私域数据看板指标体系：好友数、有效沟通人数与LTV/CAC

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。

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。

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，T+1 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。