# 搭建公司的业务指标体系和四个层级

> 讲解指标的常见分类与好指标的标准、虚荣指标的危害，北极星与一二三级指标的四个层级，以及用 OSM 模型搭建数据指标体系的方法和 AARRR 各环节常用指标。

---

LLMS 索引： [llms.txt](/llms.txt)

---

## 为什么需要指标体系

管理大师彼得·德鲁克说过："If you can't measure it, you can't improve it"——如果你不能衡量，就无法管理。互联网产品的增长建立在对过往版本不断循环迭代的基础之上，因此量化的对比衡量是其应有之义，而很重要的一点，就是为产品构建一套**数据指标体系**。

**指标**是用于衡量事物发展程度的单位或方法，是一种度量标准，用于追踪和评估商业进程的状态，比如人口数、GDP、收入、用户数、留存率、利润率、覆盖率等。很多公司都有自己的 KPI 指标体系，通过关键指标衡量业务运营的好坏。指标需要经过加和、平均等汇总计算得到，且必须在时间、地点、范围等前提下进行汇总——即常说的**统计口径与范围**。

常见的指标根据分类维度的不同，可以分出很多种：

- **基础指标**：新增用户、活跃用户、启动次数等，是很多产品都会统计的通用指标。
- **流量指标**：多在网页端体现，如 UV、PV、跳出率等。
- **使用数据**：衡量用户实际使用产品时产生的行为，如使用时长、使用频率、两次访问的间隔等，体现用户使用产品的频繁程度。
- **业务指标**：订单量、客单价、复购率、扫码率等，传统电商网站常统计。
- **垂直领域的细化指标**：如女性用户在双十一大促的客单价，就是非常细分的指标。
- **成本类指标**：CAC（Customer Acquisition Cost，客户获取成本）、LTV（Lifetime Value，用户生命周期价值）、Payback Period（成本回收周期）等。

老板开会常问"今天的 UV、PV、注册转化率、购买率是多少"。普通员工会说"老板等一下，我看下报表"；优秀的增长黑客能立即接茬："老板，昨天转化率是 80%，今天只有 70%，可能是昨天上线的新流程造成数据波动，解决思路是重新优化登录流程设计。"这就是普通员工与增长黑客的差距。做数据分析除了统计、编程、算法等能力，还必须非常熟悉公司业务；提升业务熟悉度和数据指标敏感度最直接有效的办法没有别的，就是**多看多记**。不妨自查：不查资料、不看报表，能否说出公司每天/每周/每月的营业额、活跃量、流量？周末和周中差别如何？早、中、晚用户有何关键差别？在北京、上海及其他主要地区，产品的市场份额和消费能力怎么样？这些指标很多互联网公司都有，但**能不能记住，是区分增长黑客数据分析能力的重要方面**，应烂熟于心，几乎成为第二本能。有工程师诉苦："产品经理每天找我要一堆指标，根本不知道有什么用"——因此要学会选择好的指标，这才说明真正掌握了衡量业务表现的方法。

## 什么是好的指标

脱离业务单谈一个指标的好坏，或者拼凑很多指标，都是没有意义的。好指标具有以下特征：

1. **可比性**：能拿来被比较。首先要求指标衡量的事物是可以对比的，比如拿两个页面的 PV 比较、拿登录人数和注册人数比较，是有意义的，因为它们是性质相同的数据指标；但拿 App 下载量和网页端营业额做比较，就很难得出有意义的结论。
2. **简单**：正因为简单，使用者不会轻易犯错，也能轻松把指标背后的意义和故事展示给老板、同事。搞一个很复杂的指标，别人光理解就需要深厚的背景知识或很长时间，指标就很有迷惑性。市面上很多经济学家和权威机构爱搞耸人听闻的复杂指标——真正有本事的人完全可以用简单的语言解释，他们偏要复杂化，就是不让受众多思考、顺着想、受蛊惑即可。这也是经济学家利用公开渠道发言影响大众舆论、私底下操盘"收韭菜"的一种手法。
3. **通常是一个比率**：绝对数值的指标有局限性。比如当日成交量，一周内不同时间、一天内不同时段、一年之内同比环比，都可能因天气、节庆、政策、习惯等出现波动，直接比较受限较多；而交易额比上成交量反映平均客单价，在一段时间内不会产生出乎意料的剧烈波动，拿来做横向、纵向比较都比较放心。

## 五组指标维度与虚荣指标

指标分类的维度很多，这里列举五种分析维度，各自给出一组对比概念：

1. **定性指标 vs 定量指标**：定量指标是可以被量化的指标，如数字或可比较的等级（A/B/C/D）；不能定量的即定性指标，无法直接通过数据计算分析评价，需要对评价对象进行客观描述和分析来反映结果，如主观评定的及格、良好、优异。
2. **探索性指标 vs 报告性指标**：报告性指标让人时刻了解当前运营状况和管理活动，像日常看报告一样；探索性指标帮助团队了解"那些你不知道自己不知道的事实"，提供原本不为人知的洞见。比如发现产品活跃度很差是报告性指标；进一步拆解数据，发现为数不多的活跃人群中年轻妈妈群体撑起了主要活跃度，于是调整重心、专门开发了一款母婴社区并大受好评——发现年轻妈妈占比高就是探索性指标，帮助发现隐含的有价值信息。
3. **先见性指标 vs 后见性指标**：先见性指标用来预测未来，如通过现有产品的日常增量和漏斗转化情况预测第二天大概有多少成交客户，或通过异常预警做到未雨绸缪；后见性指标用来解释过去，如季度订单量、流失率等，通常是亡羊补牢的行为，虽可通过一些做法弥补，但很多时候为时已晚。
4. **相关性指标 vs 因果性指标**：有时两组数据彼此相关、同受第三者因素影响，如网站卡顿不稳定时，UV 和 PV 会同时下降；有的指标之间存在因果关系，即 A 指标变化引发 B 波动，如用户在线时长减少，靠展示曝光获得的广告营收也就减少，前者是导致后者的直接原因。
5. **虚荣指标 vs 可付诸行动指标**：虚荣指标让人自我感觉很良好，但实际上没什么业务价值，会让人沉溺其中、忽略真正重要的事——比如今天网站 PV 很高，有人为此沾沾自喜，但实际成交转化率很低，依然赚不到钱，PV 高只能让人自嗨一小会儿。可付诸行动（可实施）指标能指导最佳行动方案、提供商业行动建议，只要思路正确、照着正确的方法调整，就能实实在在获得增长。

关于虚荣指标，有两个案例：

> **MySpace**：曾是 Facebook 之前美国社交网络的老大哥——Facebook 只有区区六七千万用户的时候，MySpace 的用户就早已突破 3 亿。但 MySpace 最后还是陨落了，原因很多，其中一点值得玩味：当年管理团队非常注重**注册用户数**这个虚荣指标。这 3 亿用户里，有多少是五年前注册的？多少注册后从未二次访问？多少试用几次就成了僵尸用户？注册用户数在投资人那里好看、员工说起来好听，实际却让 MySpace 错误估计形势、走偏方向、抓错重点。相比之下，Facebook 的扎克伯格从来不看重注册用户数，只看**月活跃用户数**，这确保 Facebook 内部任何决策都指向真实、持续活跃的用户增长，甚至向投资人汇报也只报月活。在互联网浪潮刚兴起时做到这点很不容易——注水的注册量好看，但真正做产品、做业务的，绝不能只追求报表漂亮，那是自己忽悠自己。

> **SocialCam**：定位与朋友即时分享视频的短视频社交应用，2011 年 3 月上线后曾在世界范围内迅速火爆：一个月时间获得 25 万下载量，四个月内达到 100 万，一度成为 App Store 排名第一的免费应用，被认为是"视频版的 Instagram"。但 SocialCam 追求的是网站流量和下载量——今天看来都是虚荣指标，无法锚定产品的核心价值。早期漂亮的增长完全仰赖一个叫 FreeAppADay 的在线广告推广服务，以及与 Facebook 生态的深度整合（利用开放图谱带来很大流量）。后来成功融资并被收购，SocialCam 开始减少使用该推广服务，排名迅速下降；随着 Facebook 改变开放图谱的参数，流量降低，活跃用户下滑更惊人：2012 年 6 月（被收购前）每月连接到 Facebook 的活跃用户有 8360 万，到 11 月只剩 430 万，短短五个月减少了 95%。只观测虚荣指标、盲目扩张，往往导致企业浪费资源，甚至最终死亡。

## 指标的四个层级

在产品实际运营中，有时需要根据指标的重要程度设定层级或优先级，以合理分配管理成本。一般可将指标分成四个等级：优先度最高的叫**北极星指标（核心指标）**；其次是**一级指标**，用来衡量公司的战略和目标；再往后是**二级指标**，针对一级指标做路径分析拆解，以此更高效地定位一级指标波动的原因；最后是**三级指标**，是对二级指标路径的分析拆解，用来定位二级指标中波动的原因。

### 北极星指标

为什么叫北极星指标？因为这个指标一旦确立，就应该像夜晚高悬天上的北极星，不管走到哪儿都指引方向，牵引公司上上下下向同一个方向迈进。北极星指标是二十年前丰田提出来的，旨在用最精简的方式去掉冗余部分、服务公司的终极目标——公司日常运作的各项指标，最后累加的反应都应该能增加北极星指标。它的作用有四：

1. **集中火力抓重点**：增长涉及方方面面，没有明确指引，日常很容易眉毛胡子一把抓，无法有效集中火力。
2. **优化团队资源配置**：公司到达一定规模后，共同目标可以帮助把团队调整到同一个方向、同一个步调，明确任务优先级，效率更高。
3. **大幅提高行动力**：Y Combinator 联合创始人 Paul Graham 说过，一旦选择了指标，就只有一件事可做——努力达到那个目标。可以通过目标了解公司状况，有针对性地上线各种项目和试验，观察有没有具体成效。
4. **提升公司的文化和价值观**：明确公司长期优先级、凝聚团队。比如衡量今天中国的发展程度，北极星指标是 GDP，政治考核都以 GDP 为指标，所以像达康书记这样的官员很知道努力的方向在哪边。

再看硅谷科技公司的案例：许多优秀的硅谷公司都将**体验过 Aha Moment（啊哈时刻）的用户数量**作为北极星指标——Aha Moment 指的就是用户体会到产品价值的那个节点，经历过它的用户带来的增长才是真正健康的增长。当然这也不是绝对的，取决于企业处在什么时期。

> 2017 年年底作者团队在北京办了一场增长大会，见到了 LinkedIn 国际化增长部门的负责人。他在闭门分享中表示：LinkedIn 做产品的核心价值是让用户建立自己的社交网络。他们发现，添加认识的人为好友的用户长期留存率很高；留存率更高的，是那些一注册就马上被认识的人添加为好友的用户——刚注册就收到好友申请，是非常有价值、友好的体验。意识到这一点后，他们尽可能引导新用户尽早在 LinkedIn 上建立社交网络，对新用户留存非常有效。同时也要关注老用户留存，确保他们持续在产品中获得价值；留存率较好时就可以开始增长了。LinkedIn 判断一个新注册用户是否是高质量用户的依据是：完善个人资料的程度（至少罗列一个职位信息）、建立至少一个连接、开放社交权限可以被其他用户搜索到。据说 LinkedIn 内部的数据指标有几千组，基本由产品和数据分析成员通过数据分析和机器学习手段定义，以此衡量长期用户的活跃度。

如何找到一个合适的北极星指标？首先要说明，这不是一蹴而就的事，可能需要很多次尝试和改版。开始之前，把脑袋里有的指标写下来，逐条追问下面几个问题：

1. 产品的核心价值是什么？这个指标可以让人知道用户体验到这种价值了吗？比如做投资 App，用户核心价值就是投资，北极星指标应该和投资有关。
2. 这个指标能反映用户的活跃程度吗？比如前面例子里 MySpace 的注册用户数，就没有反映用户的活跃程度。
3. 如果这个指标变好了，能不能说明整个公司在向好的方向发展？比如对 Uber 来说，只把注册司机数作为北极星指标，显然忽略了乘客端；它的北极星指标应该能反映司机和乘客的供需平衡，用总乘车数是更合适的指标。
4. 这个指标是不是容易被团队理解和交流？一般建议北极星指标选一个绝对数比较好，而不是比例或百分比，比如总订单数就比"超过 100 元的订单比例"更好理解。
5. 它是先导性指标还是滞后性指标？比如 SaaS 公司喜欢用收入作北极星指标，这不是坏指标，但确实是较滞后的指标——有的用户可能已经停止使用几个月，却还在默默信用卡扣款付月费，这种情况下活跃用户数可能是更好的先导指标。
6. 它是不是可操作（可付诸行动）的指标？简单说，如果对一个指标什么都做不了，那它就相当于不存在。

列举五种常见互联网商业模式常用的核心指标：

- **双边市场**（如淘宝、打车应用）：商品数量、用户规模、买家数量、卖家数量、成交金额、交易达成率等。
- **UGC 产品**：优质内容产生数量、可生产内容用户数、消费内容用户数、广告收入等。
- **媒体型产品**：优质内容数量、用户访问量、广告收入。
- **互联网金融产品**：资金规模、利润、绑卡用户数、对外投资优质资产的数量、活跃投资用户数。
- **工具类应用**：使用用户数、付费用户或付费企业数、商业化收入等。

这些要针对产品所处的周期和具体业务目标来制定。

### 一、二、三级指标

- **一级指标（Tier 1）**：顺承北极星指标，用来衡量公司的战略和目标；是管理层认可、能够对公司所有层级员工提出核心指导意义的指标。一般建议定 5-8 个比较好，如 GMV、订单数、日活/周活用户数、商城活跃用户量等，具体要结合自身业务，从公司或用户两个角度出发找到合适的一级指标。
- **二级指标**：用来更高效地定位一级指标中波动的原因。比如每日 GMV 和订单数上升，潜在路径拆分下来可能是货品单价上升、活跃用户数量增多，或某个站内推广渠道产生了效果，可通过二级指标来定位。很多公司的二级指标有上百个甚至上千个，多是流程中的指标，而非最终结果的汇报、被老板关注上报的指标。
- **三级指标**：顾名思义，帮人定位二级指标中的波动，通常以子流程或个体的方式定义，由一线作战的市场、产品、运营团队关注；看到结果后往往采取相应行动，比如用产品或运营的手段来提升或降低它。

## 用 OSM 模型搭建指标体系

数据指标的分层很复杂、分类方法也很多样，日常工作中如何搭建数据指标体系？需要用体系化来思考业务度量和指标的选择。这里介绍一个 **OSM 模型**：Objective（业务目标）、Strategy（业务策略）、Measurement（度量）三个层级。作者曾拿这个模型帮助很多客户思考数据监控和分析的体系，进行有针对性的优化。

- **O = Objective，业务目标**：要衡量某个业务的表现，首先要理解业务目标——公司、业务、产品存在的目的是什么。
- **S = Strategy，业务策略**：为达成上述业务目标应该采取什么策略。一个目标可以对应多个策略，但不要太多。
- **M = Measurement，度量**：选择合适的度量指标来衡量策略是否有效，反映目标最终有没有达成。

### 实战案例：非标住宿产品的搜索功能

非标住宿不同于传统的酒店标准住宿提供商，特点是 SKU 比较少、业务差异比较大，像 Airbnb、小猪短租、途家网都属于非标住宿。假设这款产品搜索和预定的流程是：发起搜索 → 进入搜索结果列表 → 点击列表中某个项目进入详情展示 → 感兴趣的话从详情展示转到填写订单 → 订单支付完成预定成功。如果是负责这款产品搜索功能的增长黑客，会如何搭建指标体系？以下用 OSM 模型逐一分析。

**O，业务目标**：定义公司、产品、业务存在的目的，直白说就是为什么要做这件事。比如做一次线上营销，真正目的是引导用户注册账户成为销售线索，还是促进直接下单？回到案例，预定功能存在的目的分两方面：从用户体验出发，让用户高效找到心仪的住所；从公司运营出发，通过搜索提高下单转化率。第一条显而易见——信息量大的网站都少不了搜索功能；第二条是根据经验和数据推理——搜索提高需求匹配效率，让用户第一时间看到想要的东西，转化率自然高。目标怎样确定？可从三个角度：其一，公司是一个整体，要与上级确认、考虑全局、看资源如何分配——决定开发预定功能，领导是否认可、能否安排工程师配合？其二，目标应有长期短期之分，不同业务阶段有不同目标——短期想提高盈利就提高下单转化率，长期改进产品体验就要在搜索上下功夫。其三，综合考虑 AARRR 各业务环节，这里的目标就处于 Revenue（收入）阶段。

目标的选择还应遵循一些原则。《Web Analytics 2.0》的作者在书中提出了目标制定的原则：**Doable**（切实可执行，目标可以被达成，不要设定不可能完成的任务）、**Understandable**（简单易懂、容易被记住，促进顺利推进和执行）、**Manageable**（可干预、可管理，能够流程化、系统性地被管理执行）、**Beneficial**（有实际的业务价值）。从反面讲，要设法避免两个误区：一是过于模糊，目标没办法被执行；二是过于保守，太保守的目标有时无法有效激励团队，得不到想要的正向增长结果。

**S，业务策略**：为完成目标采取的针对性策略。这个例子里怎么提升搜索的价值？其一，提供精准的匹配结果——匹配不准，用户需求难以满足、体验大打折扣，下单转化率自然被拉低。其二，提供有效的搜索结果排序——既降低用户选择焦虑，也把同类型下最优秀的住宿结果呈现给用户、提高产品体验。其三，无结果或结果过少时进行有效推荐——搜索为空时用户自然离开、转化率为零；若能根据用户的兴趣偏好推荐相似关键词或近似公寓，就有很大机会抓住即将流失的用户。注意两点：第一，策略由结果驱动、靠最终结果考量——再天马行空、五花八门的策略，最后无法在结果上验证，都属于"花活"；第二，同时考虑宏观和微观层面的转化——比如微观上下单到支付流程的转化率提升 1%，宏观上可能是整个集团今年整体营收因此提升 1%，二者有相关性。

**M，度量**：对策略和最终目标的衡量，是反映业务目标和策略有效性的非常重要的指标，换句话说就是反映业务目标有没有达成。抛开业务目标和业务策略，直接谈衡量指标，这种行为通常被称作"耍流氓"。最常见的衡量指标就是 KPI，用它直接度量策略的有效性、直接反映目标达成情况。在这个案例里，为了提高下单量，最终确定的策略是提高返回结果与用户搜索词的匹配度，据此设定了两个度量指标：一是搜索页到详情页的转化率能否因此达到 30%；二是详情页到下单的转化率能否达到 20%。

OSM 确定之后，就可以搭建监控体系来追踪转化率的变化，比如 GrowingIO 提供的案例演示截图，可以看到每一步转化率的变化，以及围绕转化率上下波动、进行调整的情况。

## AARRR 各环节的常见指标

最后介绍 AARRR 各个环节常见的指标举例，有些很简单，有些比较少见，可以根据自身的具体业务和目标策略来设定 KPI 集合：

- **获客阶段**：重点关注渠道的表现，包括渠道规模（能拉来多少用户、访问量、访问用户）；渠道的拉新能力（渠道带来的流量中多少是新访客）；渠道质量指标（基础的如访问时长、每次会话浏览的页面数、跳出率等）；以及业务和目标转化相关指标（注册转化率，或购买、预定转化率等）。
- **激活阶段和留存阶段**：关注产品整体使用规模的指标（日/周/月的活跃用户数、留存率）；重点关注新用户的引导激活情况（如果产品有新手任务，可以拿它来监控完成率和时长）；还关注产品使用情况的指标（产品活跃度、各个模块的活跃度、产品的核心转化流程、产品的整体留存率和功能留存率）。
- 其余环节的常见指标已汇总在表格中。可对照检查自己对 AARRR 各环节哪些概念比较熟悉、哪些还没怎么接触过，有针对性地补充学习。