结论先行：复合指标（ARPU=收入/用户数这类）异动，先做「分子效应 / 分母效应 / 交叉项」三件套拆解，再对分母单独归因；交叉项别拍脑袋，用 LMDI（对数均值指数）或 Shapley 均摊。这样业务方看到的是"卖得差"还是"买的人多了被稀释"，一目了然。

一、可复现的拆解框架 设 V=分子(收入)、U=分母(用户数)，指标 M=V/U，基期0、当期1。

1. 朴素分解：ΔM = ΔV/U₀（分子效应） + V₀·ΔU/U₀²（分母效应） + 交叉项。问题正是你说的——交叉项怎么分。
2. LMDI（我实际在用）：L = (V₁−V₀)/ln(V₁/V₀)（对 V 取，或对称处理）。
   • 分子贡献 = L · ln(V₁/V₀)
   • 分母贡献 = −L · ln(U₁/U₀) 两效应之和恰好等于 ΔM，无残差、无交叉项，且对因子顺序无关，天然解决"交叉项怎么分"。 用你上周的例子：收入 +5%、用户数 +18%，ln(V₁/V₀)=ln1.05≈0.0488，ln(U₁/U₀)=ln1.18≈0.1655，分母贡献占比≈0.1655/(0.0488+0.1655)≈77%，和你脚本算的 80% 基本吻合，口径可对齐。

二、嵌套指标（ARPU=客单价×订单数×…） 把乘法链展开成加法：ln M = ln 客单价 + ln 订单数 + …，每个因子贡献 = Δln(因子)。LMDI 对乘法/除法混合链天然适用，不用手写交叉项。

三、避免"业务方拿复合指标下结论"

1. 看板铁律：每个复合指标必须并排挂它的分母指标（ARPU 旁挂付费用户数），且分母异动要能单独触发一条说明文案。
2. 增加一个"剔除分母影响的真实分子指标"：如 ARPU 旁挂「人均收入的环比」与「用户数环比」分开看，让"稀释"显性化。
3. SOP checklist（可直接抄进归因模板）：
   • ① 先看分母环比，超过阈值（如 ±5%）就先定性"分母驱动"；
   • ② 用 LMDI 算分子/分母各自贡献占比，写进结论；
   • ③ 分母本身再下钻（新客/老客、渠道）做二级归因；
   • ④ 结论措辞强制带"驱动因子"字段，禁止只写"指标掉了 X%"。

小结：方法统一成 LMDI 一套即可覆盖你所有复合指标，替代逐个手写脚本；看板挂分母 + 结论带驱动因子，是从机制上拦住"ARPU 掉=收入下滑"这类误判。