大多数课程创作者只关心一个数字：完成率。他们盯着百分比数据，不断刷新仪表盘，并为课程中途退课的人而焦虑。完成率仿佛代表着成功或失败。高完成率像是课程高效的证明，而低完成率则像是课程失败。
但这根本不是真的。
完成率很容易追踪，但对学习来说毫无意义。学习者可能完成了每一节课，却什么有用的东西都没学到。学习者也可能在第二课后就退出，却从根本上改变了他们思考、行动或工作的方式。哪一种更成功？第二种。
在本文中，我们将讨论为什么课程完成率会被如此广泛地采用，为什么它是一个无效的指标，以及如果你的课程真的应该带来实际价值，你应该关注哪些指标。
为什么完成率会成为默认指标
完成率之所以流行，并不是因为它是最好的衡量方式，而是因为它最容易追踪。大多数学习平台都有自动化系统来统计这一点。它们会显示学习者是否完成了课程。
它也非常容易集成到仪表盘中。一个简单的数字，看起来整洁而有希望，或者相反，显得有问题且具有挑战性。当 80% 的用户完成课程时，人们会觉得这是巨大的成就。当这个数字是 20% 时，就显然表明出了问题。
平台在这里也起了作用。大多数课程创建平台都会把完成率与评分和报名人数一起作为指标。因此，它们暗示完成率与其他指标同样重要，最终，创作者往往会把它视为关键目标，而不只是一个信号。
这其中还有心理因素。完成本身对创作者和学习者来说都像是一种成就。能够说“我已经完成了这门课程”会让人感到满足。因此，创作者和用户也往往会把它等同于学习，但这离事实很远。这种假设并不是一个好的基础。
更重要的是，它非常便于比较。一门号称完成率达到 70% 的课程，自动就会比完成率只有 40% 的课程看起来更好。这让报告制作和快速决策都更容易。但并不是每个容易追踪和比较的指标都有意义。因此，完成率之所以被使用，是因为它能尽量减少复杂性。
完成率的问题
完成率看似透明，但实际上掩盖了太多东西。
核心问题在于，它们并不衡量学习。完成一门课程只意味着学生看完了或点完了所有材料。它并不能说明他们是否理解了内容、记住了内容，或能否有效地运用这些信息。
学生在技术上可以完成一门课程，却并没有真正投入––比如加速浏览内容、跳过练习、回避实践。虽然这在分析数据中看起来像是进度，但并不能反映真实的学习或技能发展。
完成率的另一个问题是，它完全忽视了用户意图。并不是每个人上课程都是为了把它上完。许多学生是想解决某个问题或找到某条信息，但他们可能并不需要提供的全部课程内容。在这种情况下，一旦找到了他们想要的东西，他们之后是否继续看剩余内容，会按自己喜欢的方式决定。从他们的角度看，课程是成功的；但从你的指标看，他们却成了流失者。
这是一种假阴性。在实际上并不存在问题的地方，却检测出了问题。
完成率还可能导致非常糟糕的设计。当目标变成完成时，课程就会越来越短、越来越简单。复杂信息会被删掉，练习会被减少甚至彻底取消，任何可能让学生花太多时间消化或理解的元素，都会因被视为风险而被排除。
最终结果就是内容虽然易于消费，却不那么容易应用。学生很快就学完了，但并没有学到任何实质性的东西。
真正重要的指标：行为改变
如果完成率不是正确目标，那什么才是？行为改变。
就是这个。课程的目标，是改变一个人在上完课程后的行为方式。它可以是新的习惯、在真实工作场景中应用的新技能，或做出不同的决策。
内容仅仅是刺激。以下是几个例子：
● 营销课程成功的标志 是营销人员发起了一次营销活动。而不是他们看完了所有关于营销活动的课程。
● 编程课程成功的标志 是有人构建出了一个可运行的应用。而不是他们看完了每一个视频。
● 健身课程成功的标志 是他们的日常锻炼变得更有效，而且能够坚持下去。而不是他们看完了每一个视频并回答了每一个问题。
● 领导力课程成功的标志 是团队沟通得到改善，且在工作场所具备了更好的决策能力。而不是参加了所有课程。
在每种情况下，结果都可以在学习环境之外被观察到。世界会因此有一点点不同。
这就是为什么行为改变是更好的指标。它把所学内容与现实世界中的行动联系起来。它能清楚地证明，一门课程已经产生了直接影响。
这也是人们参加课程的根本原因。他们很少只是为了消费内容。人们是想解决问题，或者改善生活或工作中的某个方面。行为改变，就是这件事真正发生时的样子。
如何衡量行为改变
虽然行为改变比完成率更难衡量，但绝不是不可能。唯一真正的要求是，把视线放到课程平台之外，衡量学习者在消费了你的内容之后做了什么。
将基础跟进作为第一步
你可以从基础跟进开始。询问学习者在完成某节课或某个模块后采取了哪些行动。这可以通过几天或几周后发送的简短调查来实现。请确保你的问题聚焦于现实世界中的应用：
● 上完这门课程后，你采取了哪些行动？
● 这一行动带来了什么结果？
● 你改变了日常习惯/工作流程中的哪些方面？
像这样的回答可以直接提供与真实影响直接相关的数据。
继续推进的行动导向信号
除了简单的后续跟进之外，还应关注课程平台内的行动导向信号。虽然完成课程章节表明了知识的获取，但你还需要确保自己在跟踪每节课中具体行动的完成情况。示例包括：
● 作业是否已完成？
● 项目是否已提交？
● 某个框架或系统是否已被应用？
这些指标比仅仅观看课程更能有力地证明行为改变。
接下来的步骤是什么？
实施率是另一条值得探索的路径。在这里，你需要跟踪学习者将所学内容融入实际实践的程度。如果课程教授的是某种特定的方法论或系统，试着确定到底有多少学习者真正实施了它。
除了实施情况之外，还要向学习者索取并跟踪工作成果证明。鼓励他们提交已完成的项目、结果截图、前后对比，或个人案例研究来展示进展。这样做既能衡量行为改变，也能为课程效果创造社会认同。
为了获得长期证据，可以发送延迟回访。在第 30、60 和 90 天时，询问学习者保留了哪些内容。持续的长期行为改变，远比一次性的短暂行动爆发更有影响力。
最后，将你的定性和定量发现结合起来。虽然指标能突出趋势，但个体故事能提供深度和理解。一个清晰表达、体现切实改变的案例，其价值远远高于没有结果证明的高完成率。
比完成率更重要的辅助指标
虽然行为改变才是最终结果，但使用辅助指标来跟踪学习者朝这一目标前进的过程同样重要。它们能在你看到长期结果之前很早就提供信号，帮助你优化课程。
参与深度
参与深度是一个非常有力的指标。与其仅仅跟踪学习者学到了哪里，不如衡量他们互动得有多深入。这包括在关键课程中花费的时间、练习的完成情况，以及对较复杂部分的认真复习。
一个愿意花时间攻克困难概念的学习者，远比一个匆匆浏览材料的人更有可能在之后加以应用。他们参与得越深入，采取行动的可能性就越高。
回访率
回访率是另一个重要指标。它跟踪学习者在首次学习课程之后返回的次数。如果人们多次回来，说明他们很可能认为内容足够有价值，值得一再回来查看。
能带来行为改变的课程，很少会在一次学习中完成。学生会在准备采取行动或需要回忆某条信息时再次回来。
课时级互动
课时级互动是另一个有价值的信号。与其把课程作为一个整体来看，不如了解单节课程如何推动行动：
● 哪些课程的重复观看率最高？
● 学生会在什么地方暂停视频或花费更多时间？
● 哪些具体部分会促使用户完成某项任务？
利用这些信息来了解课程的哪些部分真正提供了价值，哪些部分需要优化、删除或增强。
实际产出
实际产出也是一个强有力的信号。学生因你的课程而产出了什么？是文档、项目、计划，还是某种具体成果？
如果你的课程没有带来产出，就不太可能带来改变。
以更深入的方式监测不同节点的流失。虽然流失常常被视为失败，但它也可以被看作一种信号。如果学生在某个节点离开课程，却仍然成功实现了预期的行为改变，那么那一节课可能已经提供了关键价值。
最后，以结果为重点审查学习者反馈。不要问“你喜欢这门课吗？”，而要问“学完这门课后，你做了哪些不同的事情？”以及“你取得了什么结果？”
满意度很容易获得。影响力则困难得多，但又至关重要。
这些互补指标能让你超越表面的成功，更深入地理解你的课程是如何产生结果的。
结论
完成率很直观，但它奖励的只是课程内的进度，而不是课程之外的结果。
如果只依赖完成率，你可能会做出容易完成却难以落地实施的课程。
真正能证明你产生了影响的衡量标准是行为改变；它证明学习者不是在被动消费信息，而是在把他们学到的东西付诸行动。
这需要多花一点努力。你需要提出更好的问题，并建立更好的结果跟踪机制，但课程设计所带来的回报完全值得这些额外投入的时间。
一旦你开始衡量真正重要的东西，你就会开始打造出这样的课程：即使观看者早已停止看课，它们仍会被人记住并被反复推荐。
