這篇主要在講作「產品增長（Growth）」時，所會遇到的指標設計問題，至於員工績效指標、OKR…等，不在討論範圍內喔。
在增長的領域中，有許多的套路，同樣是 acquisition ，以前流行鑽研 FB 廣告的套路，現在則是流量池。這些增長的套路一直都在變，追也追不完，但看似一直變化的過程中，你會發現其中一直不變的是「細分目標，單點突破」的心法，舉例來說：
- 營收的細分目標：來客數、轉換率、客單價
- APP經營：AARRR
細分目標，為的是「單點突破」，我們會對每個小目標設定指標，然後針對單個指標進行迭代與優化，增長自然就會發生。所以指標的設計在作增長時，起了非常重要的指導作用。
而在做指標設計時，筆者覺得有幾個盲點，整理在這邊和大家分享一下。本篇會用到一些基礎統計的觀念來說明，也請大家不要因為看到統計或數字就害怕，這些其實都是非常好用又簡單的統計觀念，值得把它看完喔。
1. 設計指標時，沒考慮到指標誤判的問題
有個大家都很熟悉的例子：
Q:你去醫院作癌症檢測，測試結果說你得了癌症，那你真正得癌症的機率有多少？
等等，不是測出癌症，就是代表有得癌症了，為何還有所謂的「真正得癌症的機率」，這是因為有所謂的 Type I Error 和 Type II Error。在這種時候，指標就有所謂誤判的問題。
如下圖所示，黑色圈圈為實際得癌症的人，藍色圈圈為檢測出來有癌症的人，因為檢測技術的問題，通常這兩個圈圈無法完全重合
我們當然希望 Type I error（檢查沒癌症，實際有癌症）和 Type II error（檢測有癌症，實際沒癌症）都低，但現實世界中，有時候很難做到，這時 Type I error 和 Type II error 的資訊，在選擇檢測方法時就非常重要。
轉換到產品增長領域，舉例來說，Facebook 曾提過一個知名的指標：「七天加10個朋友」，那你有想過，為何不是「五天加10個朋友」或「三天加10個朋友」呢？
「N天加N個朋友」是很常被社交類很常用的 Activation 指標，滿足這個指標的用戶越多，留存（Retained）的用戶就會愈多。我們可以把「七天加10個朋友」和「五天加10個朋友」兩個指標，畫成下圖作個比較：
依照上圖來看，在留存的用戶中，符合「七天加10個朋友」和「七天加5個朋友」的人數約略一樣多，但「七天加10個朋友」的「預測會留存，實際沒留存」的人數比例較少，所以選擇「七天加10個朋友」作為指標是較好的，也可幫你將資源更集中在有機會被 activate 的用戶上，而不會浪費。
2. 指標設計的太嚴格
下圖是常見的 behavior cohort 圖表，透過行為特徵區分用戶，然後看看不同行為的用戶留存率有何差異，下圖是比較「3天加10個朋友」和「7天加10個朋友」這兩組用戶，在留存率上有何差異。
你會發現，有做到「3天加10個朋友」的用戶，只要滿足條件的，幾乎80%都會留存，很多人就直接把「3天加10個朋友」當作指標，開始衝刺 Activation 相關的迭代，但是你只再深入分析，並畫出下圖，你就很容易發現問題在哪了。
「3天加10個朋友」顯然是一個過於嚴格的指標，造成所能涵蓋的用戶過少，若用上「3天加10個朋友」當作指標，你的 Activation 策略，就會變得過於傾向重度用戶。
指標過鬆會浪費資源，太過嚴格會誤導策略，所以在挑選指標時，比起拍腦袋作決策，能夠根據數據作決策，會很有幫助。
3. 指標設計沒考慮敏感度
改變註冊按鈕的顏色，成效若用「按鈕的點擊率」來衡量，那就是敏感指標; 但成效若用「營收成長率」作為指標，那就是不敏感指標。因為在於從註冊到產生營收還有好長一段時間，當中還有很多因素影響了營收，你無法很肯定的說「營收的成長，就是來自於按鈕顏色的改變。」
另外一個原因是，從註冊到產生營收，中間經過一層一層的轉換漏斗，到了產出營收這這一關，影響可能已微乎其微，很難可以觀察到直接的變化。
所以在指標的設計上，就有了 Leading Metrics 和 Lagging Metrics 兩種概念，Leading Metrics 就是敏感的指標，Lagging Metrics 就是不敏感的指標。
努力了老半天，指標都沒顯著的變化，可能就是沒考慮到指標敏感度，換個有邏輯關係，但敏感度高一點的指標來觀察看看吧。
4.錯把相關係數，當成指標影響力
承接敏感度的概念，我們知道可以觀察較敏感的按鈕點擊率，來取代觀察較不敏感的營收上升率，而其中的原因，就是因為「按鈕點擊率」和「營收」之間是有因果關係，且兩者之間為正相關，「按鈕點擊率」上升和「營收」就會有一定比率的上升。
現在我們模擬一個狀況，「按鈕點擊率」、「表單完成率」和「營收」同樣都有因果關係且為正相關，「按鈕點擊率」和營收之間的相關係數是0.7，而「表單完成率」和「營收」間相關係數是0.4，那你應該選「按鈕點擊率」、「表單完成率」當作指標呢？
相關係數這時候就是一個大陷阱，因為相關係數高的，不代表影響力較高，我們需要的是「敏感」和「影響力」都高的指標，而不是「敏感」和「相關係數」都高的指標，相關係數對我們來說，充其量只是個刪去不適任指標的工具，而不是用來排序指標的。
用數學式子會比較容易解釋：
營收：Y
按鈕點擊率：X
表單完成率：Z做出的線性迴歸是這樣
透過圖片就很容易理解，X 的相關係數高（假設是0.7），但是對 Y 的影響力低，Z 的相關係數雖然較低（假設是0.4），但對 Y 的影響力高，這時候 Z 會被挑中的機率就會蠻高的。
這點常看到的盲點是，直接拿相關係數當成數字，和其他項目加減乘除，譬如：相關係數*可觸及人數比例，在做這種運算時，就要非常小心; 因為如前面所說的，相關係數只是個刪去不適任指標的工具，拿「相關係數」來排序比大小或是作加減乘除運算，都會有嚴重誤導的可能。
5.忽略了分群和副作用
網路上有一個笑話是這樣的
行銷人員發現，那些業績特別好的櫃姐，平均都至少和客人交談三分鐘以上，足夠的交談時間帶來對客人需求更深入的了解，也推薦了合適的款式，所以這些櫃姐的業績就特別好。所以老闆就起了新規定，要求每個專櫃人員都要和客人交談三分鐘以上。規定一實施，但沒想到引起部分客人反彈，因為專櫃人員都在沒話找話談，反而覺得很煩。
指標有提升，不必開心的太早，還要看看副作用嚴重不嚴重。指標沒變化，也別覺得策略無效，因為搞不好會有一小部分群體，指標是有顯著的改善。
了解這些副作用，和每次迭代對各別分群的影響，其實比指標本身的漲跌更加的重要。
6.指標只是工具，策略才是重點
指標是工具，一些太過極端的狀況，都應該避免，譬如：
- 指標有衡量成本，過於執著精準度或嚴謹定義，沒太大幫助。
- 不要執著一定要用某個指標衡量，很多時候可考慮次要指標（就是連帶一起會被影響的指標，敏感性可能較低），因為若次要指標的衡量是簡單、快速、免RD資源，就直接用下去也無妨
- 只在乎指標，不在乎背後策略意義，就會產生扭曲的作為，譬如：為了和客人聊上三分鐘，不問客人喜好，一直強迫推銷，這就不符合當初訂立這指標後的策率意涵。
總結
考試領導教學，指標也領導著增長與迭代，了解指標的好處和應用盲點，是非常重要的一件事，若大家有遇到一些實作上的盲點，也歡迎一起分享給我喔！
--不想錯過我的新文章：訂閱免費電子報
我的線上課：數據化營運、產品增長 和 產品企劃力，歡迎大家報名
