驅動指標：把北極星拆成團隊能改的事

你好不容易選對了北極星指標，興沖沖地帶到主管會議。全公司都同意：這季開始，大家盯「月活躍購買者」。散會。

週一下午，行銷部長找你喝咖啡：「那我們行銷團隊要怎麼推動它？我們能做的就是把新客拉進來，可是活不活躍是後面的事啊。」週三，產品 PM 丟訊息：「我們團隊做結帳流程優化，跟『月活躍』的關聯到底怎麼量？」週五，客服主管開會時直接說：「我們是處理客訴的，你不能叫我對用戶購買次數負責。」——三位主管都沒講錯。

PTT P_Management 板上有一段很早但很準的觀察：「KPI 而言，這兩個單位基本上是利益相對立的。」北極星不能當部門 KPI。它太大、太遠、太慢，部門團隊盯著它無從下手。你需要把它拆開——拆成每個部門能真實動到的那顆螺絲。這就是驅動指標（Driver Metrics）的工作。

三層指標結構：NSM → Driver → Input

把公司的指標想像成一棵倒立的樹。最上面只有一個果實——北極星（NSM）。往下一層是驅動指標（Drivers）：3 到 5 個，每個都是一個「如果它動了，NSM 會跟著動」的關鍵槓桿。再往下是輸入指標（Inputs）：8 到 12 個，每個都是 driver 下面可以被團隊日常調整的具體操作點。

NSM 是方向。它告訴你「往哪走」，但不會告訴你「怎麼走」。

Driver 是槓桿。它告訴你「拉哪顆螺絲能讓北極星動」。每個 driver 要明確對應一個主要負責的部門，這樣開會時才不會出現「這誰要管」的真空。

Input 是動作。它是 driver 可以被日常調整的具體操作點。EDM 送信時段、廣告素材疊代、結帳流程按鈕文案——這些都是 input。一個 driver 通常有 2 到 3 個 input 支撐。

為什麼要分三層？因為不同層的人，需要不同顆粒度的數字。CEO 看 NSM 就夠了，他不需要知道 EDM 送信時段怎麼 A/B；行銷總監要盯 driver 層，才能判斷這個月方向對不對；操作層的人每天看 input，才能直接動手。如果全公司都看同一層，要嘛高層迷失在細節、要嘛執行層看不到重點。

電商業務的三種拆解樹：選你的戰場

這是這門課會用到的核心工具。不同的業務模式，拆解樹長得不一樣——硬套同一套公式會讓你在錯的指標上用力。

戰場一：GMV-centric（傳統電商 / 廣告導向）

最經典、也最容易被複用的拆法：

這套拆法的優點：直覺、每個因子都對應一個明確的部門槓桿。訪客數歸行銷，轉換率歸產品和電商營運，客單價歸商品和商城企劃，購買頻次歸 CRM 和會員經營。

缺點是：它沒有告訴你這些流量「賺不賺錢」。你可以靠猛燒廣告把 GMV 撐上去，但毛利和 LTV 可能一起崩盤。這就是為什麼 2026 年業界漸漸轉向下一個戰場。

戰場二：LTV:CAC ratio（DTC / PM / 營運導向）

過去 8 年，paid social 的 CAC 漲了 222%（2026 年多家 DTC 財務顧問的統計）。光靠買廣告衝 GMV 這條路，越來越貴。業界開始把核心指標換成：

同時搭配 CAC Payback Period：一個新客要多久才能回本？電商健康值 6 到 12 個月，SaaS 12 到 18 個月。超過這個數字，你的現金流會被獲客吃光。

這套框架的優點：每個決定都得過「這個行為是讓 LTV 往上，還是 CAC 往上？」的檢驗。衝 GMV 變得不夠——你要衝有利潤的 GMV。

一句業界口訣值得你記住：投資人看 LTV:CAC，老闆看 GMV——兩個都要會。

戰場三：MRR 四象限（訂閱制 / SaaS）

訂閱制完全不用 GMV 公式，直接拆成月循環收入（MRR）的四個來源：

這套拆法的威力在哪？它強迫你把「既有客戶」和「新客戶」分開看。很多 SaaS 老闆只盯「總 MRR 有沒有漲」，結果沒發現新客狂拉、舊客狂跑，公司進入「獲客跑步機」的惡性循環。拆成四象限之後，問題藏不住。

怎麼選你的戰場

如果你在公司裡提不同的拆法，同事可能會問「為什麼要這樣拆」。一個簡單的判斷表：

這門課後面主要用戰場一（GMV）加戰場二（LTV:CAC）混合的方式走案例，因為這是行銷 / PM / 營運最常碰到的組合。如果你在訂閱制公司，把戰場三替換進去就好，拆解邏輯是一樣的。

AARRR 漏斗：先教你，但 2026 有進化

如果你待過成長團隊，一定聽過 AARRR。這是 2007 年 Dave McClure 提的五階段漏斗：

AARRR 2026 年仍是最廣泛教授的框架，優點是直覺、能和業務結果連起來。但它有三個公認弱點，你在公司裡用的時候要知道：

一，線性漏斗思維不符合現代用戶旅程。真實用戶不是乖乖從 A 走到 R，他會進來看一下、離開三個月、被 retargeting 召回、訂閱電子報、半年後下單。你用線性漏斗算轉換，會漏掉一大堆非線性行為。

二，Acquisition 偏見太重。這個框架把 Acquisition 放第一個，暗示「先拉新才有後面」。但在 2026 年 CAC 飆漲的環境，很多公司真實的瓶頸不在獲客，在留存——你一直在獲客，但留不住，就等於用水桶裝水但底下有洞。

三，Referral 在 B2B 很難量化。B2B 推薦常常發生在私下對話、封閉群組、線下聚會，追蹤機制追不到，這一格在 B2B 場景基本是盲區。

這三個弱點 2026 年業界給了一個漂亮的解法——RARRA，把 AARRR 倒過來，留存（Retention）優先。Userpilot 2025 年的一篇分析講得很清楚：RARRA 的排序是 Retention → Activation → Referral → Revenue → Acquisition。不是說 Acquisition 不重要，是說你應該先確保自己能留住人，再把資源投入獲客。下一課我們要講指標陷阱時，這件事會再回來。

這一課先給你一個判斷：如果你在產品初期做 PMF 驗證，用 AARRR；如果你在產品成長期、CAC 很貴、留存是真瓶頸，用 RARRA 思維。

部門槓桿對照：每個 driver 有 owner

把 drivers 拆出來還只完成一半。每個 driver 都要有明確的 owner 部門，不然會議上會出現「這個指標是不是應該我們來盯」的踢皮球。下面是電商常見的對照：

每個 driver 配一個主責部門，並不表示其他部門不用管。它的意思是：當這個 driver 掉了，會議上第一個要回應的是這個部門，其他部門輔助。沒有 owner，就沒有究責，也就沒有實際的推動力。

跨部門指標衝突：不處理會內鬥

把 driver 分給部門之後，下一件事你一定會踩到：部門之間會為了各自的 driver 打架。這不是組織病，是數學必然——因為很多 driver 彼此有拉扯關係。

三個電商裡最常見的衝突場景：

衝突一：行銷衝獲客量，犧牲新客品質。行銷部盯 CAC 降低 → 他們買便宜流量 → 低意圖新客湧入 → 轉換率下滑 → 產品部被迫檢討結帳流程，但真的問題在流量質。行銷覺得「我達成指標了」，產品覺得「你們害我們數字變差」。

衝突二：產品衝訂單量，壓垮物流和客服。產品部衝首購轉換率 → 跑很多強促銷 → 訂單暴量 → 物流處理不過來 → 出貨延遲 → 客訴湧進客服 → 客服 NPS 掉 → 回購率跟著掉。產品覺得「訂單量達標」，物流和客服覺得「你們是把我們當什麼」。

衝突三：業務衝成交，行銷追不上名單。B2B 場景常見。業務要更多 lead 才能達標 → 行銷被要求多跑名單 → 為了衝量買低質名單 → 業務抱怨「這些 lead 都打不通」→ CAC 計算變詭異。兩邊都覺得是對方的問題。

處理這件事最優雅的做法，就是前一課開始埋的那顆種子——counter metric。

設計 driver 時就要一起想 counter metric，不是等衝突發生才來補。這件事做好，跨部門會議會從「互相檢討」變成「一起守住這組配對」。

三原則 rubric 回扣

Driver 層同樣要過上一課的三條判準：

能決策：driver 變動時，該 owner 部門能立刻知道要動哪些 input。如果一個 driver 變動了、owner 還要開會討論「所以我們要做什麼」，那 driver 沒拆對。

能歸因：driver 的變化，能追回到是哪幾個 input 推的。driver 和 input 之間的關聯必須是可追蹤的。不然 driver 就只是另一個漂亮的總數字。

能比較：每個 driver 都要有自己的 baseline、歷史 cohort、比較口徑。driver「CVR」這週 3.2%，這數字本身沒意義；「CVR 3.2%，WoW +0.3pp，比本檔期過去三週平均 +0.5pp，但比去年同檔期 -0.2pp」才叫能比較。

AI 協作：學了這個，跟 AI 怎麼配合？

AI 很會根據業務描述產生 driver 清單，也很會把它們拆到 input 層。但它不會主動想跨部門衝突，也不會主動配 counter metric——這兩件事是你在這堂課之後必須自己補上的。

你的人類優勢：

• 你知道公司的組織分工，知道哪個 driver 該丟給哪個部門
• 你知道哪兩個部門歷史上就在打架，哪些 driver 分配會火上澆油
• 你知道公司的真實瓶頸（是獲客？活化？留存？），才決定用 AARRR 還是 RARRA 的邏輯

可以這樣跟 AI 說：

我是 DTC 保養品牌的 PM。公司 NSM 是「週活躍購買者（WAP）」，組織分三個部門：行銷（獲客）、電商營運（站上體驗 + 商品）、客服 / CRM（留存）。請你：一，用指標樹把 WAP 拆到 3 個 driver，每個 driver 指定主責部門；二，每個 driver 往下拆 2-3 個 input；三，點出其中一組可能造成跨部門衝突的 driver 組合，並設計 counter metric；四，用 Actionable / Attributable / Comparable 三原則跑一次，指出哪個 driver 最可能失靈。最後提醒我：我們 CAC 過去 12 個月漲了 40%，這是否影響你對 driver 設計的建議（例如該往 RARRA 思維靠）。

練習題

本課重點回顧

• NSM 不能當部門 KPI——太大、太慢、太遠，部門團隊無從下手
• 三層結構：NSM × 1（公司方向）→ Driver × 3-5（部門槓桿）→ Input × 8-12（執行動作）
• 拆解樹有三個戰場：GMV（傳統電商）、LTV:CAC（DTC / PM 導向）、MRR 四象限（訂閱 / SaaS）
• 口訣：投資人看 LTV:CAC，老闆看 GMV，兩個都要會
• AARRR 仍是基礎，但 2026 的 CAC 環境讓 RARRA（留存優先）更合現實
• 每個 driver 要有 owner 部門，不然沒有推動力
• 跨部門指標衝突是數學必然——用 counter metric 處理，不要期待「大家都合作」
• 下一課要告訴你：所有這些 driver 變動，怎麼才不會被誤讀