留存比增长更重要：AI工具 D7/D30 在种子期的合理区间
种子期做 AI 工具，最容易掉进一个“看起来很努力”的陷阱：拉新、投放、联名、榜单、KOL、裂变……每天都在增长，但你心里隐隐知道哪里不对——新增像水龙头，留存像漏水的桶。越是 AI 工具，这个痛感越强：推理成本、带宽成本、客服与迭代成本，都随着“无效新增”同步上升；你以为在扩张，其实是在加速消耗。
很多团队直到融资尽调才第一次被迫直面两个数字：D7 和 D30。它们往往比营收更早告诉你：用户到底有没有把你当成“工具”，还是把你当成“玩具”。
1）为什么种子期“留存 > 增长”不是鸡汤，而是硬逻辑
逻辑一：留存是 PMF 的早期证据，增长只是放大器
增长能被渠道、补贴、热点“抬起来”；但留存很难被“演出来”。 OXYZ资本认为：留存是“血液”，也是最难被操纵的指标。我们内部把 D1/D7/D30 作为核心观察点，认为 D30 的微小提升在规模化时都极其困难。
逻辑二：AI 工具的成本结构，让“漏桶式增长”更致命
传统互联网产品拉新失败，最多浪费投放；AI 工具拉新失败，往往还叠加了推理消耗、API 费用、模型调优成本、内容安全与合规成本。你越增长，亏得越快。
逻辑三：用户的“去留决策”发生得比你想象更早
大量产品数据都指向一个现实：用户通常在前 3–7 天就决定要不要继续用。Quettra 的移动端数据指出：平均应用在 30 天内会流失掉绝大多数日活用户，真正能“弯曲留存曲线”的杠杆往往发生在首次体验、产品描述与 onboarding 触发上。
2）先对齐口径：你算的 D7/D30，到底在算什么
种子期最常见的“伪留存”，不是数据造假，而是口径错了。
① bounded vs unbounded：别把“回来过”当成“第 N 天还回来”
OXYZ资本内部明确区分了两种留存：
- n-day（bounded）留存：第 N 天“那一天”是否回来（严格）
- unbounded 留存：第 1–N 天“任意一天”回来过（宽松）
短期衡量时 unbounded 更容易产生误判。
实操建议：运营讨论 D7/D30，优先用 bounded（严格口径），除非你的产品天然低频（后面会讲怎么改口径）。
② 分母要从“注册用户”切到“激活用户”
对 AI 工具来说，“打开 App/访问网站”不等于获得价值。你需要一个更接近“用户真的解决了问题”的分母：
- 激活事件（Activation Event）：完成一次关键任务，例如“生成可用结果并导出/复制/发送/落盘到工作流”。
我们内部在留存公式讲解中也强调：留存是行为指标，首先要定义你要测的用户行为与时间框架；N-day 留存常以 Day 7 为典型观察点。
③ 低频 AI 工具，D30 可能“看起来很差但其实合理”
如果你做的是“简历优化/合同审阅/一次性 PPT 生成”这种低频任务，用户一个月不来不代表没价值。应根据自然使用频率选择时间框架，并结合 rolling retention（滚动留存）等更适配低频产品的口径。
3）“合理区间”不是一个数字：先把 AI 工具分三类
行业基准可以做锚，但不能生搬硬套。以 OneSignal 的 2024 移动应用基准为例：全品类平均 7 日留存约 17.86%，30 日约 7.88%；生产力类（Productivity）7 日约 24.23%、30 日约 9.63%。
与此同时，Amplitude 在其基准报告相关内容中提出：如果能做到 D7 有 7% 的用户回来，在其覆盖的 2600+ 公司样本里已进入前 25% 的激活表现（注意这更像跨行业/偏 B2B 的口径锚）。
你会发现：不同数据源差异极大，原因通常是：行业不同、设备不同、口径不同（注册/激活/关键事件）、留存定义不同（bounded/unbounded）。
所以我更建议用“产品形态 × 使用频次”去定区间。下面给一套种子期可落地的 D7/D30 合理区间（默认：以“激活用户”为分母、bounded 口径）：
- 高频（几乎每天）
典型：AI 搜索/写作助手/会议纪要/客服协作/AI IDE 助手
合理区间：D7 25%–45%，D30 12%–25%
解读：做不到，通常说明“第一次价值”和“工作流嵌入”没打通；做到上沿，才有资格谈规模增长。 - 中频（每周 1–3 次）
典型：PPT/设计/数据分析助手/运营内容生产
合理区间：D7 15%–30%，D30 6%–15%
解读：D7 决定你能否形成“固定场景”；D30 决定你能否进入付费与复购讨论。 - 低频（项目型、按需）
典型：简历/合同/报告润色/一次性生成器
合理区间：D7 8%–18%，D30 2%–8%（或改用 rolling / W4 / M2）
解读：D30 低不必然坏，但你必须用“回访触发点 + 结果沉淀”证明复用价值。
高频工具看“习惯”，低频工具看“复用与再触发”。别让不适配的指标把你逼成“通知轰炸型产品”。
4）D7/D30 该怎么“读”，才能读出真相
① 看曲线是否在 20 天左右“趋平”
很多产品的留存曲线会在 d7–d14 开始变缓，d20 左右进入平台期；如果 d7 到 d30 仍在明显下坠，可能意味着长期留存撑不住，尤其是靠“早期通知堆量”硬撑的产品。
② 不看“一个 cohort”，要看 cohort 是否“月度变好”
种子期数据最大的坑是“早期用户过于友好”。极早期用户往往是最匹配的一群人，指标不一定能外推；当你有几千活跃用户时，数据才更具预测性。
所以OXYZ资本在尽调时，一定要让团队给我们：按注册周/月切分的 D7/D30 cohort 表，而不是一张“整体留存”。
③ 把 D7 拆成“前 7 天的关键路径”
D7 不是第七天的结果，它是前 7 天体验设计的“总账”。你应该追问：
- 用户在第 1 次会话里，多久拿到可用结果（TTFV）？
- 用户第 1 次输出是否“可带走、可复用、可分享”？
- 用户第 2 次使用的触发来自哪里：内在需求、工作流、还是运营提醒？
5）实操：把 D7 做上去的 5 个抓手（种子期最有效）
抓手 1：把“第一次价值”从“生成结果”升级为“交付成果”
AI 工具最常见的假成功是：生成了一段文本，但用户不知道怎么用。
你要让用户第一次就完成一个“闭环成果”，例如：
- 一键导出到 Docs/Notion/飞书文档
- 直接生成可提交的邮件/方案/PPT 结构，并带可编辑模板
- 给出“下一步动作清单”，让用户知道结果如何落地
原则：让用户在第一次使用就产生“可保存/可发送/可交付”的资产。
抓手 2：把 onboarding 做成“带你赢一局”，而不是“教你规则”
用户不是来学习产品的，是来解决问题的。
用“任务式 onboarding”：
- 先问场景（写周报/做汇报/写 PRD/写代码 Review）
- 直接给 3 个“必胜模板”
- 生成后引导用户做一次“微编辑”（让他参与、增加投入感）
弯曲留存曲线的杠杆，往往在首次访问、onboarding 与触发设置上，而不是“我想你了”的提醒轰炸。
抓手 3：把“提示词能力”产品化：模板库 + 行业语言 + 默认高质量
种子期别指望用户会写 prompt。你要做的是：
- 把高频需求沉淀成模板（行业术语、结构、约束条件）
- 默认给高质量输入示例（让用户只改 20%）
- 结果输出带“可选风格开关”（更正式/更口语/更锋利）
抓手 4：做“第二次使用”的桥梁：历史、复用、延续任务
D7 的关键不是第七天，而是让用户在第一周里形成“复用路径”：
- 历史记录不是日志，而是“项目空间”（可继续编辑、可迭代）
- 给“上次未完成任务”的一键续写入口
- 给“同类任务”推荐（你写了周报，我猜你要写复盘/OKR/邮件）
抓手 5：按渠道/人群拆 D7：找到“会留下来的那类人”
很多 AI 工具早期 D7 做不起来，不是产品不行，而是人群不对：
- SEO 来的“试一试”用户，和社群来的“带着任务”用户留存差异巨大
- 你要用 cohort 按来源、用例、职业分层，找到“留存高地”，再围绕它迭代产品与叙事
6）实操：把 D30 做稳的 4 个关键（从“好用”到“离不开”）
关键 1：嵌入工作流，而不是停留在“工具层”
D30 的本质是：用户把你放进了自己的流程。你要尽快做到：
- 浏览器插件/快捷键/桌面端
- 与文档、邮件、IM、代码仓库的轻集成
- 团队协作场景（共享模板、共享知识库、共享项目）
关键 2：让用户“沉淀资产”，形成切换成本
对 AI 工具，真正的护城河通常不是模型，而是：
- 用户的项目库、知识库、偏好、行业词典、历史产出
- 可检索、可复用、可演进
当用户投入越多，D30 越稳。
关键 3：从“产出”走向“结果”：指标与反馈闭环
比如你做投放文案，不要只生成文案，而是让用户能记录：
- 用了哪版 → 数据如何 → 下次怎么改
这会把工具变成“持续优化系统”，D30 会自然改善。
关键 4：别用“通知堆量”去硬撑
有些产品会靠早期通知把留存“榨出来”，但 d7 到 d30 会出现明显劣化，这种形态值得警惕。
种子期更聪明的做法是：把触发建立在“任务节点”上（例如每周固定汇报、每次会议后纪要、每次提交代码前 review），而不是无差别打扰。
7）OXYZ资本的一张“快速判断清单”
我们只要让团队回答清楚这 8 个问题，基本就能判断种子期 D7/D30 的含金量：
- D7/D30 的分母是谁？注册用户还是激活用户？
- 留存口径是 bounded 还是 unbounded？（严格建议 bounded）
- 激活事件是什么？是否等价于“解决一个真实问题”？
- D7→D30 的下坠是否过陡？曲线是否在 d20 左右趋平？
- cohort 是否按月在变好？还是只在“最早一批朋友用户”好？
- 高留存用户是谁？来自哪个渠道？什么用例？
- 用户留下来的原因是什么？（结果更好/更快/更省钱/更少错误/更可控）
- 如果明天模型能力被拉平，你还有什么让用户回来的理由？（工作流、资产、协作、结果闭环）
种子期最该增长的，不是“新增”，而是“回来的人”
你会发现：D7 是“你是否真的解决了问题”，D30 是“你是否进入了用户的生活/工作流程”。在种子期，与其焦虑增长，不如把团队的注意力钉在一个更本质的问题上：
用户为什么要在第 7 天、第 30 天，还愿意打开你？
当你能稳定地回答这个问题，增长会自己发生；当你不能，增长越快，幻觉越大、代价越高。
（本文为OXYZ资本内部的产品与投研方法论讨论，不构成投资建议。）