指标与实验：别让数字替你思考
开始按钮点击率提高，可能意味着入口更清楚，也可能是误触更多。数字能描述行为的一部分，但不会自动告诉你原因，更不会替你判断体验是否值得追求。
先目标，再信号，最后才是指标
目标是“新玩家理解规则并完成第一次消除”。信号可能是独立完成、无效选择、求助与退出。埋点只能记录其中可检测的行为，“是否理解”还需要观察。
Google 的 HEART 研究提供了以用户为中心组织测量，以及把目标映射为指标的思路。本章将其用于小游戏教学，不要求每个项目机械收集全部维度。
把一个指标写完整
名称：首个有效匹配完成率。
对象：首次进入本作且棋盘达到可交互状态的会话。
分子：在本次会话指定窗口内完成首次有效匹配的去重会话数。
分母：符合上述条件的去重会话数。
排除：开发测试账号、重复上报，以及明确无效数据。
版本：记录客户端版本、引导方案与关键规则版本。
限制：完成匹配不等于一定理解目标，不等于喜欢这款游戏。
时间窗、会话边界与新玩家识别必须先定义。否则你把旧玩家也算进去，或者方案 A 从加载前计时、方案 B 从可操作时计时，比较就会失真。
事件字段要服务于问题
| 事件 | 作用 | 可考虑的非身份字段 |
|---|---|---|
| board_ready | 确认可以开始交互 | 会话、关卡、版本 |
| match_attempt | 定位规则误解或误触 | 是否有效、无效原因类别 |
| first_match | 观察首次操作完成 | 与就绪的间隔、方案版本 |
| round_result | 观察结束与下一步 | 成功或失败、进度差距 |
| restore_result | 检查恢复可靠性 | 热或冷、结果、失败类别 |
按目的收集必要字段，避免把完整聊天、个人资料或不相关输入写入日志。事件名和字段也需要版本与去重策略。
漏斗只是线索
假设有一组虚构教学数据：100 个符合条件的会话到达可交互棋盘，80 个尝试操作，64 个完成首次匹配。总体完成率是 64/100；尝试后的完成率是 64/80。两个数字回答不同问题。
掉在“棋盘就绪到尝试”之间，可能是目标不清、入口遮挡或玩家被打断；掉在“尝试到有效匹配”之间，可能是规则误解、触控错误或数据上报缺失。要结合观察与日志定位，不能直接断言需要加奖励。
回访与 A/B 实验要更谨慎
“次日回访”需要明确日期时区、入组条件、去重方式，以及指自然日还是 24 小时窗口。不同口径不能直接比较。
要判断方案造成了变化，需要处理随机分组、分组稳定、样本量、观测周期、多指标和外部干扰。流量很少时，先做可解释的质性观察、排查明显故障，通常比对几个玩家计算百分比更有行动价值。
主指标之外，也检查误触、退出、崩溃、资源异常和玩家抱怨。一个更容易被误点的广告入口，可能提高点击，却损伤信任。
给 AI 的要求与练习
请为“新玩家能独立完成第一次消除”设计最小测量方案。
每项写目标、信号、事件、分子分母、时间窗、去重和局限。
不要把相关性写成因果；没有样本设计时不要宣称统计显著。
至少提供一个会推翻当前解释的替代原因。
动手：为你正在关心的一个指标写完整口径，再写出它无法回答的两个问题。把这些问题带回试玩测试。