快速解答： 留存指標定義錯誤，是新手做產品最致命卻最少人發現的錯誤。多數團隊會犯三個錯——不管自然頻率亂套公式、把多種行為硬湊成一個指標、拿營收當成留存目標。正確做法是先搞清楚頻率、核心行為、誰是使用者，再用世代群組分析驗證，最後透過組織性的習慣迴圈（Organic Habit Loop）持續強化。這篇文章會帶你一步步拆解，並告訴你 Claude AI 能在哪些地方幫上忙。
文章同步發表在 我們的部落格
你可能還在寫人生第一支迴圈。你可能還沒做出任何一個真正上線的產品。
但如果你有一天打算自己動手，用 Claude 打造一個軟體——這篇文章，你現在就該看完。因為多數新創公司死掉的原因，不是產品沒人用，是他們一開始就選錯了衡量「有沒有人在用」的方式。選錯指標，等於矇著眼睛開車——你以為你在往前開，其實早就開出懸崖了。
留存指標，衡量的是使用者有沒有在特定時間內回來用你的產品。
聽起來很簡單，對吧？但多數團隊一開始就搞錯了。
有人說：「我們用 DAU，因為別人也用 DAU。」有人說：「我們把瀏覽、留言、分享全部加起來算一個指標。」還有人說：「我們用營收當留存指標，比較直觀。」
這三種說法，都會把團隊帶向錯的方向。
想想你信箱裡那些每天寄兩封信推銷西裝的電商——一個人一天、一週，甚至一個月，能買幾套西裝？
答案很明顯：不多。
這正是沒有對齊自然使用頻率的典型案例。頻率抓錯了，用戶感受到的不是貼心提醒，是垃圾訊息。但反過來，如果你聯繫用戶的頻率太低，他們會直接忘記你的產品存在。這個平衡，得靠你真正理解使用者的自然行為頻率，而不是憑感覺亂猜。
Pinterest 前成長主管 Casey Winters 講過一個真實案例：Pinterest 曾經把「釘選」和「點擊」兩個行為，合併成一個叫做「週活躍釘選與點擊者」的指標。
結果呢？團隊開始追逐最容易拉動的那個數字——點擊——於是拚命做出一堆標題聳動的內容,想辦法騙點擊。
把多個行為硬湊成一個指標,團隊最終只會選最容易移動的那個行為去優化,而不是真正重要的行為。
很多訂閱制產品會直接拿營收留存當目標。問題是，營收是產出，不是輸入。 真正的輸入是產品使用行為。你該把留存指標設在使用行為上，因為使用行為的成長，自然會帶動營收的成長——反過來走，你只會追著結果跑，卻不知道該調整什麼。
定義留存指標，只需要問三個問題：頻率、核心行為、是誰。
先靠質化研究，提出一個假設——你的使用者，自然而然會用多頻繁的節奏，遇到你想解決的那個問題？
接著，用量化數據驗證這個假設。做法是畫一張頻率直方圖：Y 軸是使用者人數，X 軸是過去 28 天內活躍的天數。
如果你的假設是「每天使用」，直方圖應該會在 21 到 25 天附近出現高峰。如果假設是「每週使用」，高峰會落在 5 到 7 天。如果是「每月使用」，數據會集中在直方圖最左邊，只有一兩天活躍。
如果你的量化數據跟質化假設對不上呢？ 這代表你現在做出來的產品，跟你原本想解決的問題之間，存在一道落差——你得回頭調整產品，或是重新檢視問題定義本身。
這裡要問：什麼動作，能證明我們正在交付價值？
用 Pinterest 舉例：瀏覽、釘選、還是點擊，哪個行為最能代表使用者真正得到了他們要的東西？
驗證方式是把每個假設行為的使用者，分別做成世代群組留存曲線，畫在同一張圖上比較。哪條曲線留住最多使用者、後段趨於平緩——那個行為，就是你的核心行為。
最後一步，是替留存指標加上清楚的品牌定義。單講「週活躍用戶」太模糊——用戶是誰？做了什麼算活躍？
把「人物」和「核心行為」組合起來，指標才會變得清楚。Pinterest 最後得到的是「週活躍釘選者」；Airbnb 房客端是「年活躍房客」，房東端是「週活躍房東」；Blue Bottle Coffee 的零售用戶是「季活躍購買者」，訂閱用戶則是「月活躍訂閱者」。
定義好指標之後，你得靠世代群組（Cohort）分析，才能真正看懂數據在說什麼。
世代群組圖表，是把使用者依照註冊日期分組，橫向追蹤他們隨時間經過還剩下多少人活躍。這張圖有五種看法，各自回答不同問題：
把這些數據畫成折線圖，就是所謂的留存曲線。曲線的形狀，會告訴你三件事：趨勢向零代表你終將失去這整批用戶（除非像 Tinder 那樣，用戶離開代表產品成功）；趨於平緩代表你能靠優化把它拉到真正的水平線；完全水平才是你真正該追求的目標——這是持續成長的地基。而最理想的，是微笑曲線——留存先降後回升，代表你不只留住用戶，還成功把流失的人重新拉回來，這通常出現在網路效應強大的產品裡，像是 Airbnb 或 Slack。
留存率回答的是「有沒有」——一個二元問題。參與度回答的是「有多深」——一個光譜問題。
換句話說，留存率衡量的是廣度，參與度衡量的是深度。一個使用者被稱為「有參與」，其實就是說他已經建立起產品使用的習慣，行為頻率符合你設定的留存指標。
習慣建立的基本邏輯，早在 1920 年代 Claude Hopkins 的《科學廣告》裡就講清楚了：一個迴圈，由觸發、行動、獎勵三個環節組成。觸發出現，你做出行動，得到獎勵，這個獎勵強化了下一次觸發出現時，你會再做一次同樣的行動。
Pinterest 的組織性習慣迴圈是這樣運作的：觸發是「我很無聊」，行動是打開 Pinterest 釘選內容，獎勵是得到更多符合興趣的內容，強化了下一次無聊時的行為。Zoom 的迴圈：觸發是「我需要跟不在現場的人開會」，行動是用 Zoom 主持會議，獎勵是高品質的音視訊體驗加上省下的時間。
定義自己產品的組織性習慣迴圈，是你設計產品與行銷策略的起點。 觸發，來自你定義使用案例時找到的那個問題；行動，來自你驗證過的核心行為；獎勵，來自使用者選擇你而不是替代方案的原因。
組織性習慣迴圈不會自己發生。你需要靠兩種策略去強化它。
人為迴圈（Manufactured Loop）靠推播、Email、簡訊這類管道，主動製造觸發。它需要五種觸發類型（時間、地點、變化、社群、程式化）、八種管道（Email、行動裝置、產品內、平台、瀏覽器、桌面、付費媒體、直郵），以及三種獎勵（外在、內在、社交）。
但人為迴圈有個硬傷：如果你無法影響使用者原本的自然觸發，人為迴圈就沒用。 Zoom 沒辦法用推播讓你「更常需要開會」，Uber 也沒辦法用通知讓你「更常需要出門」——硬推，只會讓使用者覺得是垃圾訊息。
這種情況下，你需要環境迴圈（Environment Loop）。做法是找出使用者遇到原本觸發時，身處的環境、正在用的工具，然後把你的產品「放」進那個路徑裡。Zoom 的瀏覽器擴充功能，直接把「加入 Zoom 連結」的按鈕，放進你原本就在用的 Google 日曆裡；Uber 把自己的車，放進你日常經過的街道與 Google 地圖裡。環境迴圈不需要製造新觸發，它只是讓自己出現在原本就會發生的觸發現場。
過去，世代群組分析需要資料科學家、複雜的 SQL 查詢、專門的分析工具。
現在，你可以把使用者行為數據直接丟給 Claude，請它幫你找出留存曲線從哪裡開始下滑、哪個世代群組表現異常、哪個行為跟長期留存高度相關。你也可以請它比對不同核心行為假設下的留存曲線，或是把多個習慣迴圈的數據放在一起，找出人為迴圈和環境迴圈之間的相互作用。
但記住一件事：Claude 給你的是數據和模式，不是最終判斷。 哪個指標才是你產品真正該追蹤的、哪個下滑訊號值得你緊急處理——這個判斷，終究得靠你自己對產品和使用者的理解。工具能加速分析，卻無法替你做決定。
走到這裡，你應該看懂一件事：留存指標定義錯了，你優化的方向從一開始就是錯的。而定義對了，之後每一次世代群組分析、每一次習慣迴圈設計，都會建立在正確的地基上。
就算你現在只是一個人，用 Claude 打造你的第一個軟體產品，這套邏輯一樣成立。你同時是要定義指標的產品經理，也是要分析數據找問題的分析師。搞懂頻率、核心行為、是誰這三個問題，你就已經比多數新手更早想清楚，你的產品接下來每一個功能，值不值得做。
下次你打開 Claude 準備寫下一行程式碼之前，先問問自己：使用者遇到這個問題的自然頻率是多少？他們用什麼替代方案解決它？
這個問題的答案，決定了你接下來的每一步，走得對不對。
留存率和參與度有什麼不同？
留存率是廣度——使用者有沒有在特定時間內回來；參與度是深度——他們每次回來投入的程度有多深。兩者缺一不可，只有留存廣度、沒有參與深度，產品很難撐起長期價值。
新手做產品，最常犯的留存指標錯誤是什麼？
把多個行為硬湊成一個指標。這會導致團隊優化最容易移動的那個行為，而不是真正代表價值交付的行為，最終讓整個團隊走錯方向。
如果我的產品天生是低頻使用場景，該怎麼辦？
可以參考 Zillow 的做法——疊加更高頻率的使用場景，把低頻的核心行為包裹在更頻繁的互動裡，藉此在使用者心中保持存在感。
Claude AI 能取代我自己做留存分析的判斷嗎？
不能。Claude AI 能幫你分析數據、找出模式、加速世代群組比較，但哪個指標真正重要、該怎麼回應數據——這仍然需要你自己對產品和使用者的理解。
人為迴圈和環境迴圈，該怎麼選？
如果你能透過訊息影響使用者原本的觸發頻率，用人為迴圈；如果無法影響（像是「需要開會」或「需要出門」這類需求），就該轉向環境迴圈，把產品放進使用者原本就會經過的路徑裡。
iThome鐵人賽
看影片追技術