工具切换后的采用率，核心是看观察窗口内目标人群中有多少人完成了约定的有效使用行为。常用主口径为：采用率 = 观察窗口内达到有效使用标准的活跃人数 ÷ 应纳入统计的目标人数 × 100%。计算前要先定义“有效使用”，例如切换后连续两周内至少完成一次核心动作，仅登录一次不计入；同时固定时间窗、明确分母范围、处理零分母，并配合行为深度与流程覆盖等辅助指标一起解读。
要点总览（TL;DR）
- 主公式：采用率 = 观察窗口内达到有效使用标准的人数 ÷ 应纳入统计的目标人数 × 100%，分子分母须在同一时间窗、同一人群范围内取数。
- “有效使用”要事先定义为核心动作，例如新建工作项、更新状态、提交评审；仅登录一次不计入，避免把登录率当成采用率。
- 分母取目标人群名单并固定排除项（离职、长期休假、外包、只读账号），同时处理零分母与样本过小的情况。
- 建议在切换后第1周、第4周、第8周分别计算，并按角色、团队拆分，配合核心动作频次、关键流程覆盖率、周留存一起解读。
- 采用率反映落地广度，不能单独说明流程质量；样本小或时间窗短时可比性有限，需结合访谈与流程评审记录交叉验证。
评估目标：采用率要回答切换后的什么问题
工具切换后的采用率，回答的是一个具体问题：目标人群是否已经按新工具约定的方式完成核心工作。它衡量的是替换后的使用落地，关注“人有没有真正用起来、用到什么程度”，而不是“系统有没有开通账号”。
这个目标决定了三项评估要求。第一，评估对象是切换前已在用旧工具、切换后应迁移到新工具的那批人，统计范围要围绕这批人划定。第二，判断标准落在核心工作动作上，例如新建工作项、更新状态、提交评审、关联需求与任务，而不是页面访问或账号登录。第三，评估结果要能支撑后续治理动作，比如判断哪些团队需要补充培训、哪些流程还没有在新工具里跑通。
采用率与登录率、活跃度容易混淆，需要区分清楚：
- 登录率：统计周期内至少登录过一次的人数占比，反映账号是否被打开，无法说明工作是否在新工具里完成。
- 活跃度：统计周期内的操作次数或访问频次，反映使用热度，但高频操作可能集中在少数人身上，也可能只是查看而非推进工作。
- 采用率：以“完成有效使用行为”为分子，反映目标人群中真正按新方式开展工作的比例。
本文讨论的范围限于替换后的采用度量，即新工具已经上线、目标人群已具备使用条件之后的阶段。新平台从零实施的选型与推广、迁移切换窗口内的数据校验与回退，属于另外的评估任务，不在本文口径内。
评估前建议先明确四个问题：目标人群是谁、核心动作有哪些、观察窗口从哪天算起、结果交给谁用于什么决策。这四个问题确定后，后面的指标设计和取数才有稳定基础。
指标与范围：主口径与辅助指标怎么配
采用率适合作为主指标，但它只回答“有多少人用起来了”，回答不了“用得多深、流程是否跑通、能不能持续”。因此需要一组辅助指标配合，形成主指标看广度、辅助指标看深度的组合。
| 指标 | 定义 | 作用 | 计算要点 |
|---|---|---|---|
| 采用率（主指标） | 观察窗口内达到有效使用标准的人数 ÷ 目标人数 × 100% | 衡量目标人群中按新方式开展工作的比例 | 分子分母同一时间窗、同一人群范围 |
| 核心动作频次 | 人均在窗口内完成核心动作的次数，或按周统计的中位数 | 判断使用是偶发还是形成习惯 | 按人去重后统计次数分布，关注中位数而非仅看均值 |
| 关键流程覆盖率 | 已在新工具中完整跑通的关键流程数 ÷ 计划跑通的关键流程数 × 100% | 判断业务流程是否真正迁移过来 | 需事先列出关键流程清单，并定义“完整跑通”的起点与终点 |
| 周留存 | 本周达到有效使用标准的人中，下一周仍达到标准的人数占比 | 判断采用是否可持续 | 按周滚动计算，样本小时合并多周观察 |
统计范围需要从四个维度写清楚，避免不同团队各算各的导致结果不可比：
- 团队维度：纳入哪些部门或项目组，是否包含跨团队协作成员。
- 角色维度：开发、测试、产品、项目管理等角色分别统计，角色间工作动作差异大，合并计算会掩盖问题。
- 项目维度：纳入哪些项目或产品线，是否包含已结项或暂停的项目。
- 系统边界：以新工具内的行为记录为准，其他系统或线下的工作不计入分子。
排除项要在取数前固定下来，并在结果中说明排除口径：离职人员、长期休假人员、外包或外部协作账号、非目标角色（如仅需查看报表的管理者）、只读账号。排除项一旦确定，各观察点应保持一致，中途变更会导致前后数据不可比。
数据口径与证据：分子分母从哪里取
分母取目标人群名单，来源是组织架构或项目成员表。取数时按评估基准日锁定名单，记录每个人的所属团队、角色和账号标识。名单确定后，观察窗口内的人员变动（入职、转岗、离职）按事先约定的规则处理，常见做法是以窗口起始日的在册目标人员为准，窗口内离职人员从后续观察点剔除并单独说明。
分子取行为日志或工作项记录。需要先定义有效动作集合，例如：新建工作项、更新工作项状态、提交评审、关联需求与任务、在评审中留下处理意见。有效动作集合应覆盖该角色的核心工作，动作太少会把正常使用误判为未采用，动作太宽会把浏览、导出等轻量操作算进来，稀释采用率的含义。
取数与清洗需要遵守以下规则：
- 去重：同一人在窗口内多次完成有效动作，只计一次，分子按人数统计而非次数。
- 账号映射：一个人可能有多个账号或系统账号，需按人员唯一标识合并，避免重复计数或漏计。
- 缺失值：行为记录缺失的人员单独列出，查明是权限问题、账号未激活还是确实未使用，不直接按未采用处理。
- 异常账号：测试账号、演示账号、机器人账号从分子分母中同时剔除。
- 时间边界：以系统记录的时间戳为准，明确窗口起止时刻，跨时区团队统一换算。
定量数据之外，还需要定性证据解释数字背后的原因。常用方式包括：对未采用人员做抽样访谈，了解卡点是权限、习惯还是流程不适配；对关键流程做抽样观察，确认新工具中的操作与业务实际一致；调取流程评审记录，核对关键节点的完成情况。定性证据不进入公式，但用于解释采用率的高低和制定改进动作。
计算步骤：从取数到出数的可复算流程
采用率的基本公式为：采用率 = 有效使用人数 ÷ 目标人数 × 100%。计算过程按以下步骤执行，保证他人拿到同样的数据能复算出同样的结果。
- 确定观察窗口。以切换上线日为起点，设置第1周、第4周、第8周等观察点，每个观察点对应一个独立的时间窗，例如第4周观察点取上线后第22天至第28天。窗口长度保持一致，便于横向比较。
- 锁定目标人数。按评估基准日导出目标人群名单，应用排除项，得到分母。记录名单版本和导出时间。
- 筛选有效行为。按有效动作集合从行为日志或工作项记录中筛选窗口内的记录，按人员唯一标识去重，得到分子。
- 计算比率。分子除以分母乘以100%，百分比保留一位小数。同时记录分子、分母的绝对数，便于核对。
- 拆分计算。按角色、团队分别计算采用率，观察整体结果是否被个别大团队主导。
- 处理零分母与样本过小。分母为零时不计算比率，标注“无目标人员”；分母小于约定阈值（如10人）时，结果标注样本量，并合并相邻团队或延长窗口后再解读。
| 观察点 | 时间窗 | 分母（目标人数） | 分子（有效使用人数） | 采用率 |
|---|---|---|---|---|
| 第1周 | 上线后第1–7天 | 按基准日名单 | 窗口内完成有效动作并去重 | 分子 ÷ 分母 × 100%，保留一位小数 |
| 第4周 | 上线后第22–28天 | 剔除窗口内离职人员 | 同上 | 同上 |
| 第8周 | 上线后第50–56天 | 同上 | 同上 | 同上 |
取数时，ONES 中的工作项记录和项目成员名单可以作为分子分母的数据来源：成员名单对应目标人群，工作项的创建、状态变更、评审提交等操作记录对应有效动作。具体字段和导出方式以实际配置为准，取数前先与管理员确认记录范围和权限，避免因权限差异导致不同团队数据口径不一致。
每个观察点出数后，建议同时保存一份取数说明，写明名单版本、有效动作集合、排除项和清洗规则。后续复盘或调整口径时，可以据此判断结果变化来自真实使用变化还是口径变化。
例子：一个可复算的采用率算例
以下数字为演示情景设定，仅用于说明计算过程，不代表任何真实组织的实际水平。
某研发团队在切换上线后有 40 名目标人员，其中开发 24 人、测试 10 人、产品 6 人。排除项为：离职 1 人、长期休假 1 人、只读账号 2 个，均不计入分母。最终目标人数为 36 人。
有效使用标准设定为：在观察窗口内至少完成一次核心动作，核心动作包括新建工作项、更新工作项状态、提交评审。仅登录、浏览列表不计入。
第4周观察点（上线后第22–28天）的取数结果：
- 开发：目标 22 人，有效使用 18 人。
- 测试：目标 9 人，有效使用 6 人。
- 产品：目标 5 人，有效使用 4 人。
整体计算：有效使用人数 = 18 + 6 + 4 = 28 人；目标人数 = 22 + 9 + 5 = 36 人；采用率 = 28 ÷ 36 × 100% ≈ 77.8%。
分角色计算：开发 18 ÷ 22 × 100% ≈ 81.8%；测试 6 ÷ 9 × 100% ≈ 66.7%；产品 4 ÷ 5 × 100% = 80.0%。
结果解读：整体采用率约 77.8%，但测试角色明显偏低。结合辅助指标看，测试人员的核心动作频次中位数为每周 2 次，低于开发的每周 5 次；关键流程覆盖率中，缺陷提交与回归验证流程在新工具中的完整跑通比例为 3/5。定性访谈发现部分测试人员仍在旧工具中记录缺陷，原因是新工具中的缺陷字段与既有模板不一致。这个例子说明，采用率需要与分角色结果、流程覆盖率和访谈证据一起看，才能定位到具体改进点。若只看整体 77.8%，测试环节的问题会被掩盖。
解读与限制：哪些结论能下、哪些不能
采用率能回答“目标人群中有多少人按新方式完成了核心工作”，不能回答“工作质量是否提升”。一个人完成了有效动作，不代表流程规范、协作顺畅或交付质量改善。解读时应把采用率定位为落地程度的信号，而不是效果结论。
常见误读与对应限制：
- 把采用率当作绩效依据。采用率受角色分工、流程设计、权限配置影响，单指标不宜作为个人或团队的全部绩效依据，应结合交付结果、流程质量等指标综合判断。
- 忽视样本与时间窗。分母较小或观察窗口较短时，个别人的行为变化就会引起比率大幅波动，此时结果的可比性有限，应标注样本量，延长观察或合并团队后再比较。
- 口径中途变更。有效动作集合、排除项或时间窗一旦调整，前后数据不可直接比较，需在结果中注明口径版本。
- 把高采用率等同于流程跑通。采用率高但关键流程覆盖率低，说明大家在做局部操作，端到端流程还没有迁移完成。
为提高结论可靠性，建议做交叉验证：用核心动作频次和周留存判断使用是否形成习惯；用关键流程覆盖率判断业务是否真正迁移；用抽样访谈和流程评审记录解释数字背后的原因；在条件允许时，对照切换前后的业务结果指标，观察变化方向是否一致。交叉验证的作用是排除“数字好看但业务没变”的情况，而不是证明采用率与业务结果之间存在因果关系。
改进动作应基于分角色、分团队的结果制定。某角色采用率偏低时，先查权限和流程适配问题；某团队周留存下降时，先查培训覆盖和日常支持是否到位。每次调整后，在下一个观察点用相同口径复算，才能判断改进是否有效。
常见问题
切换后第一周采用率很低，是否说明推广失败？
第一周的数据更多反映启动状态，不宜直接下结论。切换初期常见的情况是账号刚开通、权限还在配置、培训刚结束，很多人尚未进入真实工作节奏。建议把第一周作为基线观察点，重点看第4周和第8周的变化趋势，同时用分角色结果定位卡点：如果某角色第一周就明显偏低，优先排查权限和流程适配问题；如果整体都低，先确认上线通知、培训覆盖和日常支持是否到位。
同一个人在不同团队或项目里都有工作，采用率怎么算才不重复？
按人员唯一标识去重，一个人在一个观察窗口内只计一次，无论他在几个团队或项目里产生行为。分母同样按人去重，避免同一个人被多个团队重复计入。如果评估需要看团队维度的差异，可以按“主归属团队”拆分，并在取数说明中写明归属规则；跨团队协作成员的行为计入其主归属团队，另在整体口径中只保留一份。这样团队拆分之和与整体结果才能对得上。
有效动作集合定得太宽或太窄，会带来什么问题？
动作定得太窄，正常使用的人可能因为没做那几项特定操作而被判为未采用，采用率被低估；动作定得太宽，浏览、导出、查看报表这类轻量操作也会被算进来，采用率被高估，失去区分度。可行的做法是围绕该角色的核心工作选取动作，例如开发看工作项创建与状态流转，测试看缺陷提交与验证，产品看需求评审与优先级调整，并按角色分别定义。动作集合一旦确定，各观察点保持一致，调整时注明口径版本。
分母很小的时候，采用率还能直接比较吗？
分母较小时，个别人的行为变化就会让比率大幅波动，直接横向比较容易得出错误结论。常见处理是设定一个样本阈值，低于阈值时标注样本量，并合并相邻团队或延长观察窗口后再解读；分母为零时不计算比率，标注“无目标人员”。比较两个团队时，除了看百分比，也把分子分母的绝对数一并列出，读者才能判断差异是真实差距还是样本波动。
采用率算出来之后，下一步该做什么？
先把结果拆到角色和团队，找出偏低的具体环节，再结合辅助指标判断原因：核心动作频次低，可能是使用还没形成习惯；关键流程覆盖率低，可能是端到端流程尚未迁移；周留存下降，可能是培训或日常支持不到位。针对原因制定改进动作，例如调整字段模板、补充权限、增加场景化培训，然后在下一个观察点用相同口径复算，对比改进前后的变化。整个过程保留取数说明，便于判断结果变化来自真实使用改善还是口径调整。
