PMF 分数过了 40%，留存还是不行

2026-08-25

问卷跑出来的分数过了 2018 年那篇复盘里转述的 40% 线。打开后台一看，上个月来过的那批人没剩下多少。

这两个数摆在一起，第一反应是「用户嘴上说的不算数」。这篇要说的是另一个方向，而这个方向是本站的判断，依据是第二节 A2.3、A2.4 那十二条判据的构成：与其先怀疑用户诚不诚实，不如先承认这两个数从一开始就没在量同一件事，而且它们的分母未必是同一批人。

站内 L9 阶梯有两篇课把 PMF 当成决策开关在用。一篇讲分发比产品重要、时间该怎么分配，一篇讲该不该做投放，结论都是「到了 PMF 再放量」，但两篇都没说你怎么知道到了没有。这篇补的就是那一层里最别扭的一种情况：问卷说到了，留存说没到。同一条阶梯上还有一篇专讲留存优先于获客的课，讲漏桶模型、首次价值时间、新用户前七天怎么激活——那篇讲留存为什么重要、怎么提。这篇不重复那些，只处理一件那篇没有覆盖的事：当问卷分数和留存数据给出相反结论时，先信哪个、按什么顺序拆。

一、提出这套问法的人自己也在写这个题

Sean Ellis 在 2024 年 12 月 19 日于自己的 Substack 上发过一篇，标题就叫「高 PMF 分数但低留存」。可见的摘要里记了一个创始人的案例：问卷中 55% 的用户回答没有这个产品会非常失望，高过他自己推荐的那条线，公司仍然面临低留存（A3.3）。

那篇的正文在付费墙后面，本站没有取到，所以他给的原因清单和修正建议这里一个字都不会转述。下面所有的排查顺序都是本站自己的推演，依据标在每一节。

这件事的用处不在他给了什么答案，在于它确认了一点：分数过线而留存不行，是一个被提出这套问法的人本人单独拿出来写过一篇的组合，不是你的产品特别奇怪。所以排查方向应该是「这两个口径为什么会打架」，而不是「我是不是被骗了」。

二、问卷量的是态度，留存量的是行为

那套问卷的主问题是「如果以后再也不能用这个产品了，你会是什么感觉」，三个选项是非常失望、有点失望、不失望；回答「非常失望」的比例达到 40% 视为达标——这个说法最常被引用的转述来自 2018 年那篇 Superhuman 复盘，2009 年那篇原始博文本站没有取到（A3.1、A3.2）。

这是一个假设句。它请一个现在还在用的人，去想象一件没有发生的事，然后报告感受。

留存不问感受。它只记录一件已经发生的事：这个人上个月来了，这个月还来不来。一个是态度的横截面，一个是行为的时间序列。它们能对得上是好事，对不上并不构成悖论。

有个对照可以看得更清楚。2007 年那篇最早系统讲 PMF 的文章列了两组可观察症状。没到的一组是：客户没从产品里拿到足够价值、口碑传播很慢、使用量涨得不快、媒体反应平淡、销售周期拖得很长、交易频繁谈崩（A2.3）。到了的一组是：客户买的速度快过你能生产的速度、使用量涨得快过你能加服务器的速度、钱不断进来、在拼命招销售和客服、媒体主动找上门（A2.4）。

十二条里，没有一条是「用户说他喜欢」。那个年代给出的判据全部落在行为面上。问卷是后来为了回答「怎么知道到了没有」才补出来的测量手段，它从来不是定义本身。所以当问卷和行为打架时，行为那一侧的优先级更高——这是本站的判断，依据就是 A2.3 和 A2.4 这十二条的构成。

三、先查分母，别先怀疑用户

分数高而留存低时，本站的判断是先查分母、不先查用户：问卷的分母可能被悄悄收窄过，而留存的分母没有。收窄有三种方式：

其一，弹出时机替你筛掉了要走的人。 如果问卷是在用户完成注册后第三次使用、或者用满七天时触发的，那些用一次就再没回来的人根本不在分母里。你量到的是「已经留下来的人有多喜欢」，那当然会高。而留存的分母是全体注册用户。两个分母差得越远，分数和留存背离得越厉害。

其二，回收量太小，比例本身不稳。 有说法认为，这套问卷的有效回答最少要约 30 份，到 100 份以上时信心才明显更高（A3.2，这是二手说法，本站未见一手出处）。回收二三十份时，几个人的差别就能让比例跳好几档。

其三，你把某一批人的分数当成了全体的分数。 通过某一个渠道进来的人、或者内测期就在的那批老用户，回答意愿本来就比其他人高。他们在回收样本里的占比，通常远高于在注册总量里的占比。

对应三个可以照抄去核对的问句：

这份问卷是在用户第几次使用、第几天之后弹出来的？
从注册到收到问卷，中间流失掉的人算不算在分母里？
回答「非常失望」的那些人，注册时间和来源渠道是怎么分布的？

三个问题里只要有一个答不上来，这一轮的分数就不能拿来跟留存做对比，先把口径补齐再说。

四、把「非常失望」那批人单独拉一条留存曲线

分母查清之后的第一个动作，是把回答「非常失望」的那些账号单独圈出来，给他们算一条自己的留存曲线，再跟整体的那条放在一起看。

这个动作的框架依据是 A4.2 的第一步：把回答「非常失望」的人单独拎出来做分段，而不是盯着那个被平均掉的总分。筛选画像时要用他们自己在配套题里的措辞，不要用你的行业黑话（A4.3）。具体怎么读，是本站的推演：

「非常失望」那批人的留存	整体留存	读法
明显好于整体	差	核心价值成立，问题在获客口径——你把大量不属于这批人的用户拉了进来
跟整体差不多，都差	差	问卷分数是分母造出来的假象，回到第三节重查口径
好于整体，但绝对值也不高	差	价值成立但交付不稳，卡点在使用路径上，不在选题上
明显好于整体	好	这两个口径没有打架，问题不在这一层

第一行和第二行指向的动作完全相反。第一行该收窄投放、把获客对准那批人的画像；第二行该停下所有放大动作，先把问卷重发一遍。凭一个总分是分不出这两种情况的，必须拆开看。

配套的三道题在这一步能直接派上用场（A4.4）：问他们觉得哪类人最受益、从产品里拿到的主要收益是什么、要怎么改才能更好。第二题的回答最值得对着留存数据看——你以为的核心价值，和他们实际拿到的收益，经常不是同一个。如果这批人说的收益是一个用一两次就够了的收益，那留存低就不是背离，是产品形态本来如此。

五、还有一种可能：你手上的留存口径本身在低估

a16z 在 2026 年 3 月 9 日发布的第 6 版消费级 AI 应用榜单里，明确承认自己的排名「越来越低估了人们用得最多的那些 AI 产品」（原话 undercount the AI products people use most，a16z 第 6 版，数据截至 2026 年 1 月，B4）。它举的例子是一个每天泡在 Claude Code 里八小时的开发者，属于重度用户，但在网页流量数据里几乎体现不出来。

一家把排 AI 应用榜做成招牌的机构，手里拿着两套商业流量数据，仍然要写下这句话。换到个人产品上（这是本站的外推判断）：如果你的产品是嵌在别人工作流里被调用的——命令行、编辑器插件、接口、定时任务——那么「打开网页」「登录后台」这类动作会系统性地漏掉最重度的那批人。你算出来的次月留存于是偏低，而问卷里那些天天在用的人照样回答「非常失望」。

这一步的动作很具体：把你现在用的留存定义原样写在纸上，然后问一句——你能想到的最重度那个用户，他这个月触发过这个定义吗。如果答案是「不一定」，先修定义，再谈数字。

六、AI 产品上还有一条特有的背离来源

ChartMogul 那份软件留存报告里记了一个现象：有一类使用者会把实验性质的 AI 产品用一阵，然后转向下一个热门产品（B1.3）。

从这个现象再往前推一步，是本站的推演，不是那份报告写下的结论——报告只讲了这批人会走，没讲他们走之前会怎么回答问卷：这批人的问卷答案未必难看，因为他们用的那段时间里如果确实觉得好用，被拿走也确实会失望；但他们的行为轨迹从一开始就不指向长期留存。所以这一类背离不是问卷出了错，是问卷问的那个时点，恰好是他们还没走的时点。

这也不是一个静止的局面。同一份报告里，AI 原生产品的中位总收入留存从 2025 年 1 月的 27% 升到了 2025 年 9 月的 40%，样本是已过 25 万美元年度经常性收入的公司。这个数字变化很快，九个月就动了一大截，一种可能的解释是尝鲜的人陆续离场、基本盘沉淀下来（B1.4）。拿任何一个时点的快照当结论，都不合适。另外这里的 40% 和第二节问卷那条 40% 线毫无关系：一个是一批公司在 2025 年 9 月的中位收入留存，一个是问卷里选「非常失望」的人占全部回答者的比例，两个数值恰好撞在一起而已，不能互相印证，也不能拿一个去推另一个。

七、复测比单次分数有用

那套流程里有一步是循环：持续对新用户发问卷，每个季度按新的回答重建一次路线图（A4.2）。分数过线之后这一步反而更容易被跳过——数好看了，就不想再测了。

两条来自 a16z 那篇十二条要点的提醒可以放在这里。一条是创始人经常把早期的一点起色误当成真的 PMF；另一条是认出 PMF 需要定性判断，不是纯看数（A5.1 第 6 条与第 5 条）。同一篇里还写着，PMF 不是一次性事件，也不总是显而易见，而且是会丢的（A5.4）。一个过了线的分数，最多说明测的那一刻、那批人身上成立。

所以复测的价值不在绝对值，在方向。连续两三次的分数配上同期的留存曲线，才能分辨出你上一轮改动到底动了什么。单次分数是个点，画不出方向。

八、这一轮具体做什么

按顺序走，前一步没做完不要跳到后一步：

把问卷的触发时机、回收份数、回答者的注册时间与来源分布这四项写下来。写不出来的，这一轮的分数作废，重发。
把回答「非常失望」的账号 ID 导出来，单独算一条留存曲线，跟整体的那条画在同一张图上。
对照第四节那张表定位属于哪一行，按那一行给的方向定下一步动作，不要同时做两行的事。
把当前的留存定义写下来，拿你最重度的那个用户去对一遍，看他会不会被这个定义漏掉。
把这一轮的分数、回收份数、日期记在一处固定的地方，下一轮改动做完之后按同样口径再测一次，只比方向。