a16z致創業者：與其拯救低留存率，不如直接轉型

作者：andrew chen，a16z

編譯：Tim，PANews

我盯着留存曲線數據已經超過15年了。

我見過成千上萬條留存曲線，這也是我評估創業公司時最先要求查看的指標之一。我翻閱過數千個資料庫，分析過按不同細分維度拆解的留存曲線。作爲產品構建者，我也從另一視角觀察過這個指標。我曾運行數百次A/B測試，起草過無數版本的用戶引導指南和通知郵件，試圖改變留存曲線的形態。

【​​A/B測試​​（也稱爲​​拆分測試​​或​​桶測試​​）是一種用於比較一個產品的兩個版本（A版本和B版本）的隨機實驗方法。其核心目的是通過收集數據、分析用戶行爲，來確定哪個版本在實現預定目標方面表現更優。】

從結果來看，這裏存在一些規律。

就像物理定律一樣，奇怪的是，隨着時間的推移，總有一些確定性的規律不斷出現。以下是我要分享的幾個例子：

• 你無法改善糟糕的用戶留存率。是的，增加更多通知功能並不會改善你的留存曲線。你無法通過A/B測試來實現良好的用戶留存率。
• 留存率只會下降，不會上升。而且奇怪的是，它的衰減速度確實遵循着可預測的半衰期規律。早期的留存率能夠預示後期的留存表現。
• 收入留存擴大，而使用留存變小。好消息是：雖然用戶會逐漸流失，但留下的用戶有時會消費更多！
• 留存率與你的產品類別息息相關。既有先天原因，也有後天培養。很遺憾，你注定無法讓酒店預訂應用成爲每日使用的產品。
• 用戶擴張和增長時，留存率會變得更低。最優質的用戶來自早期和自然增長，而後期獲得的用戶則表現最差。
• 用戶流失具有不對稱性，失去一個用戶遠比重新贏回他們要容易得多。
• 留存率的測算非常困難。季節性因素確實存在，新上線的測試版本會幹擾數據，系統漏洞也時有出現。D365雖是真實指標，但絕不能只看這一結果。
• 病毒式瘋長但留存率極差，最終必然失敗。我們已在多個平台和品類中反復驗證過這一結論。
• 出色的用戶留存堪稱奇跡。當你在真正見到這種奇跡時，會感到無比震撼。

我們將逐一剖析這些要點。

你無法挽救糟糕的用戶留存率。你曾親眼見過這種情況：你花了數月時間開發一款新產品，然後正式發布。當頭一棒的是初始用戶留存數據慘不忍睹。此時產品開發已進行數月，積重難返之際，該如何提升留存？此時你靈光一閃：不如增加消息推送功能提醒用戶回來？或者添加一堆新功能？要不對着陸頁進行A/B測試提高轉化率？

我想我們都知道結局會如何。不幸的是，當產品留存率表現不佳時，往往極難扭轉，幾乎可說是回天乏術。當然，或許能實現邊際改善。假設你的次日留存率是40%，而目標是提升至50%，這完全可行且值得努力。但若次日留存率僅有10%，那很可能意味着你打造的產品根本不符合市場需求，此時所有圍繞A/B測試和消息推送的局部優化手段，都不足以扭轉根本性困局。當數月的開發時間與沉沒成本既成事實，人們很難不垂死掙扎一番。但我認爲在多數情況下，最好當機立斷選擇轉型。

這種旨在提升用戶留存的轉型，需要對應用主頁進行徹底重新設計。如果原本呈現爲信息流模式，或許應當轉向結構化的分步流程；如果產品核心在於分享功能，或許應當將重心轉向內容創作與收藏。你可能需要以截然不同的方式描述產品定位，甚至轉而與競品對標。這必須在多維度進行大規模轉型，越徹底越好，唯有如此才有可能扭轉用戶留存低的局面。

留存率會下降，但不會上升。留存曲線通常呈現爲非常規則的幾何曲線模式。例如我觀察到的許多曲線都呈現以下規律：無論首日留存率是多少，第七日都會下降50%；無論第七日留存率是多少，第三十日又會再下降50%。隨着時間推移，最終留存率可能趨近於零，若運氣好的話或許能整體維持在10%左右。這種衰減模式具有可預見性。

你從未見過一條曲線先高後低再重新升高，這是不可能的。換句話說，如果早期留存率不夠出色，那麼晚期留存率很可能也不理想。你必須開局強勁，才能較好收尾。

這條規律中有一些值得注意的例外情況需要特別指出：

• 有些產品非常硬核（例如在線撲克）。這類產品的用戶留存率可能相對較低，但留下來的用戶往往極其忠實且花費巨大，事實證明這種模式也能成功。
• 對於具有網路效應的產品（可能是社交網絡、協作工具或其他具有網路效應的產品），新用戶開始時可能表現活躍，隨後活躍度會暫時下滑。但如果該產品能夠利用越來越多的用戶重新激活老用戶，通常會出現留存率小幅回升的曲線。這種情況極爲罕見，但一旦實現則令人驚嘆。
• 收入留存擴大，而使用留存萎縮。留存曲線最佳且最重要的特性之一是，它既可以應用於用戶，也可以應用於收入。到目前爲止，我們討論的一直是用戶留存，但遺憾的是，用戶留存總呈現下降趨勢，這種情況並不理想。另一方面，收入留存則很有意思，因爲留下來的用戶往往會隨着時間的推移在你的平台上花更多的錢。
• 這是B2B SaaS產品最大的優勢之一。以Slack爲例，如果觀察用戶羣組數據，你會發現其留存曲線與其他產品一樣呈下降趨勢。有些人接受它，有些人則不買帳。但對於那些投入時間部署Slack的公司而言，產品會開始自然生長，你從這些企業獲得的收入隨之與日俱增。收入留存曲線不降反升，這種現象非常神奇，卻可惜地不適用於大多數消費級產品。正是這種特性，使得B2B產品比消費級產品擁有更順暢的商業模式。
• 消費者應用的模式更接近亞馬遜，你可能最初只是購買書籍和音樂，但隨着產品功能的不斷擴展，你會逐漸開始用它購買越來越多商品。正因如此，用戶在產品中的生命週期總價值本質上沒有上限。我們在優步也觀察到類似現象：用戶羣組雖然會隨時間衰減，但人們最初僅用於機場接送的打車支出，會逐漸擴展至餐廳出行或通勤場景。因此用戶留存曲線呈下降趨勢，但收入留存曲線卻持續上升。
• 留存率與產品類別息息相關。我過去曾就留存率寫過關於先天與後天因素的探討。現實情況是，許多產品存在天然的使用場景，比如協作工具或編程軟件，你可能每天工作時都會使用，但使用天數上限是每週7天中的5個活躍日。相比之下，漏洞警報系統則希望用戶不要經常使用。消費品也是如此，人們每日查看新聞、通訊和社交應用，但通常不會頻繁使用醫療參考指南。有些應用雖然使用頻率低但留存率很高，例如天氣或銀行類應用。而遊戲等類別雖然令人沉迷且使用頻繁，但人們在內容消耗後通常幾周就會流失。
• 先天與後天因素之所以重要，是因爲它揭示了許多新產品根本難以突圍的現實。如果你開發的是社交類旅行應用，但人們實際出行頻率本就不高，那麼打造一款以好友互動爲核心使命的產品將會舉步維艱。更明智的做法是接受其低頻使用的屬性，通過掌控交易環節提升變現能力，或是像Yelp那樣融合餐廳與夜生活等高頻使用場景，同時保留旅行功能。逆勢而爲實在艱難，我們能做的非常有限。

正因如此，若想打造留存率極高、使用頻次超高的應用，很可能需要選擇那些已被用戶視爲日常核心產品的領域進行開發。這意味着成功應用大概率會搶佔其他日常產品的使用時間，就像我頻繁使用ChatGPT後，谷歌搜索次數大幅減少；當我開始用Substack讀寫博客時，就逐漸棄用了其他各類社交新聞軟件。

用戶規模擴張時，留存率往往不升反降。即便幸運地打造出高留存產品，人們常會慣性推演，將現有用戶的行爲模式、變現能力與使用習慣直接套用到更廣闊市場，認爲只要將若幹良好小數據與核心大數據相乘，自然能得出極其亮眼的宏觀結果。但現實往往是：隨着用戶基數增長，問題開始顯現。譬如當你開始拓展安卓用戶與國際市場，通過付費營銷等渠道獲取更多客戶時，很快就會發現在所有關鍵指標上都出現下滑。

原因是優質用戶往往較早出現。那些最具變現潛力、意願最強烈、數字化程度最高、網路行爲最活躍的用戶羣體，通常會在產品初期就通過朋友推薦開始使用。隨着後期從其他渠道獲取新用戶，產品可能並不那麼符合他們的需求。比如你爲西方國家的大學生開發了一款iPhone應用，當拓展至新興市場的安卓用戶時，由於功能設置不完全適配，各項指標自然會下滑。雖然後期可以持續優化改善，但我可以向你保證，效果永遠不可能與早期用戶羣體相提並論。

那麼，問題來了：隨着用戶增長，用戶質量逐漸下降，他們是否仍然具有價值？產品能否持續盈利？更重要的是，能否留住早期入駐的核心高價值用戶羣體？

難怪這些早期用戶常被稱爲"黃金羣體"。

用戶流失具有不對稱性。流失用戶極其容易，事實上，大多數產品在最初30天內就會流失90%甚至更多的用戶。與此同時，想要贏回已經流失的用戶又極其困難。這種獲取與流失之間的不對稱性正是用戶流失的核心特徵。實際情況往往糟糕到這種程度：與其試圖挽回老用戶，不如直接獲取新用戶來得更容易。

正因如此，試圖通過發送折扣或優惠來喚醒休眠用戶的生命週期營銷往往成本高昂且收效甚微。相比之下更有效的方式是：讓現有活躍用戶通過產品的自然使用場景來喚醒休眠用戶。例如當某位職場人士試用新項目管理工具後未能堅持使用，此時向其郵箱發送轟炸提醒郵件很可能無法挽回用戶。更有效的做法是讓其同事邀請該用戶重回工具參與新項目，這才是行之有效的方式。但話說回來，這種策略實施難度極大且異常復雜，通常只有具備網路效應（即共享與協作功能）的產品才能採用。

留存率非常棘手，很難衡量。當人們談論留存率時，往往傾向於衡量第一天、第一周和第一個月的情況，卻很少討論兩年後會發生什麼。這是因爲在進行產品開發時，團隊需要一個足夠短的時間跨度和易於衡量的指標，以便據此做出決策。因此，盡管年度用戶流失率或長期盈利變現能力極其重要，人們往往不會去衡量這些，而是專注於眼前容易測量的指標。然而，這種方法存在很多問題。

不幸的是，許多產品品類都會受到強烈的季節性波動影響。電商、旅遊、健康服務或在線約會等領域都是典型例子。即便是企業使用商業軟件的方式也存在週期性變化。季節性因素會幹擾判斷，你可能發現月度或季度數據下滑，但這究竟是因爲新推出的功能不受歡迎？還是用戶在本季度的行爲模式本就不同？當留存數據嚴重滯後時，確實難以進行有效評估。

同樣地，無論是程序漏洞、新進行的測試還是新市場推廣活動，這些因素都會擾亂數據。最終你會發現自己不斷查閱那些顯示留存曲線波動的報告，但每個數據都帶有附加說明，因爲團隊需要核實新推出的安卓版本是否導致了毫無關係的對比情況。

瘋狂的用戶增長與糟糕透頂的留存率注定失敗。許多新產品開發者往往過度關注新用戶註冊，卻完全忽視了用戶留存。畢竟，若只想看到一條持續攀升的曲線圖，何不直接擴大漏鬥頂端的流量來彰顯快速增長之勢？借此募集大量風險投資資金後，再慢慢解決用戶留存問題也不遲？

當前行業中這種現象屢見不鮮：某位創作者向數百萬粉絲推廣其應用，或是一條發布視頻帶來收入激增，產品便通過TikTok實現用戶激增。盡管實際使用率和用戶流失情況並不理想，但這種現象依然持續發生。

科技行業已經進行過無數次這樣的試驗。結論都一樣：病毒式傳播但用戶留存極差的產品終將消亡，因爲留存問題難以解決。當新奇感消退，用戶獲取就會減緩，最終你會面臨用戶獲取和用戶留存雙雙慘淡的局面，爬得越高摔得越慘。

我們已經在許多場景中見證過這種現象。在社交網絡的早期階段，有許多產品通過獲取用戶郵箱和通訊錄瘋狂發送垃圾郵件來實現增長，但最終卻將用戶導向劣質產品。有時只要能讓用戶訂閱某些劣質彩鈴的年費服務，企業就能嘗試從中變現並賺取利潤。但直到Facebook出現後，通過信息流和實名制等用戶體驗創新，才最終打造出既具有高度病毒式傳播特性又能保持極強用戶粘性的產品。同樣的情況也發生在移動應用領域，有時會看到依靠短信強制邀請突然爆火的應用，但若產品缺乏粘性，整個模式很快就會崩潰。

高留存率簡直就是魔法。你讀完這篇文章可能會感到些許沮喪，我知道啓動項目有時確實艱難。但當某個產品真正奏效時，那種感覺無與倫比。當你親眼見到某款產品實現50%的30日留存率（我每隔幾年就會見證一次），那種震撼難以言表。我逐漸意識到，這些曇花一現的成功產品並非因爲創造者擁有系統化的A/B測試方法論，也不是依靠高速迭代流程達成目標，真正關鍵的是需要那一點魔法般的靈光閃現。這種魔力源自對市場或客戶需求的突破性洞察，雖然事後回想似乎顯而易見，卻能讓產品因率先實現這種認知而獲得超高留存率。如今我們評價視頻會議軟件、閱後即焚照片功能，或是能回應任何話題的魔法般人工智能時皆是如此，這種魔力絕非僅靠迭代和指標驅動測試就能獲得。

真正的問題

你可能會看完以上所有內容後仍然有個很大的疑問：等等，那麼到底要怎麼實現高留存率呢？（如果我能用確定性的方法解答這個問題，那我作爲初創企業投資人的工作不知要輕鬆多少倍，不是嗎？）

但讓我們盡力而爲。在我上述觀點中，其實已經埋藏了一些線索：想法真的很重要。

如果你想要一個高留存率的產品，你需要選擇一個本身就具有高留存率的品類。

你需要選擇一個你每天已經在使用現有產品的產品類別。

你將構建一個與之直接競爭的產品。

如果你贏了，那麼你將停止使用那個產品，轉而使用你自己的產品。

這是一個很高的要求，不過我認爲想清楚這事是個好的開始。

當然，如果你打造的產品與現有產品形成直接競爭，你可能會懷疑："要讓用戶轉換陣營真的非常困難。"確實如此。因此這時你需要決定承擔足夠的市場風險，但必須是適度的風險，通過推出新穎獨特的產品來重新定義核心交互模式。不過這裏所說的創新更可能是指20%的改良優化，而非80%的顛覆性創新。理想情況下，你應該能在用戶使用的頭一分鍾內，讓他們能夠快速直觀的方式理解這種創新。

此刻就避不開那個投資人最常問，也最難回答的問題之一："爲什麼現在行得通？"。因爲你的回答必須點明：當下出現了某種行業新動向，比如大語言模型這樣的通用技術，或是社交媒體過度飽和這類社會變化趨勢，讓你的創新理念恰逢其時。

這能讓你快速搶佔現有市場，並且早期更有可能實現出色的用戶留存率。時機至關重要。如果把握不準時機，進入的又是低關注度領域，產品差異化還不夠突出，你就會發現自己只是把用戶留存問題轉換成了用戶獲取難題。開發新型網路瀏覽器的困難在於：一旦成功，用戶黏性將極高。但人們已對現有瀏覽器十分滿意，要讓用戶嘗試新品，本身就需要付出成本高昂且過程復雜的努力。

這就是爲什麼我不責怪那些提出"某領域的Cursor"或"某行業的Figma"創意的人，就像過去"某垂直領域的Uber"這類概念一樣。他們試圖借勢現有市場和行爲模式，從而規避巨大的市場風險。

若能精準把握差異化優勢、踩準市場時機、契合海量用戶需求，同時找準核心產品定位，那麼這種模式確實能成。

如何打開新市場？

自然的對立觀點是，新市場往往比現有市場更令人興奮。科技行業難道不應該是構建全新事物，而非在舊事物上創新20%嗎？當然這話沒錯，但我認爲這類產品只佔極小極小的一部分。

對此我的反駁觀點是：實際上大多數產品都有繼承了某種“舊東西”，即使那些前輩產品很快就被遺忘。

在Instagram出現之前，曾有Hipstamatic，這款應用早期在App Store付費攝影類程序中位居榜首，印證了濾鏡功能的巨大市場潛力。正如谷歌並非首個搜索引擎（它實際是第十位入局者，前有Lycos、Excite、Infoseek等平台），這些案例既證明了用戶對搜索功能的強烈需求，也揭示了早期搜索引擎商業化的困境。特斯拉不是電動汽車的開創者，iPhone亦非智能手機的首創產品。歷史反復證明：真正決定市場格局的往往是第十代革新者。這種現象被稱爲"後發優勢"，我認爲這個觀點極具啓發性。

然而有時真正的創新確實會發生。優步的誕生是將線下既有的打車行爲轉化爲線上應用，而非基於某個已大獲成功的網約車應用（當時Lyft還只是個奇怪的巴士預訂服務）。再看ChatGPT，OpenAI歷時五年從概念醞釀到第三版真正崛起，期間沒有任何可替代的現成藍圖可供參考。這類創新徵程卓越不凡，正是科技行業得以蓬勃發展的動力源泉，因爲它們以承擔真正的風險爲代價，開創了全新的產品類別。