北極星指標 North Star Metric

什麼時候該用它？

當你的團隊同時盯著 20 個指標，卻沒有人能回答「我們到底做得好不好？」的時候。北極星指標的目的是讓全公司對齊一個最重要的數字。

• 指標分散：行銷看流量、產��看留存、財務看營收，各自為政
• 優化方向互相衝突：提升轉換率的做法可能傷害使用者體驗，需要一個上位指標來裁決
• 新進成員搞不清楚重點：一個明確的北極星讓新人快速理解「我們在乎什麼」
• 成長策略制定：需要一個指標來衡量所有實驗的「淨效果」

框架結構

北極星指標的三個特性

一個好的北極星指標必須同時滿足：

1. 反映使用者獲得的價值：不是公司賺了多少錢，而是使用者得到了多少好處
2. 可衡量產品的核心行為：使用者重複做的那個「有價值的動作」
3. 是營收的先行指���：如果這個數字持續上升，營收遲早跟上

經典範例

北極星 ≠ 營收

常見誤區：把「月營收」或「MRR」當北極星。問題是營收是結果指標（lagging indicator），你無法直接驅動它。北極星應該是你能直接影響的、更上游的行為指���。

輸入指標（Input Metrics）

北極星指標通常可以拆解成 3-5 個輸入指標。例如 Airbnb：

• 北極星：預訂住宿晚數
• 輸入指標：搜尋量、搜尋到瀏覽轉換率、瀏覽到預訂轉換率、平均住宿天數

團隊的日常工作就是優化這些輸��指標。

來源與歷史

• 2014-2015：Facebook 的成長團隊開始大量使用「One Metric That Matters」概念，把 DAU 作為團隊對齊的核心
• 2017：Sean Ellis 和 Morgan Brown 在《Hacking Growth》中正式推廣「North Star Metric」框架
• 2019：Amplitude 發表《North Star Playbook》，系統化定義了��極星指標的選擇方法和拆解框架
• 至今：幾乎所有成長型公司都有自己的北極星，但定義品質差異極大

真實案例：Spotify 的北極星演��

Spotify 早期用「月活躍使用者（MAU）」作為北極星。問題是 MAU 太粗糙 — 一個月只登入一次也算活躍，但這種使用者隨時會流失。

轉折點：數據團隊發現，「每週聽歌超過 X 小時」的使用者，付費轉換率是其他人的 4 ��，12 個月留存率高出 60%。

於是 Spotify 把北極星從 MAU 改為「每週聽歌時間」，並拆解出輸入指標：

• 每週開啟 App 天數
• 每次聆聽時長
• Discover Weekly 播放完成率（個人化推薦的品質）
• Podcast 收聽時間（新增長引擎）

效果：團隊的日常決策從「怎麼讓更多人註冊」轉向「怎麼讓���用者聽更久」。推薦演算法、播放列表、Podcast 整合 — 所有功能開發都圍繞這個北極星展開。結果付費使用者比例穩定提升，2023 年付費使用者超過 2.2 億。

使用步驟

Step 1：盤點候選指標

列出所有你目前在追蹤的指標。通常會有 10-30 個。然後用三個特性篩���：反映使用者價值？可衡量核心行為？是營收先行指標？

Step 2：測試因果關係

對候選指標跑相關性分析：這個指標上升時，營收/留存是否跟著上升？如果���是，那它不是北極星。

Step 3：選定一個（只能一個）

如果選了兩個北極星，等於沒有北極星。團隊需要在意見不一致時有一個「最終裁判」。

Step 4：拆解輸入指標

把北極星拆成 3-5 個可操作的輸入指標，分配給不同團隊負責。這樣每個人都知道自己的工作如何影響大目標。

Step 5：建立追蹤儀表板

讓北極星和輸入指標��每週團隊會議上可見。不需要花俏的 BI 工具，一個簡單的 Google Sheet 就夠了，重點是「每個人都看得到」。

這樣做 vs 避免這些

這樣做

• 讓北極星反映「使用者獲得的價值」而非「公司賺到的錢」
• 每季 review — 產品策略變了，北極星可能也要調整
• 用北極星來裁決功能爭論 — 「這個功能對北極星的影響是正還是負？」
• 把北極星放在每個會議室的牆上（或 Slack 頻道的 topic）

避免這些

• 不要選營收當北極星 — 營收是結果，不是你能直接驅動的行為
• 不要選太容易灌水的指標 — 「註冊數」可以靠廣告硬砸，不代表產品好
• 不要選了就不管 — 北極星連續 3 個月不動，要回頭檢查是不是選錯了
• 不要讓北極星變成壓力工具 — 它是方向指引，不是 KPI 鞭子