okr-design

OKR 设计与指标框架

构建目标、将指标拆解为 KPI 树、识别领先指标，并设计严谨的实验。

OKR 结构

目标是定性的，能够激励人心。关键结果是定量的，以结果为导向，绝不能只是产出清单。

Objective: Qualitative, inspiring goal (70% achievable stretch)
+-- Key Result 1: [Verb] [metric] from [baseline] to [target]
+-- Key Result 2: [Verb] [metric] from [baseline] to [target]
+-- Key Result 3: [Verb] [metric] from [baseline] to [target]

## Q1 OKRs

### Objective: Become the go-to platform for enterprise teams

Key Results:
- KR1: Increase enterprise NPS from 32 to 50
- KR2: Reduce time-to-value from 14 days to 3 days
- KR3: Achieve 95% feature adoption in first 30 days of onboarding
- KR4: Win 5 competitive displacements from [Competitor]

OKR 质量检查

检查项	目标	关键结果
有具体数值	否	是
鼓舞人心／激发动力	是	非必需
以结果为导向（而非“发布 X 个功能”）	是	是
有 70% 的实现可能性（有挑战性，而非保守设定）	是	是
与更高层级的目标保持一致	是	是

完整的引导议程（3-4 小时，包括点投票和最终定稿模板），请参阅 references/okr-workshop-guide.md。 有关常见陷阱和目标对齐级联模式，请参阅 rules/metrics-okr.md。

---

KPI 树与北极星指标

将顶层指标拆解为各个组成部分，并明确因果关系。

Revenue (Lagging — root)
├── New Revenue = Leads × Conv Rate          (Leading)
├── Expansion   = Users × Upsell Rate        (Leading)
└── Retained    = Existing × (1 - Churn)     (Lagging)

北极星指标与输入指标模板

## Metrics Framework

North Star: [One metric that captures core value — e.g., Weekly Active Teams]

Input Metrics (leading, actionable by teams):
1. New signups — acquisition
2. Onboarding completion rate — activation
3. Features used per user/week — engagement
4. Invite rate — virality
5. Upgrade rate — monetization

Lagging Validation (confirm inputs translate to value):
- Revenue growth
- Net retention rate
- Customer lifetime value

按业务类型选择北极星指标

业务	北极星指标示例	原因
SaaS	周活跃用户数	表明持续交付价值
Marketplace	商品交易总额	同时涵盖买家和卖家两侧
媒体	使用时长	参与度反映内容价值
电商	购买频率	重复购买 = 满意度

完整的收入和产品健康度 KPI 树示例，请参阅 rules/metrics-kpi-trees.md。

---

领先指标与滞后指标

每个需要提升的滞后指标，都需要 2-3 个领先预测指标。

## Metric Pairs

Lagging: Customer Churn Rate
Leading:
  1. Product usage frequency (weekly)
  2. Support ticket severity (daily)
  3. NPS score trend (monthly)

Lagging: Revenue Growth
Leading:
  1. Pipeline value (weekly)
  2. Demo-to-trial conversion (weekly)
  3. Feature adoption rate (weekly)

指标	回顾频率	行动时间线
领先指标	每日／每周	立即调整方向
滞后指标	每月／每季度	战略性调整

平衡的仪表板模板，请参阅 rules/metrics-leading-lagging.md。

---

指标埋点

埋点之前，必须先正式定义每个指标。

## Metric: Feature Adoption Rate

Definition: % of active users who used [feature] at least once in their first 30 days.
Formula: (Users who triggered feature_activated in first 30 days) / (Users who signed up)
Data Source: Analytics — feature_activated event
Segments: By plan tier, by signup cohort
Calculation: Daily
Review: Weekly

Events:
  user_signed_up  { user_id, plan_tier, signup_source }
  feature_activated { user_id, feature_name, activation_method }

事件命名：使用 snake_case 格式的 object_action，例如 user_signed_up、feature_activated、subscription_upgraded。

完整的指标定义模板、告警阈值和仪表板设计原则，请参阅 rules/metrics-instrumentation.md。

---

实验设计

每个实验都必须在启动前定义护栏指标。护栏可防止发布看似“成功”却造成隐性损害的改动。

## Experiment: [Name]

### Hypothesis
If we [change], then [primary metric] will [direction] by [amount]
because [reasoning based on evidence].

### Metrics
- Primary: [The metric you are trying to move]
- Secondary: [Supporting context metrics]
- Guardrails: [Metrics that MUST NOT degrade — define thresholds]

### Design
- Type: A/B test | multivariate | feature flag rollout
- Sample size: [N per variant — calculated for statistical power]
- Duration: [Minimum weeks to reach significance]

### Rollout Plan
1. 10% — 1 week canary, monitor guardrails daily
2. 50% — 2 weeks, confirm statistical significance
3. 100% — full rollout with continued monitoring

### Kill Criteria
Any guardrail degrades > [threshold]% relative to baseline.

上线前检查清单

• 记录假设和预期效应量
• 定义主要指标、次要指标和护栏指标
• 根据最小可检测效应计算样本量
• 为护栏指标配置仪表板或告警
• 制定分阶段发布计划，并为每个阶段设定停止标准
• 记录回滚流程

有关护栏阈值、性能和业务护栏表，以及告警 SLA，请参阅 rules/metrics-experiment-design.md。

---

常见陷阱

陷阱	应对措施
关键结果是产出（“发布 5 个功能”）	改写为结果（“将转化率提高 20%”）
只跟踪滞后指标	为每个滞后指标配上 2-3 个领先预测指标
设定目标前没有基线数据	先埋点并测量 2 周，再设定 OKR
未设置护栏就启动实验	发布任何代码前先定义护栏
OKR 过多（每个团队超过 5 个）	每个团队限定 3-5 个目标，每个目标设 3-5 个关键结果
指标无人负责	每个指标都需要指定团队负责人

---

相关技能

• prioritization — RICE、WSJF、ICE、MoSCoW 评分；OKR 明确了哪些 KPI 会影响 RICE 评分中的影响力
• product-frameworks — 完整的 PM 工具集：价值主张、竞争分析、用户研究、商业论证
• product-analytics — 为 OKR 树中定义的指标埋点并查询
• write-prd — 在产品需求中纳入成功指标和实验假设
• market-sizing — 锚定北极星指标目标的 TAM/SAM/SOM
• competitive-analysis — 为 KR 目标提供参考的竞争对手基准

---

版本： 1.0.0