给对象打标签，本来是为了让系统更好筛选和统计。比如年级、学院、部门、岗位、项目、服务类型，这些都很常见。但标签一多，很多团队很容易默认“越细越好”，却没有先想清楚这些标签在统计时是互斥还是可叠加。结果就是，同一个对象在不同看板里被重复计入，汇总值一看都对，合起来却怎么都对不上。
这个问题不像页面报错那样显眼，所以更容易被忽视。通常都是到复盘、汇报或项目验收时，团队才发现同一批对象在几个维度里反复出现，统计口径已经开始漂了。
标签可以灵活，统计口径不能含糊
如果系统允许一个对象同时挂多个项目标签、多个组织标签、多个服务标签，就必须同时定义这些标签在统计里怎么计算。哪些是主归属，哪些只是辅助筛选，哪些允许交叉展示但不能参与总量累加，这些都要先写清楚。否则标签越丰富，统计越容易失真。
它和名单导入前先去重是前后相连的两个问题：前者管的是“是不是同一个人”，后者管的是“同一个人该怎么被统计”。两步只要有一步没稳，数据都容易看起来很多，实际却不够准。
真正可用的系统，会把标签自由和统计边界一起设计
成熟的心理系统通常会支持主标签、辅标签和统计口径分开配置，并在导出和看板里明确标注当前采用的是哪一种汇总逻辑。这样标签仍然可以灵活用来筛选、分组和回看，但不会在总量里反复叠加。
标签越多，导出和看板越要把口径写明
如果系统只是给出一个漂亮数字，却不说明这是按主归属统计、按交叉标签统计，还是按去重对象统计，后面的汇报就很容易讲不清。真正可用的看板，不只是数字能跑出来，还要把口径明确展示给读的人看。
这一点在跨部门汇报时尤其重要。不同角色关注的标签不同，如果系统没有把统计口径写清楚，同一份数据很容易被解读出几套不一样的结论。
对采购心理软件的人来说，这类能力很值得单独看。一个对象挂多个标签没有问题，真正要紧的是系统能不能提前告诉你：这些标签在统计里到底怎么计算。