フレームワーク活用ガイドひとことで言うと#
プロダクトの「今の状態」と「向かうべき方向」を数字で示す指標の体系。正しいメトリクスを設計すれば、チーム全員が同じ方向を向いて意思決定できる。間違ったメトリクスを追うと、努力しても成果が出ない。
押さえておきたい用語#
- North Star Metric（ノーススター メトリック）
- プロダクト全体の成功を表す最重要指標のこと。例えば「週次でタスクを完了させたチーム数」のように、ユーザーの価値体験を反映する1つの指標。
- バニティメトリクス（Vanity Metrics）
- 累計登録者数や総PV数など常に増え続けるが意思決定に使えない指標のこと。見栄えは良いが、プロダクトの健全性を反映しない。
- 入力メトリクス（Input Metrics）
- North Starに影響を与えるドライバーとなる指標のこと。チームが直接コントロールでき、改善アクションにつなげやすい。
- ガードレール指標
- 主要指標を改善する際に悪化させてはいけない指標のこと。例えばDAUを追う際に退会率やNPSをガードレールに設定する。
プロダクトメトリクスの全体像#
こんな悩みに効く#
- どの数字を追えばいいのかわからず、すべてを見ようとして混乱している
- PV数やダウンロード数が増えているのに、売上が伸びない
- チームによって「成功の定義」がバラバラ
基本の使い方#
メトリクスは階層構造で設計する。
- Level 1: North Star Metric（1つ） — プロダクト全体の成功を表す最重要指標。例: 「週次アクティブユーザーの作成ドキュメント数」
- Level 2: 入力メトリクス（3〜5個） — North Starに影響を与えるドライバー。例: 新規登録数、アクティベーション率、継続率
- Level 3: チームメトリクス（各チーム2〜3個） — 各チームが直接コントロールできる指標。例: オンボーディング完了率、機能利用率
Level 1とLevel 2の因果関係を明確にする。「この入力メトリクスが上がると、North Starも上がるはず」という仮説を持つ。
追うべきメトリクスの選定基準。
- 行動可能（Actionable）: チームのアクションで変化させられる
- 比較可能（Comparable）: 時系列や競合と比較できる
- 理解可能（Understandable）: チーム全員が定義を理解している
- レート / 比率（Ratio）: 絶対数より率で見る（DAU数よりDAU/MAU比率）
バニティメトリクスを避ける: 累計登録者数、総PV数など「常に増える数字」は意思決定に使えない。
定義したメトリクスを実際に計測できる環境を作る。
- イベント定義書: 各メトリクスの計算式、データソース、計測タイミングを明文化
- ダッシュボード: Level 1-2のメトリクスをリアルタイムで確認できる画面
- アラート設定: 指標が急変した場合の通知
定義のブレをなくす: 「アクティブユーザー」の定義が人によって違うと意思決定が混乱する。全員が同じ定義を参照できるドキュメントを作る。
メトリクスは固定ではなく、プロダクトのフェーズに合わせて進化させる。
- PMF前: エンゲージメント指標（リテンション、利用頻度）を重視
- グロース期: 成長指標（新規獲得、バイラル係数）を重視
- 成熟期: 収益指標（LTV、ARPU、チャーン率）を重視
四半期に一度、メトリクスの妥当性を見直す。「この指標はまだ意思決定に役立っているか？」と問いかける。
具体例#
状況: 従業員50名のプロジェクト管理SaaS。チームごとに違う指標を追っており、全社の方向性が揃わない。
Level 1: North Star Metric 「週次でタスクを完了させたチーム数」
理由: ユーザーがプロダクトの価値を感じている証拠 = チームでタスクが完了すること
Level 2: 入力メトリクス
| メトリクス | 定義 | 目標 |
|---|---|---|
| 新規チーム登録数 | 週あたりの新規チーム作成数 | 週200チーム |
| アクティベーション率 | 登録後7日以内にタスクを3つ以上作成したチームの割合 | 40% |
| 週次リテンション | 先週アクティブだったチームが今週もアクティブな割合 | 85% |
| チーム拡大率 | 既存チームに新メンバーが追加された割合 | 月15% |
Level 3: チームメトリクス（オンボーディングチーム）
- テンプレート利用率: 初回プロジェクトでテンプレートを使った割合
- チュートリアル完了率: ウェルカムツアーの完走率
- 初回タスク作成までの時間: 登録から最初のタスク作成までの中央値
因果仮説「テンプレート利用率↑ → アクティベーション率↑ → North Star↑」をA/Bテストで検証し、テンプレート利用率を25%→62%に改善。結果、North Starも週380チーム→520チームに成長。
状況: ファッションECアプリ。DL数500万、MAU 80万人。経営会議では「DL数500万突破！」と報告されるが、月次売上は横ばいの1.2億円。
問題: バニティメトリクスを追っていた
- 累計DL数: 500万（常に増えるので「成長している」ように見える）
- 月間PV: 8,000万PV（増加中。しかし購入につながっていない）
メトリクス再設計:
| レベル | 旧指標 | 新指標 |
|---|---|---|
| North Star | 累計DL数 | 月間購入ユーザー数 |
| 入力1 | 月間PV | 商品詳細ページ閲覧→カート追加率 |
| 入力2 | 新規DL数 | 新規ユーザーの初回購入率 |
| 入力3 | なし | リピート購入率（2回目以上） |
| ガードレール | なし | 返品率、NPS |
結果（6ヶ月後）:
- 月間購入ユーザー: 4.2万→6.8万人
- 初回購入率: 8%→15%
- 月次売上: 1.2億→1.9億円
DL数やPVを追っていた時は「何をすれば売上が上がるか」がわからなかった。購入に直結するメトリクスに変えたことで、改善すべきポイントが明確になり、6ヶ月で売上58%増を実現。
状況: 地方で12教室を展開する学習塾チェーン。年商4.5億円。教室ごとに「生徒数」だけを追っていたが、教室間の業績格差が拡大。
メトリクス再設計:
North Star: 「月間で成績が向上した生徒の割合」
理由: 塾の本質的な価値 = 生徒の成績が上がること。生徒数だけ追うと、辞めさせないために質を犠牲にする恐れがある。
入力メトリクス:
| メトリクス | 定義 | 全教室平均 | トップ教室 |
|---|---|---|---|
| 宿題提出率 | 毎週の宿題を提出した割合 | 62% | 88% |
| 面談実施率 | 月1回の保護者面談を実施した割合 | 45% | 92% |
| 継続率 | 翌学期も継続した割合 | 78% | 95% |
発見: トップ教室と低迷教室の最大の差は「宿題提出率」だった。宿題を出す→成績が上がる→満足度が上がる→継続するという因果関係が判明。
アクション: 全教室に「宿題提出率80%以上」をLevel 3のチームメトリクスとして設定。未提出の生徒にはLINEでリマインドする仕組みを導入。
結果（1年後）: 宿題提出率62%→81%、成績向上率45%→68%、継続率78%→89%、年商4.5億→5.2億円。
「生徒数」というバニティメトリクスから「成績向上率」というNorth Starに変えたことで、全教室が「本質的に正しい行動」に集中できた。
やりがちな失敗パターン#
- 指標が多すぎる — 20個も30個も追うと何にフォーカスすべきかわからなくなる。Level 1は1個、Level 2は5個以内に絞る
- 結果指標だけ追って入力指標を追わない — 「売上」は結果。結果を変えるには、売上に至る入力指標（リード数、転換率、単価）を改善する必要がある
- メトリクスのゲーミングが起きる — 「DAUを増やせ」と言われたチームが、無意味なプッシュ通知を大量に送ってDAUを水増しする。ガードレール指標（退会率、満足度）で防ぐ
- メトリクスの定義が曖昧 — 「アクティブユーザー」の定義が部署ごとに違うと、同じ数字を見ても結論が違ってくる。定義書を作り全員で共有する
まとめ#
プロダクトメトリクスは「数字を見る」ことではなく「正しい数字で意思決定する」こと。North Star Metricを頂点としたピラミッド構造で設計し、各チームが自分のレベルの指標にフォーカスすることで、全員が同じゴールに向かって動ける。まずはNorth Star Metricを1つ決めるところから始めよう。