3. OSM 模型：目标拆解·策略对应·度量选择
OSM 模型（Objective‑Strategy‑Measure）是北极星拆解的核心工具，它将高层商业意图逐层转化为可执行、可量化的指标看板。本讲以“提升用户复购率”为例，完整演示 OSM 三层的构造与落地。
3.1 模型三要素定义
| 层级 | 含义 | 回答的问题 |
|---|---|---|
| Objective（目标） | 业务最终期望达成的定性/定量方向 | 我们要去哪里？ |
| Strategy（策略） | 实现目标的核心路径或打法 | 我们怎么去？ |
| Measure（度量） | 衡量策略执行效果的具体指标 | 如何证明到了？ |
3.2 目标拆解：从北极星到 O 层
北极星指标通常是唯一的最顶层指标，例如“月活跃用户数”。OSM 的第一步是将其拆解为多个子目标（O），每个子目标对应一个驱动因子。
示例拆解（电商平台）
- 北极星：月活跃购买用户数
- 子目标 O1：提升新用户首单率
- 子目标 O2：提升老用户复购率
- 子目标 O3：减少高价值用户流失
3.3 策略对应：每个 O 配 S
为每个子目标设计 1~3 条策略。策略应具体、可执行，避免空泛口号。
策略选择原则：优先选择投入产出比高、实验周期短的策略；多个策略间尽量互相独立（正交），便于后续归因。
| 子目标 (O) | 对应策略 (S) | 策略类型 |
|---|---|---|
| O1: 提升首单率 | S1: 新客专享满减券 | 补贴 |
| S2: 新手引导流程优化 | 体验 | |
| O2: 提升复购率 | S3: 会员日大促推送 | 营销 |
| S4: 购买后7天自动发优惠提醒 | 自动化 | |
| O3: 减少流失 | S5: 高价值用户专属客服 | 服务 |
3.4 度量选择：每 S 配 M
每个策略需要至少一个度量指标来验证效果。指标必须可量化、有数据口径、能触发决策动作。
常见陷阱：只选“结果指标”而忽略“过程指标”。例如S1发满减券，除了看首单率，还要监控券核销率、客单价变化，否则无法解释效果好坏的原因。
| 策略 (S) | 度量 (M) | 数据口径 |
|---|---|---|
| S1: 新客满减券 | 新客首单转化率 | 领取券后72h内完成首单人数 / 领取总人数 |
| S2: 新手引导优化 | 新手任务完成率 | 完成3个核心任务人数 / 启动任务人数 |
| S3: 会员日推送 | 推送点击率 | 点击链接人数 / 推送触达人数 |
| S4: 7天提醒 | 复购触发率 | 收到提醒后7天内再次下单人数 / 收到提醒人数 |
| S5: 专属客服 | 高价值用户月流失率 | 当月活跃但次月未活跃用户 / 上月活跃高价值用户 |
3.5 看板结构设计
一个 OSM 看板通常按“目标总览 → 策略效果 → 度量明细”三层布局，支持下钻。
- 第一层（总览）：展示各子目标当前达成率、历史趋势、预警标识。
- 第二层（策略）：每个策略卡片展示对应度量指标值、同比环比、实验分组对比。
- 第三层（明细）：原始数据表格，支持维度拆解（如新老客、渠道、城市等级）。
3.6 异常解释与业务动作
案例：复购率周度环比下降 5%（超出阈值 -3%）。
- 维度拆解：按会员等级拆解，发现“普通会员”复购率下降 12%，而“VIP 会员”持平。
- 原因定位：普通会员的“7天提醒”推送点击率从 8% 降至 3%，经排查是推送时段由19:00改为21:00，导致用户活跃度低。
- 业务动作：将推送时段回滚至19:00，并A/B测试验证；24小时内观察点击率回升。
- 复盘动作：在看板上增加“推送时段”维度下钻，并在异常归因记录中写入本次根因。
3.7 复盘分析要点
- O 层复盘：子目标是否真实驱动北极星？是否有被忽略的杠杆（如沉默唤醒）？
- S 层复盘：策略是否完全对应目标？是否存在策略冲突（如新客补贴导致老客不公平）？
- M 层复盘：指标是否敏感且可快速获取？是否有“虚荣指标”（如曝光量 vs 有效转化）？
OSM 模型常见误区：目标定得太虚（“提升用户体验”）、策略与目标脱节（目标“复购”却只做了拉新活动）、度量选错（用“订单量”衡量“客单价”）。每次迭代更新时需重新校准三层一致性。