如何留住你的用户 | 创业学校
一句话结论
David Lee 指出衡量"做出人们想要的东西"的最重量化工具是队列留存(Cohort Retention)。判断产品好坏的关键不是留存率绝对值,而是曲线是否趋于平坦——只要有一个不归零的平坦坡度,哪怕只有 20% 用户留下来,也意味着产品具备了累积增长的根基。Google Photos 凭借周留存曲线迅速探底后稳定在 20-40%,让 David 在上线仅六周后就确信该产品将覆盖全球十亿用户。他逐一戳破四种创业者常见自我欺骗手段:拉长时间窗口、定义太容易的活跃行为、只看单点数字、盲目信任分析工具。提升留存的四种路径是:打磨产品核心价值、获取更匹配的用户、优化新用户上手体验、利用网络效应。
来源信息
- Raw 文件:raw/yc-videos/20240829-How-To-Keep-Your-Users--Startup-School.md
- 视频/文章标题:如何留住你的用户 | 创业学校
- 讲者:David Lee(YC 合伙人)
- 日期:2024-08-29
- URL,如有:https://www.youtube.com/watch?v=VNxBZ7ka5J0(封面图推断)
- 时间戳情况:Raw 文件中无逐句时间戳;内容为完整的创业学校讲座记录。
Executive Summary
YC 最负盛名的座右铭是"做出人们想要的东西"(Make something people want),但如何用数据衡量这一目标是否达成?David Lee 最推崇的量化工具是队列留存(Cohort Retention)——追踪不同批次的用户随时间推移持续使用产品的比例。[raw L12-L14]
三层核心定义:
1. 队列隔离:按用户首次使用时间分组(如按周或按月),后续可进一步按国家、设备、获客渠道切割。[raw L20]
2. 活跃行为定义:找到与用户真正获取价值高度相关的具体动作。Instagram 追踪"查看 3 条以上帖子"而非单纯打开 App;Uber 追踪"完成一次行程";Google Photos 选择"全屏浏览了一张照片"。[raw L22-L24]
3. 时间周期选择:必须与产品天然使用频次匹配。社交 App 用"日",工具型产品用"周",旅游产品用"季度"甚至"半年"。[raw L29]
核心洞察:曲线是否变平比绝对数值更重要。David 用产品 A(黑线)和产品 B(橙线)对比——A 前两个月留存远高于 B,但持续下滑直奔零;B 掉到 20% 左右后开始稳住不再下降。产品 B 的创始人虽然数字不亮眼但心中踏实,产品 A 的创始人则要失眠——因为你终究会失去所有用户。只要曲线不趋平,你永远在"漏水的桶"里疲于奔命。[raw L37-L39]
Google Photos 实战:David 负责产品时选择用"周留存"衡量。早期曲线快速下坠但不久后稳定在 20% 到 40% 之间——取决于不同国家与设备。听起来"80% 用户跑了"很糟糕,但只要那 20% 每周回来且这个习惯看起来会永远持续下去,这就是一门可以积累的生意。上线仅六周后他已确信 Google Photos 最终能触达全球 20% 人口——事实是四年后用户数突破十亿。[raw L43-L45]
四种自我欺骗手段:
1. 选择太大的时间窗口:在 Bump 时期 David 把窗口从周改成月、再改成季度——曲线顿时赏心悦目,但完全是在骗自己。窗口越大,用户被计为活跃的概率越高,曲线越平、越高。[raw L51]
2. 定义太容易的活跃行为:简单的"打开 App"很容易被通知推送人为拔高。Google+ 的活跃用户统计竟依据"是否在任何 Google 产品右上角看到通知铃铛"——完全是个庞氏谎言。连"是否付费"都不能单独作为活跃行为,因为用户可能先停止使用过很久才取消订阅。[raw L53]
3. 只看单点数字不看形状:80% 周留存可能只是某一周的数据,前后四周连成线可能正断崖式下跌。[raw L55]
4. 盲目信任分析工具:现成工具背后的统计逻辑未必与你设想一致。David 建议创始人先用脚本或 Google Sheets 亲手构建一次队列留存视图,用自己的直觉校验每一列数字的含义。[raw L57]
四种提升留存的方法:打磨产品本身、获取更对的用户、优化新用户上手体验、构建网络效应。[raw L61-L69]
留存曲线的圣杯:队列留存的最佳形态不是仅仅变平,而是开始向上翘起。在更长的时间轴上形成"分层蛋糕图"(Layer Cake Chart)——底层代表最老却依然活跃的用户群,顶层稳定增长且每一层都厚实稳固。这是巨头公司最经典的生长形态。[raw L73-L75]
从"做人们想要的东西"到"用数据说话"
YC 的座右铭是"做出人们想要的东西"(Make something people want),但你怎么知道自己是否真的做到了?David 在创业早期曾对此毫无头绪——向顶尖 VC 做 A 轮融资演示时,对方突然问"你们的队列留存怎么样?",David 含糊作答,会后赶紧上网搜索这个术语才意识到刚才的回答完全驴唇不对马嘴。他所找到的终极答案就是队列留存。[raw L14]
何为队列留存?三层核心定义
第一层:如何隔离队列?
最简单的方法是按用户首次接触产品的时间分组(按周或按月)。当分析深入后,可进一步按国家、设备、获客渠道等维度切割。[raw L20]
第二层:用什么行为界定"活跃"?
定义"活跃行为(Action)"至关重要。最偷懒的方式是"打开过 App"或"访问了网站",但极易失真。更好的选择是找到与用户真正获取价值高度相关的具体动作:[raw L22]
- Instagram:追踪"查看 3 条以上帖子"而不是单纯打开 App
- Uber:追踪"完成一次行程"
- Google Photos:选择"全屏浏览了一张照片"——无论是自己的回忆还是他人分享的照片,这个动作才真正代表用户获得了价值
定义活跃行为时,要想象你正坐在用户身边看着他使用产品。当心里觉得"这个用户真的用对了"的那一刻,他所做的动作就是队列留存的里程碑。[raw L27]
第三层:选择什么时间周期?
时间粒度必须与产品天然使用频次匹配。社交或娱乐 App 用"日";工具型产品用"周";Airbnb 之类的旅游产品按"季度"甚至"半年"更贴切。陷阱在于人天生有美化数据的冲动,会不自觉想拉大时间窗口让数字好看。[raw L29]
从三角图到留存曲线:如何可视化
最基础的形态是三角图:行是按月划分的新用户队列,列是后续每个月份。每个用户在一个月内无论回来多少次只计数一次。沿对角线看可知某月总活跃用户来自哪些已有队列。[raw L33]
转化为百分比后,每个队列形成一条随时间衰减的曲线。多条队列曲线画在一张图上就是经典的队列留存曲线图——老队列有更多数据点,新队列则刚开始延伸。[raw L35]
核心洞察:唯一重要的是曲线是否变平坦,而不是绝对数值的高低。 产品 A 前两个月留存远高于产品 B,但持续下滑直奔零;产品 B 掉到 20% 左右后开始稳住不再下降。只要曲线不趋平,你就永远在"漏水的桶"里疲于奔命——每月获取的新用户都会被流逝的老用户抵消殆尽。[raw L37-L39]
Google Photos 的 20%:从留存中看到信心
David 在 Google Photos 负责产品时选择用"周留存"。早期曲线快速下坠,但不久后奇迹般地稳定在 20% 到 40% 之间。上线仅六周后,他就已确信 Google Photos 最终能触达全球 20% 的人口。事实也正如此,四年后用户数突破十亿,如今正向二十亿迈进。一串趋平的留存曲线能给创始人带来无与伦比的确定性。[raw L43-L45]
自欺欺人的四宗罪
第一,选择太大的时间窗口。 在 Bump 时期 David 觉得产品应用周留存衡量,但曲线太难看。临近投资人会议,悄悄把窗口改成月——好多了;再自我合理化改成季度——曲线顿时赏心悦目。但 Bump 的初衷是高频使用,这么一来完全是在骗自己。窗口越大,每个用户被计为活跃的概率就越高,曲线就越平、越高。[raw L51]
第二,定义太容易的活跃行为。 简单的"打开 App"容易被通知推送人为拔高。Google+ 的活跃用户统计竟然依据"是否在任何 Google 产品右上角看到那个带小红点的通知铃铛"——只要在 Gmail 里顺便点开通知看了一眼就算活跃用户,完全是个庞氏谎言。连"是否付费"都不能单独作为活跃行为(用户可能先停止使用过很久才取消订阅),更可靠的方式是组合条件:"付费"且"当月使用了核心功能"。[raw L53]
第三,只看单点数字不看形状。 常有创始人说"我们周留存有 80%!"追问之下才发现只是某一周的数据,前后四周连成线可能正断崖式下跌。[raw L55]
第四,盲目信任分析工具。 现成套件的统计逻辑未必与你设想一致。David 建议用脚本或 Google Sheets 亲手构建一次队列留存视图,用直觉校验每一列数字的含义,再去对照工具结果。确信二者完全吻合后才可放手让工具代劳。[raw L57]
四种提升留存的方法
-
打磨产品本身。 增加新使用场景,简化核心流程,降低延迟,让用户更快抵达"啊哈时刻"。后发的队列曲线不仅更快变平,平坦的水平高度也更高。[raw L63]
-
获取更对的用户。 Google Photos 曾针对 Z 世代进行强势推广,结果新队列留存非常糟糕——年轻人还没有那么多回忆,不会总想翻阅两年前的照片。用户画像与产品价值的错配,往往只需调整获客策略就能立竿见影。[raw L65]
-
优化新用户上手体验(Onboarding)。 尤其企业级工具,往往花大量精力在功能上却忽略帮助用户将产品嵌入日常工作流。帮助用户从"昨天还在用旧方法"平滑过渡到"今天起用你的产品"是最具性价比的提升留存手段。[raw L67]
-
构建网络效应。 每增加一个用户都能让现有用户的使用体验变得更好。应有意识地聚焦于围绕早期用户构建高密度小型网络,而非盲目铺开。[raw L69]
留存曲线的圣杯:向上攀爬与分层蛋糕
队列留存的最佳形态不是仅仅变平,而是开始向上翘起——老用户活跃度不降反升,意味着用户不仅留下来还产生更强依赖。在更长时间轴上形成"分层蛋糕图"——底层代表最老却依然活跃的用户群,顶层稳定增长且每一层厚实稳固。David 说如果能看到这样一张图,"恭喜你,你已进入腾飞轨道"。[raw L73-L75]
结语:让数据引导你与用户的真正对话
队列留存曲线绝不会直接告诉你"该改什么",但它是一面无情的镜子——明确告诉你产品是否开始留住人。如果曲线迟迟不肯平坦,那就是最响亮的闹钟:放下手头一切,走到用户面前,去倾听、观察、理解他们真正需要什么。[raw L79]
关键证据
- "YC 有一条简单却极负盛名的座右铭:'做出人们想要的东西'。David 认为这是对创业者职责最精炼的表达。"[raw L12]
- "有一次向一家顶尖 VC 做 A 轮融资演示,对方突然问起:'你们的队列留存怎么样?'David 含糊作答,会后赶紧上网搜索这个术语。"[raw L14]
- "队列留存的核心思路,是将用户按照'首次使用时间'等维度分成一个个队列,然后单独追踪这一组人后续的行为表现。"[raw L18]
- "如果你做 Instagram,可以追踪'查看 3 条以上帖子'而不是单纯打开 App……做 Uber,就追踪'完成一次行程'。"[raw L22]
- "做 Google Photos,团队选择的是'全屏浏览了一张照片'——这个动作才真正代表用户获得了价值。"[raw L24]
- "定义活跃行为时,要时刻想象你正坐在一位用户身边,看着他使用产品。当你心里觉得'这个用户真的用对了'的那一刻,他所做的那个动作,就是你应该拿来作为队列留存的里程碑。"[raw L27]
- "社交或娱乐 App 可能每天都要用,那留存就应该用'日'来衡量……Airbnb 之类的旅游产品,按'季度'甚至'半年'才更贴切。"[raw L29]
- "唯一重要的是曲线是否变平坦,而不是绝对数值的高低。"[raw L37]
- "产品 A 前两个月留存远高于 B……但 A 的曲线持续下滑大有直奔零的趋势;B 的曲线虽然掉到 20% 左右却开始稳住不再下降。"[raw L37]
- "只要曲线不趋平,你就永远在'漏水的桶'里疲于奔命。"[raw L39]
- "Google Photos 早期曲线快速下坠,但不久后就奇迹般地稳定在 20% 到 40% 之间。"[raw L43]
- "如果你跟朋友说'我们 80% 的用户马上就跑了',听起来很糟糕……但 David 知道,只要那 20% 的用户每周都回来,这就是一门可以积累的生意。"[raw L43]
- "在上线仅六周后,他就已确信:Google Photos 最终能触达全球 20% 的人口。事实也正如此,四年后用户数突破十亿。"[raw L43]
- "在 Bump 时期……他们悄悄把窗口改成月——好多了。然后自我合理化:'其实用户一个季度用一次也挺合理吧?'于是又切成季度,曲线顿时赏心悦目。"[raw L51]
- "窗口越大,每个用户被计为活跃的概率就越高,曲线就越平、越高。"[raw L51]
- "Google+ 的活跃用户统计竟然依据'是否在任何 Google 产品右上角看到那个带小红点的通知铃铛'……完全是个庞氏谎言。"[raw L53]
- "连'是否付费'这个看似硬核的指标,都不能单独当做活跃行为,因为用户往往是先停止使用,过很久才取消订阅。"[raw L53]
- "常有创始人对 David 说:'我们的周留存有 80%!'追问之下才发现,这个 80% 只是某一周的数据。"[raw L55]
- "David 建议创始人先用脚本或 Google Sheets 亲手构建一次队列留存视图,用自己的直觉校验每一列数字的含义。"[raw L57]
- "打磨产品本身。增加新的使用场景,简化核心流程,降低延迟,让用户更快抵达'啊哈时刻'。"[raw L63]
- "Google Photos 曾应公司要求针对 Z 世代年轻人进行一波强势推广,结果进来的新队列留存非常糟糕。"[raw L65]
- "如果你的产品每增加一个用户,都能让现有用户的使用体验变得更好……那么随着网络密度的提高,留存曲线也会随之改善。"[raw L69]
- "队列留存的最佳形态,不是仅仅变平,而是开始向上翘起。"[raw L73]
- "把这种势头投射到更长的时间轴上,就能得到一幅'分层蛋糕图'。"[raw L75]
- "David 说,如果创业者能看见这样一张图,'恭喜你,你已进入腾飞轨道'。"[raw L75]
- "队列留存曲线绝不会直接告诉你'该改什么'。但它是一面无情的镜子,能明确告诉你:你的产品是否开始留住人。"[raw L79]
涉及概念
- cohort-retention / 队列留存
- make-something-people-want / 做出人们想要的东西
- retention-curve / 留存曲线
- triangle-chart / 三角图
- layer-cake-chart / 分层蛋糕图
- active-action / 活跃行为
- time-window / 时间窗口
- aha-moment / 啊哈时刻
- onboarding / 新用户上手体验
- network-effects / 网络效应
- self-deception-in-metrics / 指标中的自我欺骗
- leaky-bucket / 漏水的桶
- user-cohort / 用户队列
涉及人物
- David Lee — YC 合伙人,本期创业学校讲者,前 Google Photos 产品负责人
- Bump 时期未具体点名的投资人 — A 轮融资演示中提问队列留存的 VC
涉及公司
- Google Photos — 队列留存实战案例,四年用户突破十亿
- Bump — David Lee 早期创业公司,自我欺骗的失败案例
- Google+ — 活跃用户定义造假的案例
- Instagram — 活跃行为定义正面案例
- Uber — 活跃行为定义正面案例
- Airbnb — 时间周期选择正面案例
- TikTok、YouTube — 高频产品日留存案例
可沉淀到哪些主题页
- cohort-retention-analysis — 队列留存分析方法
- startup-metrics — 创业公司关键指标
- product-market-fit-measurement — PMF 的量化衡量
- google-photos-growth — Google Photos 的增长故事
- self-deception-in-startups — 创业中的自我欺骗
- onboarding-best-practices — 新用户上手最佳实践
- network-effects-and-retention — 网络效应与留存
- analytics-tools-caveats — 分析工具的注意事项
不确定事项
- 完整视频 URL 未提供,仅从封面图 URL 推断 YouTube ID 为 VNxBZ7ka5J0(Evidence pending)
- 逐句时间戳信息缺失(Evidence pending)
- Google Photos 四年用户突破十亿、正向二十亿迈进的具体时间节点(Evidence pending)
- Bump 的具体失败时间和原因(Evidence pending)
- David 向 VC 做 A 轮融资演示的具体年份和 VC 名称(Evidence pending)
- Google+ 活跃用户统计口径的具体背景和后果(Evidence pending)
- "分层蛋糕图"的原创出处和具体应用案例(Evidence pending)
- Raw 文件中提及的 Instagram "查看 3 条以上帖子"、Uber "完成一次行程"等活跃行为定义是否为假设举例还是有内部数据支持(Evidence pending)
Change Log
- 2026-06-30:初始创建,基于 raw 文件结构化整理