数字都对了，你还是不确定，这时候该看什么
你手上的数看起来都过关了。次留没塌，问卷里回答「非常失望」的比例过了那条常被引用的线，周活曲线在往上走。但真要做的那个决定——加不加投放、招不招第一个人、把这件事当成未来两年的主业还是当成一个副产品——你还是下不了手。
站内 L9 阶梯里有好几篇把 PMF 当开关用：没到 PMF 就别砸广告，到了 PMF 再放量。那些篇讲的是开关在哪一边该做什么，没讲开关本身怎么判。这篇补的是其中最难受的一种情形：读数全部显示「到了」，你却不敢按下去。
一、这种不确定是判定框架里本来就有的
a16z 2017 年那篇《12 Things About Product-Market Fit》的第 5 条，讲的就是「怎么认出来」：PMF 是大量客户对产品产生共鸣的那一刻，而认出这一刻需要定性判断，不是纯看数（A5.1#5）。
同一份清单的第 4 条讲「怎么察觉」，给的是可观察信号——获客速度、自然增长、正面报道，或者这些信号的缺席（A5.1#4）。第 6 条是一句警告：创始人经常把早期的一点起色误当成真的 PMF（A5.1#6）。
这三条摆在一起，意思是很具体的：察觉和认定是两件事。 数字负责察觉，它把你的注意力引到某个地方；认定要你自己走过去看。你现在的不踏实，不是决断力不够，是你正在用一类只够提示的证据，去做一个需要认定的判断。
这也解释了为什么「补更多指标」通常止不住这种不安。再加三个看板、再拆两层漏斗，得到的还是同一个性质的证据。缺的不是数量，是种类。
二、提出那条阈值的人，自己也在写这个问题
Sean Ellis 在他的 Substack 上有一篇 2024 年 12 月 19 日的文章，标题就叫「PMF 分数高但留存低」。付费墙之前可见的摘要里记着一个创始人的情况：问卷中 55% 的用户回答「没有这个产品会非常失望」，高于他本人推荐的 40% 线，公司却仍然面临低留存（A3.3）。这两个比例是 2024 年底那篇文章记录的，不是任何时期的行业基准。
他在正文里给了什么解释、开了什么修正清单，在付费墙后面，本站没有取到，所以这篇不会替他补答案。
这条素材的价值不在答案，在提问的人是谁。分数过线和留存不行可以同时成立，这不是某个不服气的人的异见，是那条线最主要的传播者自己拿出来讨论的题目。你现在的犹豫因此有了一个明确的位置：它不是你对自己的产品缺乏信心，是这个数字本来就不承诺它被读成的那件事。
三、连专门量这件事的工具，自己都承认量不准
a16z 的《The Top 100 Gen AI Consumer Apps》第 6 版发布于 2026 年 3 月 9 日，榜单数据截至 2026 年 1 月，口径是网页端按 SimilarWeb 月度独立访问量、移动端按 Sensor Tower 月活（B4）。
这份榜单在原文里明确承认：它的排名「越来越低估了人们用得最多的那些 AI 产品」（undercount the AI products people use most，a16z 第 6 版）。它自己举的例子是——一个每天泡在 Claude Code 里八小时的开发者，是标准的重度 AI 用户，但在网页流量数据里几乎体现不出来（B4）。
一家把「排 AI 应用榜」做成招牌的头部机构，手里拿着两家专业数据商的口径，仍然要在自己最新一版榜单里写这句话。那么一个独立开发者拿注册数、拿日活去判断自己有没有 PMF，误差只会更大，不会更小。
这句承认本身是原文写的，至于它为什么会发生，是本站的判断：不是数据商的数不准，是流量类口径天然量不到「用得有多深」（依据是 B4 里那个八小时开发者的例子）。一个人一天用八小时和一个人一个月点开一次，在月度访问量里是同一个 1。当产品的核心价值恰好体现在深度使用上时，你越是依赖这类口径，越会低估自己真正的支持者，也越容易高估那些只来一次的人。
四、最早那版判据里，一个数字都没有
2007 年 Andreessen 那篇文章给「没到 PMF」列了六条症状：客户没有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、交易频繁地谈崩（A2.3）。
「到了 PMF」也是六条：客户买的速度快过你能生产的速度、使用量涨的速度快过你能加服务器的速度、客户的钱不断进来、在拼命招销售和客服、媒体主动找上门要采访、开始拿创业者奖项（A2.4）。
这两组一共十二条，没有一个数字。它们描述的全是你在自己公司里会亲眼看到的动静。最早那批人给出的判据，隐含的假设是「到了你不会不知道」。
后来之所以要发明问卷和指标，是因为在某些形态的产品上，你真的会不知道。而这一点反过来提醒：当你处在「不知道」的状态里时，回到这十二条去对一遍，比再加一个指标更管用。
但这十二条不能照搬。这两组症状写的是融过资、有销售团队、有服务器扩容压力的公司（A2.3、A2.4 的原始语境）。一个独立开发者身上永远不会出现「拼命招销售」。下面这张换算表是本站的判断，依据是把 A2.4 那组症状里的组织动作还原成它背后的现象：
| 2007 年的公司症状（A2.4） | 一个人做产品时的等价现象（本站判断） |
|---|---|
| 客户买的速度快过你能生产的速度 | 有人在你没做任何推广的那几天下单，且你来不及处理支持请求 |
| 使用量涨得快过你能加服务器的速度 | 你开始为账单和限流做取舍，而不是为拉新做取舍 |
| 客户的钱不断进来 | 续费和复购发生在你没有提醒任何人的月份 |
| 在拼命招销售和客服 | 你被支持工单挤掉了开发时间，且这些工单来自付费用户不是试用者 |
| 媒体主动找上门 | 有人在你不认识的地方主动写你、推荐你，你是事后才知道的 |
| 开始拿创业者奖项 | 同行或上下游主动来找你谈合作、谈接入 |
换算的逻辑很简单：原表里每一条的本质都不是「组织变大了」，而是需求的推力大过了你的供给能力，且这个推力不是你自己推出来的。规模不同，这个结构不变。
五、一份可以照抄的对账清单
数字合格但心里没底时，做一次「数字—人—场景」对账。方法是本站给的，逐条照抄即可：
第一步，把你现在敢拿出来的每一个数列出来。 通常是三到五个：某个留存比例、问卷分数、周活、付费转化。
第二步，对每一个数，回答下面三个问题，要求写出具体内容，不许写「一批用户」这种词：
- 这个数背后，我能点名的具体使用者有几个？点名的意思是你知道他是谁、干什么的、怎么找到你的。
- 他们把这个产品用在哪一个具体任务上？要能说出这个任务原来是怎么完成的。
- 如果明天这个产品消失，他们接下来的两小时会怎么过？说不出来，就说明你不知道自己替代了什么。
第三步，按下面的判据读结果（本站判断，依据是 A5.1#5 的「认定需要定性」）：
| 情况 | 读法与动作 |
|---|---|
| 三个问题都答得出，且不同的人答出的是同一类任务 | 数字和事实对得上，这才是可以按开关的状态 |
| 数答得出，人点不出名 | 你在用聚合数替代认定。先去做访谈，把人找出来再谈放量 |
| 人点得出名，但他们说的任务各不相同 | 你可能同时服务了几撮不相干的人。先收窄，别放量 |
| 三个问题里有任何一个答案是靠推测补上的 | 把那个数标记成「待验」，这一轮决策里不采用它 |
第三行是最容易被误读的一种：几撮人各自用得都挺好，加起来的数也好看，但没有任何一撮大到能撑起你的下一步。这种状态下加投放，钱会被平均摊到几个都不成立的方向上。
六、AI 产品上，这套对账更不能省
ChartMogul 那份留存报告统计到 2025 年 9 月，AI 原生产品的中位总收入留存是 40%，而 2025 年 1 月这个数还是 27%（B1.4）。九个月里明显往上走，一个可能的解释是尝鲜的人陆续离场、基本盘沉淀下来。这组数在快速变化，拿任何一个时点的快照当结论都不合适。
引用这组数还有一个前提必须说清：该报告只统计已达到 25 万美元年经常性收入的公司（B1.0）。它描述的是已经活下来的公司之间的差异，不是初创产品的命运。把它外推到还没找到 PMF 的个人开发者身上，是本站的判断，而且是相关性不是因果。
报告里另有一条现象：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；相当比例的短期合约用户不会续（B1.3）。
这条现象和第五节那张清单直接相关。尝鲜者在任何单期数字里都长得像真实用户——他们注册了、激活了、用过核心功能、问卷里也可能勾「非常失望」，因为问的那一刻他们确实在兴头上。区分他们和基本盘，靠的不是把留存指标再拆细，而是第五节的第三问：产品消失后的两小时。尝鲜者答不上来，因为他们本来就没有一个必须完成的任务，他们完成的是「试一下新东西」这件事本身。
七、和站内既有课程的分工
站内 L9 阶梯里有一篇专讲数据闭环与「造—量—学」的迭代节奏，里面讲了定量和定性怎么互相印证；另有一篇讲一个人该盯哪几个指标、怎么做周复盘。那两篇处理的是日常运转：每周该看什么、看到之后改什么。
这篇处理的是一个特定时刻：你要按下 PMF 这个开关之前的最后一次核对。 日常迭代里数字合格就可以继续做下去，但「继续做」和「放量、招人、把身家押上去」不是同一量级的决定，后者需要的证据种类也不同。
还有一篇专讲留存为什么优先于获客、怎么提留存。那篇讲的是提升，这篇讲的是在数字已经不难看的时候，怎么确认这个数字对应着真实的依赖关系。
八、这周做的那件事
拿出你最近一次拿去做决定的那几个数，按第五节的三个问题逐个对账，把答不出来的那些标记成「待验」。
如果第一问就卡住——你说不出三个能点名的使用者——那么这一轮不要做放量决定，先把访谈排上。这不是拖延，是你手上的证据种类还不足以支持这个量级的判断（A5.1#5）。
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）