- 使用定量資料和各種指標來了解人們實際的行為、發現新機會，以及如何衡量成功
- 了解公司的關鍵成功指標：隨時思考團隊指標與公司指標間的關係。
- 學習如何為自己提取資料：資料分析中，週期速度相當重要，若需要等待他人提供資料，將會耗上更多時間。
- 為團隊建立儀表板
- 顯示成功指標：通常不太會變動。
- 尋找前驅因素：推動成功指標的因素，可以幫助及早識別風險的發生。
- 展示人們如何使用它：穩定的提醒機制。
- 降低雜訊：考慮切割或過濾指標，以減少變異度和雜訊。
- 將指標正規化：將它除以活躍用戶數量，找出真正的變化表現。
- 季節性因素：觀察區間的變化量與一年前或一週前的虛線，可以發現季節性的起伏。
- 顯示7日平均值：可以觀察趨勢與特殊事件峰值。
- 定期檢查團隊的指標
- 探索資料：試著深入挖掘，找出意義或原因，若有發現有趣的見解，一定要和別人分享。
- 決定公司的關鍵成功指標
- 損益責任：永遠提前一步意識到計劃出錯，並為其修正與溝通，對外有策略提供保守的指標，對內提供有積極的目標。
- 使用標竿來理解資料：使用標竿來加入背景，並賦予資料意義，用參考點理解數字。
- 建立資料直覺：觀察別人如何分析資料和辨認模式，加快建立直覺的過程，將數字和事實變成合力的故事。
- 執行更好的實驗：優秀的PM會從失敗中學習，但優秀的PM也很少失敗，因為實驗可能會帶來隱性成本，也有可能拖慢前進的動力，在重點問題進行實驗，明智使用團隊時間，也是PM的責任。
- 好的指標 vs. 虛華指標：好的指標是與「策略和長期成功」有關的指標
- 海盜指標(AARRR)
- 獲得新用戶(Acquisition)
- 活化用戶(Activation)
- 提高客戶保留率(Retention):每日活躍數量(DAU) & 每月活躍數量(MAU)
- 用戶推廣(Referral)：淨推廣分數(NPS)
- 獲得收入(Revenue)：客戶終身價值(LTV)/客戶獲取成本(CAC) = 3
- A/B測試與統計數據
- 統計學知識
- 信賴區間：大部分公司採用的標準信賴區間為95%
- 信賴區間有0，代表我們不知道這個變動究竟會讓指標增加還是減少
- P值：如果指標不成功的話，在實驗中會看到這個結果的可能性，大部分公司將截止點設在0.05
- p-hacking：當資料捕撈的夠久，可能會發現某些事情，其實它只是隨機的
- 統計數據與實驗
「以終為始」似乎這一個PM從第1天開始就要有的習慣，回首甫加入若水的時候，只有一鼓腦兒的憑著直覺衝刺，沒有細細和團隊核對成功指標，也未連結團隊指標與部門指標，最終變成RD對自己的成果空歡喜。書中有提到，並非全部的公司都會定好一個明確的指標，PM經手的業務也多半是在不確定之中探索，因此，遵照著指標執行，我認為是比基礎還基礎的事情，PM需要不斷拿著指標和相關人員、主管核對，如果指標不具代表性或有各自解讀，都應該先定義好。這個概念跟OKR很像，尤其是變形後的OGSM更為切合，公司的G，會變成部門的O；部門的G，會變成團隊的O，一個好的G，會具備SMART原則，一層又一層之間都需要仔細思考關聯性，如此才能在大家扮演好自己角色的同時，實現公司目標。
關於指標，前些日字閱讀「精實影響力」時，也有提及類似的概念：創新指標vs.虛榮指標，覺得翻譯的很是恰當，我們很容易訂出虛榮指標，像是發了多少篇文章、有多少使用者等，隨著時間越長，數字提升，我們會覺得好像很棒，可是問題真的被解決了嗎？這讓我回想起之前待在學研界時，寫科技部計畫的報告時，充滿著不少這樣的數字，很是需要引以為鑑。「問題真的被解決了嗎？」創新指標應該是要能回答這個問題，商業世界可能稍微好定一些，賺錢與足夠的利潤是商業的重點，但若對於非營利組織而言，「影響力」要怎樣被創新指標衡量，有時候會需要退好幾步的連連看，才不會讓指標被擺得很遠，失去團隊不斷定期檢查依據，而失去團隊前進的動力。
iThome鐵人賽
看影片追技術