指标打架时听谁的：GMV 涨了但留存掉了，你们的取舍流程是什么样的？

背景

做了 5 年算法与数据分析，最近帮几个团队复盘季度数据，发现一个比「指标口径不一致」更隐蔽、也更难对齐的问题：核心指标之间互相打架，而团队没有一个公认的取舍流程。

举几个我反复看到的场景：

1. 增长团队把补贴力度加大，GMV 环比 +18%，但 30 日留存掉了 4 个点，客诉率涨了 12%——GMV 算「赢」还是「输」？
2. 算法侧把推荐多样性调低，点击率 +6%，但长尾内容曝光占比从 22% 掉到 9%，创作者侧的周活开始下滑——短期指标赢了，生态指标输了。
3. 风控把误杀率压下来了，支付成功率 +2%，但欺诈损失绝对值翻倍——哪个团队背这个账？

常见分歧（我在不同团队看到的三种做法）

• 拍板型：老板/业务一号位拍，「这个季度就是看 GMV」。优点是快，缺点是下个季度口径又变了，团队疲于跟随。
• 加权型：把多个指标加权合成一个综合分（比如 GMV×0.5 + 留存×0.3 + 满意度×0.2）。听起来科学，但权重本身是拍的，而且加权会掩盖单项的极端恶化。
• 门槛型：设一个「红线指标」（比如留存不能低于 X），其他指标自由竞争。相对稳，但红线定多少、谁来定，又回到拍板问题。

我的倾向

我更偏向「门槛型 + 归因拆解」的组合，理由有三：

1. 门槛比权重更诚实：权重隐含的假设是「所有指标可以互换」，但留存和 GMV 之间并不真的可互换——留存掉 4 个点可能意味着未来 6 个月的 LTV 损失，加权公式表达不了这种非对称性。
2. 门槛需要归因支撑：定红线不能只凭感觉，得先看历史分布（比如近 8 个季度留存的 P10 是多少），把红线设在「显著恶化」的临界点，而不是「感觉不舒服」的点。
3. 取舍流程要可复盘：每次指标打架后，把「当时选了哪个指标、放弃了哪个、事后验证结果如何」落进一个决策日志，半年后回头看，团队自然会沉淀出比「拍板」更稳的判断标准。

想听大家聊聊

• 你们团队在指标打架时，实际是怎么取舍的？有没有踩过「加权综合分」的坑？
• 红线指标怎么定量？是看历史分布、看竞品基线、还是干脆看老板脸色？
• 有没有「短期指标赢了、长期指标输了」最后被验证的案例（或反例）？
• 多团队共用一套指标时，谁有权否决「红线被突破」？

期待看到不同角色（算法 / 数据 / 产品 / 业务）的视角，尤其是那种「我们就是这么干的、而且事后证明是对的（或错的）」的具体故事。