要在钉钉AI进行OKR复盘时准确呈现指标变化，核心在于提示词中必须明确绑定目标值、实际值、时间节点与归因逻辑。否则，AI仅会输出“完成较好”或“略有提升”等笼统结论，难以追溯具体变动原因。
先锁定OKR结构化要素
打开钉钉AI对话框，首句就需清晰写全OKR的完整骨架：【O】是“提升客户续约率至92%”，【KR1】是“Q2末老客户续费率≥92%”，并标注“基线值为86.3%（2024年Q1实绩）”。这一步不可省略——AI不会自动理解“提升”背后隐含的对比基准，必须人工将基线值输入。
接着补充实际结果：“Q2末系统统计续费率为89.7%，较Q1上升3.4个百分点”。这里有个实用技巧：使用“百分点”而非“百分比”，能有效避免AI混淆绝对增长与相对增幅的概念。
强制AI做差值归因拆解
如需AI给出可落地的归因分析，可在指令上稍作设计。例如用分号隔开多层要求：
“请逐条说明89.7%未达92%目标的缺口（2.3个百分点）由哪几项动作导致；每项动作需标注影响值（如：流失客户挽回行动贡献+0.8个百分点）；未覆盖的动作留空不编造。”
或者直接限定输出格式：
“用表格呈现：列名为【影响因素】【作用方向（正/负）】【量化影响值】【数据来源】；只填写有依据的条目，不确定的写‘暂无数据支撑’。”
这一步骤的关键是彻底杜绝AI使用“销售跟进加强”这类模糊表述。你需要更细粒度的信息，例如“华东区新增3名续费专员，Q2处理超期工单127件，对应挽回续费金额83万元（占缺口的1.1个百分点）”——这才是能真正指导复盘的结论。
插入时间轴对比指令
首先，在提示词开头设定时间锚点：
“对比维度限定为Q1→Q2，禁止引入Q3预测或年度均值。”
然后，指定AI仅识别三类变化：
①趋势性变化（连续两月环比↑↓）；
②脉冲式变化（单月突增/断崖下跌，需标出具体日期）；
③结构性变化（例如新老客续费率差值扩大）。
最后，再补充一句以防范AI可能的时间错位：
“若数据源未提供Q1月度明细，则Q2内部各月对比无效，直接返回‘缺乏月度粒度，无法判断趋势性变化’。”钉钉AI默认按自然月取平均值，但OKR复盘往往需要聚焦关键节点（如大促后7天），这一点必须人工截断。
