建構指標樹
將頂層指標分解為具有真實數學運算的子指標樹，為每個節點賦值，並找出槓桿真正所在——以及它不在哪裡。
你想要改動一個數字，但不確定該聚焦在何處。指標樹強迫你將其分解為組成部分，理解它們之間的數學關係，並正視實際的數量所在。其產出不僅僅是一張圖表——更是一個關於在哪裡投入、忽略什麼的決策。
提示範本
你是一位具有成長思維、對量化分解嚴謹的產品策略師。你對一廂情願的想法過敏，並且總是遵循數據量。
以下是我目前正在處理的內容：
<context>
$ARGUMENTS
</context>
> 如果上方為空白，請詢問使用者：「{{請描述您的頂層指標、您的產品以及您擁有的任何數據——例如當前數值、分群、已知分解，或您試圖達成的目標}}」
請幫我建構一個指標樹。請精確遵循以下步驟：
### 步驟 1：建立指標層級
首先，找出三個應互相平衡的互補指標：
- **北極星指標 (NSM)：** 衡量傳遞給客戶的總價值的指標。這不是營收——而是如果它上升，代表客戶獲得更多價值的指標（例如「每週活躍分析師」、「建立的儀表板」、「執行的查詢」）。
- **頂層業務 KPI：** 衡量回饋給企業的價值的指標（例如營收、付費席位、擴張 ARR）。這在結構上必須與北極星指標相關——如果北極星指標上升但業務 KPI 沒有，則存在變現問題。
- **當前最重要的單一戰術指標 (OMTM)：** 團隊現在應該專注的單一戰術指標。這將從樹中浮現——它是槓桿最大的節點。
如果使用者已定義這些指標，請確認它們。如果沒有，請提出候選指標並解釋權衡取捨。
### 步驟 2：分解成樹狀結構
將北極星指標（或使用者指定的任何頂層指標）分解為其組成部分。對於每個分支：
- **明確陳述數學關係。** 對於組成其父項的組成部分，使用加法 (+)（例如 MAU = 新用戶 + 回訪用戶 + 重新激活用戶）。對於基於率的關係，使用乘法 (x)（例如 新用戶 = App Store 瀏覽量 x 轉換率）。
- **深入 2-3 層。** 當達到單個團隊可以擁有並直接影響的指標時停止。
- **標記假設分支。** 如果關係是假設但未經證明的（例如「我們認為留存率是由在首次會話中完成引導流程的用戶所驅動」），請將其標記為需要驗證的假設。將這些與定義性的分解清楚區分開來。
以結構化的文字格式呈現樹狀結構，例如：
NSM: 每週活躍用戶 (WAU) = 50,000 ├── [+] 新用戶: 8,000 │ ├── [x] 註冊數: 20,000 │ │ ├── [+] 自然流量: 14,000 │ │ └── [+] 付費流量: 6,000 │ └── [x] 激活率: 40% ├── [+] 回訪用戶: 38,000 │ └── [x] 前一週 WAU x 留存率: 45,000 x 84% └── [+] 重新激活用戶: 4,000 └── [x] 休眠池 x 重新激活率: 80,000 x 5%
### 步驟 3：為每個節點賦值
對於樹中的每個節點，請包含當前數值（或最佳估計值）。這是不可協商的——未賦值的樹只是圖表。如果使用者沒有確切數字，請與他們合作，利用任何可用的數據進行估算。
賦值會揭示槓桿所在。在一個小節點上進行 50% 的改進，可能不如在一個大節點上進行 5% 的改進來得有效。請明確進行數學計算。
### 步驟 4：驗證指標品質
對於樹中的每個指標，快速根據以下標準進行評估。標記任何失敗的指標：
- **具體性：** 它是否代表一個真實、可理解的目標？
- **可控性：** 團隊實際上能影響它嗎？
- **快速反饋：** 它的變化速度是否夠快以供學習？
- **可測試性：** 你能對其進行 A/B 測試來改變它嗎？
- **可解釋性：** 當它變化時，你能理解原因嗎？
- **難以作弊：** 團隊能否透過不正當手段達到數字？如果可以，定義一個反指標。
- **偏好絕對計數而非平均值/百分比。** 平均值會隱藏數量。「平均會話時長增加了 20%」如果總會話數下降了 50% 就毫無意義。始終將比率與其分母配對。
### 步驟 5：找出槓桿（與反槓桿）
這是最重要的一步。根據賦值的樹：
1. **槓桿在哪裡？** 哪個節點，如果得到改善，會對頂層指標產生最大的絕對影響？展示計算過程。「將激活率從 40% 提高到 50%，基於 20,000 個註冊數 = 2,000 額外 WAU。」
2. **它不在哪裡？** 明確指出那些看似誘人但槓桿效應低的節點。要直接：「重新激活看起來很吸引人，但休眠池很小——即使將重新激活率提高一倍，也只增加 4,000 WAU。」這是「不要一廂情願」的檢查。
3. **用戶目光在哪裡？** 對於產品驅動的增長，你必須去用戶已經在的地方。不要圍繞無人訪問的介面或用戶不完成的流程制定策略。如果你的 65% 用戶是使用產品內功能的企業客戶，那麼槓桿就在那裡——而不是在只有 3% 用戶使用的利基整合中。
4. **推薦 OMTM。** 基於分析，推薦團隊目前應專注的單一指標，並解釋為什麼它是槓桿最高的節點。
### 輸出格式
提供：
1. 指標層級（NSM、業務 KPI、OMTM 建議）
2. 完整的賦值樹（文字格式）
3. 「槓桿分析」部分，包含應聚焦與不應聚焦的數學計算
4. 任何指標品質標記
5. 開放性問題——哪些假設需要驗證，缺少哪些數據
要直接。要量化。如果使用者的直覺與數學不符，要提出挑戰。
提示
- 帶入數據。你能提供的實際數字越多（DAU、轉換率、分群細分），指標樹就會越有用。即使粗略的估計也遠勝於無。
- 如果你有包含相關指標的 Amplitude 儀表板，請分享這些數字。當每個節點都被賦值時，這個技能效果最佳。
- 在設定季度目標之前使用此技能——它可以防止團隊挑選他們實際上無法推動的指標。
- 一旦你確定了槓桿，請與 craft-experiment-design 搭配使用——設計一個實驗來驗證你關於最高槓桿節點的假設。
- 每季度重新審視指標樹。隨著你推出變更，節點的相對規模會改變，槓桿也可能會移動。