📊 数据真实度图例：
无标 = 真实生产数据
脱敏 已脱敏真实数据
估算 估算或口径粗合
AI 推理 AI 自动归因 / 类比
用户规模目标
2026 年度累计
5,991
/
10万
人
📌
下一里程碑：
近 7 日新增 +1,685
付费转化目标
2026 年度累计
8
/
10,000
人
📌
下一里程碑：
近 7 日新增 +2
核心指标总览 · 运营关注
ⓘ
所有指标均按当前时间范围（近 7 日）聚合。卡片显示「值 / 同比上周期 / 环比上周期 / 7 日趋势」。鼠标移到 ⓘ 看「是什么 / 数据来源 / 怎么算出来的」。
双目标健康度 · 用户规模 vs 商业化
ⓘ
增长分 = f(MAU增速, DAU趋势, 日任务量)；商业化分 = f(付费转化率, MRR, 付费用户数)。平衡锚 = 付费/MAU留存比（>80% 即健康）。PMF 验证期允许偏增长。
偏增长 · 符合阶段
增长分 72 · 商业化分 18 · 比值 4.0
📈 用户增长维度
累计用户增速10.8x /双月
MAU 月增长率+6.8%
日完成任务数581 次
DAU（今日）25 人
增长分72 / 100
💰 商业化维度
MRR¥50 /月
ARR 估算¥600 /年
付费转化率55.6%
付费用户4 人
商业化分18 / 100
⚖️
平衡锚点 · 付费/MAU留存比 = 119%
阈值 >80% 即健康
238 历史付费 / 200 MAU = 119% · 历史付费用户几乎都还活跃，说明产品粘性好。当前阶段「偏增长」是健康的 — 用户规模还需进一步做大再加速变现。
活跃趋势 · 近 31 日（05-10 ～ 06-09）
ⓘ
每日活跃人数（DAU）的逐日折线。数据来源：cloudmap_claw_service.t_chat_completion_message WHERE space_id='amap-ask'，按 DATE(created_at) 分组 COUNT(DISTINCT uid)。
用户结构 📌 截面/30 日固定 · 不随时间范围切换
用户分层 · 活跃 × 频次 9 宫格（30 日 MAU 200 人）
ⓘ
行：使用频次（高频 ≥ 5 次 / 中频 2-4 次 / 低频 1 次）｜ 列：最近活跃度（多久没来过）。数据来源：cloudmap_claw_service.t_chat_completion_message 30 日 GROUP BY uid。AI 产品没有"消费金额"维度，所以用「使用深度」替代了传统 RFM 的 M。
近 7 日来过
8-15 日没来
16-30 日没来
高频
≥ 5 次
≥ 5 次
★ 核心用户29
⚠ 流失预警4
紧急召回2
中频
2-4 次
2-4 次
成长期47
流失中8
长期流失11
低频
仅 1 次
仅 1 次
新晋 / 试水63
观望未回19
休眠用户17
关注 · 核心用户仅 29 人（占 MAU 14.5%），低频试水 63 人（31.5%）是新增主力，需要 D2/D7 留存模板召回。
套餐余额分布（高德问店付费用户 238 人）
ⓘ
来自 cloudmap-skillhub.yt_credit_transaction WHERE app_id='wendian'，按 (user_id × channel) 取最新 balance_after 分 5 档。bar 宽度按相对最大值（92 人）。
见底 / 透支 ≤ 0
3113.0%
危险 ≤ 200
2912.2%
预警 ≤ 1000
9238.7%
关注 ≤ 3000
218.8%
充足 > 3000
6527.3%
⚠ 警报 · 见底 + 危险 + 预警合计 152 人 / 63.9%，本周建议优先触达「30 日内来过 + 余额 ≤ 1000」的交集人群。
能力与触达 📌 近 30 日
AI 能力使用 Top 5（近 30 日 · 真实积分流水）
ⓘ
数据来源：cloudmap-skillhub.yt_credit_transaction WHERE app_id='wendian'，按当前时间范围 GROUP BY api_name 统计调用次数与去重用户数。「转化率 / 答砸条数」需 chat_message ↔ skill_call 关联埋点上线后才能算。
| # | 能力（api_name） | 调用次数 | 用户数 | 人均 | 触发量占比 |
|---|
观察 · POI 数量统计单一能力贡献 35 用户 × 109 次/人，呈现「重度依赖少数能力」结构；用户数最广的是品类搜索（47 人）。
AI 决策分类路径（近 30 日 · 333 次预判）
真实数据
ⓘ
数据来源：cloudmap_claw_service.t_chat_prediction WHERE created_at ≥ NOW()-30d。每条用户提问由 PCC 模型预判 light/medium/heavy 复杂度并决策 auto/sync/async/pending/cancelled。
总预判量
333
100%
light + medium · 自动通过
213
64.0%
heavy · 异步重决策
84
25.2%
heavy · 同步重决策
32
9.6%
挂起 + 取消
4
1.2%
✓ 健康 · 取消率 0.3%，同步阻塞用户的重决策仅 9.6%（核心分寸感指标），远低于 ≥ 30% 触发预警阈值；分寸感综合得分 88 / 100（公式：100 − sync% − cancelled%×1.5 = 100−9.6−1.8 ≈ 88）。
⚠ 原「AI 主动推送 5 件套漏斗」（看见 → 点开 → 转化 / 关闭 / 投诉）需要前端推送埋点 + AHA 触发模块上线后才能采集，目前以决策路径替代展示。
模型使用分布 · 近 30 日（替代位 · 待 AHA 模板上线）
真实数据
📌 含重试/系统调用 3,291 条
ⓘ
数据来源：cloudmap_claw_service.t_chat_completion_message GROUP BY model。⚠ 此表包含重试/system prompt/function call 等系统级消息。原「惊喜时刻模板表现」（8 个 AHA 模板触发/命中/分寸感）需要 5 件套埋点 + AHA 触发引擎上线后才能采集；当前以模型使用分布占位展示。
| # | 模型（model） | 主要场景 | 消息条数 | 占比 | 用户数 | 人均 |
|---|
⚠ 原「惊喜时刻模板表现」（余额贴心提醒 / 选址进阶建议 / 同业对比提醒 / 客流季节预警 / 租金性价比 / 开店里程庆祝 / 沉睡唤醒 / 新能力发现引导，共 8 个 AHA 模板）的触发量、命中率、分寸感得分需要 AHA 触发引擎 v2.0 + 前端 5 件套埋点上线后才能跑批，目前以模型使用分布占位展示。
付费转化 · 套餐积分采购（真实数据）
真实数据
📌 6月18日上线 · ask_purchase_order
ⓘ
数据来源：cloudmap_ask_shop.ask_purchase_order WHERE status='RECHARGED' AND env='production'。统计口径：成功充值的订单数、付费用户数、GMV。MRR = 当月实收 / ARR = MRR × 12。
成功订单
5笔
付费用户4 人
GMV（实收）
¥50.04
转化率55.6%
MRR
¥50/月
首笔付费6月18日
ARR 估算
¥600/年
= MRR × 12早期阶段
| 套餐 | 单价（元） | 订单数 | 付费用户 | 备注 |
|---|---|---|---|---|
| M1 入门版 | 50.00 | 3 | 2 | 基础积分包 |
| M2 专业版 | 129.00 | 2 | 2 | 进阶积分包 |
| M4 测试 | 0.01 | 4 | 3 | 内部测试 · 不计入 GMV |
💰 商业化里程碑 · 2026年6月18日 10:00 上线付费，首日即产生真实付费用户。当前处于 early-revenue 阶段，核心关注付费转化率和复购。
Token 消耗拆解 · 用户侧 vs 系统侧（真实数据）
真实数据
ⓘ
数据来源：cloudmap_claw_service.t_chat_completion_message · prompt_tokens = 用户输入 + 系统上下文（占 98.6%）· completion_tokens = AI 模型输出（占 1.4%）。
用户侧（prompt_tokens）
1.48B
占比98.57%
系统侧（completion_tokens）
21.5M
占比1.43%
总 Token
1.50B
消息数3,651 条
消耗 credits
1.27M
活跃用户416 人
📊 解读 · prompt_tokens 占绝对大头（98.6%），说明每轮对话会携带大量历史上下文和系统 prompt。优化建议：压缩上下文窗口、采用 summary-then-ask 策略可降低 ~40% 的 token 消耗。
月度对比 · 4 / 5 / 6 月（真实数据）
📌 月度固定 · 不随时间范围切换
ⓘ
数据来源：cloudmap_claw_service.t_chat_completion_message + cloudmap-skillhub.yt_credit_transaction · 按 DATE_FORMAT(created_at,'%Y-%m') 分组。⚠ 6 月数据截至 06-09（仅 9 天，与 5 月整月直接对比仅供参考）。
| 指标 | 6 月（截至 06-09 · 9 天） | 5 月（整月） | 4 月（整月） | 5→6 月环比 * | 是什么 | |
|---|---|---|---|---|---|---|
| 月活跃用户（MAU） | 142 | 133 | 22 | ↑ 6.8% | 当月使用过高德问店的不同 uid 数 | |
| 会话总数 | 452 | 1,825 | 60 | 9 天 vs 31 天 | 不同 session_id 数 | |
| 消息总数 | 798 | 2,843 | 135 | 9 天 vs 31 天 | 用户提问 + AI 回复的总条数 | |
| credits 消耗 | 422,080 | 1,817,601 | 29,500 | 9 天 vs 31 天 | yt_credit_transaction.credits_consumed 累加 | |
| 人均消息数 | 5.6 | 21.4 | 6.1 | 9 天 vs 31 天 | 消息总数 ÷ MAU · 日均消息：6 月 88.7/日、5 月 91.7/日（基本持平） | |
| 反馈赞 / 踩 | 5 / 13 | ⚠ 仅 30 日合计可查（按月拆未跑批） | t_message_feedback rating: 1=赞 / -1=踩 | |||
| 余额够用占比 | 36% | 截面快照（balance_after > 1000 / 总样本 238） | 不是按月聚合，是当前余额状态 | |||
| ⚠ 待埋点指标 | 新增付费用户 / 套餐再次购买率 / 惊喜命中率 / AI 主动推送 5 件套 / 模板分寸感得分 — 需要订单埋点 + AHA 引擎上线后采集 | 原 demo 涉及指标 | ||||
* 环比口径说明 · 6 月仅 9 天数据，会话/消息/credits 与 5 月整月直接相除会失真，故此处 MAU 用「人去重」可对齐（用户跨日去重不放大）；其他指标按「日均」横向对比更合理：6 月日均消息 88.7 vs 5 月 91.7（基本持平）。
📢 AI 内容免责声明
本页中所有带 AI 主动生成 / 主动归因 标识的内容，均由 LLM 自动产出。 "喵～就像我推荐的猫罐头，并不一定每只猫都爱吃 🐾" —— 关键决策请结合业务判断；如发现数据异常或解读偏差，可点击右上角「反馈」一键纠偏（每一条都会用于模型迭代）。