In this blog post I’ve collected the data metrics most frequently used by startups—those that measure product quality, growth, monetization, and several that describe the overall financial health of a company.
After listing the common metrics, I give a short analysis of which ones matter most at our current stage.
Common Metrics
| Category | Key Metric | Formula / Definition | Main Purpose & Typical Threshold / Stage to Watch |
|---|---|---|---|
| Product | New Users | Registrations / first‑day users in the period | Acquisition power; pair with CAC for efficiency |
| Activation Rate | Users who complete the core action on Day 0 ÷ New Users | Smooth first‑time UX; > 40 % is good; focus in 0→1 phase | |
| Retention D1 / D7 / D30 | Users active on Day n ÷ New Users | Product–market fit litmus; common bars: D1 > 35 %, D7 > 15 %, D30 > 5–8 % | |
| DAU / MAU (Stickiness) | Daily Active ÷ Monthly Active | ≥ 20 % = high‑frequency; 40 %+ in social/tools | |
| Avg. Sessions / Time per User | Total sessions (or time) ÷ DAU | Depth of use; pairs with North‑Star Metric | |
| NPS | % Promoters − % Detractors | Word of mouth; > 30 excellent; watch in 0→1 & 1→10 | |
| Growth | CAC (Customer Acquisition Cost) | Total acquisition spend ÷ New paying users | Cost per customer; pair with LTV for LTV/CAC |
| K‑Factor (Viral Coefficient) | Avg. invites per user × Invite‑conversion rate | > 1 = self‑growth; early Dropbox ≈ 2 | |
| North‑Star Metric (NSM) | Single metric tied directly to core value (e.g., TikTok watch minutes) | Cross‑team alignment | |
| Monetization | ARPU / ARPPU | Period revenue ÷ (active / paying) users | Per‑user contribution; pricing & segmentation |
| MRR / ARR | Monthly / Annual Recurring Revenue | Must‑track in SaaS / subscriptions; key in 10→100 | |
| Paid Retention / Renewal Rate | Renewing users ÷ Contracts due | Healthy SaaS: annual renewals > 85 % | |
| NDR (Net Dollar Retention) | (Ending MRR − Churn + Expansion) ÷ Starting MRR | > 120 % = expansion‑driven growth | |
| Gross Margin | (Revenue − COGS) ÷ Revenue | Business‑model quality; software often 60 %+ | |
| LTV | ARPU × Gross Margin × Payback cycles | Lifetime value estimate | |
| LTV / CAC | LTV ÷ CAC | > 3 considered healthy; must‑track in 1→10 | |
| Cash | Burn Rate | Monthly operating cash outflow − inflow | Cash‑burn speed |
| Runway | Current cash ÷ Burn Rate | ≥ 12 months eases fundraising | |
| Burn Multiple | Net‑new ARR ÷ Cash burned | < 1.5 × is strong in the 2024‑25 market | |
| Operating Margin / EBITDA Margin | (Operating profit or EBITDA) ÷ Revenue | Profitability after scaling | |
| Stage Focus | 0→1 (find PMF) | Retention, Activation, NSM, qualitative feedback | First prove “someone wants it” |
| 1→10 (scale) | CAC, LTV/CAC, K‑Factor, DAU/MAU, D30 Retention, NPS | Pursue efficient growth | |
| 10→100 (optimize) | ARR, NDR, Gross Margin, Burn Multiple, Runway | Scale + economics | |
| IPO / Exit | Recurring‑revenue growth, Net‑profit margin, Free cash flow | Steady growth & capital‑market story |
How to use these metrics
- At each stage, narrow down to 1–2 truly actionable KPIs to avoid dashboard overload.
- Combine cohort analysis with qualitative interviews to find root causes—numbers are only the alarm bell.
Action Metrics in the 0→1 Phase
Core Goal: Achieve Product‑Market Fit (PMF)
What is PMF?
A product that precisely solves the target user’s key pain point, creating a natural, sustainable pull—users keep coming back, using the core function, and are willing to pay or invest time.
Simplified: users stick around to keep using the core feature.
PMF = Does a real need exist? + Does the product solve that need?
Even if similar products suggest the need is real, we must still validate that our implementation solves it; we can’t skip PMF testing.
Direct Metrics for PMF
Retention
Product metric—do users consistently reuse the core action?
- Pick a retention window that fits the usage frequency (e.g., D1/D7/D30 for messaging; W1/W4 for Netflix‑like streaming).
- Focus on value retention (user repeats the core action) over mere “login retention”. Track both if possible.
- Plot a cohort retention curve: group users by signup date and track active rates over time to spot drop‑offs.
North‑Star Metric (NSM)
Product metric—total or per‑user volume of the core action. The higher it climbs, the better the product meets user needs.
Typical Retention & NSM Examples
| # | Product Type | Core Action (moment of value) | Value Retention (sample window) | North‑Star Metric (sample) |
|---|---|---|---|---|
| 1 | Short Video / Feed (TikTok, Instagram Reels) |
Play a video ≥ X seconds | D7 retention = users who play ≥ 1 video on Day 7 ÷ Day 0 new users | Weekly total watch minutes or per‑user watch minutes |
| 2 | Messaging / Collab (Slack, WhatsApp) |
Send ≥ 1 message | W1 seat retention = seats sending a message in Week 1 ÷ new seats | Daily total messages or per‑seat messages |
| 3 | Music / Video Subscriptions (Spotify, Netflix) |
Play ≥ 30 s track / ≥ 70 % episode | W4 retention = subscribers who play ≥ 1 track/episode in Week 4 ÷ Week 0 subs | Monthly total play hours or per‑user play hours |
| 4 | Productivity SaaS (Notion, Figma) |
Create or edit ≥ 1 doc / design | D7 retention = users editing a file on Day 7 ÷ Day 0 new users | Weekly active documents or team collaboration time |
| 5 | File Sync / Cloud Drive (Dropbox, Google Drive) |
Sync ≥ 1 file | W4 account retention = accounts syncing files in Week 4 ÷ new accounts | Daily synced files or per‑user active files |
| 6 | Transactional E‑commerce / OTA (Amazon, Airbnb) |
Complete ≥ 1 order / booking | Q1 retention = buyers ordering again within 90 days ÷ new buyers | Quarterly GMV or orders completed |
- Value retention gauges breadth—what share of users gain value again?
- North‑Star Metric gauges depth/volume—how much total value is delivered?
New Users
Growth metric used primarily to ensure statistical significance for PMF tests, not a core KPI.
E.g., for consumer apps a minimum cohort of 200–500 new users per week is advised; fewer than 100 causes wild swings.
ChatGPT note: A consumer app cohort < 200 makes D7 retention too noisy to trust.
Pre‑Launch Action Metrics (Landing Page Only)
Core Goal
How many people feel compelled by our value proposition when there’s only a landing page?
Primary Metrics
UV & Channel Share
- UV (Unique Visitors) checks how well the landing page attracts traffic.
- Channel Share shows how that traffic splits across different sources—critical for judging channel scalability.
Landing‑to‑Lead Conversion Rate
Qualified leads (emails or completed forms) ÷ Visitors.
Directly measures whether the value proposition resonates and the page persuades.
在这篇Blog中，我收集了初创公司常用的数据指标，包括衡量产品的质量、增长、变现能力的指标，也罗列了几个和公司整体发展相关的数据指标。 在常见指标之后，我简单分析了我们当前阶段应该主要考虑的指标。
常见指标
| 分类 | 核心指标 | 公式 / 口径 | 主要作用 & 典型阈值 / 建议关注阶段 |
|---|---|---|---|
| 用户与产品健康 | 新增用户数 (New Users) | 当期注册 / 首日使用人数 | 获客能力；与 CAC 配合看获客效率 |
| 激活率 (Activation Rate) | 首日完成核心行为人数 ÷ 新增 | 首体验是否顺滑；> 40 % 较佳；0→1 阶段重点 | |
| 留存率 D1 / D7 / D30 | 第 n 天仍活跃人数 ÷ 首日新增 | 产品‑市场契合度；常用门槛：D1 > 35 %、D7 > 15 %、D30 > 5–8 % | |
| DAU / MAU (黏性) | 日活 ÷ 月活 | ≥ 20 % 表示高频使用；社交/工具可达 40 %+ | |
| 人均会话数 / 时长 | 总会话(或时长) ÷ DAU | 反映深度使用；与北极星指标联动 | |
| NPS | 推荐者占比 − 贬损者占比 | 口碑；> 30 优秀；0→1 & 1→10 阶段关注 | |
| 增长效率 | CAC (获客成本) | 获客总投入 ÷ 新增付费用户 | 单客价格；与 LTV 配对看 LTV/CAC |
| K‑Factor (病毒系数) | 人均邀请数 × 邀请转化率 | > 1 自增长；早期 Dropbox≈2 | |
| 北极星指标 (NSM) | 与核心价值直接挂钩的唯一指标 | 驱动跨团队对齐（例：TikTok 视频观看时长） | |
| 变现 & 单位经济 | ARPU / ARPPU | 期间收入 ÷ (活跃 / 付费)用户 | 单用户贡献；优化定价与分层 |
| MRR / ARR | 月 / 年经常性收入 | SaaS、订阅类必看；10→100 阶段重点 | |
| 付费留存 / 续费率 | 续费人数 ÷ 到期人数 | SaaS 健康线：年度续费 > 85 % | |
| NDR (净美元留存) | (期末 MRR − 流失 + 扩容) ÷ 期初 MRR | > 120 % 表示扩容驱动增长 | |
| 毛利率 | (收入 − COGS) ÷ 收入 | 商业模式优劣；软件常 60 %+ | |
| LTV | ARPU × 毛利率 × 付费周期 | 评估长期价值 | |
| LTV / CAC | LTV ÷ CAC | > 3 被视为健康；1→10 阶段必看 | |
| 现金流与生存 | Burn Rate | 月经营现金流出 − 流入 | 烧钱速度 |
| Runway | 现有现金 ÷ Burn Rate | ≥ 12 个月更易融资 | |
| Burn Multiple | 净新增 ARR ÷ 现金消耗 | < 1.5×（2024‑25 融资环境）优 | |
| 营业利润率 / EBITDA Margin | (营业利润 or EBITDA) ÷ 营业收入 | 规模化后衡量盈利 | |
| 阶段性聚焦 | 0→1（找 PMF） | 留存、激活率、北极星指标、定性用户反馈 | 先证明“有人要” |
| 1→10（放量） | CAC、LTV/CAC、K‑Factor、DAU/MAU、D30 留存、NPS | 追求高效增长 | |
| 10→100（提效） | ARR、NDR、毛利率、Burn Multiple、Runway | 规模化 + 经济性 | |
| IPO / 并购 | 经常性收入增速、净利润率、自由现金流 | 稳健增长 & 资本市场故事 |
使用建议
- 每阶段收敛 1–2 个“可行动”指标，避免 KPI 泛滥。
- 结合 cohort 和定性访谈找根因；指标本身只是报警器。
0-1阶段行动指标
核心目标：PMF
什么是PMF：产品精准解决了目标用户的关键痛点，因而产生自发且可持续的拉力 - 用户会主动留下来持续使用，并愿意为此付费或投入时间。
用精简的话说：用户愿意留下来持续使用产品的核心功能
PMF可以拆分成两个问题：是否存在实际需求？ + 产品是否解决该核心需求？
以我们当前的产品形态为例，市场上有一些相似的产品也在做这个需求，可以从他们的行动上推测他们找到了初步的PMF。然而，虽然我们的产品和他们有相似的功能，但仍然有巨大的差异（界面交互、用户动线、WEB & APP），所以不能认为我们可以跳过PMF验证这个阶段。顶多提前知道了实际需求是存在的，但是仍然需要验证当前产品是否能解决用户的核心需求，不能跳过PMF验证这一阶段。
PMF的直接关联指标
PMF 验证这一阶段，可以看成市场对产品的质量检查，对足够数量的目标用户，产品是否能让他们持续使用核心功能。最重要的两个指标是：
留存
留存是产品指标。关注用户是否在持续使用产品的核心功能。
-
不同类型的产品应该关注不同间隔的留存数据。比如，即时通讯产品属于高频应用，因此应该使用间隔更短的留存窗口，比如D1/D7/D30；Netflix视频流等属于中高频，每周多次打开，则可以使用W1/W4留存数据。
-
PMF 阶段最有用的留存应该基于“用户再次完成核心价值动作”，而不仅仅是“再次打开APP/登陆”。否则会把“路过”也统计进来，数据看着好看，却推不动产品核心体验。至少应该同时关注价值留存率和登陆留存率。
-
使用Cohort 留存曲线：把同一天（或同一周、同一月）注册的用户分成一组 Cohort，连续追踪这组人在后续各天/周/月内的活跃比例，然后把这些比例按时间顺序连成折线，这条折线就是 Cohort 留存曲线。
北极星指标
北极星指标是产品指标，关注用户完成核心功能的总量和人均量。总量/人均量越多，说明产品核心功能越能满足用户的需求。
典型的留存和北极星指标例子
| # | 产品类型 | 核心动作（用户感知到核心价值的那一刻） | 价值留存率（示例口径） | 北极星指标（示例口径） |
|---|---|---|---|---|
| 1 | 短视频 / 信息流 （TikTok、Instagram Reels） |
播放 ≥ X 秒视频 | D7 留存 = 7 天后仍播放 ≥ 1 条视频的用户 ÷ 首日新增 | 周总播放分钟数 或 人均播放分钟数 |
| 2 | 即时通讯 / 协作 （Slack、WhatsApp） |
发送 ≥ 1 条消息 | W1 座席留存 = 1 周后仍发送消息的座席 ÷ 首周座席新增 | 每日发送消息总量 或 人均消息量 |
| 3 | 音乐 / 视频订阅 （Spotify、Netflix） |
完整播放 ≥ 30 秒音轨 / ≥ 70% 剧集 | W4 留存 = 4 周后仍播放 ≥ 1 首歌/集的订阅用户 ÷ 首周订阅用户 | 月总播放小时 或 人均播放小时 |
| 4 | 生产力 SaaS （Notion、Figma） |
创建或编辑 ≥ 1 个文档 / 设计文件 | D7 留存 = 7 天后仍编辑文件的活跃用户 ÷ 首日新增 | 每周活跃文档数 或 团队协作时长 |
| 5 | 文件同步 / 云盘 （Dropbox、Google Drive） |
同步 ≥ 1 个文件 | W4 帐号留存 = 4 周后有文件同步的帐号 ÷ 首周新增帐号 | 每日同步文件总量 或 人均活跃文件数 |
| 6 | 交易型电商 / OTA （Amazon、Airbnb） |
完成 ≥ 1 笔订单 / 预订 | Q1 交易留存 = 90 天后仍下单的买家 ÷ 首月新买家 | 季度成交 GMV 或 完成订单笔数 |
- 价值留存率：关注覆盖面 —— 多大比例的用户 再次 获得核心价值。
- 北极星指标：关注深度/总量 —— 所有用户 累计 获得了多少核心价值。
New Users
新增用户数是增长指标。在PMF阶段主要用来保证PMF结论具有统计意义，而不是核心KPI。New Users 的量和产品实现PMF不是直接关联（比如，通过买量、SEO、回帖等，也可以获得新增用户数，但这并不意味产品就有PMF）
ChatGPT：消费者APP的最小Cohort 尺寸为 200-500人/周，样本小于百人波动太大。
产品上线前行动指标
核心目标：
在只有Landing Page 阶段，想要验证的是有多少人对产品的价值主张动心？
直接指标：
UV 和 Channel Share
UV 指的是Unique Visors。Channel Share指的是不同渠道的访问量和比例。
UV 用于判断 Landing Page 引流效果，Channel Share 用于判断不同渠道的增长效果。
Landing‑to‑Lead Conversion Rate
Landing‑to‑Lead Conversion Rate 是转换指标。
提交邮箱或完成表单的人数 ÷ 访客人数。直接衡量价值主张是否打动访客、落地页信息架构是否顺畅。