE WHEN friend_status removed THEN dt END) AS removed_dt FROM dws_private_domain_user_daily GROUP BY user_id ) SELECT COUNT(DISTINCT CASE WHEN active_dt BETWEEN 2024-05-01 AND 2024-05-31 THEN user_id END) AS new_users, COUNT(DISTINCT CASE WHEN removed_dt BETWEEN 2024-05-01 AND 2024-05-31 THEN user_id END) AS churn_users, COUNT(DISTINCT CASE WHEN active_dt BETWEEN 2024-05-01 AND 2024-05-31 THEN user_id END) - COUNT(DISTINCT CASE WHEN removed_dt BETWEEN 2024-05-01 AND 2024-05-31 THEN user_id END) AS net_growth FROM m;4.3 看板布局一屏看完三块区域布局我按“结论—归因—明细”三块排。最上面一横条是核心结论区放当月 GMV、净增好友、有效沟通人数、转化率四个数每个都带环比和同比用颜色标记异常跌超 15% 标红涨超 20% 标绿。中间一块是漏斗区五层漏斗横向排开每层的绝对值和转化率都标上一眼能看出卡在哪。下面一块是归因区按渠道和小组两个维度做交叉谁贡献了多少 GMV、谁的转化率拖后腿直接排序。有一个细节我想强调颜色只用来标异常不要用来做装饰。见过太多看板红红绿绿一片最后没人知道哪个红是真有问题。我的规矩是全表只用黑白灰只在超过阈值时上一抹红这样一眼扫过去有颜色的地方就是需要看的地方。另外看板上必须写清楚“数据截止时间”和“口径版本号”。这两行小字救过我很多次——有人拿着昨天的数跟今天的数对比得出“暴跌”的结论其实只是数据还没跑完。4.4 例行机制日报看异常周会看趋势月度看结构看板搭完不用等于白搭。我们固定三档节奏。日报只看异常五分钟扫一遍哪个指标触发了阈值就查一下没触发就过。周会看趋势重点看连续两周同向变化单周波动不管。月度复盘看结构看渠道占比、品类占比、客户分层占比有没有迁移这个层面才讨论策略。为什么要分这么细因为不同周期的数据噪声不一样。日数据噪声最大你盯着它做决策会被随机波动带着跑月度数据最稳但等你发现问题已经晚了。分层看节奏是成本和效果的平衡点。周会上有个固定动作我觉得很有用每个人必须带一个“我准备做什么”的结论来不能只报数。比如“有效沟通率跌了 2 个点我看了下是首次响应时间从 8 分钟涨到 25 分钟下周我把首响考核加进去”。这种会开三次团队看数据的水平就上来了。5. 踩过的坑与排查手册5.1 数据对不上的四个常见原因这是最高频的问题几乎每个新看板上线第一个月都会遇到。我总结下来无非四种。第一种时间窗口不一致。A 报表按自然日算B 报表按滚动 24 小时算两个数永远差一截。解决办法是全部统一成自然日跨时区的业务要额外标注时区。第二种去重逻辑不同。订单系统按订单号去重用户系统按用户 ID 去重一个人下两单一个算两个人一个算一单。解决方法是在宽表里就把人、单、次三种粒度分清楚指标命名上直接体现叫“成交人数”就绝不可能是订单数。第三种退款处理时机不同。有的报表下单即计 GMV有的等确认收货有的扣退款。这个必须在口径文档里写死我一般要求 GMV 一律扣退款宁可数小一点不要虚高。第四种员工离职导致的关系转移。人走了客户重新分配如果转移逻辑没处理好会出现“一个人被算两次新增”或者“凭空多出一批流失”。这块要在 ETL 里单独处理加一个关系变更表做溯源。5.2 指标好看但业务不动的三种情况这种情况比数据错更麻烦因为数据本身是对的但指标和业务脱钩了。情况一指标选错了层。比如只优化“内容打开率”把标题做得越来越标题党打开率涨了但回复率和转化率没动因为内容本身没价值。这种时候要往上追一层看打开之后的下一步动作有没有改善没有改善就说明优化方向偏了。情况二指标被“局部最优”钻了空子。比如考核转化率团队就开始挑最容易成交的客户聊难啃的全部放着转化率确实上去了但总的成交人数没变甚至因为没人跟进长尾客户而下降。所以任何单指标考核都必须配一个约束指标转化率要配成交人数或 GMV 一起看。情况三指标之间互相抵消。为了拉净增好友大量做低价引流好友数涨了但新客 30 天流失率从 12% 涨到 28%人均月产值从 3 元掉到 1.2 元。总量看着在涨单位效率在崩。这时候必须把“人均产值”和“净增”放在一起看光看一个一定会误判。现象可能原因排查动作两个报表人数差 10% 以上去重逻辑或时间窗口不同核对宽表粒度与统计时段打开率高但回复率不动内容标题化价值不足看打开后 24 小时内的对话发起数好友数涨、GMV 平拉新质量差或承接缺失查新客 30 天流失率与首响时长转化率高但总成交少挑客户长尾被放弃看成交人数绝对值与分层覆盖度复购率突然跳变口径从按单改按人检查指标定义版本号5.3 口径漂移与埋点腐化这两个词听起来学术说白了就是“用着用着就变味了”。口径漂移是指指标定义被悄悄改了但没人记录埋点腐化是指前端改造后埋点失效但没人发现。口径漂移最典型的场景是换人。老运营走了新来的人按自己的理解重写了统计逻辑“转化率”从“有效沟通人数为分母”变成了“总好友数为分母”数字一夜之间掉了 90%然后所有人开始找业务原因找了三天才发现是 SQL 改了。所以我的规矩很硬口径文档跟代码一起做版本管理改口径必须走评审改完在看板上打版本号。埋点腐化更隐蔽。产品改版、页面重构、参数改名埋点可能就断了但因为不报错数据只是慢慢变少没人察觉。我的做法是给每个关键埋点配一个“健康度监控”这个埋点每天应该有稳定的数据量波动超过 40% 就自动告警。另外每月做一次抽样核对人工走一遍完整链路看数据能不能落进表里。还有一个我吃过亏的地方别信“昨日数据”是完整的。很多系统的数据有延迟T1 的表在早上八点看可能只跑了一半。我现在的做法是所有日报都基于 T-2 的数据多等一天换来的是不用每天解释“为什么昨天数据这么低”。6. 让指标落回具体的人6.1 指标必须能拆到小组和个人一个只有大盘的看板开周会的时候是没法追责的因为谁都可以说“大盘就这样”。所以我在任何私域看板上都会强制加一个“人”的维度按小组、按个人拆开每个人能看到自己的净增、有效沟通人数、成交额、响应时长。这里有个分寸问题拆到个人是为了改进不是为了排名羞辱。我的做法是只在小范围内公开排名且排名只挂过程指标响应时长、有效沟通数不挂结果指标GMV因为结果指标受客户资源分配影响很大新人接的都是长尾客户你让他跟老人比 GMV 没有意义。过程指标才是他能控制的。另外一个经验一个人能有效服务的好友数是有上限的。按我的观察纯人工维护的话单账号 2000 到 3000 人是比较舒服的区间超过 5000 基本只能做群发精细化无从谈起。所以看到某个人的好友数远超这个量级别急着夸他能干先看看他的有效沟通率是不是被稀释了。6.2 阈值告警和动作闭环看板最大的价值不是“看”是“触发”。我给每个核心指标设了阈值触发后自动推送到对应的负责人并且要求 24 小时内填写“原因 动作”。这一步很关键它把“数据”变成了“任务”。阈值怎么定不要拍脑袋用历史数据算。取过去 12 周该指标的分布把 P10 和 P90 作为告警线这样既不会被正常波动打扰又能捕捉到真正的异常。定完之后每季度回看一次业务涨了阈值也要跟着调。动作闭环这块我踩过坑一开始只要求填原因结果大家写的都是“市场环境不好”“客户质量下降”这种没法验证的话。后来改成必须选一个预设的原因分类渠道问题、内容问题、人员问题、产品问题、季节因素再填具体动作和预期改善幅度可执行性立马就上来了。6.3 分层结构和内容供给也要进看板最后补两个容易被漏掉但很重要的指标块。客户分层占比。按最近一次互动时间和累计消费额做简单分层比如高价值活跃、高价值沉默、低价值活跃、低价值沉默四象限看每层的人数占比和迁移趋势。健康的盘子高价值活跃层的占比应该稳中有升如果这个数在缩说明你在流失最值钱的那批人这时候加多少新好友都补不回来。内容供给结构。统计每周发的内容类型分布促销、干货、互动、品牌以及各类型的打开率和回复率。我见过的通病是促销内容占到 70% 以上短期 GMV 还行长期掉粉严重。比较稳的比例大概是促销 30%、干货 40%、互动 20%、品牌 10%具体因品类而异但一定有配比不能全押促销。把这两块加进去看板才算完整——前面五层告诉你“发生了什么”分层和内容结构告诉你“为什么发生”。7. 一点个人体会这套东西我前后迭代了大概两年最开始也做过那种塞满好友数和社群数的看板被业务方怼过一次之后就彻底改了。现在回头看最大的转变不是技术上的而是心态上的从“证明我做了多少事”变成“证明我的动作有没有效”。好友数证明的是前者有效沟通人数证明的是后者。还有一个很实在的建议如果你现在刚开始搭别追求一步到位。先把净增、有效沟通人数、成交人数、客单价这四个数跑通能对上账、能按渠道拆就已经超过大多数团队了。剩下的触达率、LTV、回收周期等这四个数稳定运行两个月再加。指标体系的复杂度一定要跟团队的数据能力匹配超前一步是远见超前三步就是负担最后没人用还不如一张干干净净的四行表。