指标异动告警阈值怎么定：固定百分比、z-score 还是动态基线？如何既压住大促/周末周期误报，又不漏掉缓慢劣化？

【背景】 我做了 8 年算法，近两年重心在指标体系与异动归因。手上是一条 B 端 SaaS 业务线，核心指标约 40 个（订单量、DAU、人均会话、付费率、ARPU 等），按天出看板。归因侧我已经用 LMDI 把复合指标的分子/分母贡献拆开了（站内我回答过 535、775 两题），但上游「什么算异动、该不该告警」这一步一直是拍脑袋，这是我最想收口的卡点。

【现象】

1. 现在各指标告警是固定百分比阈值（如订单量环比 < -5% 就告警），结果：
   • 大促/月末冲量后一天，环比天然大幅波动，误报率极高，值班同学已经「告警疲劳」；
   • 反过来，像付费率这种缓慢劣化（每天 -0.2%，一周累计 -1.3%）单看任何一天都不触发，漏报。
2. 不同指标量级差很大（DAU 百万级 vs 付费率 1% 级），用同一套百分比，对大指标太钝、对小指标太灵。
3. 周末/周中的天然周期性没被建模，周一看周五、周二看周一，基线本身就不该是「昨天」。

【已尝试的排查与结果】

• 把阈值从 -5% 调到 -3%：误报更多，没解决周期问题；
• 想上 z-score，但不知道基线窗口取多长（7 天？28 天？要不要剔离群点）、z 阈值取多少（2？3？），且付费率这种非正态、有零膨胀的分布，z-score 的假设不太成立；
• 想按「同 weekday 近 N 周」做动态基线，但担心大促这种一次性外生事件会污染未来 4 周的基线，越算越偏。

【期望得到的答案形态】 希望有实际在跑异动监控的同学给一套可落地的方案，最好包含：

1. 阈值选型决策：什么指标适合固定百分比、什么适合 z-score/动态基线、什么适合 EWMA/3σ，判断依据是什么（分布形态？波动性？周期性？）；
2. 基线构造细节：窗口长度、是否剔离群、周期项（同 weekday / 节假日）怎么建、外生事件（大促/故障）怎么从基线里剔除或打标记；
3. 给 2~3 个具体指标的完整配置样例（含窗口、阈值、冷却时间/去重窗口），我能直接拿去对齐团队口径；
4. 顺带一句：误报率和漏报率这两个目标，在你们那里是怎么权衡/量化的（有没有一个可接受的误报上界）。

若有人踩过「z-score 在非正态指标上失效」的坑，欢迎展开讲讲你最后换成了什么。