本集文稿

你有没有种过花？刚种下去的那几天，小苗绿油油的，特别开心。但一周后，有些苗枯了，有些蔫了。一个月后，活下来的只有一部分。它们之后反而很稳定，根系扎深了，不容易死了。

如果你把每天活着的花画一条线，第一天100棵，一周后60棵，一个月后35棵，三个月后33棵——这条线先急剧下降，然后慢慢变平。这就是留存曲线。

做产品也是一样。100个新用户注册了，第二天打开的有40个，一周后还剩25个，一个月后还剩15个。这条曲线的形状比任何增长数字都重要，因为它直接告诉你：你的产品到底有没有留住人的能力。一个日活10万但留存曲线持续下降的产品，只是在往一个漏水的桶里不断倒水。

三个故事

故事一：Twitter的"持久力"问题

Twitter从2006年上线到2013年上市，月活用户从0增长到超过2亿。但Twitter内部一直在头疼一个数字：新用户注册后，只有约25%的人在30天后还在使用。

2013年IPO招股书披露了一个关键数据：Twitter月活2.18亿，但"时间线浏览"（Timeline View）的增长远低于用户增长。大量用户注册了，看一眼，然后再也不回来。

Twitter的留存曲线长这样：D1留存约40%，D7约25%，D30约15%，之后趋于平缓。对比Facebook，Facebook的D1留存超过60%，D30超过50%。差距巨大。

Twitter的团队后来分析发现，留存率高的用户有一个共性：他们关注了至少30个账号，且在第一周就发了至少一条推文。没有达到这两个行为阈值的用户，留存曲线呈断崖式下跌。Twitter此后做了大量引导新用户关注推荐账号的工作，但效果有限——核心问题在于"140字表达"本身门槛较高，很多用户更愿意"看"而不是"发"。

这个故事说明：留存曲线的形态不是随机的，它由产品的核心价值密度决定。如果用户在早期没有触达核心价值，曲线就会持续下降。

故事二：一个社交App的"微笑曲线"

2019年，某社交App（化名"遇见"）拿到A轮融资，D1留存高达55%，投资人和团队都很兴奋。但数据里藏着一个定时炸弹。

遇见的D1留存55%确实不错（行业平均约40%），但D7留存只有12%，D30留存只有4%。留存曲线不是常见的"先降后平"，而是"先降后断"——像悬崖一样。

问题出在哪？遇见的产品核心是"陌生人匹配聊天"。D1留存高，是因为新手期匹配速度快、新鲜感强。但新鲜感过了之后，用户发现两个问题：聊天对象换了一批又一批，但没有深度社交关系沉淀；匹配质量参差不齐，体验不稳定。用户没有找到"留下来的理由"。

更麻烦的是，遇见的留存曲线呈现"双曲线"特征：约20%的用户D7留存反而回升了（这批用户建立了稳定的聊天伙伴关系），但80%的用户在D3就彻底流失。这种"双峰"分布意味着产品同时服务两类需求完全不同的用户群，但都没有服务好。

对比看，Tinder的D1留存约45%，但D7留存维持在25%以上，曲线是"先降后平"的健康形态。区别在于Tinder的核心机制（滑动匹配+地理位置）更稳定地满足了"即时社交需求"。

故事三：Slack的"2周法则"

Slack对留存的理解在SaaS行业堪称教科书级。团队在2014年做了一次深度数据分析，发现了一个精确的规律：

如果一个团队在注册Slack后的2周内发送了2000条消息，这个团队几乎100%会变成付费用户。如果2周内没达到2000条消息，流失率高达90%。

2000条消息不是一个随机数字。它意味着一个5人团队每人每天发约30条消息，持续两周——足够让团队把日常沟通从邮件或IM迁移到Slack上，形成使用习惯。一旦习惯形成，切换成本（所有人都已经在Slack上）会自然保证后续留存。

Slack把"2周2000条"作为北极星指标，所有新团队的引导流程都围绕这个目标设计：自动建议邀请更多同事、推荐设置频道、提供模板和使用引导。这个策略让Slack的付费转化率从不到10%提升到30%以上。

这个故事揭示了一个关键洞察：留存率不是被动的"观察指标"，而是可以被主动设计和引导的。你找到那个"留存拐点行为"，然后集中火力引导用户到达它。

概念定义

留存曲线（Retention Curve）：以时间为横轴、留存用户比例为纵轴的曲线，反映用户注册后各时间点的留存情况。

流失率（Churn Rate）：在特定时间窗口内，流失用户占期初用户的比例。

NRR（Net Revenue Retention，净收入留存率）：不考虑新销售，仅靠存量用户的续费、扩展和流失，期初用户群体在期末的收入占比。

``` NRR = (期初收入 + 续费 + 扩展收入 - 流失 - 降级) / 期初收入 × 100%

月流失率 → 年流失率换算：年流失率 = 1 - (1 - 月流失率)^12 ```

指标｜定义｜典型值｜注意点
D1留存｜注册后第1天回来比例｜30-60%｜新手体验的直接反映
D7留存｜注册后第7天回来比例｜15-35%｜核心价值的初次检验
D30留存｜注册后第30天回来比例｜8-25%｜长期留存的锚点
月流失率｜当月流失用户/月初用户｜2-8%｜看绝对值不如看趋势
年流失率｜全年流失比例｜22-65%｜月流失率的指数累积
NRR｜存量收入变化率｜90-120%｜>100%意味着存量在增长

误区辨析

误区一：D1留存高就说明产品好。

错。D1留存高只说明新手体验或新手引导做得好，用户的好奇心被激发了。但好奇心是最不可靠的留存驱动力。很多社交产品的D1留存超过50%，但D7就跌到10%以下——新手体验流畅不代表核心价值够深。判断产品好坏，看D7和D30比看D1重要得多。

误区二：月流失率1%听起来很低。

错。月流失率1%听起来无伤大雅，但年化后是1-(1-0.01)^12=11.4%。如果月流失率2%（听起来也不高），年化是21.5%。月流失率3%，年化30.6%。这就是流失率的"复利效应"——月度看似很小的数字，年度累积后非常可观。报流失率时必须同时报年化数字，否则会误导判断。

误区三：留存曲线下降了就一定有问题。

不一定。几乎所有产品的留存曲线都会下降，这是正常的。关键看下降后能不能"变平"（找到plateau）。如果曲线持续下降不收敛，说明产品没有找到"留存锚点"——用户没有建立使用习惯或迁移成本。留存曲线的形态比绝对值更重要。

实用框架

框架一：留存曲线四种形态

``` 形态一：持续下降（死亡曲线） 100%|*

0%+--------→ time 解读：没有找到留存锚点，用户持续流失对策：重新审视PMF，核心价值可能不够强

形态二：先降后平（健康曲线 / "L形"） 100%|*

*
*
（平台期）

0%+--------→ time 解读：部分用户找到核心价值后稳定下来对策：提升平台期的高度，分析留存用户的共性

形态三：先降后平再降（双曲线） 100%|*

*
*
*
*
（第二个平台）

0%+--------→ time 解读：产品同时服务多类用户群，第一群稳定后第二群在流失对策：区分用户群，为每群设计独立的留存策略

形态四：持续上升（罕见优秀 / "微笑曲线"） 100%| *

0%+--------→ time 解读：用户在使用中不断发现新价值，留存随时间增强对策：这是理想状态，分析驱动因素，复制到更多用户 ```

形态｜健康度｜典型原因｜行动
持续下降｜危险｜PMF未找到或核心价值弱｜回到PMF验证
先降后平｜健康｜部分用户触达核心价值后留存｜提升平台期高度
双曲线｜需关注｜多用户群，部分未被服务好｜分群运营
持续上升｜优秀｜价值随使用深度增加｜复制到更多用户

框架二：流失率换算表

月流失率｜年流失率｜含义｜评价
0.5%｜5.8%｜每年只流失6%的用户｜SaaS优秀
1%｜11.4%｜每年流失约1/9｜健康
2%｜21.5%｜每年流失约1/5｜可接受
3%｜30.6%｜每年流失约1/3｜需关注
5%｜46.0%｜每年流失近一半｜危险
8%｜63.8%｜每年流失近2/3｜灾难

换算公式：年流失率 = 1 - (1 - 月流失率)^12

真实案例

案例｜留存特征｜数据｜结果｜启示
Facebook的"10天7好友"｜留存拐点行为｜7天内加到7个好友的用户D30留存60%+，没达到的<10%｜成为全球最大社交网络｜留存可以被主动设计——找到拐点行为，引导用户到达
Netflix月度流失率管理｜精细化流失控制｜月流失率长期维持在2-3%，年化约22-30%｜订阅收入持续增长｜流失率是可管理的指标，通过内容更新节奏、推荐算法、定价策略综合控制
某SaaS的NRR>100%｜存量收入增长｜NRR=112%，意味着不获新客存量收入也在涨｜被资本市场给予高估值｜NRR>100%是SaaS的圣杯，说明存量用户在扩展使用（加座席、加功能）

今天就能做的3件事

画出你的留存曲线。拉最近一批新用户（至少500人）的D1/D3/D7/D14/D30留存数据，画出曲线。判断它属于四种形态中的哪一种。如果是"持续下降"，优先解决PMF问题；如果是"先降后平"，想办法提升平台期高度。

算出年化流失率。用你当前的月流失率，套用公式 1-(1-月流失率)^12 算出年化数字。拿这个数字和行业基准对比，看自己在哪个档位。如果年化超过30%，留存优化应该排在产品优先级的第一位。

找你的"留存拐点行为"。对比留存用户和流失用户的行为差异，找出留存用户在早期做了什么而流失用户没做的事。比如"首周发3条消息"、"添加5个好友"、"完成第一次搜索"——这个行为就是你引导新用户的目标。

一句话

留存曲线的形状比绝对值更重要——"先降后平"说明你的产品找到了锚点，"持续下降"说明你的桶底有一个洞。

思考题

你产品的留存曲线属于哪种形态？平台期（如果有）的高度是多少？如果要把平台期提升10个百分点，最可能有效的产品动作是什么？
你的月流失率是多少？年化后是多少？如果通过产品优化把月流失率降低1个百分点，年化流失率能改善多少？
Slack找到了"2周2000条消息"，Facebook找到了"10天7好友"。你的产品的"留存拐点行为"是什么？如果还没找到，你打算怎么用数据发现它？

上期回顾：第08讲我们聊了LTV/CAC——用户一辈子值多少钱，拉一个花多少钱。LTV公式的分母是流失率，也就是说留存直接决定了LTV。留存越好，生命周期越长，LTV越大。这就是为什么留存是所有增长指标的乘数。

下期预告：第10讲 · Aha Moment——用户什么时候"顿悟"产品价值？找到这个瞬间，你的留存能翻倍。

参考

留存曲线理论：Chen, H. "Growth Hacker's Guide to Retention", 2017; Andrew Chen blog archive
Twitter留存数据：Twitter S-1 Filing (2013); The Verge coverage of Twitter user engagement
Slack "2000 messages"法则：Slack published case studies; Stewart Butterfield interviews at Startup School 2015
Facebook "10天7好友"：Ellison, N. et al. on Facebook onboarding; multiple growth hacker analyses
Netflix流失率：Netflix quarterly earnings reports 2019-2023; Antenna streaming data
NRR概念：Bessemer Venture Partners Cloud Index methodology
流失率换算公式：Recurly Research, "Churn Rate Benchmarks" annual reports