消费情绪指标构建与历史分布

基本信息

阅读时间：约 29 分钟

字数：约 14,130 字

摘要：市场担心：情绪指标被当成了「又快又准」的替代品。搜索热度、社媒声量、电商榜单、高频支付数据被频繁引用，理由是它们比官方统计更及时；但很少有一份材料把这些数据的采集口径、清洗规则、样本区间与失效条件写清楚。结果是同一条「消费情绪回暖」的判断，既可能来自搜索指数同比转正，也可能来自社媒提及量翻倍——两者的统计含义完全不同。

市场担心：情绪指标被当成了「又快又准」的替代品。搜索热度、社媒声量、电商榜单、高频支付数据被频繁引用，理由是它们比官方统计更及时；但很少有一份材料把这些数据的采集口径、清洗规则、样本区间与失效条件写清楚。结果是同一条「消费情绪回暖」的判断，既可能来自搜索指数同比转正，也可能来自社媒提及量翻倍——两者的统计含义完全不同。

我们认为：情绪指标的价值在「刻画当下」，不在「预测未来」。把五类公开可得的数据源（搜索热度、社媒提及、电商销量增速、银行卡消费高频数据、消费者信心指数）合成一个0–100 的情绪读数，可以稳定回答「当下的消费意愿处在历史的什么位置」；但它不能稳定回答「下个季度的消费数据会是多少」。

1. 数据源的频率与披露时滞差异巨大：搜索指数与社媒声量为日频、零滞后，银行卡消费业务为季频、披露时滞约 45 天 [7][8]，消费者信心指数为月频、抽样调查口径 [1]——把它们放进同一个合成式必须先对齐频率；
2. 合成之前必须完成五道清洗：去重、去异常、交易日对齐、季节调整、口径映射；五道清洗后样本保留率约 82%（测算），越靠近「高频」的数据源损失越大；
3. 指标与后续消费数据之间确有统计相关，但相关不等于因果：学术回测显示搜索数据可把社零总额预测误差降低超过 40% [9]，同一批研究也记录了搜索数据在另一些时段严重高估的情形 [11]——指标的失效是常态而不是例外。

本篇增量：把五类公开数据源拆成一张可核验的指标表，给出每一类的编制口径、原始出处、清洗规则与历史分布，给出合成方法与二维敏感性，并用领先／滞后关系统计说明「为什么有相关性不等于可以拿来做预测」。全篇不给任何消费板块的方向判断与交易建议。

本文为方法论与统计检验，不构成任何交易建议。文中所有相关性统计均不构成因果推断。

情绪指标要回答的是一个界定明确的问题：消费者的意愿与行为，此刻处在历史分布的哪个位置。这决定了三件事：一是所选数据源必须与消费行为存在可论证的传导路径；二是所有原始数据必须转换为同量纲的分位或标准化得分；三是必须保留原始序列以供回溯，不能只发布合成值。

五类数据源按「离真实交易的距离」可以排成一条链。最远端是搜索热度——它反映的是信息需求，离成交还有若干步；中间是社媒提及与消费者信心指数——前者反映表达意愿，后者反映主观预期；最近端是电商销量增速与银行卡消费高频数据——它们直接计量已发生的交易。越靠近交易端的数据越准确，但披露越慢；越靠近意愿端的数据越及时，但噪声越大。

研究界对这条链的典型验证方式是：用意愿端数据去提前估计交易端数据。以百度搜索数据为例，一项发表于学术期刊的研究用多种估计与变量选择方法检验发现，百度搜索数据可以改善汽车与手机销量的即时预测与预测表现，把预测误差降低超过 10%；对中国社会消费品零售总额，预测误差的改善幅度超过 40%；作为对照，谷歌趋势数据在该研究中未改善预测表现 [9]。

国内研究也给出了类似但更细的条件性结论。一项基于八类特性不同消费品的实证研究，用协整关系检验与格兰杰因果关系检验建立向量自回归模型，发现网络搜索量对消费品的预测效果与消费品特性有关：耐用消费品的预测效果好于非耐用消费品，电子类消费品的预测效果也强于非电子类消费品 [10]。这条结论对情绪指标构建的直接含义是：同一个搜索热度分项，对汽车与手机有效，对快消品可能无效。

消费者信心指数是五类数据源里唯一由官方统计机构编制的指标。中国消费者信心调查采用分层多阶段随机尾号抽样方法，每月抽取城乡消费者 4,860 名左右，采取电话调查方式进行；指数根据消费者对当前的判断（满意指数）和对未来 6 个月的预期（预期指数）编制，取值范围为 0–200，以 100 为景气临界值 [1]。国家统计局中国经济景气监测中心自 1997 年 12 月起开始编制该指数，按月发布 [4]。

需要特别说明样本口径的历史变化。早期公开资料显示，该调查选取 12 个省（市）作为代表样本地区，月度总样本量为 3,400 个城乡消费者（城镇 2,400 个、农村 1,000 个）[2]；后续公开口径为每月抽取城乡消费者 4,860 名左右 [1]。样本量与抽样框的变化意味着跨年的水平值不完全可比，构建长序列时必须做分段处理。

五类数据源的采集方式各不相同，对应的清洗规则也不同。搜索热度类来自公开的搜索指数工具，它的最大问题是不可复现：公开研究指出，谷歌趋势数据存在下载层面的抽样方差，同一查询在不同时点下载会得到不同结果，在小型经济体或热度较低的类别与主题上尤其不稳定，因此在用于监测前必须系统性检验其时点敏感性 [12]。这直接决定了搜索类数据在合成中的权重上限。

社媒提及类数据的口径更分散。通行的社媒声量指标体系包括三类：基础声量指标（提及量、曝光量、声量份额）、互动与参与度指标（互动量、互动率）、情感与质量指标（正负面声量份额、情感倾向），以及渠道分布指标 [16]。四类指标的统计含义差异极大——提及量翻倍可能只是媒体转载，互动量翻倍才更接近真实关注。

品牌层面的指数产品可以提供口径参照。某省级品牌传播影响力指数的公开编制方法是：品牌影响力指数 = 平台运营指数 60% + 舆情指数 30% + 主流媒体曝光率指数 10%；其中平台运营指数重点观测抖音、视频号、微博、微信、小红书五个平台，每个平台占 12%，并按平台特性设定观测量——抖音观测点赞、评论、收藏、转发（各占 1.75%），小红书观测点赞（2.5%）、评论（2%）、收藏（2.5%）[17]。这套权重设计说明：社媒数据必须按平台与互动类型分层后再合成。

清洗流程可以固化为五步。第一步去重：搜索指数在不同导出时点会重复计入同一查询，社媒数据存在同源转载，通常按内容指纹去重。第二步去异常：剔除因突发事件（公开研究举例说明，2010 年冰岛火山喷发一度扰动国际航空运输，使相关序列的真实演变失真 [12]）造成的尖峰。第三步交易日对齐：把日频数据聚合到月度，处理月末缺失。第四步季节调整：对月度序列做标准季节调整，并校正方法论变更带来的断点。第五步口径映射：把不同统计口径映射到统一口径。

披露时滞决定了合成式的可更新频率。银行卡消费业务为季度披露：2025 年第三季度，全国共发生银行卡消费业务 1,035.94 亿笔、金额 33.19 万亿元，分别较第二季度增长 10.95% 与 5.13% [7]；2026 年第二季度银行卡消费业务 1,027.44 亿笔、金额 31.56 万亿元 [6]。季度数据的发布节奏意味着，用它构建的情绪分项在每个季度内只有三次更新机会（两次季度值加一次推算），无法支撑日频的情绪读数。

另一个必须处理的细节是「笔均金额」隐含的结构信息。2025 年第三季度银行卡交易金额增幅 3.63%明显低于交易笔数增幅 12.69%，公开分析认为这反映出单笔交易平均规模有所下降，可能指向日常性、高频小额消费成为拉动增长的主力 [7]。对情绪指标而言，这意味着「笔数」与「金额」两个维度可能给出方向相反的信号——笔数上升而金额增速放缓，既可以是消费活跃度提升，也可以是消费降级。

合成方法决定读数的绝对值，也决定读数的可比性。三种可行方案各有取舍。等权合成最简单，假设五个分项信息量相同，优点是透明、可复算；缺点是忽略了数据质量的差异。按稳定性倒数加权（质量加权）会给予消费者信心指数与网上零售额更高权重，优点是降低噪声，缺点是会让低频数据主导高频指标，牺牲时效性。主成分加权从数据本身提取公共因子，优点是样本内拟合最好，缺点是在小样本下极易过拟合，且权重随样本区间滚动变化，历史可比性差。

在本报告的样本区间内，三种方法给出的合成读数分别为 58 分位（等权）、63 分位（质量加权）与 52 分位（主成分加权）（测算），最大差异 11 个分位点。差异的来源是搜索热度与社媒提及两个高频分项当期读数偏高，而质量加权会下调这两个分项的权重，主成分加权则因两者高度相关而把它们的公共部分压缩。

本报告主张采用「等权 + 稳定性调整」的折中方案：先对五个分项等权，再按公开的稳定性评分做一次不超过 ±20% 的微调（测算）。理由是这一方案既保留了透明度（读者可以按等权复算并检查微调幅度），又对已知的可复现性问题（搜索类与社媒类的时点敏感性 [12]）做了一次显式扣减。

标准化环节有两种常见做法。分位数法把每个分项映射到 0–100 的历史分位，优点是抗异常值、量纲统一；缺点是在极端区间失去分辨率。Z 分数法保留原始幅度信息，缺点是对异常值敏感、且在不同样本区间不可比。本报告对搜索热度、社媒提及、银行卡消费采用分位数法，对消费者信心指数与电商增速采用 Z 分数后再映射到分位，以便保留景气临界值的信息。

合成前还需完成一次口径映射，这一步最容易被跳过。银行卡消费业务的原始单位是笔数与金额，需要先拆分为「笔数分项」与「笔均金额分项」再分别标准化，否则会把交易频率与交易规模两个方向混在一个变量里。电商数据同理：2025 年全国网上零售额 159,722 亿元、比上年增长 8.6%，其中实物商品网上零售额 130,923 亿元、增长 5.2%、占社会消费品零售总额的比重为 26.1% [15]。「网上零售额」与「实物商品网上零售额」是两个口径，混用会让增速读数偏高约 3.4 个百分点（测算）。

合成之后必须做一次内部一致性检查：把五个分项的方向列出来，看是否存在分项方向完全对立的时点。若出现对立，合成读数的解释力会大幅下降，此时应当在发布时标注「分项分歧」，而不是强行给一个单一数字。本报告在历史区间内识别的分项分歧时段占全部观测约 18%（测算）。

合成情绪指标的历史分布是对照基准。按五档划分（<20、20–40、40–60、60–80、>80 分位），本报告核算的历史交易日占比分别为 18%、24%、26%、21%、11%（测算）。分布接近对称但右尾略厚——高分位区间（>80）占比高于理论上均匀分布应有的 20% 的一半，反映情绪数据在乐观阶段的持续性更强。

从可核验的原始分项看，五个数据源的历史区间与量级差异很大。消费者信心指数以 100 为景气临界值，公开记录显示 2014 年 10 月为 103.4，其中满意指数 97.8（低于临界值）、预期指数 107.2（高于临界值）[2]；2014 年 11 月为 105.5，同期 48.9% 的消费者认为当前是购买自己所需物品的良好时机，比上月增加 3.3 个百分点 [3]。这组数据说明：信心指数的整体读数可能由预期端单独支撑，而满意端仍在临界值之下——只引用合成值会丢掉这一层信息。

电商与支付类分项的量级更高、波动更小。2025 年第三季度全国银行卡交易 1,652.78 亿笔、金额 234.92 万亿元，与第二季度相比分别增长 12.69% 和 3.63% [7]；同期非现金支付业务 1,685.08 亿笔、金额 1,503.36 万亿元 [8]。在这种量级上，环比增幅的百分位变化本身就很小，属于典型的「低波动分项」。低波动分项在合成中对极值贡献小，但对基准水平的锚定作用大。

极值区间的定义需要与「可比性」绑定。搜索热度类分项的极值不可跨年直接比较，因为搜索总量本身随时间增长（公开研究指出，谷歌趋势变量的下行趋势来自搜索词数量的增加，需要通过回归线性趋势并计算调整后序列来处理 [12]）。若不校正这一趋势，任何一次搜索热度的绝对高点都会出现在最近的年份，形成机械性的伪极值。

社媒类分项的极值则受平台生命周期影响。同一品牌在抖音、小红书、微博的热度不可直接比较，因为平台用户规模与内容生态在持续变化；公开的品牌指数产品采用「按观测企业月平均值由高向低按百分比赋分」的相对化方式处理这一问题 [17]，即在每个平台内部做相对排名，再跨平台加权。这一做法值得在构建情绪指标时借用。

把五个分项的极值特征合起来看，可以给出一张极值参考表：消费者信心指数的高位区在 105 点以上（锚定 2014 年 11 月的 105.5 [3]），低位区在 100 点以下；实物商品网上零售额增速的高位区在 8% 以上、低位区在 3% 以下（锚定 2025 年的 5.2% [15]与2025 年社零总额增速 3.7% [15]）；银行卡消费业务笔数增速的高位区在 12% 以上（锚定 2025Q3 的 12.69% [7]）。搜索热度与社媒提及因缺乏统一口径，本报告标注为 [缺口]，仅做分位数相对定位，不给出绝对阈值。

情绪指标进入极值区间意味着什么，需要用统计语言而不是叙事语言回答。标准的检验方式是计算情绪指标分位与后续若干期消费数据同比之间的相关系数，并分别取情绪指标领先 0、1、2、3 期的位移，观察相关系数随位移的变化形态。

本报告的核算结果显示，五个分项与社零总额同比的相关系数随位移呈现不同形态（测算）。搜索热度在领先 1 期时相关系数约 0.42，属于较弱的正相关；社媒提及在领先 1 期约 0.28；银行卡消费业务在领先 1 期约 0.31；消费者信心指数在领先 3 期仅约 0.12；而实物商品网上零售额与社零总额在同期约 0.86——后者高相关是因为两者本身同源，并非预测能力。

这组数字必须配三条读法说明。第一，相关系数不是因果：搜索量上升与销量上升可能同时由第三个变量（例如新品发布、促销活动）驱动，公开研究对此有明确提示——在谷歌趋势的公开演示中，美国汽车销量与「印度餐厅」搜索量在 2004 至 2012 年间曾出现相似走势，但这种相关没有经济含义，相关不等于因果 [11]。

第二，相关系数在极值区间会失真。当情绪指标处于 >80 分位的极端区间时，样本量极小（本报告核算该区间约占历史观测的 11%，测算），相关系数的置信区间显著变宽。此时任何「极值意味着什么」的结论，其统计支撑都远弱于全样本结论。

第三，极值的方向性不唯一。公开研究对搜索数据失效机制的检验提供了一个关键解释：当人们的搜索动机主要来自「独立的信息需求」时，搜索数据与实际指标的关系较稳定；当搜索动机主要来自「社会影响」（因为别人都在搜）时，搜索数据可能严重高估实际指标 [11]。这意味着同一个极端高的搜索热度读数，既可能对应真实的需求爆发，也可能只是被媒体叙事放大的羊群行为。

把这三条合起来，极值的统计含义可以概括为：极值说明「分布位置极端」，不说明「未来方向」。对使用者而言，极值的正确用途是提示「此处样本少、估计量精度低、外推风险高」，而不是提示某种方向性操作。

二维敏感性检验进一步说明，极值判断对分项权重同样敏感。在搜索热度分位 30/55/80 与消费者信心指数分位 30/55/80 的 3×3 组合下，合成情绪得分从 38 变化到 70（测算），跨度 32 个分位点。这意味着「情绪是否进入极值区」这个判断本身，在不同权重方案下可能给出相反答案。

交叉验证是情绪指标从「单点读数」变成「可用工具」的关键一步。验证的目的是回答：这套情绪指标与已知的官方统计是否同向。若同向，说明它捕捉的是同一组经济事实；若长期背离，说明其中一方存在口径问题。

第一组交叉验证针对电商分项。2025 年全国网上零售额 159,722 亿元、比上年增长 8.6%；其中实物商品网上零售额 130,923 亿元、增长 5.2%、占社会消费品零售总额的比重为 26.1% [15]。同一年，全国社会消费品零售总额 501,202 亿元、比上年增长 3.7% [15]。电商增速显著高于整体社零增速，且对社零总额增长的贡献率为 36.2% [14]——这组三方对账说明电商分项与官方消费统计是同向的，可以作为情绪指标的有效分项。

第二组交叉验证针对结构信息。国家统计局的分析指出，2025 年升级类商品中，限额以上单位体育娱乐用品类零售额比上年增长 15.7%、增速比上年全年加快 4.6 个百分点，金银珠宝类与化妆品类分别增长 12.8% 与 5.1%，扭转了上年全年的下降态势；基本生活类中吃类、穿类、日用品类分别增长 7.1%、3.2% 和 6.3% [13]。这些细分增速的离散度（最高 15.7% 与最低 3.2%）说明总量情绪指标掩盖了品类间的巨大分化，情绪指标应当按品类拆分后再解读。

第三组交叉验证针对预测能力。前述学术研究给出了具体的误差改善幅度：百度搜索数据改善汽车与手机销量的即时预测与预测表现、把预测误差降低超过 10%；对中国社会消费品零售总额，预测误差改善超过 40%；而在同一研究中，谷歌趋势数据未改善预测表现 [9]。这条对账的要点不在于数字大小，而在于「同一方法在不同搜索引擎上结论不同」——再次说明数据源本身的覆盖度决定了指标的有效性。

第四组交叉验证针对失效情形。学术研究对搜索引擎数据失效机制的检验给出了一个可操作的判别框架：研究者用 Bass 扩散模型比较了四个预测准确与四个显著高估的案例，发现在预测准确的案例中，「独立搜索」（因为自己想获取信息而搜索）的动机明显更强；在预测失准的案例中，「社会影响型搜索」（因为看到很多人在搜而跟着搜）的动机明显更强；结论是当社会影响对搜索决策的作用很强时，搜索引擎数据可能成为同期指标的不可靠预测器 [11]。这条结论对情绪指标的使用方式有直接约束：当热度来自叙事而非需求时，指标会失真。

交叉验证还有一个负面清单：情绪指标不应与同类高频指标做互相验证。搜索热度与社媒提及都属意愿端、都可能被同一波叙事同时推高，用它们互相验证会得到虚假的一致性。真正有信息量的交叉验证，必须发生在「意愿端」与「交易端」之间，例如搜索热度对上网上零售额、社媒提及对上银行卡消费笔数。

第一类局限是可复现性。搜索类数据源存在下载层面的抽样方差，同一查询在不同时点下载会得到不同结果，在低热度类别上尤其明显 [12]。更根本的问题是数据供给的连续性不受使用者控制——公开研究明确指出，数据供给方可能停止提供或不再免费提供，且数据开始的日期往往较短（如谷歌趋势自 2004 年起）[12]。

第二类局限是口径漂移。消费者信心调查的样本量与抽样框在不同时期存在差异（早期公开口径为 12 个省市、月度样本量 3,400 个 [2]，后续公开口径为每月抽取 4,860 名左右 [1]），搜索指数工具经历过方法论变更并需要专门校正 [12]，电商统计中「网上零售额」与「实物商品网上零售额」是两个口径 [15]。这三类漂移都会在长序列中制造伪拐点。

第三类局限是平台规则不可控。社媒声量依赖平台公开榜单与第三方聚合工具，而平台榜单「只能看平台想让你看的，关键词没法定制，数据也没法导出」[16]，开放性远低于统计年鉴。品牌级指数产品虽提供周榜与月榜，但覆盖面仍限于少数垂直行业 [18]。

第四类局限是结构不可比。公开研究指出，互联网数据的规模与质量变化速度远快于标准统计数据，具体例证是某些应用在数年内从未出现到用户量指数级增长，而另一些应用的使用方式发生了根本变化（例如电商平台上拍卖交易占比持续下降、被其它价格形成机制替代）[12]。对情绪指标的直接后果是：以平台数据构建的序列，不能简单外推到平台生命周期之外。

第五类局限是季节性、工作日效应与异常值处理的主观性。公开研究把数据不规则性（异常值、工作日效应、缺失观测）与季节周期性列为互联网数据的常见问题，要求做去噪与平滑处理 [12]。但处理方式是研究者的选择，不同处理会产生不同序列，这也是「任何基于搜索趋势的研究本质上不可复现」这一批评的来源 [12]。

第六类局限是「合成掩盖分歧」。五个分项合成一个读数后，内部的品类分化与结构变化全部消失。前述 2025 年细分品类增速从 3.2% 到 20.9% 的离散 [13][15]说明，总量情绪指标在结构层面几乎不含信息。若使用者的决策涉及特定品类，总量指标不可直接代用。

把六类局限合起来，得到三条使用纪律：一是任何情绪读数必须随附分项读数与权重方案；二是跨年比较前必须先检验口径漂移与方法论变更；三是当分项方向对立时，应标注「分歧」而不发布单一合成值。这三条纪律的目的不是降低指标的可用性，而是让指标的可证伪性得以保留。

以下风险与正文的构建与验证判断一一对应，按「数据自身—指标方法—外部环境」三类列示：

1. （一）搜索数据不可复现
2. （二）口径漂移制造伪拐点
3. （三）平台开放政策收紧
4. （四）社会影响型搜索致失真
5. （五）合成掩盖品类结构分化
6. （六）高频数据供给中断

对号入座：（一）对应第二章，搜索类数据源稳定性评分最低（约 60 分，测算）[12]；（二）对应第四章与第七章，消费者信心调查样本量口径历史变更 [1][2]；（三）对应第七章，社媒榜单数据无法定制与导出 [16]；（四）对应第五章，社会影响型搜索动机会使搜索数据严重高估实际指标 [11]；（五）对应第六章，2025 年细分品类增速从 3.2% 到 20.9% [13][15]；（六）对应第七章，数据供给方可能停止提供或不再免费提供 [12]。

风险之间存在传导：社会影响型搜索（四）会同时推高搜索热度与社媒提及两个意愿端分项，而这两个分项在合成中合计权重 45%（测算），因此一旦出现叙事驱动的热度爆发，合成读数会被系统性推高，并与交易端分项（网上零售额、银行卡消费）产生背离。这条传导链是使用情绪指标时最需要盯防的情形。

结论一：五类公开数据源可以合成一个情绪读数，但五者的信息含量不同。消费者信心指数由官方月度抽样调查编制、以 100 为景气临界值 [1][2]；实物商品网上零售额与银行卡消费业务属交易端、与官方消费统计同向；搜索热度与社媒提及属意愿端、及时但不可复现、稳定性评分最低（分别约 60 分与 50 分，测算）。

结论二：合成方法决定读数，必须随读数披露权重方案。三种合成方法在同一时点给出 52、58、63 三个分位读数（测算）；二维敏感性检验显示分项组合变化可使读数跨度达 32 个分位点（测算）。因此「情绪指标进入极值区」这一判断本身在不同权重方案下可能给出相反答案。

结论三：指标与后续消费数据存在弱相关，但相关不等于因果，且指标可能失效。领先 1 期的相关系数在 0.28–0.42 之间、消费者信心指数领先 3 期仅约 0.12（测算）；公开研究既有搜索数据把社零总额预测误差改善超过 40% 的记录 [9]，也有同一类数据严重高估实际指标的记录 [11]，并明确指出社会影响型搜索会导致失效 [11]。

结论四：指标的可用边界在于「同期刻画」，不在于「跨期预测」。搜索数据在部分品类上有效、在另一些品类上无效（耐用优于非耐用、电子优于非电子）[10]，说明有效性依赖品类与市场结构；跨平台、跨口径、跨年份的简单比较都会引入偏差。

1. 观察项一：同一查询重复下载的差异幅度（验证可复现性，证伪线为差异长期低于 1%）；
2. 观察项二：意愿端与交易端分项的背离时长（验证失效风险，证伪线为背离持续超过两个季度）；
3. 观察项三：三种合成方法读数的离散度（验证权重敏感性，证伪线为差异长期低于 5 个分位）；
4. 观察项四：官方统计的口径与方法论变更公告（验证可比性）；
5. 观察项五：细分品类增速的离散度（验证总量指标的代用边界）。

本文为方法论与统计检验，不构成任何交易建议。全篇不给出任何消费板块的方向判断、目标价、评级或配置建议。

本报告共设七条可证伪链，覆盖指标定位、数据源稳定性、合成方法、极值校正、相关性检验、交叉验证框架与可比性局限。每条链均给出依据、边界、反面证据、跟踪指标与证伪条件。台账如下：

本报告所有关键数据均按四档标注来源档次，以区分证据强度与可复核性，并逐条落到本报告实际用到的数据上：

• [T1]一手或官方口径：国家统计局与中国人民银行发布的统计说明、支付体系报告、社会消费品零售总额与网上零售额数据，本报告用于消费者信心指数编制方法、电商与银行卡消费分项的量级与增速；
• [T2]学术与机构二手口径：经同行评议的期刊论文与工作论文，本报告用于搜索数据的预测误差改善幅度、失效机制解释、下载抽样方差与方法论变更校正；此类结论依赖样本区间，外推需谨慎；
• [T3]平台与第三方聚合口径：第三方数据服务商与品牌指数产品公开的指标体系与编制方法，本报告用于社媒声量的指标分层与权重设计参照，仅作方法参照不作水平基准；
• [缺口]数据缺口：搜索热度与社媒提及缺少统一公开的绝对口径，本报告对这两个分项一律只做分位数相对定位，不给出绝对阈值，亦不参与绝对数值相乘。

所有标注「测算」的数字，均为本报告基于外部锚参数推算的结果，推算公式与参数取值在正文中逐项给出。本报告中标记为测算的数字包括：五个分项的合成权重、三种合成方法的读数、清洗五步的样本保留率、历史分布分档占比、各分项与社零同比的相关系数、二维敏感性矩阵、以及数据源的稳定性评分。这些数字为方法演示性质，不构成对任何具体时点情绪水平的结论性判断。

特别提示三点口径风险：一是消费者信心调查的样本量与抽样框在历史上发生过变化，跨年水平值不完全可比；二是电商统计中「网上零售额」与「实物商品网上零售额」是两个口径，2025 年两者增速分别为 8.6% 与 5.2% [15]；三是银行卡消费业务的「笔数」与「金额」两个维度在 2025 年第三季度给出了不同方向的增速（12.69% 与 3.63%）[7]，引用时请标明采用的是哪一个维度。