第3章 核心指标与辅助指标选择
3.1 适用场景
本章适用于以下典型场景：
- 产品团队立项A/B测试前，需要明确“用什么衡量成败”；
- 已有业务目标但不知如何转化为可量化指标；
- 面对多个候选指标，需要系统化筛选优先级；
- 需要平衡业务增长与用户体验风险（护栏指标）。
3.2 前置条件
- 已完成实验假设文档（第2章输出）；
- 已有明确的业务目标（如提升转化率、增加留存、提高NPS）；
- 数据采集基础设施就绪（埋点、数据仓库、事件定义）；
- 团队对北极星指标已有初步共识（未定时可参考本章流程确定）。
3.3 操作步骤
- 确定北极星指标（North Star Metric）——选择能反映产品长期价值的唯一核心指标，如“周活跃用户数(WAU)”“7日留存率”或“订阅收入”。
- 分解领先指标与滞后指标（Lead/Lag）：领先指标是可预测未来的行为信号（如“点击率”），滞后指标是结果性指标（如“转化率”）。
- 设定护栏指标（Guardrail）——防止实验损害用户体验或核心业务，如“页面加载时间”“错误率”“投诉率”。
- 构建指标优先级矩阵——以“与北极星的相关性”为纵轴、“可测量/可行动性”为横轴，将候选指标分到四个象限：核心指标、辅助指标、监控指标、暂缓指标。
- 确认最终指标清单：输出1个北极星指标、2~3个领先/滞后指标、2~5个护栏指标，以及优先级排序。
关键判断树：如果指标变动会导致北极星直接波动，则为核心指标；如果虽不直接影响但能预测未来趋势，则为辅助指标；如果变动会影响用户体验底线，则为护栏指标。
3.4 输入输出物
| 类型 | 输入物 | 输出物 |
|---|---|---|
| 输入 | 实验假设文档、业务目标列表、现有数据字典 | — |
| 输出 | — | 指标清单（含北极星、领先/滞后、护栏）及优先级矩阵图 |
3.5 责任边界
- 数据产品经理：主导指标定义流程，协调各方对齐北极星指标。
- 数据分析师：提供历史数据验证指标可测量性，计算相关性。
- 业务方/运营：确认指标是否与业务目标一致，提供护栏指标阈值建议。
- 开发工程师：确认指标埋点的技术可行性。
3.6 记录材料
- 指标定义表：每个指标的名称、定义、计算口径、数据源、责任人。
- 优先级矩阵图表：以象限图可视化展示指标分类。
- 决策会议纪要：记录讨论过程、争议点及最终裁决。
3.7 异常处理
| 异常情况 | 处理方式 |
|---|---|
| 北极星指标存在分歧 | 召开多角色决策会，投票或依赖最高管理层裁定 |
| 候选指标过多（>15个） | 用优先级矩阵强制筛选，每象限最多保留3个 |
| 护栏指标缺失 | 补充用户体验监测指标（如加载时间、错误率）作为兜底 |
| 指标数据无法获取 | 标记为“待埋点”，先选可获取的替代指标 |
3.8 验收标准
- 指标清单文档已评审通过，相关方签字确认；
- 每个指标有明确的定义、口径和采集方式；
- 优先级矩阵完成，核心指标、辅助指标、护栏指标无遗漏；
- 所有指标通过数据工程师评估，确认可在实验周期内获得数据。
3.9 内联SVG流程图：指标选择决策流程
实操提示：在构建优先级矩阵时，建议先让团队独立打分（1~5分），然后取平均值画点，避免群体盲从。
常见误区：不要把所有指标都放到“核心指标”象限。保持核心指标不超过2个，否则实验会丧失焦点。
3.10 小结
本章完成了从业务目标到可量化指标的系统选择流程。北极星指标提供长期方向，领先/滞后指标捕获过程与结果，护栏指标保障业务安全，优先级矩阵帮助团队理性取舍。下一阶段将进入实验设计与数据采集环节。