近年流行的精益创业方法，提出一种“建造—衡量—学习”的过程。这3个环节中的建造和学习都比较直观易懂，凭借常识都可以上手操练。剩下的“衡量”则有点门槛。许多非数据运营出身的产品经理，在数据分析上可能会直接套用一些传统方法，然而问题是：传统方法能直接用于精益的“衡量”环节吗？传统方法分析出来的结论，能驱动后续的产品发展，从而构成精益闭环吗？如果不能，那怎样才算精益的“衡量”呢？

先从精益的字面来看问题：精是少而精，益是有益有效；也就是说，精益的衡量方法也要少而精，也要产生切切实实的效果。

由此，精益创业又提出一个概念：唯一关键指标（one metric that matters, OMTM）。在任何类型产品的任何一个阶段，都需要找到唯一的一个数字，把它放到比其他任何事情都更重要的位置上。在数据分析时，可以抓取许许多多的数据，但必须聚焦在最关键的事情上。

为什么要聚焦在唯一的指标上呢？理由有四：

1. 唯一指标能帮你弄清楚当前最重要的问题。
2. 唯一指标强制你拟订一个清晰明确的目标。
3. 唯一指标让整个团队充分聚焦，打好关键战役。
4. 唯一指标更利于执行“假设-验证”的精益实验。

既然OMTM如此的重要，那么，我们如何选择唯一关键指标呢？

• 好指标是可比较的。
• 好指标是可理解的。
• 好指标会指导你的行为，无法用于指导行为的数据只能算是虚荣指标。

可以根据产品的类型和所处的阶段，来选择不同的唯一关键指标。

选择好OMTM之后，根据产品和用户群的特点，根据当期数据的情况，我们要“不择手段”地对其进行分析。常见的分析方法有同期群分析（Cohorts）、人群聚类分析（Segments）和A/B测试，等等。

最后，要给自己制订数据目标，并且在精益过程中时刻注意：如果你已经在这一指标上达到了目标水平，就可以进入下一阶段，并重新选择另一个唯一关键指标了

实践案例

在一个手机音乐产品中，我们对精益创业的唯一关键指标（OMTM）进行了探索和实践。

在这之前，我们采用的是较为传统的数据分析方法，每个月都对该产品的新增用户数、总用户数、活跃用户数、次月留存率、歌曲播放总次数、业务收入等数据进行一次全面的分析。

对于我们这种产品经理兼做数据分析的小团队而言，传统方法的缺点其实很明显：分析角度多，报表冗长，统计分析工作量大，给人讲一次都很耗时。这直接导致两个后果：分析频次不可能太高，最多一月一次，无法及时反映产品、运营和市场的变化；看着满眼的数据，产品经理总是浅尝辄止，难得深入探究，也就无法领悟数据的变化规律，对业务数据的敏感性也就无从谈起了。

意识到上述问题之后，根据OMTM的方法，我们定下运营指标的四原则：要少，要可比较，要理解透，要指导行为。其中，前两个原则又是重中之重：只有少，才能理解透；只有可比较，并且理解透，才能真正指导后续的行为。

根据这4个原则，我们重新对音乐产品的数据指标进行了审视。

1）总用户数、活跃用户数、歌曲播放总次数、业务收入，这些绝对数值恰好是精益中典型的虚荣指标，无法用于判断产品方向和执行情况，果断去掉！

2）把原有指标进行调整和换算，可以得到一些可比较、可指导行为的指标：用户增长率、日活跃比、日活跃程度、付费转化率，再加上原来的次月留存率，指标的种类还是太多。仍然要去掉绝大部分！

3）根据产品的特性以及所处的发展阶段，首先抛弃了两个指标：用户增长率（因为我们的用户新增渠道比较稳定）、付费转化率（因为收入还不是我们当前的目标）。

4）最后，在剩余的3个指标中再次进行艰难的选择。

• 留存率（次月留存，或次七日留存）：纠结地选择了去掉。因为我们的产品已经发展了一年多，新用户的流失比较稳定，控制在了较低的水平，而且产品的发展目标是要成为有影响力的音乐媒体，最终要追求的是用户的访问流量。新用户的留存固然重要，但已经不是当前的主要矛盾。
• 日活跃比（日活跃用户数/总用户数）：决定保留。因为近期的产品优化了视觉感受，并增加了外链、推送等刺激活跃的运营手段。日活跃比这个指标，既能有效反映出新版本和运营手段对用户的刺激，又构成了音乐媒体访问流量这个总目标的一个重要环节（流量只取决于两个因素：活跃用户的数量、活跃用户的平均流量）。
• 日活跃程度（日活跃用户当日播放的在线歌曲平均数）。先去掉。因为这个指标主要靠榜单和歌单的内容运营，而这项工作刚刚起步，还没有评估运营效果的基础。虽然也是流量目标的重要环节，但可以放到下一阶段重点考虑。

我们给最终胜出的OMTM（日活跃比）起了一个名字，叫围观指标，也可以叫唯关指标（唯一关键指标的简称）。更重要的是，这是一个大家都要来围观的数字——我们要完整地采集日活跃比的相关数据，并且要能够分版本、分渠道来看这个数字；我们每天都要针对不同版本和渠道来监控这一指标的变化，并在办公区域张贴最新的数字；我们每周要做一次分析，看看其走向是否符合预期，如果有异动，还要深挖原因，采取措施；在我们每次进行版本更新或运营活动之前，都要有意识地预估这一指标的变化，事后验证执行的结果。

这一系列“围观”的工作量，看起来不小，实际却由产品经理和研发负责人兼职完成。像我们这样没有专职数据分析师的团队，要不是因为指标足够少、足够简单，决无可能做到这样的关注力度。

我们在音乐3.0版本升级之前，针对围观指标进行了预估。在更换了一版清新的界面，并提高首页歌曲推荐的频度和质量之后，预计新版（v3.0）的日活跃比将从旧版（v2.8）的10.5%增长到13%。

在大规模发放新版本之前，先来个小规模实验：首先针对某一个渠道的v2.8用户发布了升级包。两周之后，升级到3.0的累计用户量达到5万，具备了一定的分析基础。

然后，针对该渠道的这两个版本，分别画出了近两个月的日活跃比曲线。v3.0的日活跃比大幅跳升，居然在40%左右浮动。

图一：日活跃比曲线

结果令人兴奋！但我们不由得怀疑——新版本真有那么好吗？或许新版本的用户由于新鲜感，活跃度在短期内得到提升，但也不可能高出那么多啊？

我们重新审视这次的对比分析方法，发现其中有一个不可忽视的影响因素——用户质量。在这次实验中，我们的3.0新版本全部通过自升级渠道来发放，因此，v3.0的活跃数据完全来自于主动升级的用户。而这些主动升级的用户，极有可能是我们产品的忠实用户，本身的活跃度就远高于平均值。将这批人的表现来跟总体表现比，得出新版效果好的结论，不具备说服力。

这就好比是一年级不分班，到了二年级，根据一年级的个人成绩，将学生划分到普通班和重点班，然后二年级再考试的时候，发现重点班成绩明显高于普通班，并将其归功于重点班老师的教学水平，这其实并不公平，对吗？从v2.8主动升级到v3.0的用户，就像是成绩好的一年级学生，分到了重点班。

综上原因，我们发现，要想拿到靠谱的、可比的新版本日活跃比数据，不能通过自升级来做实验，必须通过新增用户来看。但我们又想在大规模发放新版之前，通过这两周的升级实验来确认新版的效果。怎么办呢？

最终，我们改用同期群（Cohort）分析法，针对这两周从2.8升级到3.0的用户，观察其升级前后两周的活跃情况。统计结果是，这批用户在升级前两周的日活跃比为25%，升级后两周则是41%，提高了16%。这至少可以说明，在愿意主动升级的忠实用户（也是我们重点关注的用户群）身上，新版的日活跃比得到了非常明显的提升。此外，我们还搜集了许多用户反馈，对新版的正面评价远多于负面。主观反馈和客观数据相互印证之下，我们立即启动了3.0版本的大规模发放。

有了理想的分析方法，还要在实际执行中灵活处理，只要方法靠谱、数据靠谱，就能指导下一步行动。这才是精益的本质。

在那之后的一段时间里，新版本逐渐覆盖了所有的新增渠道，而总体的日活跃比也日趋稳定在一个比较好的水平，我们也在考虑进入下一阶段，开始选择新的围观指标了。日活跃程度（日活跃用户当日播放的在线歌曲平均数），将成为我们的下一个候选。因为这个指标跟日活跃比相乘，就构成了整个产品的发展目标——用户流量。此外，这个指标也非常容易理解：今天活跃的用户，平均每人在线听了几首歌。对数据指标的直观认识，将有助于我们在分析数据时迅速发现异常，迅速理解问题的所在。同时，我们下一阶段的工作重点，也会围绕日活跃程度，去强化榜单、歌单、热搜词的内容运营。

最后要补充说明的是，除围观指标之外的其他数据并不是没用，只是不作为重点来监控分析。例如，总用户数、活跃用户数这些虚荣指标，并不是真的就删掉了，而是放在给公司的月度或季度汇报中，用它来体现产品的体量和商业价值。再如留存，其实与活跃度有着千丝万缕的联系，在围观指标出现异动时，在假设验证的精益实验结果发生偏差时，仍然会利用留存这一工具来尝试定位背后的原因。

总结分析

通过唯一关键指标的运营实践，我和我的团队有了许多的收获。

在从传统分析法转向精益分析法的过程中，我们体会到一切从目标出发，多问几个为什么的重要性。不要迷信你没有真正搞懂的方法，高大全不一定适合你。而且，你搞不懂也就一定用不好。

从围观指标这件事身上，我们充分感受到了精益的魅力。少、理解、比较、指导，环环相扣，缺一不可。数据不在多，而在于你能否理解透，能否用好。要数据，更要让数据驱动业务。

在具体实践中，我们认识到理论和实际还是两回事。拥有完备而强大的精益方法之后，项目实践时还要根据环境和条件灵活执行。毕竟，人是方法的主宰。

#作者信息#

龙志勇：IT行业老兵，曾在中国电信、阿里等公司从事产品工作。写过软件代码，做过运营支撑，干过项目管理，讲过售前方案；最终误打误撞进入产品这一行，负责安卓ROM产品，针对系统级的互联网服务做过许多探索。

本文选自《产品经理：48位一线互联网产品经理的智慧与实战》

未经书面授权，禁止转载，违者追究法律责任。