每个创业者都经历过那一刻：产品上线、数据刺眼，留存率一路下滑。于是团队开始疯狂加推送、做活动、调文案，希望“救活曲线”。但几个月后，曲线依旧沉默，融资窗口却悄然关上。——问题从来不在通知频次，而在用户根本不想回来。十五年里，无数创业公司重复同一个误区：把留存当成“运营问题”，而非“产品真相”。
留存率其实是一种残酷的物理定律——它只会往下掉，永远不会神奇反弹。越早理解这一点，越能把时间花在正确的转型上。
本文将拆解“留存的自然法则”：为什么坏留存救不活？为什么规模越大反而更糟？以及，为什么真正高留存的产品，都像被赋予了某种魔法。
【读书笔记】
1. 坏留存无法靠微调修复，唯有彻底转型（Pivot），若 D1 留存低至 10%，意味着产品本身无需求。通知、推送、A/B 测试等战术优化顶多提升 10 个百分点，无法“救活”曲线，真正的改进需从根本重构产品结构、使用场景与定位方式
2. 留存曲线遵循“半衰期”规律，下降是自然趋势，多数产品呈现几何式下滑：D7 较 D1 降约 50%，D30 再降一半，最终趋近于 0 或维持 10% 左右，除非具备强网络效应，否则留存曲线几乎不会反弹
3. 使用留存会下降，但收入留存可能上升，用户数量会流失，但留下的用户往往消费更多，B2B 产品如 Slack 的企业账户会持续扩展使用场景，而消费产品如 Amazon、Uber 用户的消费频次与金额也随时间增长，形成收入留存上升的 LTV 曲线
4. 留存受产品类别天性限制，无法强求高频，留存的上限取决于产品类别与用户组成，协作、通讯、信息类应用天生高频，而酒店预订、健康管理等产品注定低频，当用户规模扩大，新增用户的契合度下降——早期自然增长的“黄金用户”最黏性，后期通过广告或国际化获得的新用户留存更差
5. 留存决定成败：病毒无用，魔法难造，高拉新 + 低留存的产品注定短命，真正的留存奇迹来自“时机 + 洞察”：Instagram 借鉴 Hipstamatic 滤镜，Google 在 Lycos 之后突破，Uber 将线下打车数字化——皆在旧需求被重新定义的窗口期出现，这类“末位行动者优势”不是偶然，而是对市场时机与用户需求的精准拿捏
本文编译自发布于2025年9月9日的Andrew Chen（a16z合伙人）的专栏，原链接：
https://andrewchen.substack.com/p/lessons-learned-from-staring-at-thousands
以下是原文的全文翻译，enjoy!
注：正文中标蓝部分为读书笔记的对应原文
【正文】
我已经盯着留存率（retention curve）的数据看了超过十五年。
我曾是创业者、产品经理，如今是一名风投。在 Andreessen Horowitz（a16z） 工作期间，我每年会接触到上百家创业公司，其中很多是通过我们的一项计划 a16z speedrun program（我们为全新初创公司提供最高 100 万美元的投资）。（顺便说一句，我们刚刚宣布了 2026 年的项目，现在已经可以申请了。）
但让我们回到留存话题。这些年，我看过成千上万条留存曲线。每当我评估一家新创业公司时，这是我最先要求查看的指标之一。我翻阅过无数数据室，分析过不同分群、不同口径下的留存曲线；作为一个构建产品的人，我也从另一端亲自体验过。我做过数百次 A/B 测试，写过无数版本的用户引导邮件、推送通知，只为“扭转那条曲线”。结果发现其中的规律几乎恒定。就像物理学有其不变定律一样，留存曲线也有某种“自然法则”般的模式，一次又一次地在不同产品中重现。
以下是我总结的几个“定律”：
- 坏留存是修不好的。不，增加通知不会救活你的留存曲线。你也无法通过无数次 A/B 测试把它变好。
- 留存只会下降，不会上升。而且奇怪的是，它以一种可预测的“半衰期”规律衰减。早期留存决定后期留存。
- 营收留存会上升，而使用留存会下降。好消息是：虽然你会不断流失用户，但留下的那群人往往会花得越来越多。
- 留存是相对的，与产品品类相关。有些产品天生难以“日活”。比如酒店预订应用 —— 抱歉，它永远不可能成为每日使用的工具。
- 用户规模扩大时，留存反而会变差。最好的用户来自早期的自然增长阶段，最差的往往是后期获客的。
- 流失是不对称的。失去一个用户要比重新赢回一个容易得多。
- 留存极难精确衡量。季节性是真实存在的。新实验、Bug、市场变化都会干扰数据。你无法永远等到 D365 才判断结果。
- 病毒式增长但留存糟糕的产品，注定失败。这个实验科技行业已经重复过无数次。
- 卓越的留存具有魔力。当你看到真正高留存的产品，它几乎让人惊叹。
接下来，我们将逐条深入探讨这些规律。
坏留存是修不好的。
这种场景你一定熟悉：你花了几个月开发一个新产品，终于上线了。结果，坏消息传来——初始留存数据糟透了。此时你已经在产品上投入了数月时间与成本，进退两难。于是团队开始集思广益：“怎么提高留存？”有人提议：加更多推送通知、提醒用户回来；有人说：添加更多功能，或对落地页做 A/B 测试提升转化。
你大概也知道，这样的故事通常如何收场。当产品留存本身不好时，几乎不可能“修好”。是的，你或许能做出一些细微改善，比如把 D1 留存率从 40% 提高到 50%，这还算可行。但如果你的 D1 只有 10%，那几乎意味着——没人真正想要你的产品。此时无论做多少 A/B 测试、通知优化，都不足以扭转曲线。更糟的是，由于开发周期长、沉没成本高，很多团队不愿放弃，只能“硬着头皮坚持下去”。然而，对大多数产品来说，更好的选择是——立即转向（pivot）。真正能“修好”留存的转型，往往意味着彻底的产品重构。举个例子：如果你原本的首页是一个信息流（feed），也许应该改成一个结构化、分步骤的操作流程。如果你原本强调“分享”，或许应该改成“创建和保存”。你甚至需要用完全不同的方式描述你的产品、重新定位竞争对手。这种调整必须足够大、足够彻底，才有可能改变留存曲线的走向。
留存只会下降，不会上升。
留存曲线往往遵循几何式的下降规律。例如，许多产品的曲线如下：无论 D1（首日留存）是多少，到了 D7 会下降 50%；无论 D7 是多少，到 D30 再降一半；再过几个月后，你可能剩下接近 0 的活跃用户，运气好的话还能保留 10%。
这是一种可预测的衰减模式。
而你永远不会看到这样的曲线：一开始高、后来低、然后又神奇地升高。——那根本不可能。换句话说，早期留存不好，后期也不可能变好。你必须从一开始就表现强劲，才能维持强劲。
当然，也有少数例外值得一提：
- 极度“硬核”的产品（例如在线扑克）。可能总体留存率不高，但留下来的那批用户非常黏性，且愿意持续花钱。这种模式是可行的。
- 具有网络效应的产品。新用户起初使用积极，但后来可能中途流失。然而，如果产品（如社交网络、协作工具等）能借助新用户的加入重新激活老用户，就会出现“曲线回升”的奇迹。这种情况极为罕见，但一旦出现，非常惊人。
营收留存会上升，而使用留存会下降。
留存曲线不仅能用于用户数量，也能用于收入。到目前为止，我们讨论的都是用户留存——它的特点是总会下降。而收入留存则不同——留下来的用户往往会花更多钱。这正是 B2B SaaS 产品最大的优势之一。比如 Slack。如果看用户群，留存曲线也会下降：有人用得多，有人弃用。但对于那些真正采纳 Slack 的公司而言，使用会自然扩散，来自该公司的收入会显著增长。于是收入留存曲线会上升而非下降。这种现象非常了不起，但遗憾的是，大多数消费类产品并不具备这种特性。这也是为什么 B2B 产品在商业模式上往往比消费类产品更具优势的主要原因之一。
消费者版的情况更像是亚马逊。最初你可能只买书和音乐，但随着功能扩展，你开始买更多类型的东西。于是单个用户在平台的生命周期价值（LTV）几乎无上限。Uber 也是如此：早期用户可能只坐机场线，后来变成日常通勤、聚餐出行。用户留存下降，但收入留存上升。
留存与产品类别相关。
我曾写过“留存的天性与后天”理论。现实是，很多产品的使用频率由天性决定。比如协作工具、代码类应用，你可能每个工作日都会用；而漏洞警报系统，希望你永远用不到。同样，新闻、社交、通讯应用是日常高频的；医学参考、天气、银行类则低频但稳定；游戏则高频但短命。
“天性 vs 后天”告诉我们：许多新产品从一开始就没有机会。如果你开发一款“社交旅行应用”，问题在于——人并不常旅行。与其强行让它社交化，不如接受低频本质，通过掌控交易环节或延伸到餐饮夜生活场景（如 Yelp）来提高变现频次。对抗天性很难。你能做的有限。
因此，如果你想做高频高留存产品，最好选那些已是用户核心日常的一类。意味着你的产品若成功，一定会挤掉别的日常应用。难怪我用 ChatGPT 后，Google 搜索量骤减；开始用 Substack 写读博客后，我几乎不再用其他信息软件。
用户规模扩大时，留存反而变差。
假设你有幸打造出一个留存表现极佳的产品，
团队的自然想法通常是：“太好了！那我们把这一套成功经验复制到更大的市场去！”于是他们推算道：如果早期留存好、变现好、使用高，那只要放大规模，就能得到一个巨大的数字。但现实总是残酷的。当你扩大用户基数时，坏事往往开始发生。举个例子：当你把产品从 iPhone 用户扩到 Android，或拓展到国际市场，又或者通过付费广告等渠道获客，你会迅速发现：所有指标都在变差。
原因很简单：最好的用户总是最早到来的。他们通常具备以下特征：愿意付费、变现能力强；使用意图明确；技术熟练、数字化程度高。他们往往通过朋友推荐而来。而后期通过广告、渠道、国际化等方式获得的新用户，他们的行为、需求、支付能力都不同。结果就是：产品对他们没那么契合。一个典型例子：假设你原本为欧美大学生开发一款 iPhone 应用，当你把它推广到新兴市场的 Android 用户时，会发现功能需求、使用习惯、支付模式完全不同，最终，整体指标都会被“稀释”。当然，你可以不断优化、适配、改进，但我可以肯定地说：它永远不会回到原来的水平。
因此，真正的问题是：当你的用户群体扩张、留存逐步恶化时，这些用户是否仍然有价值？你的产品是否仍能盈利？你是否还能牢牢守住那批“黄金用户群”？这批最早、最忠实的用户，在业内被称为——“The Golden Cohort”。
流失是非对称的。
失去一个用户极容易，让他们回来极难。多数产品在前 30 天就流失 90% 以上的用户。重获流失用户几乎不可能，因此很多时候获取新用户比挽回旧用户更容易。这就是为什么“召回营销”（例如发优惠券、折扣邮件）通常痛苦又昂贵。真正有效的方式是让现有活跃用户自然带回流失用户。比如某人试过你的项目管理工具但弃用，与其发一堆提醒邮件，不如让他的同事邀请他一起做新项目。这才有效。但这种机制极其复杂，仅适用于具有网络效应的产品（如协作、分享类）。
留存难以衡量。
当人们谈论留存时，他们往往关注的是第一天、第一周或第一个月的情况。但很少有人会讨论两年之后会发生什么。原因在于，当你在开发一款产品时，需要一个足够短、且容易测量的时间窗口，让团队能够根据结果快速做出决策。结果是，虽然年度流失率（annual churn）或长期变现能力（long-term monetization）极其重要，但大家往往不会去测量这些长期指标，而是专注于眼前可见、易于追踪的短期数据。然而，这种做法存在很多问题。
不幸的是，许多产品类别都具有强烈的季节性波动。凡是涉及电商、旅游、健康管理或线上约会的产品，都是显而易见的例子。甚至企业软件的使用方式也存在周期性变化。季节性会严重干扰留存分析：比如你可能发现环比或季度留存下降，但这到底是因为你推出了新功能导致的，还是仅仅因为这个季度用户行为自然不同？当数据存在严重滞后效应（lag）时，留存率就变得很难衡量。
同样地，程序漏洞（bugs）、正在运行的 A/B 测试或新市场的上线也都会扰乱数据。你会发现，团队在查看留存报告时，曲线可能上升或下降，但每个数字旁边都有一个星号（*），表示这个结果需要谨慎解读——因为大家都在试图确认，新版 Android 的上线是否让数据失去了可比性，变成了“苹果对橘子（apples-to-oranges）”的比较。
病毒式增长+差留存=失败。
很多新产品团队过于关注拉新而忽略留存。只要图表往右上走，看起来都好，于是大举烧钱获客、先融资，留存问题“以后再说”。
如今这种现象在 TikTok 推动下屡见不鲜——一段爆款视频或创作者推广带来数百万下载，但使用率与留存糟糕。
科技行业已经重复做过无数次实验，结论一样：高病毒+低留存的产品不会长久。因为留存难修，热度一退，就剩“拉新差+留存差”，终将坍塌。
早期社交网络时代便如此。许多产品靠通讯录 spam 拉新，用户体验糟糕。只有 Facebook 借助信息流（The Feed）与实名制（Real Names）等创新，实现了“又爆又留”。移动互联网时代同样如此——强制邀请能带来短暂高峰，但若产品不够粘性，很快崩盘。
高留存是一种魔法。
也许读到这里你会有些沮丧。确实，要让产品“留得住”非常难。但当你遇到真正做到的产品，那简直神奇。当我偶尔见到 D30 留存高达 50% 的产品（大约每两三年一次），那感觉令人震撼。我渐渐相信，这种“瓶中闪电”式的成功，不是靠无数 A/B 测试或高速迭代得来的，而是某种市场或用户洞察的魔法。这种洞察看似简单，却第一次精准满足了需求，从而驱动超高留存。视频会议、阅后即焚照片、智能对话 AI（能即时回答任何问题），这些产品都带有那种“魔法”，不是数据驱动能造出来的。
真正的问题：那该怎样才能拥有高留存？
看到这里，你心中可能仍有个巨大的问号：那么到底该如何实现出色的用户留存？（如果我能给出确凿无疑的答案，身为初创企业投资人的工作岂不是轻松多了？）
但让我们尽力探讨。在我之前的观点中，其实暗藏了一些线索：
- 创意理念至关重要。
- 若想打造高留存产品，必须选择本身具备高留存特性的领域。
- 你需要选择那些你每天都在使用现有产品的赛道。
- 然后构建直接与之竞争的产品。
- 若你胜出，用户便会弃用原有产品而转向你的解决方案。
这个标准很高，但我认为这是个良好的起点。
当然，如果你打造的产品与现有产品正面竞争，可能会有人反驳："要让用户转换选择会非常困难。"确实如此。此时就需要你决定承担足够的市场风险，但必须是适度的风险——通过推出新颖独特的方案来重塑核心交互模式。不过这种创新更可能是20%的改良重组，而非80%的颠覆。理想情况下，你需要在用户使用前60秒内，以他们能够快速直观理解的方式阐述这种创新。
这正是那个令人头疼的投资者问题"为什么是现在？"显得尤为关键的原因。因为你所要说明的是，理想情况下行业出现了某种新变革——无论是像LLMs这样的通用技术，还是像社交媒体过度饱和这类社会变迁——让你恰好能在此时实现这种产品转型。
这能助你快速切入现有市场，更有可能在早期获得亮眼的留存数据。时机选择至关重要。如果时机把握不当，进入的是低关注度领域，且产品差异化不足，你就会发现留存问题转化成了用户获取难题。开发新型网络浏览器的困境正在于此：若成功，用户粘性极高；但人们已满足于现有浏览器，初期说服他们尝试新产品的成本高昂且复杂。
这正是为何我从不指责那些提出"某领域的Cursor"或"某行业的Figma"创意的人，就像上一代"某领域的Uber"概念一样。他们试图借助现有市场和行为模式，避免承担过高的市场风险。
只要差异化定位准确、时机把握恰当、存在大量用户需求，且找准了基础产品类别，这种策略确实能奏效。
但新兴市场又如何呢？
自然的反驳点是：新市场往往比现有市场更令人振奋。科技的本质不正是创造全新事物，而非对旧事物进行20%的改良吗？这固然正确，但我认为这类产品只占极少数。
对此我的回应是：大多数产品实际上都有其前身谱系，即便这些前身已被快速遗忘。Instagram之前有Hipstamatic——它曾是早期App Store最畅销的付费摄影应用，证明了滤镜功能的商业价值；谷歌并非首个搜索引擎，在Lycos、Excite、Infoseek等先驱之后，它大概位列第十，这些先驱证实了搜索需求存在但难以变现；特斯拉不是首款电动车，iPhone也不是首款智能手机。有时候，第十次迭代才是关键。有人称之为"末位行动者优势"而非先发优势，这个观点很重要。
当然偶尔也会有真正的新事物诞生。Uber的诞生是将线下现有行为——叫出租车——转化为应用，而非因为当时已有非常成功的网约车应用（Lyft当时还是个奇怪的巴士预订平台）。OpenAI的ChatGPT从构思到真正引爆市场的v3版本历时五年，期间没有任何可替代的参照蓝图。这类探索弥足珍贵，科技行业因此得以进步，因为它们在新品类创造过程中承载着真实风险。
本文由公众号“久谦资本”授权转载｜ https://mp.weixin.qq.com/s/qUPVC-_xlzx_AexxhjOvFw ｜（编辑：ZN）
⬆ 扫码加入AI产品交流社群，你有机会得到：
- 最值得关注的AI产品；
- 最新鲜的 AI 产品资讯；最实用的AI产品使用经验；
- 还有不定期赠送热门新品的邀请码、会员码。