AI 产品该盯的 8 个指标：从日活到单位任务成本

很多团队上线 AI 功能后，看板上只有两个数字：调用量和 token 消耗。调用量涨了就开香槟，账单涨了就紧急限流——但这两个数字都回答不了最关键的问题：用户到底从中拿到了多少价值，我们又为此付了多少钱。

缺的不是数据，而是一套分层指标的框架。下面这 8 个指标按「体验—质量—成本」三层排列，每一层都能单独回答一个决策问题。

第一层：体验指标（用户愿不愿意再来）

体验层看的是「这次好不好用」，它决定用户会不会有第二次。三个指标足够：

• 任务完成率：发起的对话中，有多少比例达成了用户的目标（而不是「生成了一段文字」）
• 首字延迟（TTFT）：用户按下发送到看到第一个字的时间，超过 2 秒体感就会明显掉档
• 次日 / 7 日留存：AI 功能最容易「新鲜三天」，留存才是真实价值的试金石

第二层：质量指标（答案靠不靠谱）

质量层决定这个功能是资产还是负债。两个低成本可落地的指标：

• 采纳率：生成结果被用户直接采用（复制/发送/保存）的比例，比「点赞」诚实得多
• 重生成率：同一轮里用户点了多少次「重新生成」——这几乎等价于不满意率

第三层：成本指标（能撑多久）

成本层回答「规模化之后还划不划算」。注意这里的关键是把口径从「每次调用多少钱」换成「每完成一个任务多少钱」：

• 单位任务成本 = 总成本 ÷ 成功完成任务数（而不是 ÷ 调用次数）
• 成本异常率：单日成本偏离 7 日基线的幅度，用于提前发现失控
• 单位价值成本 = 单位任务成本 ÷ 该任务带来的收入或节省的人力

怎么用这套框架

三层指标不要平均用力：早期只看体验层（有没有人用、用得顺不顺），中期补质量层（答案能不能信），规模化之后才重点看成本层。一上来就算成本的团队，往往死在没人用；一直不算成本的团队，往往死在账单上。

指标的价值不在于 dashboard 有多漂亮，而在于它能不能触发一个动作：完成率掉了去查提示词，重生成率涨了去查知识库，单位任务成本超了去调路由。能触发动作的指标，才配叫指标。