🧩產品設定
假設你是 一個語音學習 App（幫助用戶練習口說） 的產品經理，App 有三個功能：
- 免費用戶每天可隨機配對 1 次語音練習
- 付費用戶可無限配對，並能解鎖 AI 發音糾錯
- 每月舉辦一次 語音挑戰活動（排行榜 + 獎勵）
👉 請回答
- 你會選哪個指標作為北極星指標（North Star Metric, NSM）？
- 請說明理由（它如何代表產品為用戶創造的核心價值？）
- 你不會選哪些指標？為什麼？
- 請拆出 3 個影響這個 NSM 的主要驅動因子（例如：新用戶增長、留存、使用時長）
- 為每個驅動因子再拆 1 個可操作的低階指標（例如：次日留存、每次練習平均時長、挑戰參與率）
在回答之前
在回答之前，這次的題目讓我想很久，因為北極星指標很常看到，但這次練習，突然要自己馬上定義，反而會愣住，因此我先 google，從中複習北極星指標的概念
特別推薦以下文章，不只解釋北極星指標也舉了很多案例還有提點，如果想要快速了解、複習北極星指標，很推薦閱讀產品數據建構流程 | EP4：你真的找對「北極星指標」了嗎？LinkedIn、Spotify都在用的數據決勝法則
選哪個指標作為北極星指標（North Star Metric, NSM）？
回答之前，我想分享推薦的文章中，他是如和解釋北極星以及舉例
- 衡量客戶價值時刻（A-ha Moment）：能準確反映客戶體驗到產品價值的關鍵點
- 與產品戰略對齊（Represent Product Strategy）：能夠引導產品團隊的決策和優化方向
- 作為營收的領先指標（Leading Indicator of Revenue）：不是單純追蹤結果，而是能預測成長趨勢
- 簡單明瞭、易於記憶（Understandable & Recallable）：讓團隊所有成員都能理解並對齊
因為它符合以下特質：
- 代表用戶價值：每一次成功搭乘，都是 Uber 提供服務價值的時刻
- 可行動化：提升搭乘次數是一個清晰且可執行的目標
- 與營收直接相關：成功媒合的搭乘次數越多，公司獲利就越高
看完他文章分享的這一段，我開始回答問題「選哪個指標作為北極星指標（North Star Metric, NSM）？」
我認為「語音練習次數」是北極星指標，原因如下
- 代表用戶價值：語音練習是產品的核心，每一次語音練習，都是此 app 提供服務價值的時刻
- 可行動化：提升語音練習次數是一個清晰且可執行的目標
- 語音練習的品質與成效，會是用戶是否會使用的關鍵因素
- 與營收直接相關：語音練習需求如果成長意味著，使用者更有機會轉為付費用戶，進一步提升營收
GPT 給我的回饋
- 「語音練習次數」確實能代表核心價值（幫助用戶持續開口練習），而且跟營收轉化有正相關
- 單純「語音練習次數」可能會被灌水（例如：免費用戶一直嘗試但沒真正完成）
- 建議改成 「有效語音練習次數」，例如練習超過 30 秒，或雙方都有互動，這樣能更準確衡量價值
在撰寫語音練習次數時，我也猶豫過，是否要定義的非常明確，如某段時間內，但後來我卡住的點在於「有效」很主觀，看到 GPT 回饋，我才意識到，沒有定義可能會被灌水，其實也沒有比較好，還不如先定義，至於數值如何，可以根據過往 or 未來數據調整
不會選哪些指標？為什麼？
- 配對次數：因為配對次數與多寡，對於產品成長並沒有幫助
- 語音練習時長：雖然時長會反應用戶的投入程度
- 每日活躍人數：如果大家都很活躍，但沒有配對成功也沒有練習到，我認為此標是虛指標
GPT 給我的回饋
- 你指出「活躍數」或「練習時長」不一定代表用戶獲得實質語音練習價值，這很關鍵，因為很多 PM 容易被 vanity metrics 誘惑
- 關於配對次數不一定是無效指標
- 雖然你說「配對次數」不是核心，但它其實是 中間指標
- 因為沒有配對就沒有練習，若配對數高但練習數低，代表「轉化問題」，建議可以標註成「過程指標，而非 NSM」
會覺得配對次數不是核心，如同第一題提到的盲點，太過於主觀認為配對次數可能會被灌水，但其實問題在於配對次數與北極星指標並沒有被定義明確，才會變成一直模糊
請拆出 3 個影響這個 NSM 的主要驅動因子
如何讓語音練習次數持續提升，語音練習次數公式拆解：用戶數 * 配對成功率 ＝ 語音練習
- 新用戶數增長
- 不論是免費還是付費，我認為練習口說的部分每天一次就不錯了，所以用戶數必須夠大
- 用戶數要夠大，除了老用戶的回訪、留存，新用戶持續提升也是很重要的指標
- 用戶留存
- 老用戶的留存必須趨於穩定，才會持續練習口說，才能夠達到北極星指標
- 配對成功率
- 會直接影響練習口說是否有成，因此能否引導用戶提供資訊、選擇偏好會是提升此指標的因素
- 另外，怎麼訓練可靠的模型，根據用戶資料持續精準配對，這也是關鍵
GPT 給我的回饋
- 用「用戶數 × 配對成功率」來拆解練習次數，思路正確，也讓因子之間的關係更直觀
- 除了新用戶、留存、配對成功率，其實「學習體驗是否有效」也會強烈影響使用頻率
- 例如：AI 發音糾錯的精準度、語音挑戰的參與動機
太專注於展示數據面向指標，忽略產品是由數據與體驗建構而成的，因此我認為這部分的回饋，對我來說是一個很好的提醒
為每個驅動因子再拆 1 個可操作的低階指標
- 新用戶數增長
- 低階指標 ➝ 新用戶數註冊率
- 幫助我觀測每天新用戶數是否有成長
- 用戶留存
- 低階指標 ➝ 用戶次日回訪率
- 判斷用戶是否會持續回到 app
- 配對成功率
- 低階指標 → 放棄率（匹配中途取消率）
- 用戶在匹配過程中取消或退出的比例，或是配對到不願開始語音練習
GPT 給我的回饋
GPT 建議我可以把三個因子再具體化一點
- 新用戶數增長
- 我寫「新用戶註冊率」，很好，但更精準可以用「新用戶首日完成首次練習率」，因為單純註冊未必代表體驗到價值
這段提到數據如果沒有定義清楚，很容易被灌水，同時我的北極星指標提到「語音練習次數」但低階指標卻未提到此核心
- 用戶留存
- 「次日回訪率」OK，但可以再加 「7 日練習完成率」，因為口說練習需要形成習慣，短期 + 中期留存會更完整
這段提到提醒產品體概念，如果只專注在留或回訪，也沒錯，但如果忽略產品特性，很容易對數據做出誤判，短期留存不錯但隨著時間卻有可能漸漸不如預期但沒意識到
- 配對成功率
- 「放棄率」不錯，但還可以追 「配對後練習完成率」，才能知道是配對本身出問題，還是匹配到卻體驗不好
可以透過對數據的定義，更清楚辨識出問題
我的學習
- 複習和實踐北極星指標的定義
- 針對每一個指標都經過了有趣的思考，雖然還是很模糊但看到 GPT 的回饋，我覺得這段是很棒的學習
- 體驗與數據相輔相成，如果缺少體驗思維，數據會變得很偏頗
這是我第 31 天的練習紀錄，將持續練習這個「數據思維升級計畫」，持續優化觀察力與邏輯💪
