创业公司·新业务各阶段应实现的OMTM和KPI

前言

启动创业或新事业时,应该朝什么样的目标前进呢?

本文根据全球知名文献、实践者专栏和最新基准调查,整理了创业公司和新事业在各个成长阶段"应该测量什么、应该达到什么水平"的内容。

创业公司和新事业是未验证假设的集合,需要逐个推进从不确定性高、风险高的假设开始验证。通过逐个验证假设,达到所有目标水平,才能完成一项事业和商业模式。

以下列出了各阶段的假设(事业成立的问题)、KPI(定量评估问题的指标)、OMTM(该阶段最重要的KPI)的内容。

在实践中,管理层负责OMTM,各职能部门分担各自的KPI,各司其职地推进目标的实现。

阶段1:客户发现与产品发现(创业前·种子前期)

这是一个识别客户真正面临的问题,并找到问题与解决方案契合(Problem-Solution Fit)可能性的阶段。在这个阶段,定量数据几乎不存在,定性访谈中获得的洞察成为主要数据来源(Croll & Yoskovitz, 2013)。

问题假设:目标客户是否存在严重到愿意付费解决的问题?

• 问题验证率(*OMTM):确认存在问题的访谈数÷总访谈数。以累计30次以上访谈中60%以上为目标。这是衡量"问题是否真的存在"这一核心假设的主要指标,数值偏低则是转向(pivot)的信号。

• 现有替代方案的支出与时间:客户目前为解决该问题已支付的资金和投入的工时。Fitzpatrick(2013)指出"应该了解过去的行为和支出,而非意见",如果能确认现有支出超过预期价格或月工时超过10小时,则是支付意愿强的先行指标。

• 自制黑科技的存在:客户自行改造或拼凑现有手段来解决问题的比例。Blank & Dorf(2012)认为"自行制作临时性解决方案"是热情初期客户的条件之一。如果能在目标客户的30%左右观察到这一点,说明需求强劲。

客户假设:是否能够识别出具有最强问题意识的初期客户(传道者)?

• 潜在客户（LOI·采购意向）数：以定价下单可能性较高的具体潜在客户数量（LOI是采购意向声明）。对于B2B业务，最少5家企业为参考标准（Blank & Dorf, 2012）。

• 传道者客户的发现数：即使产品未完成，也会因为认同愿景而购买的狂热初期客户的数量。发现3～5家公司并建立良好关系是衡量标准。

价值假设:自身概念是否能解决问题并获得关注?

• NPS（净推荐值）：根据"您向他人推荐该产品的可能性有多大？"这一问题的回答计算得出的推荐意向指标（推荐者比例−批评者比例）。作为对课题关注度的代理指标，50分以上为参考标准（Blank & Dorf, 2012）。

• 原型·可用性成功率：用户测试中能够完成主要任务的用户的比例。目标为80%以上。在Cagan（2018）提到的价值、可用性、可行性和商业可实现性这四个风险中，原型可以验证前两者。

• （B2C）初期エンゲージメント行为：再访率或邀请率等行为数据。一周内再访率20%以上、通过邀请途径产生注册等是参考标准（Blank & Dorf, 2012）。

市场假设:是否存在风险投资规模的市场?

• TAM／SAM／SOM：从"理论上限／公司可以到达的范围／数年内实际可以获得的范围"三个层面估算市场规模。如果以从风险投资融资为前提，TAM的目标约为数百亿至数千亿日元规模。

学习速度假设:验证速度是否足够快?

• 迭代次数／访谈次数：单位时间内验证与对话的次数。在不确定性下，"快速学习"本身就是竞争力。每周5场以上访谈、每周更新假设是目标（Ries, 2011）。

阶段2:客户验证(种子期)

这是将初期产品实际销售给客户,验证PMF(产品与市场契合:产品被市场接受的状态)和商业模式成立的阶段。在投资增长前,首先需要证明用户会留存(Croll & Yoskovitz, 2013)。

PMF假设:客户是否感受到没有产品就无法维系的价值?

• 保留率／流失率（*OMTM）：按同期获得的客户群（队列）划分的续存率和解约率。续存率曲线不再衰减而是趋于平稳是产品市场契合度的信号。在证明客户粘性前投入获客成本，就像向漏水的桶里倒水。

• PMF分数（肖恩·埃利斯测试）：在"如果无法继续使用该产品，您会有什么感受？"的提问中回答"非常遗憾"的用户比例。超过40%为阈值。Ellis从约100家公司的调查中发现，40%是区分成长型企业和非成长型企业的分界线（Ellis, 2017）。邮件客户端Superhuman公开了将该分数从22%提升至58%的流程，展示了细化市场细分和有意忽视低分数用户反馈的重要性（Vohra, 2018）。

• 粘着度（DAU/MAU）：月間利用者のうち毎日使っている人の割合。日常的に使われる製品なら40%以上が強いシグナルです。

变现假设:客户是否按定价支付?

• 全价订单数：以全价（无折扣）获得的订单数量。从布道者用户中应达到3～5个为目标（Blank & Dorf, 2012）。

• 参考客户数：能够作为成功案例介绍给其他公司的客户数量。如果能够获得6家参考客户，就可以宣布在该市场上实现了PMF（Blank & Dorf, 2012）。

• LTV/CAC（单位经济学）：从单个客户获得的终身价值（LTV）与获取单个客户的成本（CAC）的比率。3以上是健全的基准。根据最新实测数据，调查对象企业的中位数约为3.6（Benchmarkit, 2025）。

• 毛利率:销售收入减去成本后的利润比例。SaaS应在70%以上(AI原生产品参见后面章节)。

激活假设:新客户是否能到达核心价值(顿悟时刻)?

• 激活率:注册客户中初次体验到产品核心价值的人的比例。

• 价值实现时间:从注册到初次体验核心价值所需的时间。时间越短对留存效果越好(Croll & Yoskovitz, 2013)。

资金纪律假设:是否能在实现PMF前不耗尽资金?

• 烧钱率/跑道:烧钱率是月现金流出额,跑道是手中资金能维持的剩余月数。不能在PMF实现前对销售和营销进行大规模投资(Blank & Dorf, 2012)。Graham(2015)指出创业者应该能立即回答"基于当前支出和增长率,在资金耗尽前是否能达到盈亏平衡(Default Alive还是Default Dead)"这个问题。

阶段3:客户开拓(A轮融资)

这是越过鸿沟(初期市场和主流市场之间的差距),扩展到主流市场的阶段(Moore, 1991)。考验的是可重复的客户获取引擎和单个客户的盈利能力是否成立。

获取规模假设:能否通过可重复的获取引擎占领主流市场?

• ARR/MRR增长率(*OMTM):经常性收入相比上期增长了多少。Battery Ventures的Agrawal提出的T2D3(ARR达到1~2亿日元后,按3倍·3倍·2倍·2倍·2倍增长,5~6年内目标达成ARR100亿日元规模的路径)是顶级SaaS的成长基准(Agrawal, 2015)。同比增速2~3倍、环比增速10%以上为基准。但必须结合辅助指标(烧钱倍数、NRR)来评估"增长质量",否则无法区分是否仅仅是以资金换增长。

• CAC 回收周期：从客户获得成本中通过该客户的毛利回收所需的月数。12个月以内被认为是良好的，但最近的调查显示中位数已恶化至约20个月左右（Benchmarkit, 2025），12个月属于一流水平。

• 魔法数字：用当季度新增年经常性收入÷上季度销售和营销费用来衡量销售效率。这是Scale Venture Partners提出的指标，0.75以上被视为可以扩大销售投资的信号。

• 销售漏斗预测可靠性:商机阶段转换率、赢率、平均合同金额、销售周期的稳定性。能以±10%精度预测季度销售为基准(Blank & Dorf, 2012)。

• 病毒式增长系数（k）：一个现有用户带来的新用户数量。对于PLG/B2C产品，当系数达到1.0或以上时，产品进入自主增长阶段（Croll & Yoskovitz, 2013）。

留存与扩展假设:是否能在不流失的基础上提升单客户收入?

• NRR（收入留存率）：既有客户的收入在扣除增值销售和流失后，一年内的变化比例。超过100%是必需的，110%以上为良好，120%为优秀。最近的中位数已下降至约101%（Benchmarkit, 2025），超过110%已属于领先群体。

• 流失(客户数/收入):客户数基础和收入基础的流失率。月度客户流失率1%以下、年度收入流失率10%以下为基准。

• 扩展收益率：来自现有客户的额外收益（追加销售和交叉销售）的比例。实现"净负流失率"是理想状态，即扩展收益超过因取消而产生的损失。

资本效率假设：是否在高效增长？

• 燃烧倍数：每燃烧1元现金能获得多少新增ARR（净现金燃烧÷新增净ARR）。Sacks提出的"增长质量"指标，低于1表示出色，1～1.5表示良好，2～3表示可疑，超过3表示危险为参考标准（Sacks, 2020）。

• 现金跑道：手头资金能维持运营的剩余月数。18～24个月的储备是经验法则。

资金纪律假设：不进行后续融资的情况下能否实现盈利？

• Default Alive / Dead判定：在不进行后续融资、维持当前增长率的情况下，在资金耗尽前是否能达到盈利。Graham（2015）警告称"创始人往往误认为自己属于Default Alive，导致风险识别延迟"。

第4阶段：组织构建（B轮及以后）

将业务扩展至可持续的规模，使公司整体实现盈利的阶段。

可持续效率增长假设：能否同时实现增长和盈利性？

• 40法则（*OMTM）：销售增长率+利润率。40%以上为参考标准。用单一数字表达增长与盈利性的平衡，适合成熟期的OMTM。根据最新基准，B2B SaaS的中位数约为25%，排名前25%的企业约为43%（Benchmarkit, 2025等），超过40%明显处于领先群体。

• 营业利润率／EBITDA／净利润：衡量事业最终盈利的指标组。公司整体最终利润为正是达成标准（Blank & Dorf, 2012）。

• 自由现金流（FCF）：营业活动产生的现金减去投资后的净额，即保留在手中的现金。FCF实现黑字后，可不受市场影响，用自有资金支持增长投资。

扩展引擎假设：能否从现有基础持续产生增长？

• NRR（扩展）：现有客户的收益扩大能力。120%以上为参考标准。成熟期的增长主要来源不是新客户获取，而是现有客户的扩展。

• 队列别LTV·毛利：按客户获取时期分类的长期盈利性。新队列的改善情况是判定健全性的标准（Croll & Yoskovitz, 2013）。

业务组合假设：各细分市场是否都有成功路径？

• 细分市场／产品别单位经济：业务各部分的盈利性。所有主要细分市场LTV/CAC达到3以上为参考标准，不盈利细分市场应考虑撤出。

• 市场份额／客户集中度：市场获取比例和对大客户的销售依赖度。排名前10的客户销售占比不超过30%为集中风险管理的参考标准。

组织规模假设：能否保持组织效率和人才密度？

• 人均销售额：销售额÷员工数。扩展时的生产力守护指标。

• eNPS／离职率：eNPS是"作为雇主是否值得推荐"的员工版NPS。衡量人才能力密度和组织持续性（Cagan & Jones, 2021）。

行业特化AI代理特有的KPI

以上是通用初创公司·SaaS指标，但开发行业特化型AI代理时，仅用传统SaaS指标无法准确反映业务现状。AI代理是"出售软件"而非"替代业务本身"，因此需要额外指标来衡量能替代多少人工和AI特有的成本结构。结合我们的实践经验，主要指标如下。

• 自动化率：目标业务中，无需人工参与、仅由AI完成的处理比例。这是衡量劳动替代价值主张的核心指标，首先以50%以上为参考标准，随后逐步提高。如果需要人工确认和修正的比例仍很高，实际上是"打着AI名义的人力服务"，毛利和规模也达不到SaaS水平。

• 精度（无返工率）：AI输出无需人工修正、可直接使用的比例。90%以上为参考标准。精度是自动化率的前提条件，直接关系到客户信任和留存率。对于行业特化型产品，"相比通用模型在自有领域精度提升幅度"成为差异化来源。

• 价值KPI（工时削减率）：客户目标业务的工时相比部署前削减的百分比。50%以上为参考标准。AI代理的计费从"座位数"转向"削减的工时和替代的业务量"等价值基础，此指标成为定价依据。

• AI原价率：销售额中AI相关成本（LLM API使用费、推理成本等）的比例。以30%以下为管理目标。据ICONIQ Capital调查，规模化阶段的AI企业推理成本占销售额约23%；Bessemer Venture Partners报告AI企业毛利约50～60%（成熟SaaS为70～90%）。另一方面，a16z指出每等性能推理成本年均下降约10倍的"LLMflation"现象，因此AI原价率不应只看"当前水平之低"，而应看"是否设计能跟上下降趋势"。

• 学习数据累积量：通过业务处理积累的行业特定数据和知识量（件数或覆盖范围）。衡量难以模仿性（护城河）的进展指标。随着通用模型性能提升，防御力源头从"模型"转向"其他企业不拥有的行业数据和工作流集成"。需同时确认累积成果是否反映在精度改善的循环中。

• 使用量增长·双边扩展：月度处理件数增长和业务两端（如：审批方和申请方）的使用广度。与座位数计费不同，AI代理的扩展收益来自"处理量增加"，因此作为NRR的先行指标起作用。

总结

各阶段OMTM可以一句话概括：问题验证率 → 留存率 → ARR增长率 → 40法则。

准确判断当前业务所处阶段，并将团队焦点集中在该阶段的OMTM至关重要。

参考文献

• Agrawal, N. (2015). The SaaS adventure. Battery Ventures／TechCrunch.（提出SaaS从ARR1000万美元成长至10亿美元的增长路径"T2D3"的投资家评论）

• Benchmarkit. (2025). 2025 B2B SaaS performance metrics.（针对900多家B2B SaaS企业，每年公布NRR、CAC回收期等中位数的基准调查）

• Blank, S. G. (2006). The four steps to the epiphany. Steven G. Blank.（阐述由客户发现到组织构建四个阶段的"客户开发模式"原著）

• Blank, S., & Dorf, B. (2012). The startup owner's manual. K&S Ranch.（将客户开发模式转化为实践步骤和检查清单的初创公司教科书）

• Cagan, M. (2018). Inspired (2nd ed.). John Wiley & Sons.（涵盖价值、可用性、可行性、商业可行性等四大风险的产品管理标准教材）

• Cagan, M., & Jones, C. (2021). Empowered. John Wiley & Sons.（强大产品团队的构建方法及人才密度的实践指南）

• Croll, A., & Yoskovitz, B. (2013). Lean analytics. O'Reilly Media.（提出OMTM概念和阶段×商业模式别指标体系的数据运用标准著作）

• Ellis, S. (2017). Using product/market fit to drive sustainable growth. Growth Hackers.（解释以"会为无法使用而遗憾"40%作为PMF阈值的肖恩·艾利斯测试的评论文章）

• Fitzpatrick, R. (2013). The mom test. CreateSpace.（通过询问客户过去行为和支出而非意见的客户访谈技巧书）

• Graham, P. (2015). Default alive or default dead?（Y Combinator创始人就不进行后续融资能否实现盈利提出的论文）

• Moore, G. A. (1991). Crossing the chasm. HarperBusiness.（论述初期市场与主流市场之间"鸿沟"存在及其跨越方法的经典著作）

• Ries, E. (2011). The lean startup. Crown Business.（以构建-测量-学习循环和虚荣指标警告而闻名的精益创业原著）

• Sacks, D. (2020). The burn multiple. Craft Ventures.（用燃烧现金与新增ARR比率衡量"增长质量"的投资家评论）

• Scale Venture Partners. (n.d.). A primer on SaaS sales efficiency.（提出衡量销售和营销投资效率"魔法数字"的风投解释文章）

• Vohra, R. (2018). How Superhuman built an engine to find product/market fit. First Round Review.（公开Superhuman将肖恩·艾利斯测试从22%改善至58%的实践流程的评论文章）