在產品開發團隊中，大家都想著要賺錢，但究竟該做什麼、重要的是什麼呢？每個人都宣稱自己提案的方法能提升獲利，那該採用誰的方案呢？北極星指標可以解決這些問題、為團隊找出共同方向！更重要的是，北極星指標的思考框架將幫助產品開發找出最重要的行動、達到賺錢的目的。
在這則筆記，我會先簡要介紹什麼是北極星指標，並且探討如何用框架式思考發揮北極星指標的價值。
導讀：
- 如果你已經聽過北極星指標了，歡迎跳到「Spotify 範例」小節快速閱讀框架要點；或者也推薦你閱讀較進階的 LinkedIn 北極星指標設計案例
- 如果你是資料科學家，想知道北極星指標跟你有什麼關係？可以跳到「這一小節」閱讀
目錄
北極星指標簡介
要認識北極星指標，我們首先需要認知北極星指標與 KPI 的功能差異：
- KPI 是產品的成績單，用來反映結果
- 接下來該怎麼做才能讓產品更好？我們需要仰賴北極星指標
KPI 有什麼問題嗎？
在目標管理或衡量產品表現時，我們通常會使用關鍵績效指標（Key Performance Indicator，通常簡稱 KPI），例如客戶終身價值、留存、付費率等等。然而，對於產品開發團隊而言，KPI 並不是真的很有意義。
- KPI 只反映結果、看不出接下來該採取什麼策略
- KPI 在每個產品都能計算、適合跨產品比較表現；反過來說，它無法呈現出產品特色以及商業模式
北極星指標將在產品開發流程解決 KPI 的這兩項問題，是與 KPI 相輔相成的存在。
北極星指標定義
北極星在天空中的位置，幾乎不隨地球自轉改變，旅行者依賴北極星來找到正確方位。北極星指標如其字面上的意義，是為了指引產品開發共同方向而存在。
北極星指標是產品成功的關鍵指標
北極星指標（North Star Metric）是對商業行為或系統的度量（Metric），這項度量需要可量化、並且要能反映出顧客體驗或滿意程度。
例如，電玩遊戲格鬥天王（The King of Fighters）選擇「遊戲中獲勝次數（K.O.!）」作為北極星指標的話，可以反映出玩家在此產品已經突破摸索操作方式的新手階段、確實在遊戲中獲得滿足。
除了量化顧客滿意程度，好的北極星指標具有三大特質：
- 衡量客戶發現產品價值的時刻 (A-ha Moment)
- 表現目前產品的核心戰略，指引出確實可執行的任務
- 與未來營收相關的領先指標、而不是落後指標
我們來看幾個知名企業範例：
| 公司 | 北極星指標 |
|---|---|
| Spotify | 音樂聆聽時間 |
| 傳送訊息數 | |
| Uber | 搭乘次數 |
| AirBnB | 訂房次數 |
| Netflix | 每月觀看影片至少 1 小時的人數 |
以上述表格的 Uber 載客服務為例，為什麼北極星指標選擇「搭乘次數」，而不使用明明也很重要的「打開 APP 次數」或「總收入」？
- 雖然 Uber 以 APP 作為提供服務的媒介，但是只「打開 APP」還沒有達成顧客滿意，「搭乘」才是此服務實際發揮價值的時刻
- 比起提升「總收入」，提升「搭乘次數」更具有可執行性的指引，例如在節日提供折扣、搭乘次數就會提升
- 「搭乘次數」與公司收入直接相關：越常搭車，收入就越高
那麼，我們只要專注提升北極星指標這個數字，營收就會順利提升了嗎？這樣思考仍過於簡化，反而會造成指標的誤用！以下，筆者將接著探討北極星指標的運用要點。
框架式思考
北極星指標聽起來既重要又好用，為什麼不是每個團隊都能善用這項指標獲得成功？最主要的誤會在於：
北極星指標不是指單一個數字，而是把「賺錢」從口號化為行動的一套思考框架
筆者好豪認為，北極星指標最重要的貢獻不是數字本身、而是在於「發想」，並且是發想出「對賺錢有幫助的行動」：
- 想辦法「賺錢」，定義太模糊、問題面向也太廣
- 想辦法讓顧客「滿意產品」，問題改為集中在提升產品滿意度的量化指標—也就是北極星指標
究竟該如何發想呢？以下是北極星指標框架式思考的三大注意要點。
產品價值連結營收
好的北極星指標，要衡量客戶發現產品價值的時刻（A-Ha Moment），並且，這個關鍵點需要對營收有直接貢獻。要達成這個要點，就要從產品特質或核心概念開始思考：產品解決了客戶什麼痛點？現有的產品策略專注於哪項特色？
例如，Zynga 的拼字遊戲 “Words with Friends“，它的商業模式是在每個遊玩動作之間，安排插頁廣告。該團隊定義出的北極星指標是每個玩家「平均遊玩動作次數」：
- 反映價值：玩家遊玩動作越多、表示越投入遊戲
- 連結營收：每個人多走幾次、看到更多插頁廣告、收入提升
從輸出發想輸入
Output Metric 呈現出輸出結果，而 Input Metric 呈現的則是投入行動，通常北極星指標會是 Output Metric，你需要從預期的輸出結果發想並衍生出一系列需要投入的任務，來提升你的北極星指標。
以籃球比賽來比喻，北極星指標的是計分板（Output Metric）、是比賽的階段性結果，至於比賽分數究竟該怎麼提升？需要取決於採用幾次快攻、或者決定出手幾次三分球等等戰略來作為輸入（Input Metric）。
延續此觀點，北極星指標也通常會是落後指標、所以團隊需要同時觀測實際行動（Input Metric），因為「行動」需要一點時間才會反映在「結果」。例如，如果 Netflix 把再訂閱率視為北極星指標，再訂閱是反映結果的落後指標，顧客使用產品才是我們實際能影響的「行動」。如果產品出現問題時，團隊只有觀測再訂閱率、而沒發現顧客並沒有實際使用產品的話，顧客就會流失，已流失客戶要再找回是相當困難的！等觀測到再訂閱下降的結果、再修改行動已經太晚。
確認顧客首次使用產品的體驗是重要的營運技巧，在《商業思維》一書中稱為 On-Boarding，有興趣的讀者歡迎閱讀好豪的「流量池營運」學習筆記。
發想範例：Spotify
以 Spotify 音樂串流服務為北極星指標的（假想）範例，整理一下目前我們所學的框架式思考要點。
- Spotify 的產品特色與價值就是聽音樂，以每個用戶總聆聽時間作為北極星指標
- 總聆聽時間越多，代表客戶越滿意公司提供的服務，也就代表營收會提高
- 從輸出發想輸入：
總聆聽時間 = 回訪次數 x 單次聆聽時間- 我們無法直接增加總聆聽時間，它是落後指標
- 思考如何提升回訪次數與單次聆聽時間更能導引出實際行動
- Input Metrics 不斷延續出更具可執行性的項目
- 為了增加 APP 回訪次數，發想出「新歌通知」功能
在上圖，我們可以看到活用北極星指標框架的優點：
每個行動如何為營收貢獻價值，邏輯關係清楚明瞭！
簡單地說，對產品開發而言最重要的事情是「如何行動」（可執行性），北極星指標要不斷向下延伸、直到找出實際「該做什麼」為止，並且有必要同時觀測行動與結果各自的量化指標。
（延伸閱讀：為什麼用機器學習開發指標，卻無法影響決策、產生行動？）
指標群與權衡
北極星指標常被過度極端地視為 OMTM (One Metric That Matters)，OMTM 指的是專注於單一量化指標的產品開發，好處是讓公司目標更一致、減少溝通成本，卻容易讓人誤解成只有一個指標是重要的。
實際上，北極星指標應該是「指標群」（Constellation of Metrics），包含多個指標綜合考量。在上個小節，我們討論的多指標指的是行動與結果多指標，在此，指標群要討論的是 Output Metrics 之間的權衡關係。
權衡（Trade-off）的意思是指標或度量可能會互相影響，產品開發採取的行動很難獨立地影響單一指標。如果多個指標互為負相關—其中一個提升、造成另個下降—我們就必須同時觀測多個指標。
當然，指標數量需要在需在 1 ~ 3 個指標之間平衡，一個指標視野太狹隘、太多指標又會不知誰輕誰重，在 Reforge 的部落格文章 裡就提出幾種產品設計 Output Metrics 值得參考的重要面向：
- 留存（Retention）
- 沉浸（Engagement）
- 變現（Monetization）
以 LinkedIn 專業人脈社群平台為例，在貼文頁面（Feeds）中，用戶除了看到其他專業人士分享的訊息以外、還會夾帶著幾則廣告。如果公司採取在貼文頁面插入更多廣告的行動，每個用戶平均收入確實會提升，但是用戶感受到廣告變多就導致體驗變差、使用頻率（沉浸程度）隨之下降。因此，開發團隊採用的北極星指標不能只有「每個用戶平均收入」、還必須包含「使用頻率」，確保不同面向的問題會同時被反映在指標群中。
為何資料科學家需要懂這個？
北極星指標大部分被討論的時候，是來自產品經理或者成長駭客的觀點，用於發想產品策略，那資料科學家懂這個有什麼幫助嗎？筆者好豪認為，這項指標至少有三個需要由資料科學家發揮價值的地方。
首先，北極星指標反映的產品價值需要與營收連結，但是，讓顧客更加滿意、實際上能夠增加多少營收？產品團隊如何直接回答「我們的努力讓公司賺了多少錢」？這就仰賴統計方法，來呈現出北極星指標與營收的相關性。
（延伸閱讀：用數據溝通出自己貢獻的價值為什麼這麼重要？）
第二，北極星指標本身代表顧客對產品的滿意程度，而「滿意」是一個有點模糊的概念，該如何讓指標真正反映出「滿意」，資料科學提供了其中一種辦法。在 LinkedIn 的資料科學團隊，他們結合機器學習、問卷調查、與商業洞察力，發展出精準量化顧客滿意程度的分析框架，有興趣的資料科學家們，可以閱讀 LinkedIn 團隊在 WWW 2017 發表的文章：《Data + Intuition: A Hybrid Approach to Developing Product North Star Metrics》（我對此篇 Data + Intuition 方法的摘要與心得）。
最後，資料科學家絕大多數時間都投入在探索式資料分析，在分析出重要洞察以前，你可能從數據中獲得很多啟發，但是跟最終結論不相關，就很可惜地被捨棄了。如果分析師腦中時時想到北極星指標，那些平時累積的有趣發現，就有更多讓產品進步的可能！
筆者好豪在公司曾被指派用戶 APP 上線頻率分析專案，分析過程將客戶常上線的時間點進行特徵工程，發現了客戶上線時點與再上線時點的高度相關性，因而 主動發起提案、最終成為了 APP 的新推播功能設計！當時專案明明在研究「上線頻率」，卻能利用分析過程的「上線時間點」資料洞察為產品增添價值，就是如同上述 Spotify 的範例，想到配合「上線時間點」設計的推播功能可以增加「回訪頻率」這項 Input Metrics。北極星指標包含許多面向，數據可以發揮力量的地方會比你想像中還多！
（關於此專案經驗，歡迎繼續閱讀：跟上客戶的生活節奏（PYTHON 資料視覺化））
結語
北極星指標迷人的地方並不在於數字本身，而是它背後的思考框架讓產品開發的每項行動都有明確的方向。
在這則筆記裡，介紹了北極星指標的設計需要考慮產品價值與營收的連結、輸入與輸出的意義區別、以及多指標的權衡關係，筆者認為，這些都是值得考慮的要點、但不是需要 100% 符合的要點，指標只是參考，重要的是指標究竟能不能解決團隊在產品開發遇到的問題。設計出的北極星指標只要有考慮過這些思考框架中的要素，將能導引向產品的成功。
參考資料：
如果你喜歡這篇文章，你肯定是實戰派的資料科學家或數據分析專家，我相信認識實務分析中會遇到的資料偏誤跟本篇的指標設計同等重要！推薦你繼續閱讀筆者好豪的 倖存者偏差與右設限資料介紹，別讓精心制定的北極星指標因為資料選擇謬誤而得到失敗的結論。
最後也歡迎你利用以下按鈕，將本文加入書籤或者分享出去！也推薦你追蹤 好豪的 Facebook 粉絲專頁，我會持續和你分享資料科學與商業思維相關知識！
