留存不行的公司，后面会发生什么
看到「AI 产品留存差」这类数字时，真正想知道的下一件事往往是：那然后呢。留存不行的公司，接下来会发生什么。
ChartMogul 那份 SaaS 留存报告里有一句直接对应这个问题的结论。它经常被引用，而被引用时的力度，比原话大得多。
一、原话说的是走向，不是终局
报告的结论是：低留存的公司，萎缩而非快速增长的比例高出三倍多（B1.5）。数据统计至 2025 年 9 月（B1.1），这是个快速变化的领域，往后再看多半是另一个数。
三个地方要抠清楚：
- 它比较的是「萎缩」和「快速增长」两种状态的分布，不是倒闭率。报告没说这些公司死了。
- 「高出三倍多」是组与组之间的相对比例，不是某一家公司的概率。
- 更关键的一条限制：这份报告只统计已达到 25 万美元年经常性收入的公司（B1.0）。
第三条把这句结论的适用范围缩得很窄。它描述的是已经活到一定规模的公司之间，低留存那批更容易停在原地或者往回走。一个还在找 PMF、离这个门槛很远的产品，根本不在这份样本里。本站的判断是：这句话可以当一条关于未来的警示读，但不能当成对现在的判决读——它连你所在的那一段都没覆盖到。
二、因果方向是脏的，同一份报告自己就给了反证
同一节里还有第二条结论：达到 500 万美元年经常性收入的公司，总体留存和净收入留存都明显更好（B1.5，同样截至 2025 年 9 月）。
两条摆在一起，方向就不干净了。本站的判断是，至少三种读法都和这组数相容：
- 留存差，收入补不回来，公司因此萎缩。留存是因。
- 规模大，客户结构更稳、有专人盯续约、产品更成熟，于是留存更好。规模是因，留存是果。
- 两者互为因果，谁先动一下另一个跟着走，形成一个自我强化的循环。
报告给的是相关性，它没有、也没打算区分这三种。把第一种读法单独拎出来当因果链，是转述过程中加进去的，不是数据里本来就有的。
这对读者有一个直接的实际影响：看到自己留存不好，不要立刻把它当成「我的产品不行」的证据。有一部分留存差异是规模的副产品，而规模恰恰是你现在还没有的那样东西。
三、这条相关性真正能用来预测什么
去掉「你会死」这层加工之后，本站的判断是它还剩一个很实用的功能：预测你的增长会不会自己停下来。
机制不依赖任何数字。留存决定的是「你去年拿到的用户，今年还剩多少」。剩得少，新增里就有相当一部分是在填坑，能真正堆到总量上的只有差额。等到新增停下来或者变贵，总量立刻掉头——这就是「萎缩而非快速增长」落在单个产品身上的具体形状。
AI 产品在这里多一个变量。按 B2.2 的机制部分，AI 产品的毛利率显著低于传统 SaaS，而获客成本的回收期是按毛利贡献算的：毛利率打对折，回收期就要原来两倍的时间（B2.2）。留存差意味着用户走得早，回收期长意味着回本要得久，两件事撞在一起就是——一部分用户在为你回本之前就已经走了。
a16z 2017 年那篇《12 Things About Product-Market Fit》的第 9 条说的正是紧挨着的一件事：在 PMF 被验证之前扩张会失败（A5.1）。第 11 条补上另一半：PMF 之前招人拖慢迭代，PMF 之后招人才是加速增长（A5.1）。把这两条和上面的机制放在一起，「留存不行的公司后面会发生什么」就有了一个最常见的版本——不是慢慢没钱，是在留存还没修好的时候按下了放大键，此后每一分投进去的钱都以更快的速度漏掉。
四、这不一定是执行问题，也可能是 PMF 在丢
同一篇 a16z 文章里列了一条迷思：以为 PMF 是一次性的、大爆炸式的事件。它的说法是 PMF 其实是迭代的、连续的，而且如果停止适应就会丢掉；文中转述 Ben Horowitz 也持这个看法（A5.4）。市场和竞争者一直在变，保住 PMF 需要持续适应。
这条 2017 年就白纸黑字写下来的通用论点，在 AI 产品上有一个特有的加速器。「模型厂商下一个版本把这个能力做成默认功能，你的客户会不会退订」是一种常见的自检问法（B3.1）。如果答案是会，那么留存下滑就不是运营没做好，而是产品所站的那块地正在被抬走。这两种情况的处理方式几乎相反：前者该去修激活和使用习惯，后者该去换阵地。继续在原地打磨体验，只会让曲线下滑得慢一点，不会让它转头。
五、AI 这一侧还有两个会污染判断的东西
第一，尝鲜盘。 报告描述了一个现象：实验性质的 AI 产品使用者最终会离开，关键特征是转向下一个热门产品；报告没有给这批人下正式定义，只描述了现象（B1.3）。相当比例的短期合约用户不会续。这批人留在你的分母里，会让留存曲线看起来像产品出了问题，而他们其实从一开始就没打算留下。
第二，行业数字本身在动。 AI 原生产品的中位总收入留存，2025 年 1 月是 27%，2025 年 9 月是 40%（B1.4）。九个月一大截，这个方向本身就在快速变化。拿一张正在移动的快照给自己定罪，方法上就不成立。
还有一个反证要一起看：同一份报告把 AI 原生这组按档位拆开之后，低档的总收入留存是 23%，高档是 70%（B1.2，截至 2025 年 9 月）。这个「档」按标价分还是按每账户平均收入分，本站没有核实到，所以只能读成「高档那一档（分档依据本站未确认）留存更好」这个相关关系，不能读成「你涨价就能留住人」（B1.0）。但即便只读相关，它也足以说明：同样是 AI 产品，留存能差出三倍，「AI 产品留存天然就差」不是一个可以躺进去的解释。
六、比行业数字更早到的预警信号
2007 年 Andreessen 那篇文章列过一组「没到 PMF」的可观察症状，里面一个数字都没有（A2.3）：客户没从产品里拿到足够的价值、口碑传播很慢、使用量涨得不快、媒体报道反应平淡、销售周期拖得很长、交易频繁谈崩。
这组症状是针对当年那种融过资、有销售团队、有服务器扩容压力的公司写的。用到一个人的产品上需要换算，换算是本站的判断，不是原文的内容：
- 口碑传播很慢 → 一个月里的新增用户，没有一个是你不认识、也不是你主动拉来的
- 使用量涨得不快 → 老用户的使用频次在走平或下滑，总量的增长全部来自新注册
- 销售周期拖得很长 → 从第一次完整使用到付费的间隔在变长，而不是缩短
- 交易频繁谈崩 → 主动问过价格的人里，最后真付钱的比例在下降
这四条的共同好处是：它们不必等到季度末看留存曲线，也不需要任何外部基准，在你只有几十个用户的时候就已经能看出来。留存曲线要攒够时间才有形状，而这四条今天就有答案。
七、可以今天就做的一次停投推演
本站给一套四步做法，全用你自己的数，不引入任何外部基准：
- 先把口径定死。 你看的是「还在付钱的人数比例」还是「收入总量」，选一个，从今天起不再换。用户少的时候这两个口径给出的结论会差得很远——走掉一个大客户，前者动一格，后者塌一半。
- 算停投月数。 假设从下个月起一个新用户都不进来，用你自己近三个月的实际流失往下推，推到收入低于固定支出为止，记下这个月数。
- 拿它和回收期比。 停投月数短于回收期，说明你现在的增长是靠新增在掩盖流失，此时加大投入只会让漏得更快；停投月数达到回收期两倍以上，才有资格谈放大。中间那一段是观察区，该做的是把留存差的原因查清楚，而不是加钱。这条判据是本站定的，不来自任何报告，你可以按自己的现金状况调紧或调松。
- 标上日期，下个季度重算一遍。 报告自己的数在三个季度里就动了一大截（B1.4），你的只会动得更多。这个推演的价值在两次之间的变化方向上，单次的绝对值意义不大。
第 3 步那句「短于回收期就别放大」，和 a16z 第 9 条「验证之前扩张会失败」（A5.1）说的是同一件事，区别在于它给了一条你能自己算出来的界线，而不是一个需要等别人告诉你答案的状态词。
八、和站内两篇课程的分工
站内 L9 阶梯有一篇专讲留存的，内容是漏桶模型、首次价值时间、次留七留怎么读怎么提、前七天的激活清单。那篇讲留存为什么优先、以及怎么把它提上去；这篇不讲怎么提，只讲留存不行时后面那条路会怎么走，以及怎么提前一个季度看出自己走在哪条路上。
同一条阶梯里还有一篇讲投放算账的，把获客成本、投入产出比、生命周期价值和回收期的算法讲全了，还给了一个可以直接填的模板。那篇的方法没有问题，需要换的是它的一个默认输入——模板里的毛利率是按传统 SaaS 填的，而按 B2.2 的机制，AI 产品的毛利率显著更低，回收期要按比例拉长。上面第 3 步用的回收期就来自那篇，只是要求你先把毛利率换成自己的真实值再算。
九、这句话的正确口径
「低留存的公司萎缩的比例高出三倍多」，正确的用法是：它是一条关于增长可持续性的相关性观察，样本是已过 25 万美元年经常性收入的公司，数据统计至 2025 年 9 月（B1.5、B1.0、B1.1）。
它不预测你会不会死。它提示的是另一件事——如果不修留存，你现在这条增长曲线大概率不是你的产品实力，而是你的新增预算。这两者的区别，等到预算停下来那天才会显形，而停投推演可以让它今天就显形。
延伸阅读
本篇提到的站内课程，可以直接接着往下读：
名词不熟可以先看术语页：PMF（产品市场契合）