InnoLab
EV04进化L2adapted

北极星指标

North Star Metric

北极星指标(NSM)是一个单一的核心指标,能够同时反映「用户获得了价值」和「公司在增长」——它是连接用户行为和商业结果的桥梁,驱动全团队向同一方向优化。

一图看懂
北极星指标激活输入留存输入互动输入回访输入

这是什么

北极星指标,就是从你公司一大堆数字里,挑出唯一一个最重要的,让全团队都朝着它使劲。

它之所以叫"北极星",是因为古人航海时,靠天上那颗北极星辨别方向——它不会动,所有人都看着它走,就不会迷路。一家公司的北极星指标,扮演的就是这个角色:一个单一的核心数字,它必须同时满足两件事——用户真的获得了价值,并且公司真的在增长。它是连接"用户爽不爽"和"公司赚不赚钱"之间的那座桥。

为什么强调"唯一一个"?因为指标一旦超过一个,方向就开始打架。产品部优化自己的数字,增长部优化自己的数字,销售部优化自己的数字,每个部门看着都很努力,整体却在原地打转甚至倒退。北极星指标的全部意义,就是让所有人停止内耗,朝同一个方向使劲。

来历与出处

北极星指标的概念,与肖恩·埃利斯(Sean Ellis)紧密相连。他是"增长黑客"(Growth Hacking)这个词的发明者,早年帮 Dropbox、LogMeIn 等公司做增长,是硅谷 PMF(产品市场契合)方法论的代表人物。

这个概念能流行起来,背后是一个普遍的组织病:公司越大,部门越多,指标也越多,每个部门都有一摞自己的 KPI。结果是大家都在"局部最优",全局却越来越糟。埃利斯这帮增长专家提出的解药很简单也很狠——别让每个部门各自为政,给整个公司找一颗北极星,一个能同时代表用户价值和商业增长的数字,所有团队的努力都向它对齐。它不是要取代各部门的 KPI,而是要在它们之上,立一个统一的方向。

解决什么真实问题

最典型的症状,是"指标打架"。你会看到这种诡异的现象:注册数很高但活跃很低;营收在涨但用户满意度(NPS)在跌;DAU 一片大好但用户终身价值(LTV)持续走低。每个部门拿着自己的好看数字开会,但公司整体就是不对劲——这就是没有北极星的典型表现。

北极星指标治的就是这种"各部门各自优化、整体却没变好"的内耗病。它在几个场景下特别管用:做季度或年度规划时,需要一个统一的方向锚点;产品进入新阶段(从激活转向留存、再转向扩张)时,需要重新校准核心指标;以及,要向团队或投资人讲清楚"我们最该盯哪个数字、为什么"的时候。

核心思想

一个好的北极星指标,必须同时过三道关,源文件讲得很清楚。

第一关,反映真实价值:用户真正得到好处时,这个数字才上升。所以"注册用户数"是个糟糕的北极星——注册不等于得到价值;"完成至少 3 次核心行为的用户数"才对。第二关,可预测商业结果:这个数字涨,营收、留存、LTV 也跟着涨。所以"页面浏览量"不行,它和赚钱没啥关系。第三关,团队能影响:产品和增长团队能直接撬动它。所以"市场份额"不行,太滞后、太宏观,团队使不上劲。

把这三关连起来看,你就明白为什么不能用"营收"当北极星了——这是最常见也最致命的错误。营收是结果,不是驱动因素。团队没法直接去优化"营收"这两个字,硬逼着干,只会逼出杀鸡取卵的短期榨取行为。北极星必须是一个"用户价值的领先指标",营收会作为它的自然结果跟上来。

这套方法真正高级的地方,在最后一步:把北极星拆成"输入指标"。北极星本身是个结果,团队没法直接"做"出来;所以要把它拆成 3 到 5 个团队能直接控制的输入指标,每个团队认领一个。北极星定方向,输入指标定动作——这才形成了从战略到执行的闭环。

还有一条提醒:北极星会随产品阶段调整。早期应侧重激活(多少用户获得了 Aha Moment),中期侧重留存,成熟期侧重扩张。它不是刻在石头上一成不变的。

完整案例

最经典的案例,是 Facebook 的北极星。

Facebook 的早期增长团队,没有把"注册数"或"DAU"当成终极目标——这正是它的高明之处。他们做了大量数据分析,挖出了一个惊人的强关联行为:一个新用户,如果在注册后的 10 天内加到了 7 个好友,他的长期留存率会大幅跃升。 这个"10 天 7 个好友",后来成了增长史上被反复引用的传奇数字。

背后的逻辑是 Aha Moment:用户在 Facebook 上感受到价值的那一刻,是"这里有我认识的人"——也就是建立起了社交连接。围绕这个洞察,Facebook 定下了北极星指标:每日活跃用户 × 每日互动次数。它既反映价值(有人在互动,说明用户得到了社交满足),又能预测商业结果(互动越多、停留越久,广告库存和时长就越大)。

然后是关键的拆解:北极星拆成了好几个输入指标,分给不同团队——"新用户 10 天内加满 7 个好友的比例"给增长团队,"信息流内容相关性"给产品团队,"回访召回率"给留存团队。每个团队都清楚自己手里那根杠杆,怎么撬动那颗共同的北极星。

这个案例的启示极其锋利:北极星指标不是开会拍脑袋喊出来的口号,而是用数据硬挖出来的——找到"哪个行为最能预测长期留存",再围绕它对齐全团队的输入指标。这正是它和普通 KPI 的本质区别。

常见误解与边界

第一个、也是最致命的误解,是用营收当北极星。前面说透了——营收是结果不是驱动,团队没法直接优化它,硬上只会逼出短期榨取。

第二个误解,是设了两颗甚至更多北极星。一旦有了两颗,团队就会在它们之间反复博弈、互相扯皮——这本质上还是"没有北极星"。北极星的力量恰恰来自"唯一"。

第三个误解,是定下来就一劳永逸,不随产品阶段调整。早期该盯激活,中期该盯留存,成熟期该盯扩张,僵着不动会让指标和阶段脱节。

最后是 AI 时代的一个特别陷阱:AI 产品很容易被"调用次数""Token 消耗"这类使用量指标带偏。但这些往往是成本侧的虚荣指标,调用多不等于用户真获得了价值。AI 时代更应该锚定"用户因为 AI 真正完成了什么任务"——比如完成了一次有效产出、解决了一个问题的会话数,而不是单纯的交互量。

一句话记住它

一个团队只能有一颗北极星——指标一旦超过一个,方向就开始内耗,那本质上就是没有方向。

想看这套方法喂给 AI 的执行规格?点上方「标准模组」。

Cases

用过此方法的案例

2

用「北极星指标」推演你的问题

描述你正面临的难题,InnoLab 会用这套方法当场跑一次结构化推演。

免费推演一次