name: 指标树 description: 在设置产品北极星指标时使用，将高层次业务指标分解为可操作子指标和领先指标，映射策略到可衡量结果，识别通过实验移动哪些指标，理解指标间的因果关系（领先 vs 滞后），优先考虑指标改进机会，或当用户提及指标树、指标分解、北极星指标、领先指标、KPI分解、指标驱动因素或指标如何连接时使用。
指标树
目录
目的
将高层次的“北极星”指标分解为可操作的子指标，识别领先指标，理解因果关系，并选择高影响力的实验来移动指标。
使用时机
在以下情况下使用指标树：
定义策略：
- 为产品/业务设置北极星指标
- 围绕单一最重要指标对齐团队
- 明确成功在量上的表现
- 连接战略目标到可衡量结果
理解指标：
- 将复杂指标分解为组成部分驱动因素
- 识别实际移动高层次指标的因素
- 理解指标间的因果关系
- 区分领先与滞后指标
- 映射指标间的相互依赖
优先行动：
- 决定关注哪些子指标
- 识别最高杠杆的改进机会
- 选择能移动北极星的实验
- 在指标改进努力中分配资源
- 理解指标驱动因素间的权衡
诊断问题：
- 调查为何指标下降
- 找出指标变化的根本原因
- 识别指标漏斗中的瓶颈
- 解决意外的指标行为
定义
指标树将北极星指标（产品/业务最重要的单一指标）分解为其组成部分驱动因素，创建具有清晰因果关系的相关指标层次结构。
关键概念：
北极星指标： 最能捕捉向客户提供的核心价值并预测长期业务成功的单一指标。示例：
- Airbnb：预订夜晚数
- Netflix：观看小时数
- Slack：团队发送的消息数
- Uber：完成行程数
- Stripe：支付金额
指标级别：
- 北极星（顶层）：成功的终极衡量
- 输入指标（L2）：北极星的直接驱动因素（可控制的因素）
- 行动指标（L3）：驱动输入的具体用户行为
- 输出指标（L4）：行动的结果（通常是领先指标）
领先与滞后：
- 领先指标：预测未来北极星移动（早期信号）
- 滞后指标：衡量过去性能（延迟反馈）
快速示例：
北极星：每周活跃用户（WAU）
输入指标（L2）：
├─ 新用户获取
├─ 留存用户（周环比）
└─ 复活用户（不活跃→活跃）
行动指标（L3）用于留存：
├─ 用户完成新手指引
├─ 用户创建内容
├─ 用户与他人互动
└─ 用户收到通知
领先指标：
- 第1天激活率（预测7天留存）
- 首次会话中3个关键行动（预测长期参与）
工作流程
复制此清单并跟踪进度：
指标树进度：
- [ ] 步骤1：定义北极星指标
- [ ] 步骤2：识别输入指标（L2）
- [ ] 步骤3：映射行动指标（L3）
- [ ] 步骤4：选择领先指标
- [ ] 步骤5：优先考虑和实验
- [ ] 步骤6：验证和优化
步骤1：定义北极星指标
如果未提供上下文，询问用户：
- 产品/业务：我们衡量什么？
- 当前指标：任何现有关键指标？
- 目标：成功是什么样子？
选择北极星指标使用标准：
- 捕捉向客户提供的价值
- 反映商业模式（如何赚钱）
- 可衡量和可追踪
- 可操作（团队可以影响它）
- 不是虚荣指标
参见常见模式了解按类型的北极星指标示例。
步骤2：识别输入指标（L2）
将北极星分解为3-5个直接驱动因素：
- 什么直接导致北极星增加？
- 使用加法或乘法分解
- 确保组成部分在可能时互斥
- 每个输入应由团队控制
参见resources/template.md了解分解框架。
步骤3：映射行动指标（L3）
对于每个输入指标，识别具体用户行为：
- 什么行动驱动此输入？
- 专注于可衡量、可观察的行为
- 限制为每个输入3-5个行动
- 行动应在用户控制范围内
如果复杂，参见resources/methodology.md了解多层次层次结构。
步骤4：选择领先指标
识别预测北极星移动的早期信号：
- 哪些指标在北极星变化前改变？
- 寻找早期漏斗行为（新手指引、激活）
- 找出高留存队列中的模式
- 测试与未来北极星值的相关性
步骤5：优先考虑和实验
按以下排序机会：
- 影响力：移动此指标会影响北极星多少？
- 置信度：我们对关系的确定程度？
- 简易度：移动此指标的难度？
选择1-3个实验来测试最高优先级假设。
参见resources/evaluators/rubric_metrics_tree.json了解质量标准。
步骤6：验证和优化
验证指标关系：
- 检查指标间的相关性强度
- 验证因果方向（A导致B还是反之？）
- 测试领先指标时间（它预测多早？）
- 基于数据和实验优化
常见模式
按商业模式的北极星指标：
订阅/SaaS：
- 月度经常性收入（MRR）
- 每周活跃用户（WAU）
- 净收入留存（NRR）
- 付费用户增长
市场平台：
- 总商品价值（GMV）
- 成功交易
- 完成预订
- 平台抽成率 × 交易量
电商：
- 每访客收入
- 订单频率 × 平均订单价值
- 客户生命周期价值（LTV）
社交/内容：
- 平台使用时间
- 创建/消费的内容
- 参与用户（不仅是活跃）
- 网络密度
分解模式：
加法分解：
北极星 = 组成部分A + 组成部分B + 组成部分C
示例：WAU = 新用户 + 留存用户 + 复活用户
- 使用时：组成部分是独立细分
- 好处：团队可以拥有单个组成部分
乘法分解：
北极星 = 因素A × 因素B × 因素C
示例：收入 = 用户数 × 转化率 × 平均订单价值
- 使用时：组成部分相乘
- 好处：清晰显示杠杆点
漏斗分解：
北极星 = 步骤1 → 步骤2 → 步骤3 → 最终转化
示例：付费用户 = 注册数 × 激活数 × 试用开始数 × 试用转化数
- 使用时：顺序转换过程
- 好处：识别瓶颈
队列分解：
北极星 = Σ（队列大小 × 留存率）跨所有队列
示例：MAU = 每个注册队列的留存用户总和
- 使用时：留存是关键驱动因素
- 好处：区分获取和留存
注意事项
避免虚荣指标：
- ❌ 总注册用户（不反映价值）
- ❌ 页面浏览量（不指示参与）
- ❌ 应用下载（不意味活跃使用）
- ✓ 活跃用户、参与时间、完成交易
确保因果清晰：
- 不要混淆相关性和因果关系
- 测试A是否导致B或反之
- 考虑混杂变量
- 通过实验验证关系
限制树深度：
- 保持最多3-4个级别（北极星 → L2 → L3 → L4）
- 太深 = 分析瘫痪
- 太浅 = 不可操作
- 专注于最高杠杆级别
平衡领先和滞后：
- 需要两者以获得完整画面
- 领先指标用于早期行动
- 滞后指标用于验证
- 不要优化伤害滞后指标的领先指标
避免博弈：
- 考虑意外后果
- 团队可能博弈哪些行为？
- 添加护栏指标（质量、信任、安全）
- 平衡增长与留存/满意度
快速参考
资源：
resources/template.md- 包含分解框架的指标树结构resources/methodology.md- 用于复杂指标系统的先进技术resources/evaluators/rubric_metrics_tree.json- 指标树的质量标准
输出：
- 文件：当前目录中的
metrics-tree.md - 包含：北极星定义、输入指标（L2）、行动指标（L3）、领先指标、优先实验、指标关系图
成功标准：
- 北极星明确定义并包含理由
- 3-5个输入指标完全分解北极星
- 行动指标是具体、可衡量的行为
- 领先指标识别并估计时间
- 前1-3个实验用ICE分数优先
- 根据质量标准验证（得分≥ 3.5）
快速决策框架：
- 简单产品？ → 使用template.md带2-3个级别
- 复杂多边？ → 使用methodology.md为每边单独树
- 不确定北极星？ → 查看以上常见模式，用“捕捉价值 + 预测收入”标准测试
- 指标太多？ → 限制为每级别3-5个，专注于最高影响力
常见错误：
- 选择错误北极星：选择虚荣指标或团队无法影响的指标
- 级别太多：分析瘫痪，失去可操作性
- 弱因果链接：指标相关但非因果关系
- 忽视权衡：优化一个指标伤害另一个
- 无实验：构建树但不测试假设