当下市场供需逐渐转向平稳而且略微减速的存量阶段，那如何在市场上找到增量呢？让我们从作者的文章中学习运用北极星指标作为战略导向定位潜在增长点吧~

公司最核心目标是赚钱、盈利，在过去，我们曾经依赖于较为粗放的经营策略来推动市场份额的增加，如通过扩大员工团队规模、寻求更多的代理分销商以及建立更为多元化的销售渠道等多种方式以稳固市场地位。然而，传统的商业模式在当代日益激烈的市场竞争环境中已逐渐显露出其局限性。

例如，康师傅这家知名企业，他们通过实施深度通路开发策略（通路精耕），将目光投向了乡镇级别的小城市和农村市场，以此实现了巨大的利润收益。然而，如今的康师傅亦开始感受到市场竞争带来的压力与挑战。

当下市场供需逐渐转向平稳而且略微减速的存量阶段，如冰箱、空调洗衣机等家庭电器以及各项日用百货都面临着同类型竞品的激烈竞争。

随着数字化信息化的迅猛发展，消费者获取商品信息的途径也发生了翻天覆地的变化。传统实体店不再占据主导地位，现在电商崛起，人气爆棚的短视频、新颖无比的小红书以及其他社交媒体都成为了主要的消费路径。

再说到市场营销策略，以前依赖电视广告、各类媒体和全覆盖广告的方式，虽然曾经非常有效，但是现如今，面对愈发激烈的行业竞争和利润率下降的局面，这套策略已经无法适应当前的市场状况。

为了应对这种情况，我们需要全新的经营模式，调整效益指标体系，制定更为精细的运营方案。同时也包括关注老客户的利益贡献度、提升售后服务水平、增加新客户的转化率并挖掘产品的特殊性，以追求更高的市场价值。此外，还要敏锐观察并紧紧把握市场中的每一个机会，以北极星指标作为方向标，寻找到并抓住每个可能的增长点。

一、科学解析北极星指标战略

指标易于量化拆分，便于跟踪和分析。通过细分至各层级、各部门和每位员工，使其与实际工作目标紧密相连，从而更好地引导团队协作。

当指标明晰后，仿佛夜幕中的北极星，给全公司指明前进方向。基于此指标构建科学的数据增长策略体系，促进绩效实现。战略是企业航向，而北极星指标则是推动战略实施的定位器。

北极星指标并非固定不变，随着公司生命周期演进及定位调整，皆需在时移境迁中相应地进行重塑。

各阶段北极星指标示例（以某电子商务企业为例）:

1. 初创期：交易总额（GMV）
2. 发展期：顾客总数
3. 成熟期：单位平均收入（ARPU）

若发现某项指标无法完全反映公司营运情况，可考虑引入反向指标（如电子商务的GMV与退货率之比）进行综合评估。

接下来以某网站团购大战期间经典案例分析：

A团购网站的战略：选择大学城周围的自助餐、电影院和KTV集中突破。而他们所采用的指标为用户日活。他们在落地执行过程中筛选出价格介于30至50元之间的平价自助餐、KTV和电影院进行签约。

B团购网站的战略目标：关键指标为商品交易总额 （GMV），火力主要集中在某些知名餐饮作为突破口，甚至愿意付出高额预付款以抢夺独家签约。

因此，销售团队在落地执行时倾向于与客单价在50至150元之间的品牌如俏江南、大鸭梨、全聚德等进行签约。

最终的结果大家可以猜一下？

背景信息供参考：

本地生活团购核心价值：为各类消费者提供无差异化的、经济实惠且快捷便利的生活服务体验。

团购目标用户画像如下：

2012年，团购消费者主要由年龄在20至28周岁之间的青年人群构成，他们往往是接受过高等教育的大学生或刚刚步入职场的年轻人。这部分人群热衷于社交聚会以及群体性的娱乐活动等，同时也受制于自身财务状况的限制，对于价格因素颇为敏感。

由以上案例我们可以看出，北极星指标的重要性！（同样案例可参考Facebook与MySpace之争）

二、当明确了公司战略的北极星指标后，如何确定各个部门的具体指标？

实际上，部门指标的确认须紧扣公司战略指标进行分解，确保其与战略保持紧密联系并支持落地实施。虽然这看起来较为简单，实际操作中却需反复尝试通过AB测试以寻求最佳的指标和策略。

我们必须认识到，各部门执行目标并非随意制定，而应遵循基于数据支持的思维模式。

如何科学检验用户运营策略的对北极星指标的提升效果？

我们可以通过分析策略试验结果，以确定我们的客户运营策略设计对于北极星指标是否真正起到了推动作用。

因此：基于战略解读，重点聚焦核心指标，将业务锚点聚焦在核心指标上。

三、基于北极星指标，下级战略执行

构建科学的数字化可持续的用户增长举措包括：

• 建立高效且具有创新性的增长组织团队；
• 应用科学生态理论来指导实践行动；
• 以北极星指标为基础，持续开展效果测试与优化工作

将北极星实验法诠释至业务层面，如何借助场景化营销策略，洞察消费者心理，攻占消费者心智钱包？

基于数据分析，确定当前主要顾客群体的ARPU（平均每用户收入）中心范围，找到数据中可能存在的最大增收机会。

从数据分析可知，16%会员的平均消费价格位于250元至300元之间。若我们在此基础上将ARPU值提高10%，意味着这些顾客需额外增加每月25-30元的购物支出。

如何挖掘这部分用户的潜在增长点？可以从两种方法入手进行探讨。

其一是利用用户行为的数据分析构建出相应的价值模型，比如商品偏好模型、周期购买模型、行为偏好模型以及大促营销模型和关联消费模型等多种形式。通俗来说，通过各种数据埋点方式深入挖掘与捕捉有关用户行为的各项数据，结合长期积累下来的历史数据，从而准确地揭示这部分用户的潜在增长点。

其次是精准洞察潜在顾客群体的普遍需求（即确定性需求）此方案多用在TO B业务领域如B2B交易、餐饮供应与农贸订单等有明确采购需求的项目。

以餐饮商户需求为例：针对不同商家之间的共同需求类别，对菜系、制作工艺、食材选择及商品设计等各个环节进行深入剖析，从而绘制出一幅完整的需求图谱。

得出以下关键结论：商家经营类型、主打菜式及其相应的制作技艺（工艺）、食材采用结构及其重要性排序、适合该商家的最佳商品以及各商品的特性等，由此确认核心商品需求.

两种方法的核心目的都是找到影响用户核心决策的关键品的购买行为，加速了顾客的ARPU提升和品牌忠诚度！

四、OKR执行案例

以下以沙县小吃为例，以核心ARPU指标为基础进行战略拆解分析。

假设，沙县小吃在2019年1月的平均ARPU值为3000元，每周顾客消费次数达到12次，每笔顾客订单金额为280元。

核心关键指标（O）：将ARPU提高15%；

——过程辅助指标包括：消费次数、订单金额以及各类产品数量。

我们设定如下活动方案及其组合条件：

A、对于首次光顾者：须满足商家特色产品种类超过8种，且订单金额高于300元。特推“鸡蛋”作为首次购买赠品，随第二次购物一同送达，其线上售价为16元。

B、对于连续两次购物消费者：同样需满足上述条件,额外赠送一份“鸡蛋”和价值10元的优惠券，该券可用于购买10元的线上商品，并在第三次购物时随货赠送。

C、对于第三次及以上前来购物的客户：仍然要满足相关要求，可以获得一件价值10元的指定礼品，礼物的具体内容会因时而异。

根据不同层次的用户分类、建立的用户模型、对他们下单行为做出的预测结果以及高度自动化的推进方式来推荐相应的营销活动给客户。

对应上述的执行策略，我们再来拆解协同部门的OKR指标

供应链采购部（KR）：

• 确保关键商品的供应，并提升其满足率；
• 提高履行标准的完成程度；
• 控制SKU库存量，并达到合理水平；
• 调整价格以满足市场需求。

物流履约部（KR）：

• 提高物流服务的整体完成度；
• 优化仓库配送成本；
• 提高库存流转速度

销售部（KR）：

• 增加商品推荐功能的效果及转化率；
• 提高核心产品在SKU中的占有率；
• 提高客户平均消费额。

线上商城运营（KR）：

• 加强对核心品类的宣传力度，提高其曝光率；
• 提升用户对核心商品的搜索和购买意愿。

以上案例详细阐述了如何从战略目标设立到各部门协作的全流程，以实施北极星指标战略分解。

各部门在确定OKR目标后，接续的策略是实施SOP流程，主要措施包括以下几点：

• 深入理解并准确挖掘商户对于食材的真实需求；
• 提炼出商户核心需求；
• 持续改进和优化商品品类的设置。

最后结果验证（数据佐证）

goodcase 北京沙县小吃呈现出ARPU值迅速攀升的态势，表现如下：SKU数量与第一季度相比，第二季度增长了7.9个；而ARPU值经过同比分析，也有显著增长至5025元。然而在季环比高达70%的增长率之后，已经步入发展的瓶颈期。

商品供应链部核心商品项目深度解析：核心商品的市场占有率情况

北京地区沙县小吃100强商铺的商品组合中，核心商品占据了高达44%的份额。以下是排名前五位且SKU渗透率最高的五种商品：

1. XXX鸭腿，覆盖率达到了63%；
2. ZZ琵琶腿，占比为36%；
3. ZZXX鸭胗，渗透比率达35%；
4. XX X鸭腿，覆盖率为31%；
5. XX沙县馄饨皮，涉及比例28%。

badcase 暴露问题：很多核心品渗透率低，依然存在缺货、质量等问题。

以上就是在北极星指标战略框架下，各职能部门指标的详细拆分及其操作步骤实例。

分享几个常用指标：

GMV=访问量×转化率×顾客平均消费额

其中，访问量包括线上（如导购、广告、搜索、应用市场、分享和直接登陆）和线下（如渠道推广、地推和平面广告）；转化率则覆盖了从 Banner 到活动再到订单生成的各个细分漏斗；而顾客平均消费额即为 GMV 除以付费用户数。

ARPU：

ARPU（即每位顾客每月对公司的贡献）可以通过以下公式计算得出：

客单价（商品种类 ×每种商品价格）×购买频率

其中，商品种类和购买频率都会影响 ARPU。

毛利率

毛利率=（销售额 -成本）÷销售额×100%（百分比）

投资回报率（ROI）

投资回报率ROI=销售额÷投资额

其中，销售额= UV ×转化率× ARPU; 而投资额由 UV ×[单个用户获取成本(CAC)+单个用户运营成本(COC)]组成。在此基础上，这一模型适用于电商类、知识付费类和共享出行等领域。

以上为我个人的思考和工作中的实践，欢迎大家一起来探讨。