AI 流失潮？ 一项关于 AI 应用留存率的数据驱动调查

本文信息来源：growthunhinged

年度经常性收入（ARR）不是 GAAP 指标。但它已成为 SaaS 指标的基石。它也是 SaaS 估值倍数的基础。

我们通常认为 ARR（年度经常性收入）具有高利润率、可预测性和增长性。这意味着 SaaS 公司（通常）有望在规模化时实现高盈利。

AI 初创公司正在越来越多地打破这一规律。以下情况并非真正的经常性收入，却被当作经常性收入来处理：

• 来自 AI 产品的实验性收入（尚未投入生产）
• 带有三个月退出条款的合同，其中70-80%的客户选择退出
• 基于使用量或成功的定价
• 来自前置工程师的专业服务

AI 初创公司迫使我们重新思考 ARR。 正如我之前所写 ，存在毛利率问题。更令人担忧的是，AI 收入的持久性存在真正的问题，Primary Venture Partners 的 Cassie Young 最近预测这将是即将到来的”总留存率末日”。

买家将审查他们的 AI 实验。AI 游客将转向下一个热门产品。随着模型改进，大平台将吞并数十个薄薄的 LLM 包装器。

持久性是 AI 应用的生存性问题。 然而，关于这个话题的客观数据相对较少。为了改变这一现状，我与 ChartMogul 合作，我是该公司的Analyst-in-Residence.

我们抓取了 3,500 家软件公司的网站，使用 AI 将这些公司分类为 B2B SaaS、B2C SaaS 或 AI 原生公司（可能是 B2B 或 B2C）。然后我们比较了这些群体的总收入留存率（GRR）和净收入留存率（NRR）。今天我将分享我们的发现，以及你可以采取哪些措施来保护自己免受可能即将到来的流失浪潮的影响。

AI 遇到了游客问题

AI 抓取产生的数据集包含约 2,700 家 B2B SaaS 公司、600 家 B2C SaaS 公司和 200 家 AI 原生公司。AI 原生公司包括 B2B 和 B2C 业务的混合体，以及同时向消费者和企业销售的初创公司。

我首先查看了 2025 年全年中那些已达到至少 25 万美元 ARR 的企业的年化留存率。为什么是 25 万美元：对于客户很少需要续约的非常早期的初创公司来说，历史留存数据的可靠性较低。

数据显示：

• B2B SaaS 相对具有黏性。 中位数净收入留存率（NRR）为 82%。（上四分位数为 97%。）
• B2C 的黏性要低得多，增购极少。 中位数 NRR 仅为 49%。
• AI 原生公司的留存率甚至比 B2C 更差。 中位数总收入留存率（GRR）仅为 40%，中位数 NRR 为 48%。

乐观的一面是，AI 留存率自年初以来已经大幅改善。 中位数 GRR 从 1 月的 27%跃升至 9 月的 40%。我怀疑许多早期的 AI”观光客”已经离开；那些留下来的人更加忠诚，或者正在从实验阶段转向生产阶段。

即便如此，整体而言，AI 原生公司看起来与我们熟知和喜爱的 B2B SaaS 公司（以及喜欢基于 ARR 估值的公司）大不相同。当每年有 60%的安装用户流失时，很难说一家企业拥有经常性收入。

容易购买，容易取消？

AI 流失浪潮不会以同样的方式冲击每家 AI 公司。

低价产品总是伴随着更高的流失率。对于 AI 产品而言，这一差距尤为明显。抵御流失率的最佳策略是从消费者和自助购买模式（每月<50美元的交易）转向更大规模的B2B采购。

数据显示：

• 月价格超过 250 美元的 AI 原生产品的总留存率（GRR）达到 70%，净留存率（NRR）达到 85%。这基本上与 B2B SaaS 产品持平。
• 每月售价在 50-249 美元之间的 AI 原生产品，其总收入留存率（GRR）为 45%，净收入留存率（NRR）为 61%。这比 B2B SaaS 产品低 15 个百分点。（很少有 B2C 产品的月费超过 100 美元。）
• 月费低于 50 美元的 AI 原生产品的总留存率仅为 23%，净留存率为 32%。这比 B2B 或 B2C SaaS 产品低了 20 个百分点。

这是 AI 封装产品的诅咒。易于购买的代价就是易于取消。

我认为这里还有第二个因素在起作用。AI 自助服务用户可能是付费客户，但他们将自己视为试用者。

低价 SaaS 产品往往是免费增值（或反向试用）产品，用户有充足的时间先试用后购买。由于毛利率高达 80%以上，支持免费用户不会造成太大负担。用户在有意识地决定购买时才会升级。而且几乎没有干扰：人们在购买 SaaS 时知道自己会得到什么。

AI 产品的计算方式则不同。每个 token 都有成本。AI 产品要求用户立即转化，或在任何程度的严肃使用时就转化。有些产品甚至在用户需要升级前就设置每日使用付费墙，这在 SaaS 领域是闻所未闻的。人们开始付费是因为他们对潜在可能性感到好奇，但他们并未规划这些产品如何长期融入其业务。

我们需要调整衡量留存率（以及 ARR）的方式 ，以便清晰地区分实验性支出和严肃支出，而不是将它们混为一谈。我建议将严肃支出视为来自至少支付了 250 美元的客户的收入。这可以来自预付的年度计划、超过 250 美元的交易金额，或者是长期留存的低消费客户。

留存率 = 持久的 ARR

AI 原生公司一直在打破增长记录，许多公司仅用一年时间就从零增长到 1 亿美元。这确实令人印象深刻。

但当你有越来越多的现有客户每月流失时，维持超高速增长就变得几乎不可能了。有一个术语来描述这种现象：烧穿你的 TAM（总可达市场）。

我将数据集中的 3,500 家软件公司按两个维度进行了分布映射：2025 年 9 月的净收入留存率（NRR）和同比收入增长。

数据显示：

• 总体而言，NRR 与长期增长之间存在非常强的相关性。
• 早期创业公司即使净收入留存率（NRR）低于 40%，也能实现快速增长（200%+）。
• 然而，低留存率的公司面临着增长逆转的极高风险；萎缩的公司数量是快速增长公司的三倍。

从留存率和 ARR 来看，情况更加明显。那些达到 500 万美元 ARR 的公司，相比处于早期阶段的同行，拥有显著更好的总收入留存率和净收入留存率。这其中部分可能是选择偏差；但令人惊讶的是，很大一部分原因在于那些突破性的赢家能够在成长过程中实现自我转型 。

这在 AI 原生公司中已经很明显，尽管样本量开始变小（每个分组约 50 家），这使得数据更具方向性而非统计学上无懈可击。 可持续发展的 AI 原生公司的 GRR 是其早期同行的 2 倍，NRR 是其早期同行的 2.5 倍。

如何应对流失

多年来，我与数十家公司合作改善留存率。作为一名提供每月15美元付费订阅的通讯作者，这也是我正在积极思考的问题。

In my experience the best companies treat churn as a business problem, not a customer success problem. How AI companies can prevent churn:  

1. **瞄准有实际预算的有价值工作流程和使用场景。** AI 产品本身并不一定有高流失率；面向消费者的 AI 包装产品才会。向上游市场迁移通常意味着（a）更深入地嵌入业务工作流程，（b）与更多工具集成，以及（c）相比通用 LLMs 创造更多差异化。

2. **除了 AI 之外还要提供***服务***。** Palantir 以雇佣前线部署工程师为高价值潜在客户原型设计和实施 AI 解决方案而闻名。包括 OpenAI 在内的许多 AI 公司正在效仿 。前线部署工程师弥合了 AI 可能性与客户实际实现之间的差距。正如 a16z 最近所写，前线部署工程师模式以利润率换取护城河 ，从长远来看通常是值得的。

3. **在第一笔交易中停止过度承诺。** AI 能够做的事情有太多愿景。通常更好的做法是从一个明确的问题开始，快速证明价值，然后在未来释放增长机会。这也会带来更快的销售周期，并大幅缩小前线部署工程师的工作范围，使他们能够与更多公司合作。

4. 缩小产品交付与采用之间的差距。Reforge 的 Brian Balfour 最近告诉我 ，他 2026 年的首要任务是如何加速产品采用 ？AI 发布的速度令人眼花缭乱；客户根本跟不上节奏，甚至可能都不知道发生了什么变化。

5. 销售更多年度套餐。 从月度套餐转向年度套餐可能会引发争议。但通常这样做更有利，因为你有更多时间给客户留下深刻印象，而客户也更有动力实施产品。数据显示， 年度套餐的中位数净收入留存率比月度套餐高 10 到 20 个百分点 。具体做法：将年度套餐设为默认选项，在早期（第 2-3 个月）要求升级为年度套餐，并考虑提供更大的折扣（Grammarly 的折扣为 60%）。