今日主題
Metrics & Analytics 面試考的不是你會不會寫 SQL、記不記得公式，而是你拿到一個指標時，會不會先問「這個指標漲了，是不是真的代表業務變好」。最常見的失敗模式，是候選人一聽到「提高 XX 指標」就直接進入優化模式，講一堆怎麼讓數字變漂亮的手法，卻沒有先檢查這個指標本身有沒有被誤導的空間。
這個主題在面試中重要，是因為面試官要看的正是你能不能對指標保持懷疑——單一指標永遠可能因為好的原因上升，也可能因為壞的原因上升，只有先把指標放進一個更大的指標體系（北極星、驅動指標、護欄指標）裡交叉驗證，才能判斷這次上升到底該不該慶祝。
核心框架速記
AARRR（海盜指標）
用五個階段拆解一個產品的使用者生命週期，定位「現在該優化哪一段」：
| 階段 | 全名 | 面試時要問的問題 |
|---|---|---|
| Acquisition | 獲客 | 使用者從哪些管道進來？哪個管道的成本最低、品質最好？ |
| Activation | 啟動 | 使用者第一次體驗到核心價值的關鍵動作是什麼？多久內完成？ |
| Retention | 留存 | 使用者會不會回來？7 日／30 日留存曲線是不是收斂在一個穩定的水平？ |
| Referral | 推薦 | 使用者會不會主動邀請別人？病毒係數是多少？ |
| Revenue | 營收 | 使用者什麼時候開始付費？付費後的客單價與續訂率如何？ |
面試時的用法：拿到一個模糊的「指標下滑，怎麼辦」題目時，先用 AARRR 定位問題出在哪一段——是進來的人變少（Acquisition）、進來但沒感受到價值（Activation），還是感受到價值但沒留下來（Retention）。不同階段的病因跟解法完全不同，混在一起講會顯得沒有結構。
指標樹（北極星 + 驅動指標 + 護欄指標）
任何一個要優化的指標都不該單獨存在，而要放進三層結構裡：
- 北極星指標：最終代表產品長期價值的那一個數字，通常跟留存或營收掛鉤，變動週期較長。
- 驅動指標：能在短期內觀察、且邏輯上會推動北極星指標的中間指標（例如「session length」「功能使用率」）。
- 護欄指標：驅動指標優化過頭時，會先出事的指標（例如客訴量、內容多樣性、退訂率）。
面試時的用法：被問「要不要優化某個驅動指標」時，先講清楚它在指標樹裡對應哪個北極星，再講哪些護欄指標要同步監控——如果驅動指標漲了但護欄指標同步惡化，這個「漲」就不該被當成勝利來慶祝。
今日練習題
題目
「Netflix 想要提高使用者的平均單次觀看時長（average session length），這是正確的指標嗎？」
（來源：資料科學案例面試整理，dataexpertise.in）
拆解思路
- 釐清問題：先問面試官——「提高觀看時長」背後真正想解決的商業問題是什麼？是想證明訂閱值回票價（留存）、想賣更多廣告曝光（廣告收入），還是單純想在董事會報告裡有一個持續成長的數字？目標不同，指標該怎麼定義也不同。
- 定義使用者：把使用者拆成至少兩種——「主動選片、看完就走」的目標型使用者，跟「打開 App 後花很久才選到內容」的瀏覽型使用者。這兩種人的觀看時長組成完全不同，第一種人時長短是效率高，第二種人時長長可能是選片困難。
- 結構化分析：用指標樹檢查「觀看時長上升」是不是好事。如果同期完播率（completion rate）跟評分正回饋（thumbs up 比例）也上升，代表內容真的黏著使用者；如果觀看時長上升但完播率下降、翻找內容的次數增加，代表使用者只是在「決策癱瘓」中滑得更久，不是被內容留住。
- 提出方案：建議放棄用單一的觀看時長當目標，改成一組指標：意圖播放率（intentional play rate，打開後多快進入播放而非一直瀏覽）、完播率、內容多樣性（使用者有沒有跨出同一個類型），三者搭配才能判斷「這段時長是不是有價值的時長」。
- 定義成功：北極星指標定在多月訂閱續訂率，觀看時長只能是驅動指標之一，並設護欄——如果為了拉長觀看時長而放寬自動播放或降低選片門檻，導致完播率或內容多樣性下滑，即使時長數字漂亮也不該視為成功。
範例回答（面試時可以這樣講）
問題釐清與定位：「我會先確認『提高觀看時長』背後想解決的商業問題——是想證明訂閱值得續，還是想賣更多廣告曝光？這會直接決定我怎麼定義『對的指標』。同時我會把使用者拆成兩種：目標型使用者選片快、看完就走，時長天生比較短；瀏覽型使用者選片困難，時長可能虛高，這兩種人的『時長長』代表完全不同的事，不能用同一個數字去獎勵。」
結構化分析：「我不會直接回答『對』或『不對』，而是把觀看時長放進指標樹裡跟其他指標對照。如果時長上升的同時，完播率跟正面評分比例也一起上升，那是內容真的黏著使用者，值得優化；但如果時長上升、完播率卻下降，翻找內容的次數變多，那更可能是使用者陷入『決策癱瘓』，越滑越久卻越找不到想看的東西——這種上升其實是體驗變差的訊號，不該被慶祝。」
成功定義：「所以我的建議是不要把觀看時長本身當北極星，而是當成一個驅動指標，搭配意圖播放率跟完播率一起看，北極星放在多月續訂率。護欄則是內容多樣性——如果為了拉長時長而讓演算法一直推同一類型內容，即使時長數字漂亮，長期反而會傷害訂閱黏著度。」
自我核對清單
用這張表檢查你的回答有沒有漏掉關鍵點：
| 核對項目 | 有提到？ |
|---|---|
| 先問清楚「提高這個指標」背後的商業目標，而非直接接受題目 | |
| 把使用者拆成至少兩種，指出同一個指標對不同人代表不同意義 | |
| 指出這個指標可能因為好的原因或壞的原因同時上升 | |
| 提出至少一個搭配指標，用來判斷上升的方向是不是健康的 | |
| 講出北極星／驅動指標／護欄指標的三層結構，而非只回答單一指標 | |
| 加分項：提到過度優化單一指標可能傷害的具體護欄（如內容多樣性、客訴） |
今日案例
Netflix：親口承認「觀看時數的量」不等於 engagement 品質，把半年報改成年報
Netflix 從 2023 年 12 月起，每半年公布一次「What We Watched」觀看時數報告，2026 年 7 月發布涵蓋當年上半年（1 月至 6 月）的最新一期後，宣布從 2027 年起改成一年只發布一次。根據 Netflix 在 2026 年第二季度股東信裡的原話：「engagement is important to our business. But engagement is not just the quantity of view hours, but also refers to the quality and variety of our offering（engagement 對我們的業務很重要，但 engagement 不只是觀看時數的量，還包含我們內容的品質與多樣性）」。這份最新報告同時揭露：上半年總觀看時數達 977 億小時，較去年同期成長 2%，數字持續創高，但市場對 Netflix 「續訂率是否同步健康」仍有疑慮，分析師也質疑減少揭露頻率的時間點。
面試連結：這個案例是今天練習題最直接的現實印證——Netflix 自己都承認「觀看時數這個數字持續上升，不代表 engagement 品質變好」，這正是題目要考的「指標上升可能有好壞兩種成因」。回答這類題目時，可以直接引用 Netflix 這份股東信，說明「連公司本人都在拆解自己的核心指標」是業界共識，而不是面試官刻意刁難的陷阱題。
延伸閱讀
- Data Science Case Study Interview Questions – How to Answer Them 2026 — 今日練習題的原始出處，含 STAR+ 答題框架與其他 8 道指標／實驗設計案例題
- Experiment design for product managers — 深入講解怎麼在選定驅動指標後，設計出乾淨、可歸因的實驗來驗證它
- Netflix to Stop Viewership Report Every 6 Months, Shifts to Annual — 今日案例的完整報導，含 Netflix 股東信原文引用與分析師反應
參考資料
- Data Science Case Study Interview Questions – How to Answer Them 2026 — 對應「今日練習題」Netflix 觀看時長指標評估題的原始出處與拆解邏輯
- Netflix to Stop Viewership Report Every 6 Months, Shifts to Annual — 對應「今日案例」Netflix 2026 年股東信原文與觀看時數報告改版脈絡
- Experiment design for product managers — 對應「核心框架速記」指標樹與驅動指標／護欄指標搭配實驗驗證的延伸說明
Loading...