a16z：AI 产品初期用户流失高很正常，M3 留存才是评估 PMF 的关键

「现在头部的 AI 企业并不一定存在留存问题，核心是如何准确衡量留存情况。」

近期，a16z 的研究团队发布了一篇博客文章《Retention Is All You Need》,在分析了数百家 AI 企业的情况后发现：将衡量用户留存率的基准点从第 0 个月（M0）后移至第 3 个月（M3），反而能更清晰地评估 PMF 和 GTM 策略。

同时，研究团队收集了数十家头部 AI 企业的留存数据，将其统一换算为「总营收留存率 （Gross Revenue Retention）」进行分析，得出了一个典型的 AI 产品同期群 （cohort） 的营收留存曲线，可以被清晰地拆解成三个阶段：获客期（M0-M3）、留存期（M3-M6/M9）和扩张期（M9+）。

其中，M12/M3 比率是预测长期留存质量的早期关键指标。一个接近甚至超过 100%的 M12/M3 比率，是企业长期净收入留存率有望突破 100%的重要信号。

以下为原文内容。

原文链接：https://a16z.com/ai-retention-benchmarks/

头部 AI 企业并不一定存在留存问题，但它们普遍面临「衡量问题」。

许多采用自助服务模式或按月计费的 AI 产品模糊了消费级与企业级用例的界限，使得留存率基准测试变得复杂。此外，随着大量在几个月后注册并流失的 AI 游客的涌入，早期的曲线并不像 SaaS 和消费互联网公司那样能很好地指示长期留存。

通过分析数百家 AI 企业，我们发现：将留存率及客户获取成本的计算基准从第 0 个月（M0）调整为第 3 个月（M3），能帮助企业创始人更清晰地识别长期留存的早期信号、评估产品市场契合度（PMF）、预测单位经济效益，并制定更优的市场推广（GTM）投资决策。

我们认为，随着 AI 产品持续迭代优化，并进一步捕捉服务型工作负载的价值，未来头部 AI 企业的长期留存率甚至可能超越 SaaS 及消费互联网企业。

接下来，我们将通过拆解留存曲线的动态变化来具体说明这一观点。

01 

拆解 AI 留存曲线

为探究 AI 行业新增长动态对留存率的影响，我们收集了数十家头部 AI 企业的留存数据，并按「总营收留存率」标准进行统一换算。研究发现，同期群营收留存率可明确划分为三个阶段：获客期（M0-M3）、留存期（M3-M6/M9）与扩张期（M9+）。

获客期（M0-M3）

在传统认知中，留存率计算通常以新用户注册或激活为起点，即第 0 个月（M0）或第 1 个月（M1）。但受「AI 体验者」激增影响，营收留存曲线往往会出现「初期下滑」——这是企业过滤非核心用户或兴趣型用户的自然过程。

曲线何时开始平稳主要取决于：（1）产品的适用场景广度；（2）企业对产品付费墙的设置策略。

多数情况下，留存曲线会在第 3 个月（M3）左右开始平稳。对于长期营收留存而言，曲线平稳的「具体时间点」影响不大，关键在于曲线最终能否实现平稳；但对于获客效率而言，这一时间点至关重要。

• 按月签约客户：留存曲线可直接作为 PMF 的判断依据。按月付费客户的流失门槛低，若他们能留存至 M3 以后，通常意味着产品具备长期生存能力。

• 按年签约客户：需要警惕「高留存率带来的虚假安全感」，这类客户因合约锁定无法轻易流失。此时应重点跟踪「使用模式」「功能采用率」等 engagement（用户活跃度）指标，以判断产品的真实价值。通常，用户在初期使用后活跃度可能会短暂下降，但如前文所述，数月后应逐步平稳甚至回升。

留存期&扩张期（M3-M12+）

当某一同期群用户的留存曲线开始平稳（以 M3 为节点），意味着兴趣型用户已基本流失，剩余用户多为已找到产品「高价值使用场景」、能持续获得价值，并愿意长期使用该产品而非转向竞品的核心用户。

在用户留存约 6-12 个月后，部分核心用户可能会进入「扩张阶段」：他们通常会将产品融入新的工作流，而企业可通过「基于使用量的定价模式」（usage-based pricing）或引导用户试用更多新产品，将这种扩张转化为营收增长。

同时，我们在原生 AI 企业中观察到了一种罕见现象——「微笑型」客户留存曲线：随着产品功能迭代升级，此前流失或低使用率的用户会重新回归，或提升产品使用频率。ChatGPT 的留存曲线就是这一现象的典型案例（若将 APP 端使用数据纳入统计，「微笑」趋势可能会更明显）。

02

综合应用：M12/M3 留存率公式

这就引出了我们提出的全新计算方法：

• 若 M3 后留存曲线仍显著下滑，或始终无法平稳，则表明「初期客户满意度」未转化为「长期产品效用」，需警惕风险。

• 若留存曲线实现平稳，则可以更可靠地预测单位经济效益，进而更激进地投入 GTM。此外，当企业确信客户会长期留存时，也能承受更长的投资回报周期。

目前，行业内头部的自助服务型或按月计费地 AI 企业，在这一指标上已经表现很突出，这是其长期净收入留存率（NDR）有望突破 100%的重要信号。以下是基于我们数据集的基准参考，数据来源为数十家年度经常性收入（ARR）超 100 万美元的 AI 企业。

留存曲线一旦趋于平稳，随后又出现早期扩张迹象，会产生什么影响？在时间线延长至 M12 之后发现，随着时间推移，企业报告的净收入留存率（NDR）会逐渐向「成熟同期群」的留存率靠拢。即便留存曲线仍存在「初期下滑」，整体混合留存率也会逐步趋近于 100%以上——即便以 SaaS 行业的历史基准来看，这也是极具吸引力的表现。

假设某企业的营收留存曲线在 M12 前趋于平稳，并开始显现扩张迹象。如果将留存预测延长至 12 个月以上，会发现长期留存率可能远高于一些来自外界的预期。像右上表所示，当企业用户结构中「处于扩张阶段的成熟同期群」占比提升时，整体报告的净收入留存率（NDR）表现会显著优化。

03 

如何应用这一分析框架？

衡量产品市场契合度（PMF）

高留存率是产品能持续提供可重复价值的关键信号，但基于不同的计费模式，利用留存率衡量 PMF 需注意以下细节：

• 按月签约客户：留存曲线可直接作为 PMF 的判断依据。按月付费客户的流失门槛低，若他们能留存至 M3 以后，通常意味着产品具备长期生存能力。

• 按年签约客户：需要警惕「高留存率带来的虚假安全感」，这类客户因合约锁定无法轻易流失。此时应重点跟踪「使用模式」「功能采用率」等 engagement（用户活跃度）指标，以判断产品的真实价值。通常，用户在初期使用后活跃度可能会短暂下降，但如前文所述，数月后应逐步平稳甚至回升。

验证市场推广（GTM）投资的规模化可行性

在预测 5 年期「LTV/CAC」回报率时，留存率是最核心的输入变量。若留存率表现不佳，盲目增加 GTM 投入无异于「向漏桶里加水」。

因此，我们建议跟踪「M3 留存客户的单位获取成本」，这一指标能衡量 GTM 投入转化为「长期用户」（而非短期体验者）的效率：

• 若 M3 后留存曲线仍显著下滑，或始终无法平稳，则表明「初期客户满意度」未转化为「长期产品效用」，需警惕风险。

• 若留存曲线实现平稳，则可以更可靠地预测单位经济效益，进而更激进地投入 GTM。此外，当企业确信客户会长期留存时，也能承受更长的投资回报周期。

04 

这只是开始

留存率是「模式颠覆者」（modelbusters，这里指增长速度更快、持续时间更长的企业）的核心构成要素。随着越来越多 AI 企业的留存曲线呈现「微笑型」趋势，留存率可能会远超 SaaS 行业的历史水平。这将推动企业实现规模化复合增长、成熟阶段的高利润率，并最终成长为规模更大、生命力更持久的企业。

未来，AI 企业的长期留存潜力可能远超传统 SaaS 企业，甚至有望在规模化阶段实现超过 150%的净收入留存率（Net Dollar Retention，NDR）。

文章来自于微信公众号 “Founder Park”，作者 “Founder Park”