下載量很好看。
註冊人數也一直增加。
但幾天後再打開數據，實際持續活躍的人卻沒有跟著上升。
很多 App 都卡在這裡。
第一個直覺通常是：是不是需要更多推播？更多折扣？更多廣告？再做一個推薦獎勵？
如果留存本來就差，這些做法只會把更多人送進一個會漏水的桶子。
成長的順序應該反過來。
先讓人成功。
再讓人願意回來。
接著找出哪些行為和長期留存有關。
最後才放大獲客。
下載不是成長，留下來才開始有成長
累積下載數很容易讓團隊產生錯覺。
因為這個數字幾乎只會往上。
就算新使用者大量流失，總下載量還是會增加。
因此更有用的問題是：
第一天有多少人回來？
第七天還有多少？
一個月後還有多少？
哪些新使用者完成某個行為後，後續留存明顯比較高？
Amplitude 的留存分析也把重點放在不同使用者群組隨時間如何回來，而不是只看累積使用者總數。這就是同梯次分析（Cohort Analysis）的價值。
正式文章裡不需要追求一個全產業通用的「正確留存率」。
不同產品使用頻率差很多。
每天記帳的工具、每週協作的軟體、每月才用一次的報稅產品，本來就不該用同一條標準。
先建立自己的基準，再看每一批新使用者是否逐漸改善，通常更有意義。
第一步：先讓使用者成功一次，再談習慣
很多產品太早談「習慣養成」。
使用者才第一次打開 App，就被要求：
建立完整個人檔案。
選十個偏好。
開啟通知。
邀請朋友。
完成教學。
訂閱付費。
但他還沒感受到任何核心價值。
這時最重要的工作是啟用（Activation）。
啟用要比「完成註冊」更接近產品核心價值。
它應該代表使用者已經完成一個和產品核心價值有關的關鍵行為。
例如待辦工具的啟用，不一定是建立帳號，而可能是建立第一個待辦並真的完成它。
語言學習 App 的啟用，也可能是完成第一個練習並得到立即回饋。
用行為模型找出第一個行為為什麼沒有發生
BJ Fogg 的行為模型（Fogg Behavior Model）把行為寫成 B=MAP：動機（Motivation）、能力（Ability）與提示（Prompt）需要在同一時間到位，行為才會發生。
這個模型對新手流程很實用。
使用者沒有完成第一個重要行為，不一定是因為「他不夠想要」。
也可能是步驟太多、要想太久、需要先準備資料，或提示出現在錯的時間。
與其一直用通知提高動機，不如先問：
第一個有價值的動作能不能更簡單？
有沒有不必要的欄位可以延後？
是否要求使用者在還沒看到價值前，就先做太多設定？
Fogg 的官方說明也強調，提高行為發生機率的一個重要方向，就是讓目標行為變得更容易。
起始步驟：把第一步縮小到真的做得下去
第一個動作不必代表完整任務。
它只需要讓使用者跨過「我開始得到價值」的門檻。
例如專案管理工具，不必第一天就建立完整專案架構。
可以先讓使用者：
建立一個任務。
指定一個日期。
完成一次勾選。
先讓他體驗「我把事情放進來，而且真的完成了」。
這種起步行為可以稱為起始步驟（Starter Step）。
越早讓使用者感受到核心價值，後面要求更多設定與投入才比較合理。
啟用之後，才開始問：為什麼他要回來？
第一次成功不等於留存。
產品還需要一個自然的回訪理由。
Nir Eyal 的習慣迴圈（Hook Model）把這段過程拆成四個部分：觸發、行動、變動回饋與投入。
觸發提醒使用者開始。
行動要足夠簡單。
回饋讓人得到這次使用的價值。
投入則讓下一次使用變得更有價值或更容易開始。
例如一個閱讀 App：
使用者因為「想知道今天有什麼值得看」而打開。
一滑就能開始閱讀。
每次出現的內容不完全一樣。
收藏、追蹤主題與閱讀紀錄，又讓下一次推薦更符合他。
這就形成一個逐漸變強的回訪循環。
不要把推播通知誤認成留存
外部提醒可以把人叫回來。
但如果產品永遠要靠推播、電子郵件（Email）或折扣才有人回來，代表回訪理由還沒有進入使用者自己的需求。
好的外部提示應該像鷹架。
早期幫助使用者建立使用節奏。
等到使用者已經知道「什麼時候我會需要這個 App」，外部提醒的重要性就可以下降。
如果推播只是反覆製造焦慮、怕錯過或假裝有新訊息，短期打開率可能上升，長期卻可能傷害信任。
回訪不一定要變成「上癮」
留存的目的應該是讓產品在使用者真的需要時持續有價值。
不是每個 App 都需要每天打開。
如果一個報稅工具一年只需要用幾次，硬做每日連續登入反而很荒謬。
所以設計習慣之前，要先問產品天然需要多高的使用頻率。
頻率低的產品，更需要可靠記憶點、資料累積與適時提醒；高頻產品才比較可能形成自動回訪習慣。
留存分析要看同梯次，不要只看全站平均
假設這個月整體七日留存是 20%。
單看這個數字，你不知道產品到底有沒有變好。
比較有用的是把使用者依註冊週分開。
第一週新使用者七日留存 14%。
第二週改了新手流程後是 18%。
第三週再簡化第一個動作後是 22%。
這樣才看得到產品改善和使用者行為之間的關係。
也可以進一步用行為同梯次比較：
完成第一個專案的人，留存如何？
邀請一位隊友的人，留存如何？
第一天完成三次核心動作的人，後續如何？
但要注意，相關不等於因果。
高留存使用者會做某個行為，不代表強迫所有人做同一件事就一定提高留存。
找出啟用訊號，不要硬塞更多步驟
如果分析發現「第一天上傳檔案的人，四週後留存較高」，這是一個啟用訊號（Activation Signal）。
下一步應該理解原因。
可能是上傳檔案本身讓人得到價值。
也可能是原本就高度投入的人更願意上傳。
這時要搭配訪談與實驗。
Amplitude 的產品分析方法也強調，可以透過行為資料找出啟用行為和長期留存之間的關聯，但實際產品仍需要用自己的資料建立定義。
產品探索：數據告訴你哪裡掉，客戶告訴你為什麼
如果第二步大量流失，數據只能先告訴你問題位置。
要理解原因，還需要和使用者說話。
Teresa Torres 的持續探索（Continuous Discovery）主張，產品團隊要建立持續接觸客戶的節奏，讓產品決策不是只靠偶爾的大型研究。
她提出的機會解法樹（Opportunity Solution Tree）會把：
想達成的成果。
客戶反覆出現的需求與痛點。
可能解法。
以及需要驗證的假設。
放在同一張圖上。
這可以避免一看到留存下降，就直接跳到「做新的推播功能」。
每週研究，不代表每週問「你想要什麼功能」
使用者研究最有價值的，不是收集功能願望清單。
比較值得問的是最近一次真實經驗。
「你上次下載這類 App 是什麼時候？」
「當時想解決什麼？」
「做到哪一步卡住？」
「最後改用什麼方法？」
這些故事能讓團隊理解使用情境與阻力。
再把研究和行為數據放在一起，產品決策才不會只靠單一來源。
成長團隊先抓住一個現在最重要的數字
當留存還沒穩定，成長團隊最容易被大量指標分散。
下載。
註冊。
每日活躍使用者（DAU）。
每月活躍使用者（MAU）。
付費率。
分享數。
推播開啟率。
全部都看，最後反而不知道哪個要先改善。
Lean Analytics 提出的單一關鍵指標（One Metric That Matters，OMTM），重點是讓公司在目前階段集中看最能改變決策的數字。
這個主指標應該直接對應目前最大的留存限制，讓團隊知道下一步該改什麼。
如果產品現在卡在留存階段，主指標就應該和留存、核心行為或啟用有關，而不是先追病毒分享。
主指標一定要搭配防作弊指標
假設團隊決定把「24 小時內完成第一個核心行為」當主指標。
如果所有人只追這個數字，可能會把流程簡化到幾乎沒有實際價值。
所以最好搭配一個反向檢查。
例如：
啟用率上升的同時，30 天留存不能下降。
推播開啟率上升的同時，關閉通知與解除安裝不能暴增。
每日活躍上升的同時，單次使用後完成核心成果的比例不能變差。
這能降低團隊把單一指標「做漂亮」，卻傷害整體產品的風險。
留存還沒過關，不要急著放大獲客
如果每 100 個新使用者，一個月後只剩很少人，增加廣告預算會發生什麼？
你會得到更多流失的人。
獲客（Acquisition）當然重要。
但在留存問題還沒有被理解以前，大量獲客很容易把錢花在重複補洞。
比較合理的順序是：
先確認核心需求存在。
讓新使用者快速取得第一次價值。
改善關鍵留存曲線。
確定一部分使用者會自然留下。
再逐步放大有效管道。
如果 App 還停在第一版，也可以延伸閱讀 從 App 點子到第一個可用版本：哪些事情要先驗證，哪些不要太早做。
微互動是最後的加分，不是拿來掩蓋核心價值
載入動畫、完成勾選、震動回饋、進度提示，都會影響產品感受。
但如果新手根本不知道為什麼要用，做再漂亮的動畫也救不了留存。
微互動比較適合在核心流程已經成立後，讓操作更清楚、更有回饋。
先解決「有沒有價值」，再優化「用起來舒不舒服」。
遊戲化也應該最後才加
點數、徽章、連續天數與排行榜很容易做出短期變化。
但如果它們和產品價值沒有關係，使用者會開始為了保住數字而操作。
好的長期投入需要保留自主、看見能力成長，也知道這件事為什麼值得做。
這也是前一篇 Drive 動機理論：獎勵越多，真的會讓人更有動力嗎 所提醒的問題。
把留存與成長串起來，可以用這八步
一、先定義「留下來」對這個產品到底代表什麼。
二、用 Cohort 看新使用者在哪一段大量流失。
三、找到第一個能交付核心價值的啟用行為。
四、用 B=MAP 降低第一個重要行為的阻力。
五、建立自然的回訪迴圈，而不是永遠依賴通知。
六、固定接觸使用者，理解留存與流失背後的原因。
七、選一個現在最重要的指標，搭配防作弊指標。
八、留存穩定後，再逐步放大獲客與推薦。
這八步會比「再做一個成長功能」更慢一點開始，卻比較不容易一直重複補洞。
產品的成長引擎，先從讓人願意留下開始
成長的核心，是讓一部分使用者進來後真的得到價值、願意回來；持續增加新流量只是後面的放大手段。
團隊還要知道這些人為什麼留下，才能把有效做法持續改善，而不是只看活躍數字上升。
啟用處理第一次成功。
習慣迴圈處理回訪。
同梯次留存告訴你改善有沒有發生。
持續探索幫你理解背後原因。
關鍵指標把整個團隊的注意力集中到同一個問題。
等這些環節開始接起來，流量才會從「需要一直補充」變成能被產品留住的成長資產。
常見問題
下載很多但留存很差，第一步應該做什麼？
先建立新使用者的同梯次留存與啟用漏斗，找出主要流失位置，再研究為什麼。不要先用更多廣告或推播把問題蓋住。
啟用應該怎麼定義？
啟用應該代表使用者已完成和核心價值有關的關鍵行為，不只是註冊成功。可以從高留存使用者常見的早期行為找線索，再用研究與實驗驗證。
一定要把產品做成每天使用的習慣嗎？
不用。使用頻率應該符合產品天然需求。低頻產品可以靠資料累積、可靠提醒與重要時刻回訪，不需要硬做每日連續登入。
要追活躍使用者還是留存率？
要看產品模型與目前階段。當主要問題是新使用者一直流失時，留存與啟用通常比累積下載或單純 DAU 更能幫助決策。主指標也應搭配其他防作弊指標。
留存改善到什麼程度才適合開始加大獲客？
沒有所有 App 都適用的固定百分比。比較重要的是同梯次留存曲線開始穩定、關鍵啟用行為被確認，而且新增使用者不再只是快速流失。再依自己的產品頻率、商業模式與成本設定擴張門檻。
參考資料
Nir Eyal. Hooked: How to Build Habit-Forming Products.
Nir Eyal. “Hooked In Real Life.” NirAndFar.com.
BJ Fogg. “Fogg Behavior Model.” BehaviorModel.org.
Teresa Torres. Continuous Discovery Habits: Discover Products that Create Customer Value and Business Value.
Teresa Torres. “Sourcing Opportunities: Unlocking the Power of Opportunity Mapping.” Product Talk.
Alistair Croll and Benjamin Yoskovitz. Lean Analytics: Use Data to Build a Better Startup Faster.
Amplitude. “Cohort Retention Analysis: Reduce Churn Using Customer Data.”