一、防伪溯源该看哪些数
很多团队做了一堆看板，却不知道"哪些数才是核心"。这一篇给出 8 个核心指标（运营、技术各 4），以及口径设计和 BI 落地。
二、运营 4 指标
- 扫码 UV/日：当日独立扫码用户数——反映触达广度；
- 验真成功率：成功返回真伪结果占比（> 99% 为健康）——反映系统可用性；
- 留资率：验真后留手机号率（行业平均 8%，优秀 > 25%）——反映转化能力；
- 复购率：30 天内二次购买率（优秀 > 12%）——反映运营效果。
三、技术 4 指标
- 验真 P99 延迟：99 分位响应时间（< 0.5s 为合格）——反映性能；
- 码池使用率：已分配码 / 总生成码（70-85% 健康）——反映赋码合理性；
- 异常扫码率：异地高频扫码 / 总扫码（< 0.5% 为安全）——反映风控；
- 存证上链成功率：关键节点上链成功 / 应上链（> 99.9%）——反映可信。
四、口径设计 3 原则
- 唯一性：每个指标只有 1 个统计口径，跨部门一致——避免"各算各的"；
- 可解释：每个数字都能被业务解释，不是"技术指标孤岛"；
- 可视化：BI 看板按角色分层（运营 / 技术 / 管理层）——各看各的。
五、BI 落地路径
数据仓库（ClickHouse/Doris）→ 指标平台（OneService）→ 看板（Tableau/帆软）- 关键指标实时刷新（5 分钟级）——如验真延迟、异常扫码；
- 决策指标日更——如复购率、留资率。
六、避坑建议
指标不是越多越好，8 个核心 + 8 个观察足以看清业务。
- 核心指标管"生死"（延迟、成功率、异常率）；
- 观察指标管"细节"（区域分布、品类占比）。
给同行的建议：指标口径必须在第一版就定死，否则后期跨部门对不上数，就是无尽的扯皮。口径统一是数据治理的地基。
