第 30 篇 增长与留存：让用户用第二次
第二季第 14 篇 · 温习：第 12 篇的〈采纳率/修改率/放弃率是 AI 产品最诚实的三组数字〉、第 11 篇的〈过度信任与信任不足都是失败〉、第 10 篇的〈反馈数据回流〉 · 新增：把"第二次使用"当生死线，用首次体验设计、留存诊断表、习惯路径与停损判断把它落到动作
温习：第一季的三条结论
- 第 12 篇：采纳率、修改率、放弃率是 AI 产品最诚实的三组数字，比 DAU 更能说明价值是否真的发生。
- 第 11 篇：过度信任（盲信输出）与信任不足（不敢用）都是失败，交互要让人"敢用会犯错的功能"。
- 第 10 篇：用户反馈数据要回流，才能形成数据飞轮、持续改进模型与产品。
这三条都指向增长闭环里最硬的一关：获客解决"来一次"，而"第二次使用"才决定产品能不能活。本篇把这三组数字用到留存的日常动作上。
一、AI 产品的留存曲线为什么更陡
传统工具的留存曲线相对平缓，AI 产品的留存往往断崖式下跌，根因有三个：
- 首次体验方差大。模型是概率系统，同样入口两次结果可能不一；用户第一次撞上差结果，印象就钉死了，没有"第二次机会"的缓冲。
- 能力预期被媒体抬高。用户带着"它什么都会"的预期进场，撞上能力边界时落差比普通工具大，放弃更快。
- 一次翻车可能永久流失。AI 输出一旦在关键场景出错（错发、错判、泄密感），信任撤回是即时且不可逆的，不像功能 bug 还能等修。
含义：AI 产品的留存不能靠"先拉来再说"，必须在第一次接触就把方差压到最低、把预期校准到正确区间。留存的第一战场是首会话，不是第 30 天。
二、首次体验设计
首次会话的目标只有一个：让用户成功一次、且对能力边界有正确预期。下面是一份可直接照做的"首次会话"设计清单。
| 检查项 | 做法 | 反例（首次即流失） |
|---|---|---|
| 第一次必须成功 | 默认引导一个低难度、高确定性的任务（如"总结这段你贴的文本"） | 一进来就抛开放难题，首答翻车 |
| 建立正确预期 | 明确写清"能做什么、不擅长什么、可能出错" | 用"无所不能"话术抬高预期 |
| 给可控感 | 输出可编辑、可重来、可看到依据 | 只给一个黑箱结论，无法改 |
| 零门槛起步 | 不要求授权、付费、复杂配置即可用 | 首屏就要登录/绑卡/填长表单 |
| 即时反馈 | 让用户立刻看到自己输入的产物 | 引导做完却无可见产出 |
四种"首次即流失"的设计（务必避免）
- 高难度首问：把最难的问题放在新手引导，首答不及格直接走人。
- 夸大承诺：用"替代人""零错误"类话术，预期被抬高后任何小错都放大成背叛。
- 强制前置：首屏就要手机号、付费、企业资质，门槛挡掉大多数尝鲜者。
- 黑箱无痕：给出结果但不给过程、不给编辑入口，用户无法建立"我在掌控"的感觉。
首会话设计本质是"用确定性换信任"：先用一个稳赢的小任务证明价值，再逐步开放能力。
三、留存诊断表
留存掉了，先分型再动手。按"第几天掉、掉的时候发生了什么"把流失归因到根因，避免笼统地"做一波促活"。
| 掉的时间 | 典型现象 | 根因 | 对应动作 |
|---|---|---|---|
| 第 1 天 | 注册后只聊一次就走，采纳率低 | 首次体验问题：首答差/预期错/无可控感 | 重做首会话（见第二节），降低首问难度 |
| 第 3–7 天 | 用过几次但没形成固定场景 | 没嵌入工作流，价值场景不清晰 | 找高频小场景，做模板/快捷入口/触发 |
| 第 30 天 | 初期活跃后归于沉寂 | 新鲜感耗尽或被替代方案接管 | 扩场景、做习惯触发、用新能力召回 |
用法：拉出 cohort 的"日留存曲线"，看断点在哪个区间，落到对应行。第 1 天掉别去搞活动运营，第 30 天掉别去改首会话——错位投放是留存工作最大的浪费。诊断时把第 12 篇的三组数字（采纳率/修改率/放弃率）按 cohort 拆开看，哪组数字恶化就对应哪类根因。
四、习惯养成的三条路径
留存的终点是"不用想就会回来"。三条可执行的路径：
| 路径 | 做法 | 例子 |
|---|---|---|
| 嵌入既有流程 | 放在用户本来就要做事的地方，少一步切换 | 在写邮件/看文档的工具里就地唤起 |
| 固定触发 | 用时间或事件触发，形成节律 | 每日晨报生成、提交后自动跑检查 |
| 结果外显 | 让产出被别人看到，产生社交/协作粘性 | 生成内容可分享、可被他人引用评论 |
要点：习惯不是"功能好"自然长出来的，而是被"触发—动作—可见回报"刻意设计出来的。没有触发点的 AI 功能，再强也容易被遗忘在工具栏深处。
五、沉默用户召回
先定义沉默：建议取"连续D天无有效会话（采纳率近似 0）"为沉默线，D由你的 cohort 曲线自然拐点定，不抄行业值。
| 环节 | 原则 |
|---|---|
| 召回渠道 | 用最低打扰的通道（站内信/邮件），避免高频推送惹烦 |
| 话术原则 | 说"新东西"而非"你为什么不回来"；给具体价值点 |
| 必须给新东西 | 能力升级、新场景、或针对其历史用法的新模板 |
| 预期管理 | 召回率天然偏低，把它当补充而非主力增长手段 |
核心认知：沉默用户离开往往是因为"当时没场景"，不是"忘了"。召回若只提醒、不给新场景，转化率极低。把精力优先放在"让在用的人更常用"，召回只是补漏。
六、增长的三个杠杆在 AI 产品上的特殊性
传统增长的三杠杆（频次、人群、单次价值）在 AI 产品上都有特殊坑，最危险的是"降低质量换留存"。
| 杠杆 | 传统做法 | AI 产品的特殊点 | 风险 |
|---|---|---|---|
| 增加使用频次 | 多触点、多推送 | 频次靠"嵌入流程+触发"，而非硬推 | 硬推打扰反而加速流失 |
| 扩大使用人群 | 拉新、降价 | 新人首会话方差大，需更稳的引导 | 新人首答翻车，拉新即流失 |
| 提升单次价值 | 加功能、提客单 | 价值=任务真的被搞定，靠质量而非数量 | 生成更多更快但更差，短期涨长期崩 |
重点陷阱：降低质量换留存。为抬高频次/单次价值，把生成调得更多、更快、更顺，却在忠实度与准确性上放水——首屏指标（调用次数、时长）好看，但第 12 篇的三组数字里"放弃率"悄悄升高，信任被慢慢吃光。这是 AI 产品最隐蔽的增长自杀：用质量换来的留存，会在下一次翻车时一次性还回去。
七、留存与质量必须放在同一张看板
增长动作若只看留存，会诱使团队牺牲质量。解法：留存指标与质量指标并列在同一张看板，且两者背离时先修质量。
看板结构（留存 × 质量 同板） ============================================ 顶层留存： D1 / D7 / D30 留存率（按 cohort） 采纳率 / 修改率 / 放弃率（第12篇三组数字） 质量并列： 输出忠实度、相关性（第09篇指标） 人工抽检合格率、红队命中率（第27篇） 首答一次成功率（首会话专项） ============================================ 背离处理规则： if 留存涨 且 质量跌: 暂停增长动作，先修质量 if 质量稳 且 留存跌: 查场景/触发（见第三、四节）看板的意义不在"同时展示"，而在"同屏对比时谁也不能藏"。当增长团队看到自己推的频次让放弃率抬头，决策就会自动收敛到质量优先。
八、什么时候该承认一个 AI 功能不值得救
不是所有功能都该死保。出现以下多数信号时，考虑收缩或下掉，把资源让给更有价值的功能。
- 第 1 天留存长期低于可接受的低线，且首会话已迭代多轮仍无效。
- 采纳率持续低、放弃率持续高，三组数字同时恶化超过一个观察周期。
- 质量指标（忠实度/合格率）触顶仍远低于可用阈值，且 golden set 上追不平。
- 召回率多次尝试均极低，沉默用户无场景、无回流。
- 为维持质量所需的成本（算力/人工护栏）远超该功能带来的价值。
- 有更便宜的替代路径（如规则/开源）能覆盖同等场景。
停损不等于失败，等于把飞轮数据（第 10 篇）和工程资源投向更值得的地方。判定要基于第 12 篇的三组数字与质量看板，不凭感觉。
十、第二季收口
第二季 14 篇（17–30）补的是第一季没讲的"过程与动作"。下面把每篇对应到产品从想法到增长的全过程环节，与第一季的"要素与方法"形成对照。
| 第二季篇目 | 过程环节 | 解决的"动作" |
|---|---|---|
| 17 场景挖掘与机会识别 | 发现 | 从哪找该做的 AI 场景 |
| 18 AI 竞品拆解 | 发现 | 怎么逆向看清对手能力边界 |
| 19 用户研究 | 定义 | 传统访谈为何失效、预期怎么问 |
| 20 立项与 PRD | 定义 | AI 功能的文档与跨团队契约 |
| 21 结构化输出与系统集成 | 构建 | 与存量系统的工程契约 |
| 22 对话状态与记忆 | 构建 | 会话状态机与记忆分层 |
| 23 检索进阶 | 构建 | 查询改写、混合与图检索 |
| 24 实时语音交互 | 构建 | 延迟预算与语音 UX |
| 25 质量事故排查 | 质量 | 效果掉了怎么定位根因 |
| 26 知识库运营 | 质量 | 文档治理、更新与权限 |
| 27 红队与对抗测试 | 质量 | 注入/越狱测试与修复优先级 |
| 28 价值验证与增量实验 | 验证 | 增量实验与效果归因 |
| 29 部署形态决策 | 验证 | 公有云/私有化/开源怎么选 |
| 30 增长与留存 | 增长 | 让用户用第二次的系统打法 |
对照第一季（要素与方法）：第一季回答"AI 产品由哪些要素构成、靠什么能力、怎么定义质量与成本"，第二季回答"按什么步骤从发现走到增长、遇到过程问题怎么动手"。两季合起来，是从"懂"到"做"的闭环。
全系列三十篇一以贯之的结论：用一套可测量的质量标准，把一个概率性的系统，变成用户可以信任的产品——而信任不靠一次惊艳，靠的是用户愿意用第二次、第三次，且每次都不必后悔。
九、增长实验：小步验证清单
留存诊断能告诉你"哪里在漏"，但补漏的方案有好几个选项时，只能靠实验。
AI 产品的增长实验比传统产品多一层变量：实验对象不只是文案与时机，还包括能力本身——同一个功能，换一种引导方式、换一个默认任务、换一种结果呈现，留存可以差出量级。
9.1 六个高性价比的实验方向
| 实验项 | 假设 | 观测指标 | 成本 | 主要风险 |
|---|---|---|---|---|
| 首次任务选择 | 换一个更确定成功的默认任务，首次成功率上升 | 首次会话完成率、次日回访 | 低 | 任务太简单会显得没价值 |
| 引导方式 | 给示例比给空白输入框的启动率更高 | 首次提交率、平均轮次 | 低 | 示例会限制用户想象 |
| 结果呈现 | 给"一个答案 + 两个备选"比只给一个答案的采纳率更高 | 采纳率、修改率 | 中 | 备选质量差会拉低整体观感 |
| 提醒时机 | 在与用户工作节奏对齐的时点触发，比固定时间推送有效 | 回访率、召回后使用率 | 低 | 打扰会引起反感与卸载 |
| 能力升级告知 | 主动告知"现在能做 X 了"能唤回沉默用户 | 沉默用户召回率 | 低 | 承诺能力若不稳定会二次流失 |
| 默认参数 | 把最保守的默认值改为更积极的档位，价值感上升 | 使用深度、放弃率 | 中 | 质量波动可能上升 |
9.2 实验纪律
- 一次只改一个变量。
AI 产品本身就有方差，同时改两个变量，你无法归因到哪一个起了作用。 - 锁定模型与 prompt 版本。
实验期内模型升级或 prompt 调整，等于中途换了产品，数据直接作废。 - 样本量前置估算，不要看结果再决定何时停。
"看起来已经有效果了"是最常见的统计错误来源。到达预设样本量前不看结论。 - 质量指标必须与增长指标同看。
一项实验如果留存涨了但修改率同时上升，说明用户在用但用得费劲——这不是成功。
9.3 三种反模式
| 反模式 | 表现 | 为什么有害 |
|---|---|---|
| 降低质量换增长 | 生成更快更长更"丰富"，短期互动指标上升 | 长期信任受损，用户一旦发现需要复核就会彻底弃用 |
| 把实验当发布 | 实验组直接变全量，不做显著性与分层验证 | 把噪声当成结论，后续决策建立在假前提上 |
| 只优化指标不解决问题 | 针对指标本身设计动作（如诱导点击） | 指标好看但留存不改善，团队失去对指标的信任 |
判断标准很简单：实验结束后，你能否用自己的话说出"用户为什么更愿意回来"。说不出来，就只是把一个数字推高了。
一页速查
增长与留存一页速查 ======================================== 留存更陡的三原因：首体验方差大 / 预期被抬高 / 一次翻车永久流失 首会话清单：首问必成功 / 说清能做什么与不长于什么 / 可编辑可重来 / 不强制授权付费 四种首流失：高难度首问 / 夸大承诺 / 强制前置 / 黑箱无痕 留存诊断表： D1掉 -> 首体验问题 -> 重做首会话 D3-7掉 -> 无场景 -> 嵌流程+触发 D30掉 -> 新鲜感耗尽 -> 扩场景+召回 配第12篇三组数字(采纳/修改/放弃)按cohort拆 习惯三路径：嵌入既有流程 / 固定触发(时间或事件) / 结果外显 沉默定义：连续D天无有效会话；召回给"新东西"，召回率天然低莫当主力 增长三杠杆特殊点：频次靠嵌入非硬推 / 新人首会话要更稳 / 价值靠质量非数量 陷阱：降低质量换留存 = 短期涨长期崩 看板：留存(D1/D7/D30+三组数字) × 质量(忠实度/合格率/首答成功率) 同板 背离即先修质量 停损信号(多数命中即考虑下掉)：D1留存低线 / 三组数字同恶化 / 质量触顶仍不及格 / 召回极低 / 质量成本>价值 / 有更便宜替代常见坑
- 把首会话当普通引导：用开放难题做新手任务，首答翻车直接流失，忘了 AI 首体验方差大的特性。
- 夸大承诺抬高预期：用"替代人/零错"话术，任何小错都被放大成背叛，放弃率飙升。
- 留存掉了就无差别促活：D1 掉去搞活动、D30 掉去改首会话，错位投放白做功。
- 只看留存不看质量：频次、时长涨了就庆功，没发现放弃率同步抬头，信任被慢慢吃光。
- 用降低质量换增长：生成更多更快更顺，却在忠实度上放水，短期指标好、长期一次性崩。
- 召回只提醒不给新东西：对"当时没场景"的沉默用户空喊"回来吧"，转化极低还惹烦。
- 习惯靠"功能好"自然长：不设触发点、不嵌入流程，强功能也被忘在工具栏深处。
- 沉默线抄行业值：不按自己 cohort 拐点定
D，误判活跃与沉默边界。 - 死保该下掉的功能：凭感觉续命，不看第 12 篇三组数字与质量看板的停损信号，拖住飞轮资源。
结语
增长的第一性原理在 AI 产品里被改写：不是"拉来更多人"，而是"让来的人敢用第二次"；留存是质量的外显，质量塌了，增长只是借来的时间。
本文为「AI 产品经理入门与进阶」系列第二季第 14 篇（总第 30 篇）。温习自第 12 篇《AI 产品指标体系与埋点设计》、第 11 篇《AI 交互设计：让用户信任会犯错的功能》、第 10 篇《数据飞轮与冷启动》。数据来源：第二季总纲（00B）的 14 篇目录与过程映射，增长与留存指标取自第 12 篇行为指标框架。具体数值随技术迭代变化，请以最新数据为准。
