north-star-metric

Überblick über das north-star-metric-Skill

Das north-star-metric-Skill hilft dir, eine kundenzentrierte North Star Metric und die 3–5 dazugehörigen Input-Metriken zu definieren. Es eignet sich besonders für Product-Management-Teams, die ein praxistaugliches Metrik-Framework brauchen und nicht nur eine Liste von KPIs. Wenn du gerade entscheidest, was du messen solltest, eine Kandidatenmetrik validierst oder aus „Wir brauchen bessere Metriken“ ein brauchbares Modell machen willst, liefert dir dieses Skill einen strukturierten Einstieg.

Wofür dieses Skill gedacht ist

Das north-star-metric-Skill konzentriert sich auf eine klare Aufgabe: die Metrik zu identifizieren, die den Kundennutzen und die langfristige Gesundheit des Geschäfts am besten abbildet. Außerdem hilft es dir, das Spiel des Geschäfts zu klassifizieren — Attention, Transaction oder Productivity — damit die Metrik zum Produktmodell passt und nicht in Vanity Metrics oder reines Revenue-Tracking abgleitet.

Warum es nützlich ist

Dieses Skill ist deshalb nützlich, weil es drei Dinge erzwingt, die generische Prompts oft auslassen: eine einzelne North Star, unterstützende Input-Metriken und einen Validitätscheck anhand der Kriterien einer guten North Star. Dadurch ist es stärker auf Entscheidungen ausgerichtet als ein Brainstorming-Prompt und praxisnäher als ein abstrakter Framework-Artikel.

Wann es gut passt

Nutze north-star-metric, wenn du:

• ein neues Metrik-Framework definierst
• prüfen willst, ob eine vorgeschlagene North Star tatsächlich kundenzentriert ist
• Produkt, Growth und Leadership auf eine Metrik ausrichten musst
• festlegen willst, was du messen solltest, bevor du Dashboards oder OKRs aufbaust

Wann es nicht gut passt

Es ist weniger geeignet, wenn du eine vollständige Analytics-Architektur, ein unternehmensweites OKR-System oder ein Modell für die Umsatzplanung suchst. Das north-star-metric-Skill geht es um die Auswahl und Validierung von Metriken — nicht darum, größere Strategie- oder Reporting-Arbeit zu ersetzen.

So verwendest du das north-star-metric-Skill

north-star-metric installieren

Installiere das Skill mit npx skills add phuryn/pm-skills --skill north-star-metric. Prüfe nach der Installation, ob der Skill-Ordner unter pm-marketing-growth/skills/north-star-metric vorhanden ist, und öffne zuerst die primäre Anleitungsdatei.

Welche Eingaben das Skill braucht

Für ein starkes Ergebnis mit north-star-metric solltest du angeben:

• Produkttyp und Geschäftsmodell
• Zielnutzer und den Wert, den sie suchen
• Phase des Produkts oder Unternehmens
• jede Metrik, die du bereits in Betracht ziehst
• Einschränkungen wie Datenverfügbarkeit, Lücken in der Instrumentierung oder Teamprioritäten

Eine schwache Anfrage wie „Wähle eine North Star Metric für meine App“ lässt zu viel Spielraum für Annahmen. Ein stärkerer Prompt liefert Kontext, zum Beispiel: „Wir sind ein B2B-Collaboration-Tool, das Teams mit 5–50 Personen täglich nutzen. Wir wollen eine kundenzentrierte North Star Metric und 4 Input-Metriken, und das Ganze muss für ein Productivity-Geschäftsmodell funktionieren.“

Ein praktischer Workflow

Beginne damit, das Geschäftsmodell zu benennen, und teste dann Kandidatenmetriken gegen die Kriterien des Skills. Wenn eine Kandidatenmetrik zu umsatzlastig, zu breit oder nicht klar kundenzentriert ist, überarbeite sie, bevor du sie als North Star behandelst. Leite danach 3–5 Input-Metriken ab, die das zugrunde liegende Treiberverhalten hinter der Hauptmetrik erklären.

Welche Dateien du zuerst lesen solltest

Lies zuerst SKILL.md. Wenn du dieses Skill in einem größeren PM-Workflow verwendest, prüfe außerdem die umgebende Repository-Struktur, um zu sehen, ob es Begleitdokumente, Templates oder benachbarte Skills gibt, die die Form deines Prompts beeinflussen. Das Repository wirkt leichtgewichtig; der Hauptnutzen steckt daher in den Skill-Anweisungen selbst.

FAQ zum north-star-metric-Skill

Ist dieses Skill nur für Product Management gedacht?

Es ist für Product Management am stärksten, hilft aber auch Gründern, Growth-Leads und analytisch arbeitenden Operatoren, die ein klares Metrik-Framework brauchen. Das north-star-metric-Skill für Product Management ist besonders nützlich, wenn Teams sich auf Kundennutzen statt auf eine zufällige Dashboard-Metrik einigen müssen.

Wie unterscheidet es sich von einem normalen Prompt?

Ein normaler Prompt kann eine plausible Metrik liefern. Dieses Skill zwingt das Modell dazu, das Geschäftsmodell zu klassifizieren, eine einzelne North Star zu wählen und Input-Metriken zu ergänzen, die die Entwicklung erklären. Diese Struktur reduziert in der Regel vage oder inkonsistente Ergebnisse.

Was sollte ich vermeiden?

Verwende keinen Umsatzzielwert, keinen LTV und keinen Haufen unzusammenhängender KPIs als North Star. Das Skill ist auf einen kundenzentrierten Leading Indicator ausgelegt; das Ergebnis wird schwächer, wenn du es auf kurzfristiges Business-Reporting statt auf Produktwert optimieren lässt.

Ist es anfängerfreundlich?

Ja, wenn du dein Produkt und deine Nutzer beschreiben kannst. Du brauchst kein fortgeschrittenes Analytics-Wissen, um den north-star-metric-Leitfaden sinnvoll zu nutzen, aber du brauchst genug Kontext, um den Produktwert von deinem Monetarisierungsmodell zu unterscheiden.

So verbesserst du das north-star-metric-Skill

Gib dem Modell eine schärfere Produktgeschichte

Die besten Ergebnisse entstehen aus Eingaben, die erklären, wer das Produkt nutzt, wie Erfolg für diese Nutzer aussieht und wie oft Wert geliefert wird. Statt „eine Fintech-App“ schreibe lieber „eine Consumer-Budgeting-App, die wöchentlich von Erstnutzern im Budgeting verwendet wird, die ihre Ausgabenlimits einhalten müssen.“

Bitte um eine Metrik-Hierarchie, nicht nur um eine einzige Metrik

Wenn du nur eine North Star anfragst, bekommst du möglicherweise ein Schlagwort statt eines nutzbaren Systems. Bitte um die Hauptmetrik plus 3–5 Input-Metriken und eine kurze Erklärung, warum sich jede Input-Metrik bewegen sollte, wenn sich die North Star verbessert. So lässt sich das north-star-metric-Ergebnis leichter operationalisieren.

Achte auf typische Fehlermuster

Achte auf Metriken, die:

• zu nah an Revenue oder internem Output liegen
• zu breit sind, um sie zu instrumentieren
• nicht an Kundennutzen gekoppelt sind
• sich nur schwer durch Produktentscheidungen beeinflussen lassen

Wenn die erste Antwort einen dieser Tests nicht besteht, bitte das Modell, die Metrikwahl zu überarbeiten und den Trade-off zu erklären.

Vom Kandidaten zur Entscheidung iterieren

Nutze die erste Ausgabe als Shortlist und teste dann jeden Kandidaten gegen reales Produktverhalten, verfügbare Daten und klare Teamverantwortung. Das north-star-metric-Skill funktioniert am besten, wenn du es als Entscheidungshilfe behandelst: Prompt verfeinern, Optionen vergleichen und die Metrik behalten, die am einfachsten zu messen und am schwersten zu manipulieren ist.