很多創業團隊一打開數據工具，就會先做一件事：把能追蹤的全部追起來。
流量、瀏覽量、註冊數、追蹤數、開信率、點擊率、成交率、客單價、退費率、回購率、留存率……最後 Dashboard 滿滿一頁，看起來很完整，卻很難回答：
「所以我們現在最該解決哪一個問題？」
《Lean Analytics》最有價值的地方，就是把分析從「報告發生了什麼」拉回「下一步要做什麼」。
好的指標，重點不在看得到，而在會不會改變決策
一個數字值不值得放在最前面，可以先問：
如果這個數字明天變好或變差，我們會做出不同決定嗎？
如果答案是不會，那它可能適合留在報表裡，但不一定值得成為團隊每天盯的核心指標。
例如「總會員數」通常只會一直往上，很容易讓人感覺事業持續成長；但如果活躍會員正在下降，累積總數就可能掩蓋目前最值得處理的問題。
先分清楚：虛榮指標和可行動指標
虛榮指標（Vanity Metrics）不一定完全沒用，但它常常讓人感覺很好，卻沒有告訴你下一步該做什麼。
常見例子包括：
- 累積網站瀏覽量。
- 累積註冊會員。
- 社群追蹤總人數。
- 下載總次數。
可行動指標（Actionable Metrics）則更接近：
- 訪客中有多少比例完成報名。
- 新註冊者 7 天後還有多少人回來。
- 不同流量來源最後的成交率。
- 同一批新客在 30 天內是否留下來。
前者偏「累積了多少」，後者偏「行為有沒有變好」。
比總數更有用的，通常是比例、比較與同期群
一個好的指標通常有幾個特性：
- 可以比較前後變化。
- 是比例或速率，而不是只會增加的總數。
- 團隊能快速理解。
- 結果會影響下一步。
另外還要留意同期群（Cohort）。
如果把所有舊客、新客混在一起算平均，很容易看不出產品其實有沒有變好。
例如 1 月加入的學員 30 天留存率只有 20%，3 月加入的學員已經提升到 40%；如果只看總體平均，這個改善可能被舊資料稀釋。
質化和量化要一起看
量化數據很擅長回答「多少人發生了這件事」，但通常不會直接告訴你「為什麼」。
例如你看到直播出席率下降，數字只能告訴你問題存在；原因可能是時間不方便、提醒不足、報名期待不一致，或活動主題本身不夠吸引。
這時候需要質化資料（Qualitative Data），例如訪談、客服問題、回覆內容、使用者觀察。
Lean Analytics 會讓質化與量化互相補充：訪談幫你找假設，數據幫你判斷規模，而不是把所有問題都交給數字回答。
領先指標和落後指標，不要混在一起
落後指標（Lagging Indicator）通常是結果，例如營收、退費、流失；它很重要，但等你看到結果時，事情往往已經發生。
領先指標（Leading Indicator）則可能更早反映風險，例如：
- 首次登入後是否完成第一個關鍵動作。
- 直播前是否完成加入行事曆。
- 新學員第一週是否有實際使用。
- 客服抱怨是否開始增加。
如果能找到和最終結果高度相關的領先指標，就能更早調整，而不是每月等營收報表出來才反應。
相關不等於因果
分析工具很容易找到「一起變動的兩個數字」，但這不代表其中一個造成另一個。
例如完成某個功能的使用者留存比較高，可能是這個功能真的提升留存，也可能只是原本就比較投入的使用者更常使用它。
因此看到相關性（Correlation）後，不應直接投入大量資源。
更好的下一步，是設計小型實驗，看看改變其中一個因素後，另一個結果是否真的跟著變化。
數據可以幫你找線索，但因果最好用實驗驗證。
單一關鍵指標：現在只挑一個最值得盯的數字
Lean Analytics 提出的單一關鍵指標（One Metric That Matters, OMTM），不是說公司永遠只能看一個數字。
而是此時此刻，要有一個指標明確告訴團隊：
目前最危險的假設，到底有沒有正在被解決？
其他數字仍然可以追蹤，但不能和 OMTM 搶焦點。
OMTM 會變，而且本來就應該變
如果產品還沒確認「有沒有人真的需要」，此時最重要的可能是問題訪談與實際承諾。
產品推出後，如果人來了卻不回來，OMTM 可能變成留存率。
留存穩定後，下一步才可能是推薦、營收或規模化。
所以 OMTM 會隨階段改變；它反映的是當前最需要被解決的問題，不是企業永久不變的北極星。
先決定你在哪個階段，再決定看哪個數字
Lean Analytics 把創業過程拆成五個階段：
| 階段 | 核心問題 |
|---|---|
| 同理（Empathy） | 這是不是一個夠痛、夠頻繁、值得解決的問題？ |
| 黏著（Stickiness） | 用了之後，使用者會不會留下來？ |
| 病毒式成長（Virality） | 使用者會不會自然帶來新使用者？ |
| 營收（Revenue） | 商業模式能不能健康賺錢？ |
| 規模化（Scale） | 哪些渠道與流程可以被放大？ |
順序很重要。
如果留存還沒穩定，就急著大量買廣告，只會把更多人倒進一個漏水的桶子。
這和Lean Startup：MVP 不是做一個很陽春的產品，而是最快驗證最危險的假設的邏輯一致：先找最危險的假設，再設計最小成本的驗證。
商業模式不同，重要指標也不同
另一個常見錯誤，是直接抄別人的北極星指標（North Star Metric）。
但軟體訂閱、電商、媒體、雙邊平台、內容訂閱，本來就靠不同機制運作。
例如：
- 訂閱制更在意流失率、經常性收入與回收期。
- 電商更在意轉換率、客單價與回購。
- 媒體更在意有效閱讀與廣告變現。
- 雙邊平台更在意供需是否能成功配對。
所以挑指標前，要先說清楚：「我們到底是哪一種生意？」
指標定義本身也要固定
很多團隊其實已經有數據，問題是每個人算出來的數字可能都不同。
例如「流失率」到底是看人數、收入，還是某個固定期間？「活躍使用者」要登入就算，還是完成核心行為才算？
如果定義一直變，歷史比較就會失去意義。
每一個重要指標至少應該留下：
- 名稱。
- 公式。
- 時間範圍。
- 資料來源。
- 排除條件。
- 負責維護的人。
這樣團隊看到同一個數字時，才是真的在討論同一件事。
一個數字如果沒有目標，就只是在看天氣
知道目前留存率 28%，還不等於有決策價值。
你還需要一條決策線（Line in the Sand）：
- 目標是多少。
- 期限到什麼時候。
- 如果沒達標，下一步要怎麼做。
例如：「四週留存率在 6 月底前要提升到 35%；如果沒有，就暫停拉新，把資源回到新手引導。」
這樣數字才開始具備明確的行動用途。
目標要在結果出來前先決定
如果每次實驗做完才解釋「其實這個結果也不錯」，就很容易不斷移動球門。
Lean Analytics 強調，應該在看到結果之前就先定義「什麼算成功」。
提前定義成功標準，可以避免事後合理化，也不必把它變成僵硬的 KPI 約束。
OMTM 還需要一個平衡指標
只盯一個數字，也可能把團隊帶歪。
例如只追求「註冊率」，可能把註冊流程簡化到吸引很多低品質名單；只追「成交率」，也可能靠過度承諾把退費率一起拉高。
所以核心指標旁邊，最好配一個平衡指標（Counter-metric）。
例如：
- 註冊率 ↑，同時看 30 天活躍率。
- 成交率 ↑，同時看退費率。
- 流量 ↑，同時看有效名單率。
- 出席率 ↑，同時看後續互動品質。
這樣才不會為了把一個數字做漂亮，犧牲整體商業品質。
別只看平均值，要做分眾
整體平均常常會把關鍵差異藏起來。
例如網站整體轉換率是 3%，看起來很穩定；但拆開後可能發現：
- Google 搜尋 6%。
- Facebook 1%。
- Email 8%。
- Threads 0.5%。
這時候「網站轉換率 3%」就不再是最有用的資訊。
你更應該問：哪個渠道帶來的客戶品質最好？哪個渠道只是把平均拉低？
平均值也可能騙人：必要時看中位數與百分位數
如果資料分布很歪，平均值可能被少數極端值拉走。
例如多數客戶一年消費 3,000～10,000 元，只有少數大客戶消費 300,000 元，平均客單價會看起來比大多數人的真實情況高很多。
這時可以一起看中位數（Median）或百分位數（Percentile），分清楚「典型客戶」與「極端高價值客戶」。
同樣地，平均頁面速度、平均觀看時間、平均完成率，也可能把兩種完全不同的使用者混成一個不存在的「平均人」。
OMTM 不是孤立數字，底下還要有指標樹
如果 OMTM 是「直播報名後出席率」，你還需要知道什麼因素可能推動它。
支援指標可能包括：報名完成率、加入行事曆比例、提醒信送達率、直播前確認點擊，以及不同流量來源的出席差異。
這些支援指標組成一棵指標樹（Metric Tree）。OMTM 負責聚焦，指標樹則幫助你診斷「為什麼它沒動」。
所以 Lean Analytics 的做法是把數據分層：一個數字負責決策焦點，其他數字負責解釋原因，不是把整間公司只剩下一個數字。
對課程事業來說，不要把所有 KPI 擠在同一層
課程事業很容易一次看很多數字：文章流量、名單、直播報名、出席率、方案頁點擊、付款、完課、續購。
這些都可以存在，但每一個階段的 OMTM 應該不同。
如果你需要的是「經營儀表板」，可以看課程事業每月該看哪些數字？從內容、名單、直播、付款到開課建立基本儀表板；如果你正在解決某一個瓶頸，再從裡面挑出當下唯一最值得盯的指標。
內容行銷也不能只看流量
SEO 文章很容易被「流量」綁架。
如果一篇文章流量很高，卻沒有帶來任何下一步行動，它對商業價值的意義可能有限。
更完整的做法，是把文章流量一路接到 CTA 點擊、報名、名單與後續成交。
這部分可以延伸看SEO 文章有流量就算成功嗎？要怎麼追蹤報名、點擊與後續成交。
一張 Dashboard 最多應該有多少「核心指標」？
如果畫面上有 30 個都標成 KPI，幾乎等於沒有 KPI。
比較實用的方式是：
- 最上方：1 個 OMTM。
- 旁邊：1 個平衡指標。
- 下方：4～6 個支援指標。
- 其他數字：放在需要時才展開的 Drill-down。
這樣一打開 Dashboard，團隊會先看到「現在最重要的問題」，而不是先被數字淹沒。
怎麼挑出自己的 OMTM？
- 先說清楚你的商業模式。
- 確認現在處於哪個創業階段。
- 列出目前最危險的三個假設。
- 問哪一個假設如果錯了，其他努力都會白做。
- 替它找一個可以持續量化的指標。
- 設定目標、日期與未達標時的行動。
- 加一個平衡指標防止被做歪。
如果團隊一直選不出 OMTM，通常表示大家對「現在最重要的風險」還沒有共識；這時先解決共識，比繼續加報表更有用。
常見問題
公司真的只能追一個指標嗎？
不用。可以收集很多數據，但同一階段最好只讓一個指標成為最主要的決策焦點。其他數據留作支援與診斷。
北極星指標和 OMTM 一樣嗎？
不完全一樣。北極星指標通常比較長期；OMTM 強調的是「現在」最值得解決的指標，階段改變後就應該更換。
總營收算不算虛榮指標？
要看情境。營收當然重要，但單看總額可能看不出成本、毛利、留存與成長品質。是否有用，要回到它能不能幫助你做下一個決策。
沒有產業 benchmark，怎麼設定目標？
先用自己的基準值（Baseline）。記錄目前數字，再設定合理改善幅度與期限。外部 benchmark 可以參考，但不應取代自己的 Cohort 與實際商業條件。
OMTM 可以直接當員工 KPI 嗎？
要小心。OMTM 適合用來對齊團隊學習與決策；如果直接變成個人績效，很容易出現為了達標而操弄數字的情況。
什麼時候應該更換 OMTM？
當目前階段的核心風險已經通過驗證，或商業模式、策略、主要瓶頸發生明顯改變時，就應該重新選擇。
Lean Analytics 的重點，是讓焦點更清楚
創業公司最稀缺的往往是時間、現金與注意力；數據再多，也不能替你增加這些資源。
如果每一個數字都重要，最後就沒有任何數字真的重要。
先找出現在最危險的假設，選一個會改變決策的 OMTM，再用目標、同期群、分眾與平衡指標保護判斷品質。這樣分析就不只停在報表，而會直接推動下一個行動。
參考資料
Alistair Croll、Benjamin Yoskovitz：Lean Analytics: Use Data to Build a Better Startup Faster。