☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
【指标名称】月度活跃用户数（mau）、【统计周期】自然月（每月1日00:00至当月最后一日23:59）、【数据源表】user_behavior_log_v3。
你需要为同一组数据指标（比如“月度活跃用户数mau”）生成适配财务复核、产品决策、法务合规三类场景的数据口径说明，避免不同角色拿到同一份文档后各执一词——财务要确认是否含试用期用户、产品关心是否剔除爬虫流量、法务紧盯用户授权状态是否满足《个人信息保护法》第23条。
先锁定不可替换的原始字段与约束
在腾讯文档中新建空白页，首段必须用中文括号【】完整写出三项刚性信息：【指标名称】月度活跃用户数（MAU）、【统计周期】自然月（每月1日00:00至当月最后一日23:59）、【数据源表】user_behavior_log_v3。这三项缺一不可，漏掉【统计周期】会导致AI默认按“最近30天”计算，与财报口径冲突。
把“user_behavior_log_v3”写成“user_log”或“行为日志表”，AI会自行补全虚构字段，后续所有口径推导都将失真。
生成财务复核版口径说明
在刚性字段下方另起一行，粘贴以下提示词：
“你是一位有6年SaaS企业财务BP经验的指标审计师，请基于上述三项刚性字段，撰写MAU口径说明。要求：①明确是否计入注册未登录用户（答案必须是‘计入’或‘不计入’）；②说明试用期用户是否纳入（如‘7天免费试用期内用户计入，但需标注trial_tag=1’）；③定义‘活跃’动作——仅限‘完成支付’或‘提交工单’等产生营收/服务成本的动作，禁用‘浏览’‘点击’等低价值行为；④每条结论后附验证SQL片段（如SELECT COUNT(DISTINCT user_id) FROM user_behavior_log_v3 WHERE event_type IN ('pay_success','ticket_submit') AND dt BETWEEN '2026-06-01' AND '2026-06-30'）。”
生成产品决策版口径说明
方法一：用真实偏差案例触发
“案例：上月产品周会因MAU口径理解不一致，误判‘新功能上线带动活跃提升’，实际是爬虫流量激增所致。原因：原始口径未明确排除UA含‘bot’‘spider’的请求。”
接着输入：“请基于该案例，在口径说明中强制补全三项：①是否过滤爬虫（必须写明过滤逻辑，如‘WHERE ua NOT REGEXP 'bot|spider|crawler'’）；②是否剔除测试账号（如‘user_id LIKE 'test_%' OR email LIKE '%@qa.example.com'’）；③‘活跃’定义是否包含APP前台停留≥10秒（是/否，若否请说明替代动作）。”
生成法务合规版口径说明
第一步：身份+法规双锚定
“你是一位持有CIPP/E认证的隐私合规顾问，专注处理GDPR与中国《个人信息保护法》交叉场景。所有输出须满足《个保法》第二十三条关于‘单独同意’及《App收集使用个人信息最小必要评估规范》第5.2条。”
第二步：绑定具体条款动作
“请将MAU统计逻辑转化为合规声明，必须包含：①用户授权状态校验路径（如‘JOIN user_consent_table ON u.user_id = c.user_id WHERE c.ma_u_scope = 1 AND c.expire_at > NOW()’）；②数据匿名化处理节点（如‘统计前对user_id执行SHA256哈希，且不保留原始映射表’）；③若含境外传输，注明‘已通过标准合同备案编号SC-2026-0472’。”
【未写明哈希算法类型与是否保留映射表，将导致法务退回重审】
用数据库联动批量生成多角度版本
方法一：建Notion数据库驱动腾讯文档
新建Notion Database，设字段为“指标名称”（Text）、“目标角色”（Select：财务复核/产品决策/法务合规）、“关键约束”（Text）。录入一行后，在该行右上角点“⋯”→“Ask AI about this page”，输入：“按‘目标角色’字段生成对应口径说明，‘关键约束’字段内容必须作为第一条硬性规则前置，其余部分严格遵循腾讯文档AI提示词结构规范。”
