當下市場供需逐漸轉向平穩而且略微減速的存量階段，那如何在市場上找到增量呢？讓我們從作者的文章中學習運用北極星指標作為戰略導向定位潛在增長點吧~

公司最核心目標是賺錢、盈利，在過去，我們曾經依賴于較為粗放的經營策略來推動市場份額的增加，如通過擴大員工團隊規模、尋求更多的代理分銷商以及建立更為多元化的銷售渠道等多種方式以穩固市場地位。然而，傳統的商業模式在當代日益激烈的市場競爭環境中已逐漸顯露出其局限性。

例如，康師傅這家知名企業，他們通過實施深度通路開發策略（通路精耕），將目光投向了鄉鎮級別的小城市和農村市場，以此實現了巨大的利潤收益。然而，如今的康師傅亦開始感受到市場競爭帶來的壓力與挑戰。

當下市場供需逐漸轉向平穩而且略微減速的存量階段，如冰箱、空調洗衣機等家庭電器以及各項日用百貨都面臨著同類型競品的激烈競爭。

隨著數字化信息化的迅猛發展，消費者獲取商品信息的途徑也發生了翻天覆地的變化。傳統實體店不再占據主導地位，現在電商崛起，人氣爆棚的短視頻、新穎無比的小紅書以及其他社交媒體都成為了主要的消費路徑。

再說到市場營銷策略，以前依賴電視廣告、各類媒體和全覆蓋廣告的方式，雖然曾經非常有效，但是現如今，面對愈發激烈的行業競爭和利潤率下降的局面，這套策略已經無法適應當前的市場狀況。

為了應對這種情況，我們需要全新的經營模式，調整效益指標體系，制定更為精細的運營方案。同時也包括關注老客戶的利益貢獻度、提升售后服務水平、增加新客戶的轉化率并挖掘產品的特殊性，以追求更高的市場價值。此外，還要敏銳觀察并緊緊把握市場中的每一個機會，以北極星指標作為方向標，尋找到并抓住每個可能的增長點。

一、科學解析北極星指標戰略

指標易于量化拆分，便于跟蹤和分析。通過細分至各層級、各部門和每位員工，使其與實際工作目標緊密相連，從而更好地引導團隊協作。

當指標明晰后，仿佛夜幕中的北極星，給全公司指明前進方向?；诖酥笜藰嫿茖W的數據增長策略體系，促進績效實現。戰略是企業航向，而北極星指標則是推動戰略實施的定位器。

北極星指標并非固定不變，隨著公司生命周期演進及定位調整，皆需在時移境遷中相應地進行重塑。

各階段北極星指標示例（以某電子商務企業為例）:

1. 初創期：交易總額（GMV）
2. 發展期：顧客總數
3. 成熟期：單位平均收入（ARPU）

若發現某項指標無法完全反映公司營運情況，可考慮引入反向指標（如電子商務的GMV與退貨率之比）進行綜合評估。

接下來以某網站團購大戰期間經典案例分析：

A團購網站的戰略：選擇大學城周圍的自助餐、電影院和KTV集中突破。而他們所采用的指標為用戶日活。他們在落地執行過程中篩選出價格介于30至50元之間的平價自助餐、KTV和電影院進行簽約。

B團購網站的戰略目標：關鍵指標為商品交易總額 （GMV），火力主要集中在某些知名餐飲作為突破口，甚至愿意付出高額預付款以搶奪獨家簽約。

因此，銷售團隊在落地執行時傾向于與客單價在50至150元之間的品牌如俏江南、大鴨梨、全聚德等進行簽約。

最終的結果大家可以猜一下？

背景信息供參考：

本地生活團購核心價值：為各類消費者提供無差異化的、經濟實惠且快捷便利的生活服務體驗。

團購目標用戶畫像如下：

2012年，團購消費者主要由年齡在20至28周歲之間的青年人群構成，他們往往是接受過高等教育的大學生或剛剛步入職場的年輕人。這部分人群熱衷于社交聚會以及群體性的娛樂活動等，同時也受制于自身財務狀況的限制，對于價格因素頗為敏感。

由以上案例我們可以看出，北極星指標的重要性?。ㄍ瑯影咐蓞⒖糉acebook與MySpace之爭）

二、當明確了公司戰略的北極星指標后，如何確定各個部門的具體指標？

實際上，部門指標的確認須緊扣公司戰略指標進行分解，確保其與戰略保持緊密聯系并支持落地實施。雖然這看起來較為簡單，實際操作中卻需反復嘗試通過AB測試以尋求最佳的指標和策略。

我們必須認識到，各部門執行目標并非隨意制定，而應遵循基于數據支持的思維模式。

如何科學檢驗用戶運營策略的對北極星指標的提升效果？

我們可以通過分析策略試驗結果，以確定我們的客戶運營策略設計對于北極星指標是否真正起到了推動作用。

因此：基于戰略解讀，重點聚焦核心指標，將業務錨點聚焦在核心指標上。

三、基于北極星指標，下級戰略執行

構建科學的數字化可持續的用戶增長舉措包括：

• 建立高效且具有創新性的增長組織團隊；
• 應用科學生態理論來指導實踐行動；
• 以北極星指標為基礎，持續開展效果測試與優化工作

將北極星實驗法詮釋至業務層面，如何借助場景化營銷策略，洞察消費者心理，攻占消費者心智錢包？

基于數據分析，確定當前主要顧客群體的ARPU（平均每用戶收入）中心范圍，找到數據中可能存在的最大增收機會。

從數據分析可知，16%會員的平均消費價格位于250元至300元之間。若我們在此基礎上將ARPU值提高10%，意味著這些顧客需額外增加每月25-30元的購物支出。

如何挖掘這部分用戶的潛在增長點？可以從兩種方法入手進行探討。

其一是利用用戶行為的數據分析構建出相應的價值模型，比如商品偏好模型、周期購買模型、行為偏好模型以及大促營銷模型和關聯消費模型等多種形式。通俗來說，通過各種數據埋點方式深入挖掘與捕捉有關用戶行為的各項數據，結合長期積累下來的歷史數據，從而準確地揭示這部分用戶的潛在增長點。

其次是精準洞察潛在顧客群體的普遍需求（即確定性需求）此方案多用在TO B業務領域如B2B交易、餐飲供應與農貿訂單等有明確采購需求的項目。

以餐飲商戶需求為例：針對不同商家之間的共同需求類別，對菜系、制作工藝、食材選擇及商品設計等各個環節進行深入剖析，從而繪制出一幅完整的需求圖譜。

得出以下關鍵結論：商家經營類型、主打菜式及其相應的制作技藝（工藝）、食材采用結構及其重要性排序、適合該商家的最佳商品以及各商品的特性等，由此確認核心商品需求.

兩種方法的核心目的都是找到影響用戶核心決策的關鍵品的購買行為，加速了顧客的ARPU提升和品牌忠誠度！

四、OKR執行案例

以下以沙縣小吃為例，以核心ARPU指標為基礎進行戰略拆解分析。

假設，沙縣小吃在2019年1月的平均ARPU值為3000元，每周顧客消費次數達到12次，每筆顧客訂單金額為280元。

核心關鍵指標（O）：將ARPU提高15%；

——過程輔助指標包括：消費次數、訂單金額以及各類產品數量。

我們設定如下活動方案及其組合條件：

A、對于首次光顧者：須滿足商家特色產品種類超過8種，且訂單金額高于300元。特推“雞蛋”作為首次購買贈品，隨第二次購物一同送達，其線上售價為16元。

B、對于連續兩次購物消費者：同樣需滿足上述條件,額外贈送一份“雞蛋”和價值10元的優惠券，該券可用于購買10元的線上商品，并在第三次購物時隨貨贈送。

C、對于第三次及以上前來購物的客戶：仍然要滿足相關要求，可以獲得一件價值10元的指定禮品，禮物的具體內容會因時而異。

根據不同層次的用戶分類、建立的用戶模型、對他們下單行為做出的預測結果以及高度自動化的推進方式來推薦相應的營銷活動給客戶。

對應上述的執行策略，我們再來拆解協同部門的OKR指標

供應鏈采購部（KR）：

• 確保關鍵商品的供應，并提升其滿足率；
• 提高履行標準的完成程度；
• 控制SKU庫存量，并達到合理水平；
• 調整價格以滿足市場需求。

物流履約部（KR）：

• 提高物流服務的整體完成度；
• 優化倉庫配送成本；
• 提高庫存流轉速度

銷售部（KR）：

• 增加商品推薦功能的效果及轉化率；
• 提高核心產品在SKU中的占有率；
• 提高客戶平均消費額。

線上商城運營（KR）：

• 加強對核心品類的宣傳力度，提高其曝光率；
• 提升用戶對核心商品的搜索和購買意愿。

以上案例詳細闡述了如何從戰略目標設立到各部門協作的全流程，以實施北極星指標戰略分解。

各部門在確定OKR目標后，接續的策略是實施SOP流程，主要措施包括以下幾點：

• 深入理解并準確挖掘商戶對于食材的真實需求；
• 提煉出商戶核心需求；
• 持續改進和優化商品品類的設置。

最后結果驗證（數據佐證）

goodcase 北京沙縣小吃呈現出ARPU值迅速攀升的態勢，表現如下：SKU數量與第一季度相比，第二季度增長了7.9個；而ARPU值經過同比分析，也有顯著增長至5025元。然而在季環比高達70%的增長率之后，已經步入發展的瓶頸期。

商品供應鏈部核心商品項目深度解析：核心商品的市場占有率情況

北京地區沙縣小吃100強商鋪的商品組合中，核心商品占據了高達44%的份額。以下是排名前五位且SKU滲透率最高的五種商品：

1. XXX鴨腿，覆蓋率達到了63%；
2. ZZ琵琶腿，占比為36%；
3. ZZXX鴨胗，滲透比率達35%；
4. XX X鴨腿，覆蓋率為31%；
5. XX沙縣餛飩皮，涉及比例28%。

badcase 暴露問題：很多核心品滲透率低，依然存在缺貨、質量等問題。

以上就是在北極星指標戰略框架下，各職能部門指標的詳細拆分及其操作步驟實例。

分享幾個常用指標：

GMV=訪問量×轉化率×顧客平均消費額

其中，訪問量包括線上（如導購、廣告、搜索、應用市場、分享和直接登陸）和線下（如渠道推廣、地推和平面廣告）；轉化率則覆蓋了從 Banner 到活動再到訂單生成的各個細分漏斗；而顧客平均消費額即為 GMV 除以付費用戶數。

ARPU：

ARPU（即每位顧客每月對公司的貢獻）可以通過以下公式計算得出：

客單價（商品種類 ×每種商品價格）×購買頻率

其中，商品種類和購買頻率都會影響 ARPU。

毛利率

毛利率=（銷售額 -成本）÷銷售額×100%（百分比）

投資回報率（ROI）

投資回報率ROI=銷售額÷投資額

其中，銷售額= UV ×轉化率× ARPU; 而投資額由 UV ×[單個用戶獲取成本(CAC)+單個用戶運營成本(COC)]組成。在此基礎上，這一模型適用于電商類、知識付費類和共享出行等領域。

以上為我個人的思考和工作中的實踐，歡迎大家一起來探討。