指标口径：分子、分母、窗口与去重
指标口径是一个数字的计算约定：数哪些业务对象、按什么时间和范围统计、重复与后续变化怎样处理，以及从哪里取数。名称相同不代表计算相同；先登记口径，才能判断两份报表是在描述业务差异，还是测量方式不同。
本文负责指标定义与版本管理。数据质量负责判断数据是否适合使用，对账任务负责用一批订单验证读数；具体转化率与金额字段分别见转化率及 Shopify 分析与报表。
定义指标的五个要素
以下是本站的编辑框架。每项都应写成别人能够复算的规则，而不是“按后台显示”。
| 要素 | 应写清什么 | 常见混淆 |
|---|---|---|
| 分子 | 对象、目标动作、计量单位、纳入与排除条件 | 订单创建、付款成功和购买事件被当成同一动作 |
| 分母 | 符合条件的机会或总体；总量指标写不适用 | 全部会话、到达结账会话与用户混用 |
| 窗口 | 起止边界、时区、归属日期、观察截止与提取时间 | 下单日、付款日、退款日及事件到达日混用 |
| 去重 | 业务键、粒度、重复处理及无法识别时的规则 | 事件次数、唯一交易数与购买会话数混用 |
| 来源 | 系统、报表或数据表、具体字段、筛选及采集覆盖 | 订单导出、分析事件与建模报表混用 |
金额还须写币种、折扣分摊、税费、运费及退款范围；计数还须写订单状态、渠道、测试数据和取消的处理。它们是五要素的具体内容，不应留作读数时的临时解释。
同名指标为何不能直接比较
Shopify 官方字段表把 Conversion rate 定义为完成结账的会话数除以会话数。Google 的指标定义则同时提供 Session key event rate（发生关键事件的会话占比）和 User key event rate（发生关键事件的用户占比）。读取 GA4 时还须确定选择了哪个关键事件，不能仅凭“转化”二字就认定它是购买。
假设同一份示例记录有 100 个会话、10 个发生购买的会话，共产生 12 笔订单。购买会话占比为 10 ÷ 100 = 10%，订单与会话之比为 12 ÷ 100 = 12%。两者都能计算，但回答的问题不同；后一项不能替代前一项。用户口径还需要用户数据，无法只靠这三个数推算。
同样，金额叫“收入”也不够。折后商品金额、含税运费的订单总额、扣退款后的金额，以及实际收款，可能分别服务于经营、订单与资金问题。登记时直接列出组成项，再选择对应字段；不要为了让两份报表相等临时更换含义。
一条可以执行的口径登记
下面是虚构的内部经营指标，便于练习登记，不是任何平台默认报表的定义。
| 字段 | 示例 |
|---|---|
| 名称与用途 | 已付款订单商品金额；用于复核每日销售构成 |
| 分子与单位 | 符合范围订单的商品金额减已分摊商品折扣；单位 USD；不含税与运费 |
| 分母 | 不适用，为金额总量 |
| 纳入范围 | 指定店铺网页渠道、非测试、首次付款成功的订单；未付款取消单排除 |
| 窗口 | 按首次付款时间，Asia/Shanghai，自当日 00:00 至次日 00:00，含起点不含终点 |
| 后续变化 | 购买时金额保留；退款另记并关联原订单，不直接覆盖购买快照 |
| 去重 | 店铺标识加不可变订单 ID；明细行先汇总到订单，分次付款不重复计单 |
| 来源 | 指定订单导出及付款记录；列出实际字段映射、导出时间和文件版本 |
| 例外 | 币种不同分组展示；缺时间或金额的记录单列，不能当零 |
| 管理信息 | 口径 v1、生效日、定义负责人、变更记录与已知数据缺口 |
若要报告“扣退款后”的数字，应再定义退款范围和观察截止，例如“该批订单截至指定日期的商品退款”。按退款处理日汇总的期间退款，与追踪某批订单的退款不是同一口径。
窗口与去重也有边界
业务发生时间决定事件属于哪个区间，接收时间解释何时进入数据集，提取时间说明本次看到哪个快照。三者都保留，才能识别迟到记录。跨工具先统一时区与起止边界；Shopify 差异说明也把报表时区及追踪机制不同列为差异来源。
唯一人数通常不能直接按日或渠道相加：同一标识在两天都出现，日值相加会重复计人。这是集合去重的结果，不是求和错误。总计需要在总体范围重新去重；渠道重叠时也不能把分项总和强行当作唯一总数。
比率汇总应先合并符合条件的分子分母，再相除，不能无权重平均各组百分比。分母为零时显示不适用；源数据缺失时显示未知，两者都不应伪装成 0%。
口径变更怎样留版本
修改状态筛选、币种换算、目标事件、会话算法或去重键，都可能改变结果。建议保留旧定义，建立新版本，并记录生效日、变更原因、影响范围和负责人。
能够按新口径重算历史时，保留重算依据与旧结果；不能重算时，在趋势上标明断点，分别展示前后期间。不能因为仍用同一个工具，就默认其历史永远可比。文案勘误若不影响计算，可以只记修订说明；影响数值的修改必须让使用者看见。
比较前逐项确认五要素及版本是否一致。定义一致但记录仍有异常，进入数据质量判断；定义不同又无法转换时，分别报告各自结果和用途，不生成一个看似统一的“真值”。