数据驱动产品迭代的指标体系
说实话，我刚做产品那会儿，最头疼的就是指标。每天看几十个数据，涨了跌了都慌。后来才明白——不是所有数字都值得盯着看。你得先搭好指标体系，才知道该关注什么、忽略什么。
这一章，我把常用的几套模型串起来讲。北极星指标、OMTM、AARRR、HEART、GSM——它们不是互相替代的关系，而是不同层级的工具。我习惯把它们看成：一个方向 + 一个聚焦 + 三套拆解框架。
核心观点：指标体系不是越多越好。好的指标体系，能让你在10秒内说清楚产品当前的健康状况。
3.1 北极星指标：你的产品到底要去哪
北极星指标，说白了就是唯一能指引产品长期方向的那个数。它不一定是收入，也不一定是DAU。它得回答一个问题：用户用你的产品，到底获得了什么核心价值？
举个例子。我参与过一款协作工具的产品迭代。团队一开始盯着「注册量」看，结果发现注册多、活跃少。后来我们把北极星指标改成「每周完成协作任务数」——这才对。因为用户留下来，是因为真的在协作，而不是注册完就走。
选北极星指标，有几个硬标准：
- 反映核心价值：用户用你产品最想做成的那件事
- 可量化、可拆解：能分解到团队每个成员的动作上
- 长期导向：不会因为短期刷数据而失真
一个小技巧：我每次选北极星指标，都会问自己——「如果这个数涨了，用户真的更爽了吗？」如果答案是「不一定」，那就换一个。
3.2 OMTM指标：这个季度就盯这一个
北极星指标是长期方向，但你不能每天都盯着它。它变化太慢。这时候就需要OMTM（One Metric That Matters）——当前阶段最重要的那个指标。
我习惯这么理解：北极星是「我们要去哪」，OMTM是「这三个月先搞定什么」。
| 维度 | 北极星指标 | OMTM |
|---|---|---|
| 时间跨度 | 长期（1-3年） | 短期（1-3个月） |
| 变化频率 | 慢 | 快 |
| 聚焦程度 | 唯一 | 唯一 |
| 典型场景 | 衡量产品健康度 | 衡量当前实验效果 |
举个例子。北极星是「周活跃用户数」，但最近新用户留存率暴跌。那这个季度的OMTM就应该是「新用户7日留存率」。等留存拉回来，OMTM再换。
注意：OMTM不能频繁换。我曾经犯过这个错——每周换一个指标，团队根本来不及反应。至少坚持一个迭代周期（2-4周），再评估要不要换。
3.3 AARRR模型：用户生命周期的五步拆解
AARRR，也叫海盗模型。它把用户从接触产品到持续使用，拆成五个阶段：
- Acquisition（获取）：用户怎么找到你的？
- Activation（激活）：用户第一次体验到核心价值了吗？
- Retention（留存）：用户还会回来吗？
- Revenue（收入）：用户付费了吗？
- Referral（推荐）：用户愿意告诉别人吗？
每个阶段都有对应的核心指标。我整理了一个常用清单：
| 阶段 | 核心指标示例 | 常见问题 |
|---|---|---|
| 获取 | 渠道来源占比、获客成本 | 哪个渠道ROI最高？ |
| 激活 | 激活率、首次核心行为完成率 | 用户卡在哪一步？ |
| 留存 | 次日/7日/30日留存 | 用户为什么走了？ |
| 收入 | ARPU、LTV、付费转化率 | 付费点设计合理吗？ |
| 推荐 | NPS、邀请率、K因子 | 用户愿意主动传播吗？ |
我自己的经验是：不要五个阶段平均用力。产品早期，重点看激活和留存；成熟期，才重点看收入和推荐。你想想看，用户都没留下来，谈什么付费？
3.4 HEART模型：用户体验的五维评估
AARRR偏「行为」，HEART偏「体验」。它由Google提出，包含五个维度：
- Happiness（愉悦度）：用户满意吗？常用NPS、满意度评分
- Engagement（参与度）：用户用得频繁吗？常用使用频率、时长
- Adoption（接受度）：新功能有人用吗？常用功能使用率
- Retention（留存率）：用户留住了吗？常用留存曲线
- Task Success（任务成功）：用户能做成事吗？常用任务完成率、耗时
我一般在做功能改版时，会重点用HEART。比如改版了一个注册流程，我会看：
- Happiness：改版后用户投诉变多了还是少了？
- Task Success：注册完成率有没有提升？
- Adoption：新流程的采用率是多少？
我的习惯：HEART和AARRR可以搭配用。AARRR告诉你「用户在哪一步掉了」，HEART告诉你「用户为什么掉」。
3.5 GSM模型：从目标到信号到指标
GSM是Google提出的一套指标设计方法。它帮你把模糊的目标，翻译成可衡量的指标。三个字母分别代表：
- Goal（目标）：你想达成什么？比如「提升用户参与度」
- Signal（信号）：你怎么知道目标达成了？比如「用户每天打开App的次数变多了」
- Metric（指标）：用什么数来衡量？比如「日均启动次数」
举个例子。有一次我们想优化搜索功能，目标是「让用户更快找到内容」。信号是什么？用户搜索后点击第一个结果的比例变高、搜索后离开的比例变低。指标就出来了：「搜索结果首条点击率」和「搜索后跳出率」。
GSM的核心价值：它强迫你从「目标」倒推，而不是拍脑袋选指标。我见过太多团队直接抄竞品的指标，结果跟自己的目标对不上。
3.6 五套模型怎么组合用？
你可能会问：这么多模型，到底用哪个？我的答案是分层使用：
- 顶层：北极星指标 + OMTM —— 定方向、定阶段重点
- 中层：AARRR 或 HEART —— 拆用户生命周期或用户体验
- 底层：GSM —— 把每个目标翻译成具体指标
下面这张图，是我自己项目里常用的指标体系结构：
避坑指南：我曾经在一个项目里同时用了AARRR和HEART，结果团队被十几个指标搞晕了。后来我规定：每个季度，每个团队最多同时关注3个核心指标。其他指标可以看，但不作为考核依据。
3.7 一个完整的实战案例
最后，我用一个在线教育产品的例子，把五套模型串起来：
- 北极星指标：每周完成课程数（反映用户学到了东西）
- OMTM（这个季度）：新用户首周完成1节课的比例（激活率太低）
- AARRR拆解：发现激活环节的瓶颈在「注册后3分钟内找不到第一节推荐课」
- HEART评估：改版推荐流程后，Task Success（找到课程的成功率）从45%提升到78%
- GSM翻译：目标=让用户更快找到课程；信号=用户搜索次数减少、推荐点击率提升；指标=推荐位点击率、搜索后跳出率
你看，五套模型不是孤立的。它们像一套工具箱——不同场景用不同工具，但最终都指向同一个方向：让产品变得更好。