客戶工廠藍圖讓你看見地板，**基準測量（benchmark）**讓你看見真實進展。沒有基準，就無法判斷哪一個改變真的有效；也無法定位下一個約束。
別餵食你的虛榮#
衡量「真實進展」之所以困難，是因為我們偏愛報喜不報憂——喜歡向右上方走的曲線。但有些指標只能往右上：
- 註冊總人數（無論是否還在用）。
- 累積下載量。
如果一個指標只能持平或上升、絕不會下降，那它幾乎一定是虛榮指標（vanity metric）。
虛榮指標並非沒有用——放在行銷網站上做社會證明、嚇退競爭者很有效。但當作內部進展指標時，它只給你「進步的幻覺」，讓你迴避真正的殘酷事實。
不是指標本身造成虛榮或可行動，而是你怎麼測量它。
同樣的資料、月度視角：Monthly sign-ups 800-1800 上下震盪，看見真實的起伏
同樣的資料、累積視角：Cumulative sign-ups 永遠向右上——這就是虛榮指標的長相
追求可行動指標：以同期群（cohort）取代總量#
另一個常見問題是：方便。我們傾向用「總量（aggregate）」量測。
- 總量：在某個報告區間（如本月）數一下事件發生次數。優點：簡單。缺點：不準。
- 同期群：依使用者的「加入日期」分組，跟著各組沿著客戶工廠的步驟走。
為什麼總量會誤導？#
- 有些行為（如營收）屬於長生命週期事件——你會把不同階段的使用者混在一起。
- 流量尖峰更會扭曲：某個月註冊暴增 → 當月升級轉換率看起來大跌、下個月又看似異常高。
- 同期間產品也持續變動（新功能、新行銷活動），歸因（cause and effect）很容易被搞錯。
跨三層子漏斗追蹤同一群使用者：Sign-ups → Activation → Paid Conversion——「在這裡註冊的使用者，是在這裡升級」才能歸因因果
一個指標要可行動（actionable），你必須能由它推斷出因果。同期群是這件事的黃金標準。
同期群是什麼？#
舉例：你想知道「大學教育是否在變好」。
- 用所有人的平均薪資 → 數字會被「畢業久遠的人」拉低，看不出近期變化。
- 把資料依畢業年份分組 → 可以看到不同年份的起薪是否上升。
第一層：大學 vs 沒大學的「平均薪資」——只能告訴你大學有沒有用
第二層：把所有大學畢業生混在一起、分年觀察——前幾年的數字被舊畢業生拉平，看不出近年變化
第三層：依畢業年份分群（cohort）後，看「應屆畢業生」起薪——明顯看出每年都在上升
這個「依共同屬性分組」就是同期群（cohort）。
同期群讓你透過「比較不同批次」來測量相對進展。
以批次測量吞吐量#
工廠管理者每天都做基準測試——透過可重複性快速找出問題批次。客戶工廠也一樣：
- 把使用者依加入日期分為日批、週批、月批。
- 沿著五個巨觀步驟追蹤每批的轉換行為。
- 即使某些行動發生在未來月份（如營收），仍歸入加入當月那一批。
別忘了「Groundhog Day 效應」會出現——好幾個月你拼命改進，數字卻平緩到令人沮喪。基準的價值在於：這條平線就是你下一輪實驗的對照組。
同期群的三個好處#
- 隔離產品變動：把產品想成一條不斷流動的河，把使用者依加入日分組，相當於把「體驗到相似版本的人」聚在一起。比較才是 apples-to-apples。
- 更容易視覺化進展：不同批次的相對吞吐量讓你看見真進展，不再被總量幻覺欺騙。
- 聚焦因果：發現尖峰時，回頭檢視該批次到底改了什麼，再透過 split test（A/B 測試）重複驗證。
同期群不限於「加入日期」——也能依性別、流量來源、產品釋出版本、是否使用某功能等屬性分組。
作者 Lean Canvas 工具的 Metrics Dashboard：Acquisition / Activation / 7-day retention / Referred / Revenue 五條同時看，每一條都跑了好幾個月仍平線——Groundhog Day 效應的真實樣貌
HubSpot 案例#
HubSpot 的銷售人員以佣金計薪。他們發現：
- 大多數成交集中在月底最後一週——銷售為了達標衝刺。
- 同期群分析顯示：月底成交的客戶下個月流失率更高。
- 進一步調查發現，這些客戶往往是被銷售用較強硬手段拉進來的。
銷售在優化短期目標（達標），卻反過來傷害總體目標（吞吐量）。
HubSpot 的解法：
- 推出 Customer Happiness Index（CHI）：依客戶實際使用的功能加權打分，能帶來商業成果的功能權重更高。
- CHI 成為流失的領先指標——銷售可以辨識「高風險客戶」並主動介入。
- 把銷售佣金與 CHI 掛勾，重新對齊「製造快樂客戶」這個總體目標。
投入的客戶（engaged 或 happy）流失較少。讓激勵機制與「快樂客戶」對齊，比抓緊月底達標更接近總體目標。
同期群的代價#
- 要等資料齊全：30 天試用期的產品要看當月有效轉換率，得讓所有人都跑完 30 天 → 月初加入者要等到 60 天後。
- 資料量更大、處理更複雜。
同期群完成時間軸：6 月註冊 → 大多數人在 7 月升級——要等 7/30 日資料才齊全
緩解方式：
- 改用更短的批次窗（週批、日批）。
- 採取「混合法（hybrid）」：用總量做粗略估計，用同期群做事後驗證。
Facebook 對外公布的季度 ARPU 就是把當季廣告營收除以當季活躍使用者——簡單的總量估計。但內部要理解差異，仍會用使用者批次（cohort）下鑽。
Facebook 公開財報中的 ARPU：依地區分群（Worldwide / US & Canada / Europe / Asia-Pacific / Rest of World），各區域差距達 10 倍以上
任何資料通常勝過沒有資料。總量在足夠長的時間窗下仍能建立可用的基準。
練習：為你的吞吐量設立基準#
1. 選擇報告週期#
- 從週批開始。日後再加入月、季、年。
2. 收集數字#
- 多種第三方工具能測量客戶工廠的不同步驟，但目前沒有一個能完整覆蓋。
- 你會需要組合幾個工具拼出儀表板。
- 在問題/方案契合階段，不需要昂貴的工具組合——Google Analytics + 手動追蹤（e-mail 回應率、訪談 CTA）通常就夠。
3. 組裝公司級儀表板#
- 即便用多個工具測不同步驟，仍要把整體狀況摘要在同一頁。
- 可下載 52 週客戶工廠模板：
leanstack.com/52-week-customer-factory-template。
「事業應像水族箱一樣經營，每個人都看得到裡面在發生什麼。」——Jack Stack，《The Great Game of Business》
公司級儀表板會把團隊對齊到當下最壓迫的熱點與約束——而下一章要做的，就是辨識這些約束。
章節重點回顧#
- 不要把虛榮指標當成內部進展指標。
- 建立一個能回答「我們有在進展嗎？」的公司級儀表板。
- 以日、週、月批次（cohort）測量你的客戶工廠。
- 把儀表板分享給公司每一個人。