度量验收：九项检查、四张表与一次决策复盘

有数字不等于有判断，能被复查的才叫验收。

一、翻了半小时，只找到一堆截图

季度末，周岚想回答一个问题：这个季度我们搞清楚了什么。她打开硬盘翻了半小时，只找到十几张看板截图和一份没写完的周报。数字都在，但没有一处写着「因为看到什么，所以决定了什么」。她做一款面向小团队的排期工具。三月底，她决定把试用期从 14 天改成 7 天，理由是「转化率看起来在跌」。六月底再问为什么，她只记得当时很焦虑。截图上的 24%、53.9%、29.3% 都在，唯独缺了那个把数字变成动作的瞬间。

以下情境为教学假设，人物、引语和数字不代表经核实的真实案例。

验收的对象是「能不能支持决策」，不是「有没有看板」。 看板只证明你在看，不证明你看懂了。真正的验收是：随便挑一个上季度的决定，能不能在十分钟内说清它依据哪几个数、当时排除了什么、后来验证得怎么样。

四张表就是全部家当。 事件字典 24 行、指标口径 12 行、看板 12 格、决策记录一年 52 行。加起来正好一百行，一个人维护得动，也复查得完。其余的报表、截图、临时导出都不算资产。

九项检查要能在两小时内跑完。 超过两小时，就不会每季度做；不每季度做，表就会过期。两小时是设计约束，不是效率目标，它逼你把检查项压到真正重要的地方。

复盘看的是被推翻的假设。 如果季度复盘只能列出「我们做了什么」，那是一次工作总结，不是复盘。有价值的部分是：哪条判断被数据推翻了，哪条一直没被验证，哪条验证了但没行动。

二、九项检查

九项检查从最上游的事件字典排到最下游的决策记录。顺序不能乱：上游错了，下游全是精致地错。

一项十分钟，九项两小时。 九十分钟检查，加上找文件、补记录和写整改单，刚好卡在两小时。哪一项要花半小时以上，通常不是检查复杂，而是对应的表根本没维护。

判据要可数。 「齐全」「可解释」听着像判据，实际没法执行。把「关键事件丢失率低于 2%」和「连续 7 天偏差都能解释」写进去，通过与否就不再靠感觉。

顺序不能换。 字典不对，口径一定对不上；口径不对，漏斗的分母就没有意义；分母不对，看板上的异常全是假的。从上游往下查，十分钟能定位问题；从看板往回猜，两小时也未必找得到。

不过的项要写成整改单。 一条动作、一个截止日、一个验证方式，三样齐了才算整改项。写「加强埋点质量」等于没写；写「本周内给注册事件补服务端上报，下周核对两天丢失率」才可以验收。

第一次会超时。 第一次跑通常要四小时，因为表还没建齐。把这四小时算进季度计划，不要因为它超时就砍掉检查项；砍掉的那几项，下季度会以更大的代价回来。

检查要有留痕。 每次跑完存一份带日期的结果，哪怕只是一张九行的表。没有留痕，下季度无法判断是真的变好了，还是换了判据。

三、四张表

四张表加起来正好一百行，但它们是整套度量的全部资产。下面这张表说明每张表的一行长什么样、谁维护、多久改一次。

四张表是链式的。 字典定义发生了什么，口径定义怎么算，看板定义哪些值得看，决策记录定义看完做了什么。任何一环断了，最后那行决策就失去依据，只剩一句「当时觉得」。

行数是上限。 24、12、12、52 不是必须填满的配额，而是不许轻易突破的边界。想加一个事件，先删一个没人用的；想加一格看板，先说清哪一格可以下屏。

每张表只有一个维护人。 一个人做产品，维护人就是你；有合作者时，也要指定一个人拍板，而不是共同维护。共同维护的表，改法会分叉，三个月后没人知道哪版是真的。

改表要留版本。 每次改口径，写清日期、改了什么、为什么改、影响哪些历史数字。没有版本记录，口径会在某次「小调整」后悄悄变化，季度对比就变成两套数字的对话。

表要能被一个外人读懂。 临时请一天帮手，他应该能在三十分钟内看懂事件字典的一行和口径表的一行。看不懂，说明定义还留在你脑子里，没真正写下来。

四张表放在同一个地方。 一个文件夹或一个页面，看板的每一格都能链回对应的口径行。分散在聊天记录、云文档和本地表格里的版本，三个月后一定对不上。

四、复算：四维加权与复盘时间

权重：覆盖 0.30 / 可信 0.30 / 可用 0.25 / 成本 0.15
现状：覆盖 4、可信 3、可用 4、成本 5
得分 = 0.30×4 + 0.30×3 + 0.25×4 + 0.15×5
     = 1.20 + 0.90 + 1.00 + 0.75
     = 3.85
补可信到 4.5：0.30×4 + 0.30×4.5 + 0.25×4 + 0.15×5
     = 1.20 + 1.35 + 1.00 + 0.75
     = 4.30
档位：≥4.5 稳；3.5–4.4 可用；<3.5 整改
短板：可信 3，下季度只补校验
季度复盘：4 次 × 25 分钟 = 100 分钟 ≈ 1.7 小时

3.85 落在可用档，但可信是短板。 覆盖 4 分说明该有的指标基本都有，可用 4 分说明看板还能用；可信只有 3 分，意味着某些数字你自己都不敢拿去对外说。下一季度的动作只有一个：补校验，把可信从 3 拉到 4.5。

权重是判断，不是真理。 覆盖和可信各占 0.30，是因为对一个人的产品来说，「有没有」和「准不准」比「好不好看」重要得多。成本只占 0.15，不是成本不重要，而是维护不动的方案会被自然淘汰，不需要在评分里再罚一次。

成本 5 分不是省钱，是维护得起。 四张表总共一百行、每周十五分钟、每月一小时核对，这套东西一个人扛得住，成本才给满分。任何需要专人每天盯的方案，在一个人这里都应该直接判低分。

从 3 到 4.5 需要三件事。 关键事件丢失率压到 2% 以下；每月做一次客户端、服务端与数据库的三方对账；连续七天的事件量偏差都能说清原因。三件事做完，可信才敢写 4.5；只做一件，最多 3.5。补到 4.5 后总分是 4.30，仍在可用档，但短板已经补平；再往上要动覆盖或可用，不是这一季度的事。

1.7 小时怎么排。 四个 25 分钟：第一段跑事件字典与口径，第二段跑埋点与数据质量，第三段跑看板与周流程，第四段翻决策记录，看哪条假设被推翻了，最后五分钟写结论。

分数只和自己比。 评分表是你自己定的，权重也是你自己定的，拿它去和别人的分数比较没有意义。它的用途是纵向看：同一套口径下，这个季度比上季度多了哪一项、少了哪一项。

五、行动清单与复算验收

• 按九项检查跑一遍，逐项写通过或不通过
• 给每个不通过项写一条整改动作与截止日
• 把事件字典补到 24 行，标出有量的 18 个
• 把 12 个指标的五要素补齐，空缺写「待定」并标日期
• 把看板压到一屏 12 格，放不下的指标先删
• 从本周开始写决策记录，每周一条，一年就是 52 行
• 用四维权重给现状打分，只写下唯一的短板
• 把下次复盘排进日历：四个 25 分钟

验收标准：拿着四张表，能在两小时内回答一个具体的产品决策。 答不出来，缺的不是数据，是记录。

使用边界与实操验收

验收不解决「指标选得对不对」。 它只检查你已经选中的 12 个指标有没有被可靠地生产出来。指标本身是否服务那六个决策，属于第 01 篇 的范围；选错了指标，验收做得再漂亮也只是把错的东西算得更准。

九项检查是自检，不是审计。 它没有外部见证，也不构成任何合规结论。它的价值在于每季度逼你打开四张表，而不是给你一张可以对外展示的证书。

分数只用于纵向比较。 3.85 这个数字离开本文的权重就没有意义。换一套权重，同一个现状可能变成 4.1 或 3.6；所以评分表要固定，至少连续用四个季度再考虑调整。

两小时是熟练之后的时间。 第一年可能每次都要三到四小时，这是正常的。判断标准不是「有没有在两小时内完成」，而是「有没有连续四个季度都做」。

季度复盘要留一页结论。 写清三件事：哪个决定被数据推翻、哪个指标被证明没用、下季度只改哪一处。一页就够，写多了不会有人回看。

关键参考与核验范围

核验日期：2026-10-26。以下链接用于核对事件分类、指标定义与「用数据改进服务」的公开做法，不构成对任何工具的推荐。

• Plan your taxonomy ：用于核对事件字典与属性设计的组织方式。
• Metrics ：用于核对指标定义、复用与管理的常见做法。
• Measuring success ：用于核对以决策为目的的度量与定期复盘流程。
• Architecture decision record ：用于核对决策记录的字段与归档方式。

引用口径。 四维权重、档位与 25 分钟分段均为本文设定的教学口径；24、12、12、52 与 1,150、4,800 等数字取自本组统一基线，未引入外部基准。

核验范围。 本次核验只确认上述页面可访问、主题与本文引用点一致；未逐条比对不同分析工具的指标实现，也未验证任何工具的价格、配额与合规能力。

如何自行复核。 把覆盖 4、可信 3、可用 4、成本 5 代入权重，应得 3.85；把可信改成 4.5，应得 4.30。再按九项检查任选三项，用你自己的产品跑一遍，记录每项花了多少分钟。

系列导航

• 上一篇：实验与灰度：一个人能做的 A/B 与不能做的
• 下一篇：无，本文是系列最后一篇
• 回到目录：一个人的产品度量：事件字典、指标口径与决策看板
• 相关阅读：决策记录：写清做什么，也写清不做什么 、归因与复盘：哪条渠道真的有用