业务指标埋点设计

技术指标（如 CPU、内存、延迟）回答「系统是否健康」，业务指标回答「业务是否正常运转」。两者的关系类似「体温计」和「体检报告」：体温正常不代表身体完全健康，业务指标才能真正反映产品价值。

业务指标埋点是可观测性体系中容易被忽视的环节。很多团队投入大量精力维护基础设施指标，却对「今天有多少用户完成了下单」「转化率是多少」「哪个环节用户流失最多」这些核心业务问题一无所知。

AARRR 模型与关键指标

业务指标设计的经典框架是 AARRR 模型（Acquisition-Activation-Revenue-Retention-Referral），它将用户生命周期分为五个阶段，每个阶段有对应的关键指标：

获取（Acquisition）：新用户数、获取成本（CAC）、渠道转化率。关注问题：哪个渠道带来的用户质量最高？

激活（Activation）：激活率、首次体验满意度、新用户引导完成率。关注问题：用户是否真正开始使用产品核心功能？

留存（Retention）：次日留存、7 日留存、30 日留存。关注问题：用户是否持续使用产品？

变现（Revenue）：ARPU（每用户平均收入）、付费转化率、LTV（用户生命周期价值）。关注问题：用户愿意为什么功能付费？

推荐（Referral）：NPS（净推荐值）、病毒系数、K 因子。关注问题：用户是否愿意向他人推荐产品？

业务指标埋点需要遵循几个核心原则：

原子性：每个事件应该是不可拆分的最小单元。不要把「用户下单」记录为一个事件，而是拆分为「浏览商品」「加入购物车」「提交订单」「完成支付」等原子事件。原子事件可以灵活组合，而复合事件无法拆解。

一致性：同一业务概念在全站使用相同的命名和属性定义。建议建立公司级的埋点规范文档（埋点 Schema），包括事件名称、触发时机、必选属性、可选属性、属性类型和枚举值。跨团队协作时，严格遵守 Schema 是数据质量的基础。

可追溯性：每个事件应包含足够的上下文信息，便于后续分析。除了用户 ID、时间戳等基础信息，还应包含：来源渠道、会话 ID、设备信息、地理位置等分析维度。