Founder Park 09月25日
AI企业留存新视角:M3为基准,预测长期增长
index_new5.html
../../../zaker_core/zaker_tpl_static/wap/tpl_guoji1.html

 

近期a16z研究团队发布《Retention Is All You Need》,提出将AI企业用户留存衡量基准从M0后移至M3,能更清晰评估产品市场契合度和获客策略。文章通过分析数百家AI企业数据,发现AI产品留存曲线可分为获客期(M0-M3)、留存期(M3-M6/M9)和扩张期(M9+)。M12/M3比率成为预测长期留存质量的关键早期指标,预示着AI企业长期净收入留存率有望突破100%。该框架有助于更准确地衡量PMF,验证GTM投资的规模化可行性,并预示AI企业未来可能超越SaaS行业。

💡 **重新定义留存衡量基准:** 文章提出将AI企业用户留存的衡量起点从传统的第0个月(M0)或第1个月(M1)后移至第3个月(M3)。这是因为AI产品早期会涌入大量“AI体验者”或兴趣型用户,导致初期留存率出现下滑,无法真实反映产品的长期价值和用户粘性。将基准设在M3,能更准确地过滤掉这部分非核心用户,从而评估真实的产品市场契合度(PMF)和获客策略的有效性。

📈 **AI留存曲线的三个阶段:** 通过对数十家头部AI企业的数据分析,研究发现AI产品的营收留存曲线可以清晰地划分为三个阶段:获客期(M0-M3),这是企业筛选用户的过程;留存期(M3-M6/M9),此时剩余用户多为已找到产品高价值使用场景的核心用户;以及扩张期(M9+),核心用户可能将产品融入新工作流,带来营收增长。这种分阶段分析有助于企业理解不同用户生命周期的动态变化。

📊 **M12/M3比率:预测长期留存的关键指标:** 文章强调了M12/M3比率(第12个月留存率除以第3个月留存率)作为预测AI企业长期留存质量的重要早期指标。一个接近或超过100%的M12/M3比率,表明企业在度过初期体验者流失期后,核心客户的留存表现良好,是长期净收入留存率(NDR)有望突破100%的关键信号。这为企业制定更优的市场推广(GTM)投资决策提供了依据。

🚀 **AI企业留存潜力超越SaaS:** 研究发现,随着AI产品功能的迭代和优化,以及对服务型工作负载价值的进一步捕捉,AI企业的长期留存率甚至可能超越传统的SaaS及消费互联网企业。部分AI企业出现的“微笑型”客户留存曲线(即随着产品迭代,早期流失或低使用率用户回归或提升使用频率)就是一个有力证明。未来,AI企业有望在规模化阶段实现超过150%的净收入留存率(NDR)。

Founder Park 2025-09-24 15:33 北京

Retention Is All You Need.

「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/


超 14000 人的「AI 产品市集」社群!不错过每一款有价值的 AI 应用。

邀请从业者、开发人员和创业者,飞书扫码加群: 

进群后,你有机会得到:


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。

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:

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:

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:

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)。

阅读原文

跳转微信打开

Fish AI Reader

Fish AI Reader

AI辅助创作,多种专业模板,深度分析,高质量内容生成。从观点提取到深度思考,FishAI为您提供全方位的创作支持。新版本引入自定义参数,让您的创作更加个性化和精准。

FishAI

FishAI

鱼阅,AI 时代的下一个智能信息助手,助你摆脱信息焦虑

联系邮箱 441953276@qq.com

相关标签

AI留存 产品市场契合度 用户留存 AI企业 a16z 净收入留存率 AI Retention Product-Market Fit User Retention AI Companies Net Revenue Retention
相关文章