目标
接着产品工程师职业方向的话题，本文介绍一套基础的产品判断框架：
- 产品创新通常经历哪些验证阶段？
- 每个阶段需要做出什么定性判断？
- 可以用什么量化指标验证这些判断？
本文参考 《精益数据分析》（Lean Analytics）。这本书主要讲如何验证创新想法，也有助于工程师建立产品意识。
推荐者包括 Kevin Weil、Dan Martell、范冰、张溪梦和丁磊。
为什么
软件工程师通常负责产品的技术实现。他们知道如何构建系统，但对产品方向是否可行，可能缺少清晰的判断框架。
常见缺口包括：
- 不知道产品当前处于哪个阶段
- 把所有指标看得同样重要
- 把功能上线当作产品取得进展
- 尚未验证关键的产品假设，就开始优化技术或运营细节
- 讨论产品价值、业务风险和用户行为时，缺少共同语言
本文借助精益数据分析提供一个简明框架：
- 根据产品阶段，找出当前最需要验证的问题
- 明确这个问题需要什么定性判断
- 用量化指标验证产品是否取得进展
如何做
核心流程：
- 识别产品当前所处的阶段。
- 明确该阶段的主要问题。
- 明确需要收集哪些证据来回答这个问题。
- 选择相应的量化指标。
- 根据指标结果，决定继续迭代、调整方向，还是进入下一阶段。
注：更底层的逻辑来自《矛盾论》（识别每个阶段的主要问题）和《实践论》（通过实践检验判断）。感兴趣的读者可阅读《毛泽东选集》中的这两篇文章。
内容
本文分为四部分：
- 产品决策模式：如何验证尚不确定的产品问题，并决定下一步行动。
- 指标：如何选择有用的指标。
- 阶段：产品创新各阶段的主要问题、OMTM、关注点、通过条件和示例。
- 商业模式指标参考：不同商业模式下的各阶段指标参考。
产品决策模式
根据阶段选择指标
不同阶段需要不同指标。
指标应该围绕当前最需要验证的问题来选。处于需求探索阶段的产品，不应优先优化渠道 ROI。留存率低的产品，应先解决用户为什么不再使用的问题。
根据指标决定行动
| 情况 | 决策关注点 |
|---|---|
| 指标变差 | 定位瓶颈 |
| 指标改善 | 判断该阶段的风险是否降低 |
| 指标失真 | 结合实际用户行为和访谈反馈重新判断 |
| 指标改善，但业务没有改善 | 检查指标是否反映了真正需要解决的问题 |
根据阶段信号申请资源
各阶段将在后文的“阶段”一节详细介绍。产品工程师可以根据各阶段的验证结果，向公司申请资源，启动、继续或扩大项目。
| 阶段信号 | 内部资源申请 |
|---|---|
| 需求探索信号清晰 | 申请时间做原型，或针对关键假设开展实验 |
| 用户黏性信号清晰 | 申请研发、设计或数据支持，改善核心使用流程 |
| 用户黏性和营收信号都清晰 | 以 PMF 证据为依据，申请更多资源 |
| 营收信号清晰 | 申请销售、营销、定价支持或基础设施投入 |
| 规模化信号清晰 | 申请扩充团队、增加渠道投入、运营支持或平台建设资源 |
注：这与创业者凭借 PMF（产品与市场契合度）证据向投资者或合作伙伴争取资源的思路相似。产品工程师也可以用这些验证结果申请公司内部资源。
指标
指标的价值在于帮助团队做决策。
什么是好指标
| 原则 | 含义 |
|---|---|
| 能指导行动 | 指标变化时，团队知道应该调整什么 |
| 可比较 | 能与历史、目标、用户分群或竞争对手进行比较 |
| 比率优先 | 相比绝对数量，比率更能反映效率和质量 |
| 简单清晰 | 非数据岗位也能理解 |
| 暴露问题 | 指标下降能够揭示业务瓶颈 |
OMTM：第一关键指标
OMTM（One Metric That Matters）是最能反映当前主要风险是否降低的单一指标。
一个好的 OMTM 应该回答三个问题：
- 当前的主要风险是什么？
- 哪个指标最能反映这个风险是否改善？
- 团队将根据结果采取什么行动？
常见指标类型
这些类型可作为检查清单，不作为本文的主要框架。
| 类型 | 作用 | 示例 |
|---|---|---|
| 虚荣指标 | 展示规模，但不能直接指导决策 | PV、累计注册用户数、累计下载量 |
| 可行动指标 | 指导产品或业务决策 | 转化率、留存率、CAC、LTV |
| 先行指标 | 提前反映未来结果 | 激活率、关键行为完成率、次日留存率 |
| 滞后指标 | 反映最终结果 | 营收、利润、GMV、流失率 |
| 定性证据 | 解释事情为什么发生 | 用户访谈、客服反馈、评论文本 |
| 定量证据 | 判断规模和变化 | 漏斗数据、留存曲线、营收数据 |
阶段
阶段模型回答两个问题：
- 当前业务的主要不确定性是什么？
- 需要多少证据才能进入下一阶段？
以下条件仅供参考。具体指标的达标线取决于商业模式、使用频率、毛利水平、获客周期和产品成熟度。
| 阶段 | 主要问题 | OMTM 参考方向 | 进入下一阶段的最低条件 |
|---|---|---|---|
| 需求探索（Empathy） | 问题真的存在吗？ | 有效访谈数、预约率、人工服务转化率 | 已明确目标用户、真实痛点、现有替代方案和行动意愿 |
| 用户黏性（Stickiness） | 用户会持续使用吗？ | 激活率、留存率、关键行为完成率 | 留存稳定、核心价值清晰，新用户能顺利完成激活 |
| 传播（Virality） | 用户会带来新用户吗？ | 分享率、邀请转化率、病毒系数 | 受邀用户激活并留存，自然传播降低 CAC |
| 营收（Revenue） | 产品能赚钱吗？ | 付费转化率、LTV/CAC、毛利率 | 单位经济模型合理、收入可持续、成本结构可控 |
| 规模化（Scale） | 能高效放大增长吗？ | 渠道 ROI、CAC 回收期、利润率 | 增长、质量、组织和财务保持可控 |
需求探索：真实问题存在吗？
步骤 1：主要问题
目标用户是否确实遇到了值得解决的痛点。
步骤 2：关注点
| 关注点 | 要判断什么 | 证据 | 常见误区 | 通过信号 |
|---|---|---|---|---|
| 痛点强度 | 问题在具体场景中造成了多大困扰或损失 | 访谈反馈、问题发生频率 | 只听用户说什么，忽略他们做什么 | 用户能清楚描述场景、损失和当前解决办法 |
| 现有替代方案 | 用户是否已经投入精力解决问题 | 临时方案、付费替代产品、人工流程 | 把没有替代方案当作好信号 | 用户已经采用临时方案、付费产品或人工流程 |
| 行动意愿 | 用户是否愿意付出金钱、时间或迁移成本 | 预约率、试用申请、人工服务转化率 | 把口头兴趣当作真实需求 | 用户留下信息、试用、预约、付费或投入时间 |
| 目标用户 | 哪类用户受这个问题影响最大 | 不同用户群的访谈反馈 | 将痛点强弱不同的用户反馈混在一起求平均 | 团队能说清谁有这个痛点、原因是什么、在什么场景下发生 |
步骤 3：可选 OMTM
有效访谈数、预约率或人工服务转化率。根据本轮迭代最需要验证的假设选择一个。
步骤 4：通过条件
- 进入下一阶段：已经明确用户的问题、目标人群、现有解决办法和行动意愿。
- 跳过的风险：团队可能为一个想象中的问题构建解决方案。
示例
假设产品是一款 AI 代码审查 SaaS。首先要确认研发团队是否确实遇到了审查等待时间长、审查质量不稳定、反复按清单手动检查等问题。单看模型准确率回答不了这些问题。团队已有自编脚本和审查规范、资深工程师反复指出同类问题、用户看过人工演示后主动申请试用，都能为需求判断提供依据。
用户黏性：用户会持续使用吗？
步骤 1：主要问题
用户是否因为产品创造了真实价值而持续使用。
步骤 2：关注点
| 关注点 | 要判断什么 | 证据 | 常见误区 | 通过信号 |
|---|---|---|---|---|
| 激活 | 新用户能否首次获得核心价值 | 激活率 | 把注册当作激活 | 新用户能稳定完成核心行为 |
| 留存 | 用户是否按预期的使用频率再次使用 | 次日、7 日、30 日留存率 | 让新增用户增长掩盖留存率低的问题 | 核心用户持续使用，间隔符合产品使用场景 |
| 使用深度 | 用户是否反复使用产品的核心功能 | 核心行为频次、任务完成率 | 把任何活跃都当作用户获得了价值 | 用户反复通过核心功能完成任务 |
| 关键行为 | 哪些行为能预测长期留存 | 按行为分组的同期群分析（Cohort Analysis） | 把每次点击都当作有意义的行为 | 团队能识别与长期留存强相关的行为 |
步骤 3：可选 OMTM
激活率、留存率或关键行为完成率。先判断瓶颈是新用户未完成核心任务、用户没有再次使用，还是关键行为完成率低，再选择相应指标。
步骤 4：通过条件
- 进入下一阶段：留存稳定、核心价值清晰，新用户能顺利完成核心任务并获得价值。
- 跳过的风险：扩大获客通常只会更快暴露用户流失。
示例
对于这款 AI 代码审查 SaaS，要看团队试用后是否继续用它审查代码。可选的 OMTM 是每周完成 AI 审查的活跃代码仓库数，用来观察工具是否被持续用于日常审查流程。
传播：用户会带来新用户吗？
步骤 1：主要问题
现有用户能否通过分享、邀请等行为带来新用户。
步骤 2：关注点
| 关注点 | 要判断什么 | 证据 | 常见误区 | 通过信号 |
|---|---|---|---|---|
| 分享 | 用户是否有真实的产品分享或邀请动机 | 分享率、邀请率 | 把分享按钮点击当作真实传播 | 分享源于价值、关系、协作或身份表达 |
| 转化 | 受邀用户是否接受邀请并激活 | 邀请接受率、分享带来的用户激活率 | 只看曝光量，忽略转化 | 受邀用户激活并留存 |
| 传播闭环 | 每个用户能否在合理周期内带来新用户 | 病毒系数、传播周期 | 只看病毒系数，忽略传播时间 | 自然传播降低整体 CAC |
| 用户质量 | 推荐带来的用户是否留存、使用核心功能 | 推荐用户留存率、投诉率 | 用奖励吸引低质量用户 | 新用户的留存、核心行为和投诉情况没有显著恶化 |
并非所有业务都必须经历传播阶段。低频、高客单价、重交易的业务可能从用户黏性直接进入营收验证。
步骤 3：可选 OMTM
分享率、邀请转化率或病毒系数。根据当前瓶颈是用户不愿分享、受邀用户未激活，还是传播效率低，选择相应指标。
步骤 4：通过条件
- 进入下一阶段：分享有真实动机，受邀用户激活并留存，自然传播在不损害用户质量的情况下降低获客成本。
- 跳过的风险：推荐或分享机制可能带来低质量用户，无法形成持续增长。
示例
这款 AI 代码审查 SaaS 可以通过团队协作传播。工程师安装工具后，邀请同事参与评论、审批或配置仓库规则，此时可以关注受邀成员的激活率。
营收：产品能赚钱吗？
步骤 1：主要问题
产品能否持续获得收入。
步骤 2：关注点
| 关注点 | 要判断什么 | 证据 | 常见误区 | 通过信号 |
|---|---|---|---|---|
| 付费意愿 | 用户是否为产品价值付费 | 付费转化率、试用转付费率 | 把免费使用当作付费意愿 | 用户为产品价值付费 |
| 定价逻辑 | 用户是否清楚自己在为什么付费 | ARPU、套餐选择、折扣敏感度 | 尚未了解用户认可的价值就测试价格 | 团队能解释用户为什么付费、为哪部分价值付费 |
| 收入可持续性 | 能否持续获得续费、复购或增购 | 续费率、复购率、增购收入 | 把一次性付费当作稳定收入 | 付费、续费或复购持续发生 |
| 单位经济模型 | 单个客户带来的收入能否覆盖获客和交付成本 | LTV/CAC、毛利率、回收期 | 让营收增长掩盖不可持续的成本 | 客户生命周期内的收入能覆盖获客、履约和服务成本 |
步骤 3：可选 OMTM
付费转化率、LTV/CAC 或毛利率。根据当前风险是付费意愿、获客效率还是交付成本，选择一个。
步骤 4：通过条件
- 进入下一阶段：收入可持续、定价逻辑清晰、单位经济模型合理。
- 跳过的风险：增长可能放大一个亏损的商业模式。
示例
当持续使用这款工具的团队开始购买团队版或企业版时，就有了营收验证的初步证据。前期可以看试用转付费率；工具融入团队日常工作后，再关注续费率、付费席位增长和 LTV/CAC。
规模化：能高效放大增长吗？
步骤 1：主要问题
扩大业务规模后，能否保持效率、质量和财务稳定。
步骤 2：关注点
| 关注点 | 要判断什么 | 证据 | 常见误区 | 通过信号 |
|---|---|---|---|---|
| 增长效率 | 投入增加后，渠道是否仍然有效 | 渠道 ROI、CAC 回收期 | 让总量增长掩盖单个渠道亏损 | 核心渠道 ROI 稳定，CAC 没有快速恶化 |
| 组织效率 | 团队扩大后，交付和实验速度是否下降 | 人均营收、单位时间完成的实验数 | 将增加人手作为主要扩张方式 | 交付效率和实验效率没有显著下降 |
| 质量稳定性 | 业务量增加后，服务质量是否下降 | 投诉率、失败率、履约失败率 | 忽略被规模放大的系统性问题 | 投诉率、失败率和履约失败率没有显著上升 |
| 盈利能力 | 扩大规模后，盈利和现金流能否保持或改善 | 利润率、现金流、规模化后的边际成本 | 假设规模变大就会自动改善利润 | 毛利率、现金流和回收期支持继续投入 |
步骤 3：可选 OMTM
渠道 ROI、CAC 回收期或利润率。根据当前风险是获客效率、现金回收还是盈利能力，选择一个。
步骤 4：通过条件
- 继续扩张：增长、质量、组织和财务保持可控。
- 跳过的风险：规模可能放大渠道亏损、质量故障和组织低效。
示例
这款 AI 代码审查 SaaS 在留存和营收得到验证后，需要评估能否扩大规模。客户增加会带来接入支持、代码仓库集成和推理成本，此时应关注 CAC 回收期、净收入留存率（NRR）、毛利率和人均营收。
商业模式指标参考
常见商业模式下的各阶段指标参考。
电商 / 交易平台
核心逻辑：流量 -> 供给 -> 转化 -> 复购 -> 利润。
| 阶段 | 指标参考 | 判断点 |
|---|---|---|
| 需求探索 | 搜索行为、访谈反馈、现有购买渠道、人工接单转化率 | 用户已有购买意图或交易行为 |
| 用户黏性 | 复购率、购买频次、复购间隔、商品收藏数、弃购召回转化率 | 用户有同类商品或交易需求时会再次购买 |
| 传播 | 推荐转化率、分享购买转化率、拼团参与率、邀请带来的 GMV | 分享带来新交易 |
| 营收 | GMV、抽佣率、毛利率、补贴率、履约成本、LTV/CAC | 能在交易规模之外看清收入质量 |
| 规模化 | 渠道 ROI、CAC 回收期、供给覆盖率、履约失败率、现金周转周期 | 扩大获客后，供给、履约和现金流能否跟上 |
SaaS / 订阅业务
核心逻辑：获客 -> 激活 -> 使用 -> 留存 -> 付费 -> 扩展。
| 阶段 | 指标参考 | 判断点 |
|---|---|---|
| 需求探索 | 用户访谈、任务发生频率、现有工具使用情况、人工处理流程、试用申请数 | 用户的日常工作中有反复出现的问题 |
| 用户黏性 | 激活率、首次核心任务完成率、WAU/MAU、功能使用深度、同期群留存率 | 用户反复通过产品完成核心任务 |
| 传播 | 团队成员邀请率、受邀成员激活率、协作带来的新增账号数、团队使用深度 | 协作带来目标用户 |
| 营收 | 试用转付费率、MRR、ARR、ARPU、流失率、续费率、LTV/CAC | 持续使用能转化为订阅收入 |
| 规模化 | CAC 回收期、NRR、付费席位增长、人均营收、毛利率 | 留存、老客户增购和获客效率能够支撑增长 |
UGC / 社区
核心逻辑：用户发布内容 -> 内容被阅读或观看 -> 互动带来反馈 -> 创作者持续发布 -> 用户持续留存。
| 阶段 | 指标参考 | 判断点 |
|---|---|---|
| 需求探索 | 创作者访谈、现有发布行为、社区参与情况、早期人工运营中的投稿情况 | 用户已有创作、内容获取或互动需求 |
| 用户黏性 | 创作者留存率、内容消费者留存率、发布频次、阅读或观看深度、互动率 | 创作者和内容消费者都持续使用 |
| 传播 | 分享率、邀请转化率、内容带来的注册转化率、关注关系增长 | 内容或社交关系能带来并留住新用户 |
| 营收 | 人均广告收入、创作者变现率、付费社区转化率、抽佣率、LTV/CAC | 变现的同时，持续观察创作者活跃度和用户留存 |
| 规模化 | DAU/MAU、活跃创作者数、优质内容占比、审核通过率、举报率 | 用户增长后，内容供给、内容质量和审核能力能否跟上 |