# 【OKR 實戰手冊】(二)如何選擇目標OKR、制定策略 ？

- 原文：https://processhacker.pro/blog/okr-choose-goals-develop-strategies/
- 作者：Kevin Wu（https://processhacker.pro/author/kevin/）
- 網站：流程駭客｜數位×管理×流程
- 發布：2020-05-26
- 更新：2025-05-08
- 系列：OKR 目標管理手冊（https://processhacker.pro/docs/okr/）
- 標籤：OKR目標管理、目標管理

> OKR管理最難的，往往不是設定、執行，最難也最有影響力的是「選擇目標OKR」，也就如何訂定策略。

💡

**為什麼要寫這篇文章 ?**\
透過演繹樹，已經可以很好地展開目標；利用OKR則可以清楚定義目標，**但如何在裡面選出最重要的目標，是所有領導者面臨的最大難題。**\
\
如果單純用簡單邏輯，例如:「我認為」、「我覺得」來討論，當每個人都能說出一番道理的話，又該怎麼辦選擇？投票? 猜拳? 靠直覺? 老闆說得算?上述這些可能都不夠理性、不夠科學。\
\
而這篇文章，就是希望提供一些**簡單、科學的判斷方式，來協助大家決定事情的優先順序**，並說明策略的意涵，來提升組織達成目標的機率。

💡

**讀完這文章你會知道什麼 ?**\
1\. 目標與OKR該如何選擇\
2\. 什麼是策略

## 如何更好地選擇目標、制定策略 ?

前一回，我們已經想到了足夠多的目標，掛滿在演繹樹上了。

![](https://processhacker.pro/content/images/2025/04/0-vsz9-yqetsl8jyee-jpeg.jpg)

但當樹上有這麼多的目標，每個小目標都有助於大目標完成，那麼

- 人手不夠、資源有限的話怎麼辦 ?
- 要做、不做、誰先誰後呢 ?

當你在問這些問題的時，代表你開始在思考「如何訂定策略」了！

---

## 「策略」是什麼？

我認為

> **_只要能加速達成目標的行為，\
> 都是策略的一環。_**

所以管理目標、內部溝通、任務執行、適時放鬆….都可以是策略。不過，我們先暫不提策略的全貌，而從一個單點出發，也就是「選擇一個更好的目標」來慢慢討論吧。

---

## 好的OKR目標、好的策略是什麼 ?

就目標而言，我認為的好策略就是

**「把一堆可以做的目標排序，如果按照這個順序完成，有助於更快達到目標，這就是好策略，反之則是不好的策略」**

為了能選擇更好的目標、制定策略，大致上有三點要注意：

「適合度」、「效益」、「調適性」。

---

### **目標「適不適合我們」？**

很多人選擇抄襲其他公司的成功策略，但抄完之後卻無效，但不是因為做不好，而是只抄襲了表面，沒想到他們不適合這個策略。

不適合的原因可能有很多，包含管理者的個性、企業文化、擁有的資源、員工技能、工作流程、開會形式、當時的環境…等等，都會影響策略的品質。

．

例如，Google在網路興起的時候用「免費搜尋」獲取更多的使用量，進而發展廣告服務，一直到今天的各式網路串聯。

但如果今天任何一個人想要用「免費搜尋」都將落後於Google，因為他們已佔有了最龐大的資訊，並也是免費，具有先進者的優勢，這就是整個環境下的適合度因素。

### 是否效益更高？

策略最重要的一環，就是判斷做完這件事情，是否更能帶來效益。**最高的效益，指的是如何用一樣的成本，達成最高程度的目標。**

判斷事情重要性，主要在評估的就是，在固定資源下，選擇做哪件事情，可以讓更接近目標。

．

例如，同樣是打廣告 500 元只能請到一個工讀生在路邊發 50 張傳單。但同樣 500 元，卻能讓 100 人點擊 Facebook 廣告。

單就有多少人看到廣告，可能就是Facebook效益更高。

---

### 調適性如何？

**「調適性」更好的說法是「執行、獲得反饋、重新定策略的流暢度」**。

真正的好策略，是要能高速地帶我們前往目標的，**但即便我們在定策略的那一天，是當下最好的策略，卻不能保證它一直都是最好的**。隨著時間、環境、資訊的變化，它可能會變得不如我們想像中的好。

所以好的策略，理論上應該會隨著情況而調整，這就是所謂的調適。

．

例如，一間從來沒做過廣告的公司在選擇發傳單、網路廣告時，因為聽說網路廣告更多人看、傳單沒人領，於是選擇了網路廣告。

但執行後才發現，他們的產品主要是長輩使用，而長輩獲得資訊的來源多來自於社群、實體、電視。但這個資訊，很可能是要真的做過調查才會知道。

**這就是所謂「當我們所獲得的資訊（認知）有變化時，策略就應該改變。」**

接著，我們會從「評估效益」作為起點，介紹到調適性，來慢慢釐清整個策略的全貌。

![](https://processhacker.pro/content/images/2025/04/0-vsz9-yqetsl8jyee-jpeg-1.jpg)

## 怎麼比較「目標效益」？

回到演繹樹上，既然我們的脈絡是透過完成較小的目標，來完成更大的目標，所以我們在關注效益的時候，會關注我們所付出的成本，一直到完成目標的整個鏈條，鍊條類似長這樣：

![](https://processhacker.pro/content/images/2025/04/1-u9c8ax7f-9plvefxhy90pq-jpeg.jpg)

而為了更完整的詮釋從成本→完成大目標之間的關係，可以分別從「槓桿度」、「可操作空間」、「可信度」來理解這整件事。

---

### 槓桿度：付出可以得到多少回報 ?

首先，槓桿度指的是「花多少的力氣，透過槓桿，舉起多重的東西」

例如，一個人可以利用蹺蹺板舉起黃金，但在不同的蹺蹺板(槓桿度)中，我們可以舉起的黃金高度就不一樣。

![](https://processhacker.pro/content/images/2025/04/1-a5tojit8nr_flymamxesaw-jpeg.jpg)

![](https://processhacker.pro/content/images/2025/04/1-tmaccvtywwvgky9k0u9xxg-jpeg.jpg)

同樣一個人，A槓桿可以把黃金抬到100%高度，B則只能達到50%高度。代表左邊的槓桿度更高，只要一點點力氣即可將重物舉到最高。

．

同樣原理，選擇目標時，我們所評估的是花一樣的錢(成本)，A的花法可以100%達到小目標，B的花法只能達到小目標的50%，該如何選擇。

又或者說，花費同樣的力氣完成小目標，那麼完成A的小目標後，可以100%提升中目標；完成B則只能提高中目標的50%，該如何選擇。

![](https://processhacker.pro/content/images/2025/04/1-pma86_xm7kl6t4obuudxpg-jpeg.jpg)

![](https://processhacker.pro/content/images/2025/04/1-rsw8vuzm3eza-zqfas80na-jpeg.jpg)

所以實務上的例子會是當

「提升用戶數20%的成本」=「提升平均使用時間20%的成本」

如是下圖的情境，應該就要選擇「提升用戶數」作為優先目標，也就是槓桿度較高的目標。

![](https://processhacker.pro/content/images/2025/04/1-6mnwxln-_zhq14ef2vqz4w-jpeg.jpg)

---

### 可操作空間：槓桿可以用幾次

可操作空間，如果依循上面的例子解釋「就是這個翹翹板可以載幾個人」或是「可以放舉幾次黃金」。目的是辨別哪一種槓桿，可以讓我們一直用，直到達成目標。

例如，在同樣槓桿度的蹺蹺板中，一個能載2個人，一個只能載一個人，那我們應該要去選擇的是可以載最多人的，因為它理論上可以舉起更多黃金，或是將黃金舉得更高。

![](https://processhacker.pro/content/images/2025/04/1-po8ywzxpykpoupsd460ryq-jpeg.jpg)

![](https://processhacker.pro/content/images/2025/04/1-pldlk_rhwxmaspmax-9uma-jpeg.jpg)

實際上的操作，例如消費者滿意度，現在是99分了，提升1分雖然可以提高營收10萬，但如果目標是100萬，只透過滿意度是永遠無法達到的。

．

所以整體而言，當我們想最高程度地達到目標，就至少要同時考慮兩個維度，也就是去看

**「槓桿度×可操作空間」**

如果能選到最大的值的，就代表更有機會達到目標。

### 可信度

接著，要提到前面在說明邏輯、目標時一直沒提到的盲點

- 目標A完成，真的會導致B目標變好嗎？
- 如何在執行以前，知道槓桿度有多大？
- 誰可以證實可操作空間有多大？

實務上，你甚至可能還會碰到一個問題，就是「我想提升客戶滿意度，但不知道現在滿意度如何，也不知道怎麼衡量滿意度」。

甚至就算我們能拿到現有的數據，這些值都還會被其他因素影響

- 例如，同樣是提升客戶滿意度，從0→10和從90→100，即便都是10分，但帶來的營收成長可能就不同。
- 在3月的時候提升客戶滿意度，和在7月的時後，即便同樣從0→10分，槓桿度也可能不同。甚至有的時候完全不會影響營收。

當所有問題都不明朗、模糊的時，我們能做的，只有拿出手邊的證據，看有多少證據，有多少證據說多少話。

其他的部分，就是靠經驗、邏輯、目前蒐集到的證據，來「猜測」上面的一切，選一個把握度最高的項目來執行。也就是我們是否選擇一個目標，更完整的參考公式會是這樣：

**（槓桿度×可信度）×（可操作空間×可信度）**

此時你可能會想說，那不就回到原本的狀態嗎 ?\
還是要靠邏輯、直覺、經驗來判斷 ?

大致上沒錯，但其實我們已經把「我認為」這件事情切割得更細，並認識到所有的一切，都是我們的「猜測」，接下來就要介紹到方法論的核心

> 「一切都是假的。」

---

## 一切都是假設！

當我們很努力畫出演繹樹後，真的會很興奮，因為終於有目標可以前進了，但在選擇的時候，即便有剛剛說的各式評估方法，在決定順序的時，仍然缺少可靠的證據支持。

**這就是我們所說的「演繹樹上的東西都是假的，除非你真的做了」。**

沒錯，演繹樹上的OKR、邏輯判斷、選擇，都是我們假想的藍圖。可以把演繹樹及OKR看作一張地圖，而畫地圖的人雖是學富五車，但卻足不出戶。

在沒有真正踏上那片土地以前，製圖者介紹所有地圖上的東西，都指只是他的猜想。純粹是因為他的經驗夠多、讀書夠多、邏輯判斷夠強、獲取資訊夠多，所以你願意相信他畫的地圖，但這仍舊只是他的猜想。

意思就是，雖然我們可以畫出這樣的地圖，但「目標」正是因為從來沒達成過，才會被稱為目標，因此也就沒有人能知道達成後會發生什麼事

- 達成小目標之後，大目標就會達成？ 不確定，我們假設會
- 這個目標的槓桿度是 30% ? 不確定，我們假設是
- 這個可操作空間，有達到 100 ? 不確定，我們假設有

但這上述的假設，其實有程度上的差異，當我們經驗越多、證據越多，就能讓假設更接近事實、真理，可信度也就越高。

![](https://processhacker.pro/content/images/2025/04/1-kl5rcamgriom2jnxdr4gog-jpeg.jpg)

**而其實所謂的「完成目標」可以說是一個「把幻想變成事實的過程」。**

所以當目標是「提升用戶數100」，背後含意是：

**我們「幻想提升用戶數100」，那麼要蒐集哪些證據才能證明我們能夠、或是已經「達到提升用戶數100的事實」 ?**

這些證據，可能來自於測試、過往資料...等。

．

例如，有一個數據是「提供10位用戶5折優惠，可以帶來1位新用戶。」

因為有這個證據支持我們的幻想，幻想就因此升級成假設「給1000位用戶5折優惠，就可以帶來100位新用戶」

而實踐目標，其實就是在不斷擴大測試的範圍、不斷證明假設無限接近事實的過程。

．

如果第一階段給10人的優惠成功，那我們就可以再發給100個人、500個。直到發給1000人真的能帶來100位新用戶。或是說，可以做更嚴謹的實驗，讓我們有充分的理由說明，10個人帶來的成效可以擴及1000人。

當然，也可能發到100人時，就發現用戶完全沒變多，那也可以反過來說明，擴及1000人的假設不成立。

**所以真正的目標管理、策略落實，其實就是在「選擇要把哪些假的變成真的、不確定的變得更確定、可信度低的變得更高」。**

如果你只有經驗和邏輯判斷，但沒有任何過往數據，除了測試，也可以使用 [費米法](https://zh.wikipedia.org/wiki/%E8%B4%B9%E7%B1%B3%E9%97%AE%E9%A2%98?ref=processhacker.pro) 來猜測這些數據可能為多少，再選擇一條最有可能的道路。

---

## 用假設的角度，重新看OKR、演繹樹

有了一切都是假設的概念後，我們要來重新看待這棵演繹樹。

![](https://processhacker.pro/content/images/2025/04/1-kjpiwfdk8ifzffm7qurulg.png)

在目標方面，我們其實在假設，提升用戶數、提升平均使用時間，都有助於達成提升使用率。

而原本我們的理解是「我們在選擇要做的事情」

現在變成在選擇

**「哪一個假設我想優先驗證，讓它變成無限接近事實後，能更有效益 ?」**

此時，我們在選擇目標優先順序的時，才終於把效益（槓桿、可操作度）與可信度的關係連結起來。

![](https://processhacker.pro/content/images/2025/04/1-g2ighreaz9sgncshfnvgpq-jpeg.jpg)

「可信度大、效益低」　VS 「可信度小、效益高」 該如何選擇 ?這可能要看管理者的保守程度，及其他的狀況，並沒有一個標準答案。但通常我們面對的壯況，都是所有的目標可信度都較小，並且難以確定完成目標所需的成本的情況，以我的習慣通常還是會選效益看起來更高者。

---

![](https://processhacker.pro/content/images/2025/04/0-vsz9-yqetsl8jyee-jpeg-2.jpg)

知道如何比較之後，你就可以在比較過後，把認為最適當的排序用類似圖中的方式顯示。

- 演繹樹：表達目標之間的關係
- 藍色框：清楚表達目標
- 橘色框：一定期間內，會執行的目標
- 藍色標籤（1.2.3）：目標的執行順序

但回過頭來說，如果選擇目標、制定策略的時候，是根據許多假設，不就表示制定的策略很可能是錯的嗎？

是的。

那如果想要在一開始，就有一個最佳策略該怎麼辦？

沒辦法。

**依照我們的看法，策略是持續變化的，除了在事前完善蒐集、更謹慎地進行邏輯判斷、分析，最好的辦法就是不斷進行調適。**

沒錯，也就是我們在前面提到的，策略要不斷「執行、獲得反饋、驗證假設、重新定策略」。

當策略的基礎建立在很多的幻想、假設上，那當我們更接近事實，或是假設不成立時，就應該調整策略。

**也因為驗證假設是一個持續的過程，所以策略制定也該是一個持續的過程。**

所以下一篇，要討論的就是在組織中，我們該如何進行調適，來不斷修正我們要做的事情，讓策略保持在一個良好的狀態。

---

## 補充：選擇目標，需要系統性思維

在進行選擇優先序的時候，還有一個值得提到的概念，就是最好要具備系統思考的能力。

系統思維包含的範圍更廣泛，不只包含A→B之間的判斷，還包含所有事情對於A、B的影響。例如

- **槓桿度會隨價格「區間變化」**

降低價格，可以提升銷量。但500→400 和 400→ 300雖然同樣是降低100元（或是同樣是降低20%），能帶來的銷量可能差距很大。

- **槓桿度會隨「時間變化」**

降低價格，可以提升銷量。雖然執行1個月如果得到銷量上升100%，但執行1年後，卻可能又回歸原始狀態。

- **效益會需要「必要條件」**

例如，下廣告能提升銷量，但如果好的官方網站、購物流程、銷售人員，可能再怎麼樣下廣告都無效。

當把必要條件湊齊之後，各個元素的槓桿度才會出現，也就是你要創造效益，可能要先建立一個完整的系統，但如果單只有目標、效益的比較，或是只用演繹樹的工具，你可能會難以知道怎麼建立一個系統、一個商業模式。

．

系統思考，還包含很多的面向，包含如何讓槓桿持續發生、存量與流量的影響...等等。可以閱讀關於討論系統思考的文章。

[【系統思考】定義、舉例、實戰運用，一次告訴你！](https://processhacker.pro/docs-systemsthinking/)

[如何解釋人與人的複雜關係？如何解釋複雜的消費者行為？如何解釋錯綜的政治影響？面對複雜問題，我們不能靠簡單的「因為所以」，而是需要「系統思考」的模型！](https://processhacker.pro/docs-systemsthinking/)

[![](https://processhacker.pro/content/images/icon/----logo-2024-200x200-4.png)流程駭客｜數位×管理×流程Kevin Wu](https://processhacker.pro/docs-systemsthinking/)

[![](https://processhacker.pro/content/images/thumbnail/1_UNIM-XOFEY0EGv5jHbv7Rw.webp)](https://processhacker.pro/docs-systemsthinking/)
