分析前先让 AI 帮你把指标口径写清楚

开场困境

三个「复购率」，没一个说得清

老板让你把「复购率」跑出来。你打开 CRM，那边有个「回购客户数」；打开订单表，能自己拼一个「第二次下单」；再翻数据仓库，同事已经算好一个 38%。你选了个看着顺眼的版本，跑完发现和同事上周的报告差了 8 个点。问题不在 SQL，在没人定义过复购率到底是什么。

分析前花 20 分钟把口径写清楚，比分析后花两天解释数字差在哪划算得多。

错误做法

丢一句公式就让它写 SQL，AI 只会顺着你编

新人最喜欢把「复购率=复购人数/总用户数」丢给 AI 让它直接写 SQL。AI 会立刻回一段能跑的代码，但你没问它把「复购」算成了什么：是第一次购买后 30 天内再买，还是今年买过两次就算？退款算不算？同一个人一天买两次算一次还是两次？口径没定，SQL 跑得越顺，越像在给自己编答案。

实操流程

5 步把口径从模糊变成可确认的文档

输入样例：把你拿得到的字段说明原样贴给 AI，例如「user_id（用户ID）、order_id（订单号）、order_time（下单时间）、pay_amount（实付金额）、order_status（订单状态：pending/paid/cancelled/refunded）、first_order_time（首单时间）」，再加一句业务期望「复购率要看 30 天内第二次购买」。

1. 先写一句话定义：谁、算什么、什么时间内。示例：「过去 30 天里，首次购买后再次下单的客户数 ÷ 首次购买客户数」。
2. 把字段说明和业务期望贴给 AI，让它按八个字段出草稿：名称、计算公式、统计对象、时间窗口、数据来源、去重规则、排除规则、版本。
3. 要求 AI 只使用你给的信息，字段里没有的一律写【待确认】，不许编表名、字段名或阈值。
4. 让 AI 单列【歧义清单】，标出同一句话会算出不同结果的地方，例如退款、当日多单、跨渠道。
5. 拿草稿找业务逐条确认，确认后把版本号改成 v1.0，再开始写 SQL。

案例

AI 把字段缺口标了出来，没替你编

输入：上面那段字段说明，加上业务期望「复购率要看 30 天内第二次购买」。

AI 输出：计算公式＝首购后 30 天内再次下单的客户数 ÷ 期内首购客户数；统计对象＝有 paid 订单的客户；时间窗口＝首购后 30 个自然日，以 order_time 计；来源＝订单表（order_status='paid'）；去重＝同一客户一天内多次再购按 1 次计；排除＝pending 和 cancelled 不计；【待确认】＝refunded 是否剔除、跨渠道是否合并。

你检查发现字段说明里根本没有 first_order_time，AI 没编，而是标了【待确认】。你回去找业务补了这个字段，口径才成立。这一条就是 AI 帮你拦住的最大的坑。

可复制提示词

直接复制这条提示词

把字段说明和业务期望粘贴进去，AI 会输出八个字段的口径草稿、歧义清单和待确认信息，不会替你编数据。

你是我的数据分析口径记录员。我要在下周做一份指标分析，先把指标口径写清楚。请根据我提供的字段说明和业务期望，输出一份《指标口径定义文档》，包含八个字段：1.指标名称；2.计算公式（写清分子分母）；3.统计对象（哪个用户/订单群体）；4.时间窗口（以哪个时间字段为准）；5.数据来源（具体到表名和字段）；6.去重规则（同一对象多次出现怎么算）；7.排除规则（哪些订单/用户不算）；8.口径版本（先写 v0.1 草稿）。规则：1.只能使用我提供的字段和文字，没有的信息一律写【待确认】，不要编造表名、字段名或阈值；2.把可能被不同人理解成不同算法的点单独列成【歧义清单】，例如退款、当日多单、跨渠道；3.输出结束后用一句话告诉我：还有哪些信息没问到。

字段说明：[粘贴字段清单]
业务期望：[粘贴一句业务期望]

人工检查

写 SQL 前，过一遍这六项

AI 帮你把口径组织成文档，真正拍板的是业务和你。每确认一项就改一项，这张表才会成为大家认的数。