lean-analytics

精益分析

Alistair Croll 和 Benjamin Yoskovitz 的 Lean Analytics 提炼出了一套面向创业公司的数据方法：区分能改变决策的指标与只会让人自我感觉良好的数字，然后让整个公司聚焦于符合自身业务模式和发展阶段的关键指标（One Metric That Matters）。可用它来选择指标、审查仪表板、设定目标并规划埋点。

核心原则

聚焦于当前最重要的那一个指标——其他一切都是让人误以为有所进展的噪声。 创业公司更常因缺乏专注而非缺乏数据走向失败。关键在于了解自己的业务模式和发展阶段，并追踪那个能告诉你业务中风险最高的环节是否奏效的单一数字。只有能改变下一步行动的指标才值得关注。

评分

目标：10/10。 根据这些原则，对指标选择、仪表板和埋点计划按 0 到 10 分进行评分。报告当前得分，以及达到 10/10 所需的具体改进。

• 9-10： 采用符合业务模式和发展阶段的单一关键指标（OMTM），搭配配对的反向指标，设定明确底线并预先约定未达标时的应对措施，同时按队列和细分群体分析数据
• 7-8： 大多采用可执行的比率指标，关键指标（OMTM）也较合理，但缺少明确目标、队列分析薄弱，或“关键”指标过多
• 5-6： 可执行指标和虚荣指标混杂；虽有仪表板，却很少因此改变决策；从未明确业务模式和发展阶段
• 3-4： 虚荣指标占主导——总数、累计图表、混合平均值；指标照搬其他公司
• 0-2： 没有埋点，或选择数字是为了打动投资者，而非推动决策

框架

1. 好指标与虚荣指标

核心概念： 好指标具有可比性（与上周相比，或与另一组队列相比）、易于理解（团队成员能记住并讨论）、是比率或速率（而非不断增长的总数），并且能改变行为——如果一个数字不会改变你的做法，就别再测量它。虚荣指标——注册总数、页面浏览量、任何累计数据——只会不断上升，只会让你感觉良好。

为何有效： 分析的产出是决策，而非数据。比率天然具有可比性且可采取行动，而总数会掩盖衰退：即使活跃用户不断流失，注册用户总数仍在上升。用“我们会因此采取哪些不同做法？”这一问题检验每个指标，就能把报告转化为学习。

关键洞见：

• 运用成对视角：定性与定量（访谈揭示原因，数字揭示程度）、探索与报告（探索能发现你的不公平优势；报告则让业务维持运转）、领先与滞后（投诉能在流失发生前预测流失）、相关与因果
• 相关性帮助找到杠杆，只有实验才能证明因果——找出共同变化的指标，再对随机分组进行单一变量调整，以检验因果关系
• 队列让时间变化真实呈现：按注册月份比较用户，否则真实的改善会消失在混合平均值中
• 细分群体让比较更真实：按渠道、套餐和地域拆分——总体数据持平，往往掩盖了一个细分群体大幅增长、另一个急剧下滑的情况
• 数据偏斜时，平均值会骗人：大客户和潜水用户代表的是不同的业务，因此要查看中位数和百分位数
• 累计数据曲线一路向右上方增长，是最可靠的虚荣指标信号

应用：

场景	应用方式	示例
审查仪表板	将每个总数改写为比率	注册总数 → 7 天内完成激活的访客百分比
董事会报告	展示队列，而非累计曲线	按注册月份统计留存率，取代“用户随时间变化”
功能决策	要求提供能改变行为的指标	“如果第 7 天留存率没有提升 10%，就下架该功能”

审查仪表板或用四项测试检验指标时，请参阅 references/good-metrics.md，其中包含完整的测试定义、10 行虚荣指标改写表、队列留存示例、细分规则、从相关性到因果关系的实验流程，以及指标定义模板。

2. 唯一重要指标（OMTM）

核心概念： 在任何时候，都有一个数字比其他所有数字都重要——它能告诉你，当前风险最高的假设是否成立。选出这个数字，把它展示在所有地方，并让它驱动每一次实验，直到你进入下一阶段。

为何有效： OMTM 回答了你眼下最重要的问题，促使你预先划定明确界限，在结果出现前就定义什么是“足够好”，并让整个公司聚焦于此。包含 40 个数字的仪表板会分散责任；一个数字则能形成共同的成绩榜和实验文化。

关键见解：

• OMTM 会轮换——它是现在重要的指标，而不是永远重要；通过阶段关卡或转型都会改变它
• 将它与一个反向指标配对，避免指标被钻空子：激活速度搭配 30 天留存率，销售速度搭配退款率
• 明确界限包含三部分：一个目标数字、一个日期，以及对“如果未达标该怎么办？”的预先承诺
• “足够好”应当是事先做出的决定，而不是事后才发现的结果——否则目标就会不断变动
• 如果团队无法就 OMTM 达成一致，说明你们还没有就业务中风险最高的部分达成一致——这场争论本身才有价值
• 收集许多指标，但只关注一个——其余指标放在下钻报告中，而不是展示在墙上

应用场景：

场景	应用	示例
季度规划	每个阶段设定一个 OMTM；实验都围绕它展开	粘性阶段 → 所有投注都以第 4 周留存率为目标
仪表板设计	OMTM 大字显示，4-6 个辅助指标小字显示	墙面显示：付费转化率 3.2% 用超大字号；下方显示 CAC、流失率、NPS
团队协同	预先承诺未达标时的应对措施	“到 3 月 1 日仍低于 10% → 我们转向代理机构细分市场”

伦理边界： 明确界限是为了规范公司的投注，而不是约束个人——将 OMTM 变成个人配额，会诱发钻空子并掩盖真相。

在选择或轮换 OMTM、配对反向指标或划定明确界限时，请参阅 references/omtm.md，其中包含六步选择流程、6x3 阶段 x 模型矩阵、包含 7 行内容的反向指标博弈方式表、明确界限和轮换触发规则，以及三个完整示例。

3. 按商业模式划分的指标

核心概念： 商业模式决定了有哪些指标，以及哪些指标重要。《Lean Analytics》定义了六种典型模式——电子商务、SaaS、免费移动应用、媒体网站、用户生成内容和双边市场——每种模式都有自己的指标树，以及对“运转良好”的定义。

为何有效： 照搬其他公司的北极星指标会失败，因为指标体现了商业模式的运作机制：市场的成败取决于流动性，SaaS 业务取决于流失率，媒体网站取决于有效参与的注意力。先明确自己的模式，就能把“我们该衡量什么？”从头脑风暴变成按图索骥。

关键洞察：

• 电子商务依赖转化率、平均订单金额和复购率——年复购率低于约 40% 表示处于获客模式，高于约 60% 表示处于忠诚度模式，而两种模式的策略各不相同
• SaaS 依赖 MRR、流失率、LTV:CAC、扩张和价值实现时间；免费移动应用依赖下载量 → DAU/MAU、付费用户占比，以及 ARPDAU 与 ARPPU（鲸鱼用户会扭曲所有平均值）
• 媒体依赖受众规模、有效参与时间（而非原始页面浏览量）、CTR 和 RPM；UGC 依赖参与漏斗——访客 → 窥视者 → 评论者 → 创作者——以及每位用户的内容量和垃圾内容率
• 市场依赖流动性：商品列表、成交／售出率、交易时间、抽成率、买卖家比例——GMV 乘以抽成率之前，只是虚荣指标
• 混合型业务必须选定一个主要模式来确定 OMTM；次要模式提供辅助指标，而不是享有同等权重
• 模式也决定了如何埋点：预先定义每项指标的公式和数据来源，否则每个团队对“流失率”的计算方式都会不同

应用场景：

场景	应用方式	示例
新产品埋点	明确模式，采用对应的指标树	订阅盒 → 主要模式为 SaaS；先追踪流失率，再看 AOV
北极星指标之争	根据模式机制推导，不要照搬	市场采用成交率，而非 SaaS 风格的 MRR 目标
投资者仪表盘	报告该模式的标准比率	SaaS 融资材料：MRR 增长率、净流失率、LTV:CAC、CAC 回本周期

为产品设置埋点或选择某种模式的标准比率时，请参阅 references/business-model-metrics.md——其中包含全部六种模式的指标树、公式、埋点说明、衡量失败模式以及混合模式指导。

4. 按阶段衡量指标：Lean Analytics 的各个阶段

核心概念： 初创公司会经历五个阶段——共情、黏性、病毒式传播、营收、规模化——每个阶段都有一道关卡。OMTM 是商业模式与当前阶段的交集；未通过当前关卡就开始追求后续阶段的指标，是初创公司最典型的错误。

为何有效： 按顺序推进可以避免浪费。产品留不住用户时就投入病毒式传播，等于把水倒进漏水的桶里；单位经济效益尚未跑通就付费获客，会精准地消耗 runway。每道关卡都能降低下一笔更大规模的资金和时间投入所面临的风险。

关键见解：

• 共情：是否通过 15 次以上的问题访谈，确认了一个痛苦、频繁出现，且人们愿意付费解决的问题？这个阶段的指标主要是访谈记录——这完全正确
• 黏性：人们会主动反复使用产品吗？跟踪留存队列和核心操作参与度；别把用户倒进漏水的桶里
• 病毒式传播：用户会带来新用户吗？跟踪病毒系数和传播周期——缩短周期往往比提高系数更能加快增长，而且内在的病毒式传播胜过激励邀请
• 营收：投入 1 美元能否在足够短的时间内带来超过 1 美元的回报？关注每位客户营收、CAC 回本周期和毛利率
• 规模化：拓展渠道、合作伙伴和新市场——指标从产品风险转向生态和运营
• 关卡看的是证据，而不是时间：留存曲线趋于平稳，意味着通过黏性阶段；在可接受的回本周期内实现正向单位经济效益，意味着通过营收阶段

应用：

场景	应用方式	示例
增长支出决策	先检查黏性关卡	D30 留存率为 4% → 先改进新手引导，再投放广告
路线图优先级排序	阶段决定 OMTM；OMTM 决定工作内容	黏性阶段应发布新手引导改进，而不是推荐计划
融资陈述	展示已通过的关卡及其证据	“第 4 周留存率稳定在 35%——融资以扩大获客规模”

在确定所处阶段或判断是否已通过关卡时，请参阅 references/five-stages.md，其中包含各阶段的实战指南、关卡指标、退出标准检查清单、过早规模化的症状，以及资金与 runway 的相互影响。

5. 基线与底线

核心概念： 没有目标的指标只是无关紧要的数据。将公开发布的基线作为起始参考，而非铁律，用来定义「足够好」；然后划定底线：一个数字、一个日期，以及未达标时预先承诺采取的行动。

为什么有效： 基线能将开放式衡量转化为可证伪的赌注。知道月客户流失率约 5% 是早期 SaaS 的上限，就能判断是该优化还是重建；没有底线，任何结果都能被合理化，也就没有实验会失败。

关键见解：

• 早期 SaaS：月客户流失率约 5% 是可行上限；健康的公司会努力将其降至约 2% 或更低
• 习惯类和社交应用：DAU/MAU 达到约 20% 或更高，说明用户确实有参与度；休闲移动应用的第 30 天留存率平均约为 14%，因此要做好留存率大幅衰减的准备
• 转化率：电商访客的典型转化率约为 1%–3%；来自优质付费流量的落地页通常只有个位数的低段转化率——25%–30% 属于极佳表现，不应作为规划目标
• 病毒系数超过 1 的情况既罕见又短暂；应将病毒传播视为降低 CAC 的手段，并优先优化传播周期，再考虑病毒系数
• 如果没有适用于你的案例的基准？先测量当前值，在此基础上持续改进并关注变化率——每周提升 5%，复利增长后就能达到品类领先水平
• 基准会因市场、渠道、价格区间和时代而变化——采用他人的数字前，务必基于自己的用户群组重新推导

应用场景：

场景	应用	示例
设定目标	基线 → 底线 → 预先承诺	「第三季度结束前将流失率降至 4% 以下，否则重建新手引导」
异常排查	先与自己的基线比较，再看行业基准	转化率一周内从 2.4% 降至 1.9%——调查这次发布
评估渠道	按渠道重新推导基准	付费社交转化率为 0.8%，搜索为 4%——预算按底线调整

需要完整的逐步讲解时，请参阅 references/case-studies.md——其中包含三个场景：将 SaaS 仪表盘转为 OMTM、发现市场流动性，以及在增长前改善移动应用的用户黏性。

常见错误

错误	失败原因	修正方法
仪表盘有 40 个指标	分散关注；无人负责任何指标	突出显示一个 OMTM，搭配 4–6 个辅助指标，其余归档
为累计图表喝彩	总数不会下降，因此会掩盖衰减	改为绘制比率、转化率和用户群组留存率
照搬另一家公司的北极星指标	指标体现了你并不具备的商业模式机制	根据你的商业模式 × 阶段推导 OMTM
跳过用户群组分析	汇总平均值会掩盖产品是否在改进	按时间分别追踪每个注册用户群组
黏性不足时就优化病毒传播	增长会放大流失——就像一个漏水的桶	通过留存门槛后，再构建邀请闭环
衡量容易测量的，而非风险最大的	决策仍然靠直觉	先为风险最大的假设添加埋点
没有底线	任何结果都会被合理化；实验无法失败	预先承诺目标、日期和未达标时的应对措施
混淆相关性与因果关系	你推动了一个并不影响结果的指标	投入资源前先开展对照实验

快速诊断

问题	如果没有	行动
你现在能说出你的 OMTM 吗？	注意力分散在整个仪表盘上	从当前商业模式 × 阶段中选一个指标
这个指标会改变你接下来要做的事吗？	你是在汇报，而不是做决策	删除它，或明确它所决定的决策
它是比率或速率，而不是总量吗？	有虚荣指标的风险——总量只会不断增长	将其改写为转化率、留存率或单用户比率
你知道自己的商业模式类型吗？	指标树设置错误	说出六种模式中的一种；采用其指标
你知道自己所处的阶段（共情 → 规模化）吗？	你可能过早地优化了后续阶段	找出第一个尚未通过的关卡；那就是你所处的阶段
是否有带日期的目标，以及未达标时的计划？	结果出来后，目标线就会变动	把界限明确写下来
数据是否按群组划分并经过细分？	平均值掩盖了真相	建立群组表；按渠道和细分群体拆分
是否有反向指标来约束 OMTM？	OMTM 会被操纵	为其配对一个指标，例如注册增长 × 30 天留存率

延伸阅读

• "Lean Analytics: Use Data to Build a Better Startup Faster"，作者 Alistair Croll 和 Benjamin Yoskovitz
• "The Lean Startup"，作者 Eric Ries
• "Trustworthy Online Controlled Experiments: A Practical Guide to A/B Testing"，作者 Ron Kohavi、Diane Tang 和 Ya Xu

关于作者

Alistair Croll 是一位企业家和分析师，曾共同创立网络性能公司 Coradiant，创立 Solve For Interesting，并担任 Startupfest 等多个科技会议的主席。Benjamin Yoskovitz 是创投工作室 Highline Beta 的创始合伙人，也是一位连续创业者和初创企业投资人。他们为 Eric Ries 的 Lean Series 撰写了 Lean Analytics。