2023年黑五结束后的第三天，我坐在一家深圳坂田的跨境电商公司会议室里，看着运营总监和财务总监为同一个数字吵架。运营总监说“这个月增长很好，GMV比上月涨了23%”，财务总监把另一份表推过去说“毛利额跌了11%，你说的增长在哪”。两个人用的是同一套ERP导出的数据，吵架的根源却不在数据本身，而在他们各自看的“趋势”根本不是同一条线。
这件事之后我复盘了很久。跨境电商团队做数据复盘，真正卡住人的往往不是“没想到看某个指标”，而是趋势观察的设置本身没有配置好：口径不统一、基线上线时间不一致、维度交叉后样本被切碎、阈值设置没有考虑旺季波动。这些问题不会在日报里暴露，只会在季度复盘、大促复盘这种需要“下判断”的场合集中引爆。
这篇文章我想把“数据复盘需要哪些趋势观察设置”讲透。不是给你一张指标清单，那种东西任何一个AI都能拼出来。我想讲的是配置的逻辑、配置的顺序、配置到什么程度就该停手，以及我自己踩过的坑。文中会以“数跨境”（官网：https://shukuajing.jiushuyun.com/?utm_source=seo&utm_plan=est&utm_unit=gys）作为主要工具示例来说明具体配置动作，因为它是我在多个跨境团队里实际用过、并且能承载多维交叉趋势观察的一类平台。
如果你正在搭复盘体系，或者觉得“数据都有但看不出问题”，这篇应该能帮你省掉几个月的试错。
我做了六年跨境电商数据体系搭建，服务过铺货型、精品型、独立站混合型三类团队。如果只允许我说一句话总结，那就是：趋势观察的价值不在于你监控了多少指标，而在于你能不能在30秒内回答“这个变化是不是真的、从哪来、要不要动”。
围绕这个目标，我把趋势观察配置拆成四件必须在“打开报表之前”想清楚的事：口径、维度、基线、触发。下面四条是我最想让你先接受的结论。
很多团队的做法是：把日报里的指标拉长时间轴，做成一个折线图，就叫趋势观察了。这是最典型的形式化配置。
日报回答的是“昨天发生了什么”，趋势观察回答的是“正在发生什么性质的变化”。前者是记录，后者是判断。判断需要参照物，需要容忍带，需要能区分“噪声”和“信号”。一个只有折线没有基线的趋势图，本质上和没画一样，你看到的每一条波动都可能是正常浮动，也可能是系统性下滑的前兆，而你无从分辨。
我在2022年帮一家做家居品类的卖家做诊断时，他们的趋势看板上有47个指标。运营每天早会花20分钟过一遍，得出的结论永远是“整体平稳”。直到那个类目的主力SKU连续三周转化率从4.1%掉到2.8%，才有人反应过来。事后查数据，这个下滑从第一周就已经在趋势线上体现出来了，只是没有人知道2.8%算不算异常，因为看板上没有阈值，也没有历史分位数。
跨境电商的季节性比国内电商更极端。Q4的GMV可能是Q2的1.8到2.5倍，退货率在旺季能比淡季高出3到5个百分点，广告ACOS在黑五前后能波动±40%。
在这种波动结构下，用“环比”做唯一基线几乎是灾难。11月比10月涨50%，可能是大促正常放量；12月比11月跌30%，也可能完全正常。真正有用的基线至少要有三种：同比（YoY）解决季节性、滚动中位数（Rolling Median）解决趋势、同类目分位数（Peer Percentile）解决“我是不是比别人差”。
我通常建议客户在配置趋势观察时，每个核心指标至少挂两条基线：一条是“去年同期”，一条是“过去8周滚动中位数”。前者看结构变化，后者看近期偏离。这两条线一叠，很多问题自己就跳出来了。
这是我见过最多人犯的错。运营团队每周开一次复盘会，但趋势看板做的是小时粒度。结果就是每次开会都在讨论“周二下午三点的那个尖峰是什么”，而真正需要讨论的“这个品类的毛利率是不是在结构性下滑”反而没人看。
我的经验法则是：观察粒度 = 决策频率 ÷ 3。每周决策一次，看日粒度就够；每月决策一次，看周粒度更好；大促期间临时提高到日粒度或小时粒度，但要在复盘时降回去。
粒度不是越细越好。切得越细，单点样本越小，随机波动占的比例越高，人就越容易把噪声当信号。一个每天出50单的SKU，日粒度转化率可以是0%也可以是8%，因为分母太小。
人的注意力是稀缺资源。一个看板上有30个指标，人每天真正会认真看的不会超过6个，剩下的都是“扫一眼，感觉没事”。
正确的做法是把注意力从“巡检”转移到“响应”：让系统在指标突破容忍带时主动推给你，你把精力留给判断和处理。这就需要第四层配置，触发层。触发层的核心不是“设一个固定阈值”，而是设定与业务节奏联动的动态阈值：大促期间放宽、淡季收紧、新品期单独一套规则。
下面这张图是我在多个团队里观察到的“注意力分配”变化。配置触发层之后，运营花在巡查看板上的时间下降了一半以上，但同时发现的真问题数量反而上升了。
回到开头那场会。这家公司2023年黑五做了约680万人民币的GMV，同比涨了约41%。按常理，这是一个值得庆祝的数字。但会议从第二个议题开始就失控了。
运营总监展示的PPT上，第一条趋势线是“11月1日，11月30日GMV日趋势”，整体向上，黑五当天是峰值。他得出的结论是“大促节奏把控良好，明年可以加大投放”。
财务总监拿出的第二条线是“同期毛利额日趋势”，整体走平，黑五当天虽然冲高，但随后三天快速回落。他的结论是“折扣力度过大，用毛利换GMV，不划算”。
第三个发言的是广告负责人，他展示的是“ACOS周趋势”，11月后两周ACOS从18%上升到31%。他的结论是“流量环境变贵，这是行业性的”。
三条线，三个结论，看起来都有数据支撑。但问题是：这三条线根本不是从同一个数据集里出来的。GMV来自ERP，毛利额来自财务手工表，ACOS来自广告后台。三者的日期口径也不一致，ERP按北京时间结算，广告后台按太平洋时间，财务按自然月。黑五当天的数据在三套系统里落在不同的日期上。
会后我帮他们做了一次口径审计，发现问题远比“时区不同”严重。我列了一张表，把会议里出现的每个关键指标的口径差异摊开：
| 指标 | 运营口径 | 财务口径 | 差异影响 |
|---|---|---|---|
| GMV | 下单金额，含未支付 | 已支付并确认收货 | 大促期间差异可达6%，9% |
| 退货率 | 按订单数计算 | 按金额计算 | 高价SKU占比高时差异超4个百分点 |
| 毛利额 | 售价-采购成本-头程 | 售价-采购成本-头程-尾程-平台佣金-关税 | 结构性差异，量级可达15%，25% |
| 广告成本 | 按投放账户归集 | 按店铺分摊 | 多店铺共用账户时无法对齐 |
| 统计周期 | 北京时间自然日 | 财务自然月 | 月初月末各错1天 |
这张表出来之后，会议室安静了大概十秒。然后运营总监说了一句我记到今天的话：“所以我们过去两年的复盘，其实都是在各说各话？”
我给他们的整改方案很简单，但执行起来需要跨部门配合：
这三步做完之后，他们第二次复盘会的时长从95分钟降到了40分钟，而且第一次出现了“所有人先看同一条线，再讨论怎么办”的局面。
这是最普遍的。平台后台的销售报表确实是趋势图，但它是为“单店视角”设计的，无法回答跨店、跨平台、跨类目的问题。
更麻烦的是，平台后台的指标口径是平台定义的，你无法调整。比如某个平台把“广告带来的订单”算在总订单里，而另一个平台算在单独口径里。当你把两个平台的数据放在一起看趋势时，这个差异会被放大成“某个平台效率更高”的错误结论。
我见过一个做宠物用品的卖家，因为把两个平台的“转化率”直接对比，把资源从一个平台撤到了另一个平台，三个月后才发现两个平台的转化率定义不同，一个是“访问到下单”，一个是“加购到下单”。这个决策损失了大几十万的利润。
有些团队一上来就想做“全维度透视”：按国家、按平台、按店铺、按类目、按SKU、按流量渠道、按新老客、按物流方式，全部交叉。结果是每个格子里只有几条数据，趋势线抖得像心电图。
维度的价值在于“可解释性”。如果一个维度的交叉结果你无法用业务语言解释，那它就不该出现在趋势观察里。我的经验是核心趋势视图控制在3个维度以内，深度归因时再临时展开到5，6个维度。
GMV、利润、退货率是结果指标。结果指标的作用是“发现问题”，不是“解释问题”。
当你看到退货率上升，你需要一组过程指标来解释它：是某个物流渠道的妥投时效变慢了？是某个SKU的尺码描述和实物差异大？还是某个批次的品控出了问题？这些过程指标如果不在趋势观察里，你的复盘会议就只能在结果层面反复拉扯。
我的建议是：每个核心结果指标背后，至少配置3个过程指标作为解释层。比如退货率背后：妥投时效、差评率、客服工单主题分布。
“转化率低于2%就预警”，这条规则在A类爆款上可能一年都触发不了一次，在一个新品上可能天天触发。
合理的做法是按SKU生命周期分层：新品期、成长期、成熟期、衰退期各有一套阈值。或者干脆用统计方法：以该SKU自身过去N周的分布为基准，偏离超过1.5倍标准差才触发。这比固定阈值准确得多。
这是最容易被忽略、也最致命的一条。看板做得再漂亮，如果它和“谁在什么时间做什么”没有连接，它就只是一个装饰品。
我在配置趋势观察时有一个硬性要求：每一条趋势线，必须能对应到一个责任人和一个候选动作。转化率下滑对应运营的动作是“检查主图和详情页”，广告ACOS上升对应广告投手的动作是“排查高花费低转化词”。没有动作归属的趋势线，我会建议直接删掉，因为它只会消耗注意力。
讲完误区和场景，我把配置逻辑收拢成一个可落地的四层模型。这个模型是我这几年在项目里反复迭代出来的，顺序不能颠倒，先口径、再维度、再基线、最后触发。
口径层要解决的问题是：当两个人说“GMV”时，他们说的是不是同一个东西。这一层做不好，后面三层全部白费。
口径层的配置项包括：
在数跨境这类平台里，口径统一通常是内置能力的一部分。它的指标定义在平台层面做了标准化，多平台、多店铺的数据汇总时会先做口径映射，这对没有专职数据团队的跨境卖家来说省掉了大量手工对齐的工作。但即便如此，我依然建议团队自己维护一份“指标字典”，因为平台覆盖的是通用指标，你的业务可能有特殊定义。
{
"metric_id": "gmv_paid",
"display_name": "已支付GMV",
"formula": "SUM(order_amount) WHERE paid_status = 'paid'",
"time_basis": "paid_time",
"currency": "CNY",
"fx_policy": "monthly_avg",
"refund_handling": "deduct_current_period",
"source_system": "数跨境-交易主表",
"owner": "数据运营组",
"version": "v3.2",
"updated_at": "2024-03-01"
}
这份字典不需要多复杂，但必须有版本号和维护人。没有版本号的口径，等于没有口径。
维度层的配置原则我在前面误区二里提过：核心视图控制在3个维度以内。但“哪3个维度”是需要根据业务模式选的。
| 业务模式 | 第一维度 | 第二维度 | 第三维度 | 常用归因维度（临时展开） |
|---|---|---|---|---|
| 精品型 | SKU | 国家/站点 | 流量来源 | 关键词、广告活动、评论星级 |
| 铺货型 | 类目 | 店铺 | 国家/站点 | 上架批次、供应商、物流渠道 |
| 独立站主导 | 流量渠道 | 落地页/活动 | 用户分群 | 设备类型、地区、新老客 |
| 混合型 | 平台/独立站 | 类目 | 国家/站点 | 渠道、SKU、活动 |
这张表的用法是：先确定你的主业务模式，按对应行配置固定维度，把“常用归因维度”作为按需下钻的选项，不要放进默认视图。
基线层的配置是我认为最被低估的一环。很多人做趋势观察只有一条“当前值”线，然后靠“感觉”判断高低。
我的标准配置是每个核心指标挂至少两条基线：
如果团队能力允许，再加两条：
触发层的配置要分三步走：
这里有一个细节我要特别提醒：触发规则要和大促日历联动。平时偏离1.5倍标准差就报警的指标，在大促期间应该放宽到2.5倍甚至3倍，否则你会在最忙的时候被一堆无效告警淹没，然后开始麻木地忽略它们，这是告警系统失效的开始。
我选择用它做示例，不是因为它功能最多，而是因为它在“趋势观察配置的颗粒度”这件事上比较贴近跨境卖家的真实工作流。跨境团队最常见的情况是没有专职数据分析师，运营既要配置看板又要做判断，所以工具的配置动作是否直观、口径是否内置、多维交叉是否有性能保障，直接决定了这套东西能不能长期用下去。
下面讲的是一家做3C配件、年GMV约1.2亿人民币、覆盖4个平台9个店铺的卖家的真实整改过程（应客户要求隐去名称，数据做区间化处理）。
这家公司当时的看板由两套东西拼成：一套是平台后台报表的截图汇总，一套是运营自己维护的Excel。他们每周开一次复盘会，每次2小时左右。
问题集中在三点：
把4个平台的店铺通过授权接入，由平台侧统一做指标口径映射。这一步的实际工作量比预想小，主要时间花在历史数据回补和抽样校验上，我坚持要求抽样核对至少30天数据，逐项对比平台后台和汇总后的数值，差异超过0.5%就查原因。
事后证明这一步值得。校验中发现了两个此前一直没注意的口径问题：一个是某平台的订单金额包含未支付订单，另一个是某平台的退款是次日冲减而非当日。这两个问题修正后，他们的历史毛利数据整体变动了约2.3个百分点。
他们最终定下来的核心趋势视图是4个：
注意这里有意识地控制了指标数量。四个视图合计约22个指标，比他们原来看板上的60多个少了一大半，但每个指标都有基线和责任人。
最终配置了6条触发规则，覆盖毛利率、核心SKU转化率、ACOS、退货率、库存周转、妥投时效。每条规则都明确了：触发条件、通知对象、响应时限、候选动作。
{
"rule_id": "alert_margin_drop",
"metric": "gross_margin_rate",
"dimension": ["platform", "category"],
"condition": "current_7d_avg "season_adjust": {
"period": "2024-11-20_to_2024-12-05",
"multiplier": 1.8
},
"notify": ["运营总监", "类目负责人"],
"response_sla_hours": 24,
"candidate_actions": [
"检查该平台佣金政策是否变更",
"核对物流成本波动是否超预期",
"排查是否有大额退款集中发生"
]
}
这个配置的关键点是 season_adjust 字段。没有它，大促期间这条规则会被反复触发，团队很快就会麻木。
整改完成后我跟踪了三个月，有三个变化比较有代表性：
| 观察项 | 整改前（Q1） | 整改后（Q2） | 变化幅度 |
|---|---|---|---|
| 异常平均发现滞后 | 11天 | 2天 | -82% |
| 周复盘会议时长 | 115分钟 | 55分钟 | -52% |
| 复盘后落地行动项 | 1.8条/次 | 4.6条/次 | +156% |
| 因口径争议导致的返工 | 约6人天/月 | 约1人天/月 | -83% |
第三个数据是我最看重的。会议时长缩短不是目标，行动项增加才是，它说明团队从“争论数据对不对”转向了“讨论怎么解决”。
Q2中期有一次触发：某平台3C类目毛利率在7天内偏离滚动中位数超过2倍标准差。
运营总监在当天收到通知，具体定位过程如下：
整个过程花了大半天，从收到告警到定位根因不到8小时。在整改前，这个量级的毛利偏差大概率要到月底财务对账时才会被发现，而那时已经无法调整定价策略了。
这个案例让我更加确信一件事：趋势观察配置的核心不是“预测未来”，而是“压缩发现问题的滞后时间”。跨境电商决策窗口很短，晚一周知道，往往就意味着这一波的利润已经没了。
这个阶段不要自建数据体系，投入产出比极低。重点做三件事：
这个阶段的目标不是“看全”，而是“看得准”。把有限的注意力放在最贵的三个指标上。
这个阶段的核心矛盾是“维度爆炸”。建议：
| 对比项 | 铺货型 | 精品型 |
|---|---|---|
| 核心观察对象 | 类目整体效率、上架成功率 | 单品生命周期、转化路径 |
| 主要趋势粒度 | 周粒度为主 | 日粒度 + 周粒度双轨 |
| 关键触发指标 | 库存周转天数、上新动销率 | 转化率、评论评分、广告ACOS |
| 基线选择 | 类目分位数更重要 | 自身滚动基线更重要 |
| 典型误区 | 维度切太细，单点样本不足 | 只看结果指标，不看过程指标 |
这种情况最大的坑是“把两种流量的转化率直接对比”。独立站和平台的流量结构、用户意图、转化定义完全不同，直接对比会误导资源分配。
我的建议是：独立站和平台分开配置趋势视图，各自有自己的基线和阈值，只在“利润贡献”这一个口径上做横向对比。
趋势粒度每细一级，数据量大约翻4，8倍，配置和维护成本同步上升。小时粒度看起来更及时，但如果你的决策频率是每周，它带来的只是噪声。
我的判断标准很简单：如果一个粒度的数据，你在复盘时不会用到第三次，就不要配它。大促期间临时开到小时粒度，复盘结束就关掉，这是最经济的做法。
实时数据听起来很美，但跨境电商的大部分决策并不需要实时。定价调整、广告预算重分配、库存补货，这些动作的时间尺度是天到周。
我通常建议：交易类指标用准实时（15分钟，1小时延迟），成本与利润类指标用日批，用户行为类指标用日批。把实时能力只留给真正需要的场景，比如大促期间的库存告急和断货预警。
很多人担心自动化告警会“漏掉一些微妙的变化”。这个担心是合理的，但不构成放弃自动化的理由。
合理的组合是：自动化告警覆盖80%的常规异常，人工巡检聚焦在模型无法覆盖的领域，比如竞品动态、平台政策变化、消费者评论语义变化。两类工作性质不同，不应该互相替代。
这个问题我被问过很多次。我的判断依据是团队规模和数据复杂度：
需要提醒的是，自建不是技术问题，而是治理问题。我见过不止一个团队花半年自建了一套看板，结果口径混乱程度和自建前一样，因为没有人负责口径治理。
写到这里，我想把整篇文章收拢成三条我认为最本质的原则。
第一条：趋势观察是为决策服务的，不是为记录服务的。任何一条趋势线，如果你无法回答“它异常了我该做什么”，它就不该出现在看板上。配置的本质是做减法，不是做加法。
第二条：配置的顺序比配置的内容更重要。口径层没做对，维度层就是错的；基线层没做，触发层就是噪声制造机。我见过太多团队跳过前两层直接做告警，结果就是告警泛滥然后被忽略。
第三条：趋势观察的价值体现在“压缩滞后”，而不是“预测未来”。跨境电商的变化太快，预测很难准。但把发现问题的滞后从11天压到2天，这个收益是确定的、可量化的、不需要任何预测能力的。
至于下一步怎么做，我建议按这个顺序推进：
最后回到开头那场会。那家公司在整改半年后，黑五复盘会的时长是42分钟，会上没有一个人争论数据口径，讨论的全部是“明年这个类目的投放结构要不要调整”。运营总监后来跟我说了一句话我觉得很准确：“数据复盘真正难的从来不是数据，是把大家放到同一张图前面。”
趋势观察配置做的事情，本质上就是造这张图。
我自己做跨境店铺的时候，后台报表一拉就是几十个字段，GMV、曝光、点击、加购、ACOS、退货率全都在跳，看半小时也说不清今天到底哪里出了问题。后来我发现不是指标不够，而是没有分层，所有指标被当成同一个重要级别在看。所以我很想知道，一个能真正指导动作的最小指标集到底应该包含哪些。
把指标分成五层，总数控制在 8 到 12 个以内：结果层看 GMV、订单量、客单价、毛利率；流量层看曝光量、点击率、会话数、加购率；转化层看结账完成率、支付成功率；成本层看广告花费占比、ACOS 或 TACOS、单均头程加尾程物流成本；健康层看库存可售天数、退货率、差评率。
砍指标的唯一判断依据是「这个指标波动时能不能映射到一个具体动作」，比如点击率跌了可以去换主图或调关键词，毛利率跌了可以去查采购价或折扣，如果一个指标连续两个月波动都没让你改过任何东西，直接删掉。另外每个保留的指标都要写清三件事：责任人、观察频率、触发后做什么，否则它只是一个好看的数字。
我试过每天盯日报，结果周六大促前流量正常波动，我就慌着去调广告预算，第二天发现完全是白折腾。也试过只看周报，等发现转化率掉的时候，已经亏了一周的广告费。所以我一直想搞清楚，不同指标到底该用什么时间粒度，以及怎么排除周末和促销带来的假波动。
用三层节奏：日看流量、花费和库存类高速指标（点击率、广告花费、可售天数），周看转化与广告效率（转化率、加购率、ACOS 或 TACOS），月看结构与利润（毛利率、品类占比、复购率）。日趋势不要看绝对值，用 7 日移动平均叠加上周同一天的同比，这样能自动抹掉周末效应；
周趋势用 4 周滚动窗口，避免被单周大促带偏；月趋势做去年同期同比。有两个很容易踩的坑：一是时区，必须用站点当地日期切天，如果用北京时间看美国站，会出现「今天订单暴跌」的假象，其实是美区当天还没结束；二是星期对齐，同比要周几对周几，周日对周日，否则跨境电商普遍的周末流量结构会让你得出完全相反的结论。
上新或大促期间单独拉一条活动标记线，把异常段排除在基线之外再判断趋势。
我之前直接设「跌幅超过 20% 就报警」，结果群里每天几十条消息，团队慢慢就全部忽略了，真出问题那天也没人点开。后来我改成自己算基线，又不知道样本要取多少天、用均值还是中位数，一直没找到稳定的做法。所以想请教一下阈值和分层怎么设计。
不要用固定百分比，要用指标自身的基线。取过去 28 天（至少覆盖 4 个完整周）同星期几的数据，算中位数和 MAD 或标准差，偏离中位数 20% 或超过 2 倍标准差才触发，中位数比均值更抗大促和爆单的污染。
新品或新店数据不足 14 天时，用绝对阈值兜底，比如支付成功率低于 90%、可售天数低于 7 天。然后按严重程度分三级：P0 立即处理，包括支付成功率单日跌 5 个百分点、库存可售天数低于 7 天、广告实际花费超过日预算 120%；
P1 当天跟进，包括转化率连续 3 天下滑、ACOS 超目标 30%；P2 放到周会看，包括毛利率、退货率、复购率。上线顺序很关键：先跑 2 周只记录不推送的观察期，统计每个指标误报了多少次，把噪音大的指标阈值放宽或降级，两周后再开推送，否则第一周就会被报警淹没然后彻底失去信任。
同一段时间我在两个平台看销量，一个说涨一个说跌，广告后台的转化数又和平台订单数差一大截，开会的时候几个人拿着三份报表吵。我一直怀疑是时区、汇率或者退款回冲的问题，但不知道到底该以哪个为准、按什么顺序统一。所以想问口径统一有没有可落地的步骤。
第一步是确定单一事实来源，不要混用：订单以平台后台为准，收入和手续费以结算报告为准，广告以广告后台为准，三份数据各管各的，不相互覆盖。第二步统一四件事：时区全部转成站点当地日切并在表头注明；币种按月初汇率或月度平均汇率折算，不要每天套当日汇率，否则趋势曲线里会混进汇率噪音，看起来像业务波动；
广告归因窗口统一为 7 天点击加 1 天浏览，跨窗口比较必须在备注里写明，否则和平台默认口径对比时天然差 10% 到 20%；退货和取消分两套口径存储，下单口径和净销口径各存一份，退货按发生日回冲而不是回冲原订单日。
第三步落地成一张明细表，字段固定为日期、平台、店铺、SKU、口径版本，放在某项目管理平台或表格里做版本管理。最后跑 30 天双轨对照，对不上时按顺序排查三个原因：日切时区、退款回冲规则、广告归因窗口，这三项能解释绝大多数对不上的情况，先把它们对齐再讨论业务问题。
读者评论
双基线叠加那段我试过，落地比想象中难。去年新开的类目没有同比数据，只能用滚动中位数，结果前两个月基线自己就在漂移，误报了好几次，后来加了最小样本量限制才稳住。文章里没展开基线冷启动期这个坑，其实挺关键的，尤其是新类目和新站点。
粒度=决策频率÷3这个说法我持保留意见。我们是周复盘，但广告预算每天都在调，只看日粒度照样漏掉投放时段的问题。我现在的做法是核心经营指标走粗粒度，广告和库存单独开细粒度视图，不混在一起，混着看确实容易吵起来。
口径统一这事，阻力从来不在技术上。财务不肯放弃自己的毛利算法，运营也不信系统取数，最后弄了个指标字典但没人维护，三个月就过期了。文章说放共享空间谁都能提修订，想法挺好，但没说谁拍板。没有明确一个人对口径负责，文档就是个摆设。