SaaS留存生死线：算口径、压缩TTFV与建健康分预警

多数 SaaS 公司死掉时，尸检报告写的死因是获客不力，可真正杀死一家公司的多数时候是流失。增长报表记录进来的钱，对离开的钱保持沉默；MRR 每月都在涨，没人低头看桶底的洞。判断一家 SaaS 的健康程度，先看流失，再看增长。

多数 SaaS 公司死掉的时候，尸检报告上写的死因是获客不力。创始人复盘时列举的理由都很充分：流量贵了，市场冷了。这些话都对，也都遮住了真凶。真正杀死一家 SaaS 公司的，多数时候是流失。

SaaS 的增长报表有个特点，它记录进来的钱，对离开的钱保持沉默。MRR 每个月都在涨，投资人每个季度都满意。所有人盯着曲线的斜率，没人低头看桶底。桶上有一个洞，洞还在慢慢变大。

往漏水的桶里倒水，倒得越快，越像在增长。这是这个行业最温柔的错觉，热闹盖住了失血。等水位开始下降，通常已经错过了修补的时机。

判断一家 SaaS 公司的健康程度，先看流失，再看增长。顺序反了，看见的就是幻象。

01 获客决定你跑多快，留存决定你能跑多久

SaaS 做的是租赁生意。客户按月或按年付费，买的是一份持续可用的承诺。这门生意的特殊之处在于时间错位：获客成本在当下一次性付清，客户收入要在未来分期回来。销售签下一单，钱先流出去，市场费用加销售提成当场结清，实施还得倒贴人力进去。收入呢，慢慢收。收多少，取决于客户留多久。

这个模式对流失率的敏感程度，反常识。

流失率是复利。月流失 2%，单月看无伤大雅，一年下来留存约 78%，等于每年丢掉约五分之一的客户。月流失 5% 呢，一年留存只剩约 54%，接近半数客户消失。这两个数字之间，隔着一整条生死线。

算一笔账。假设获客投入相同，客单价相同，客户的平均寿命约等于月流失率的倒数。月流失 2%，客户平均陪你 50 个月；月流失 5%，只剩 20 个月。同样的获客投入，LTV 直接缩水六成，CAC 回收周期从一年出头拖到遥遥无期。你花的每一分获客钱，都在为一个更快离开的客户买单。

更麻烦的是，流失在增长期不报警。为什么？新客户涌进来的声音，盖过了老客户离开的声音，报表上 MRR 还在涨。一旦融资收缩、获客减速，问题会以所有人都没准备好的速度显现。2022 年之后倒下的一批 SaaS 公司，多数死于这个时差：增长止住的那一刻，才发现流失早已掏空了家底。

所以，把这句话写进经营分析会的第一页：获客决定你跑多快，留存决定你能跑多久。跑得快又漏得快的公司，本质上在替竞争对手培养客户。

02 你用什么口径算流失，就会看见什么样的公司

流失率的第一个分岔：按客户数算，还是按金额算。两者经常背离。某个月走掉 20 个小客户，进来 1 个大客户，按客户数算是惨败，按金额算反而是大捷。只盯一个口径，等于只看了一半的事实。

第二个分岔：毛流失与净流失。GRR 只算流失和降级造成的收缩，NDR 把增购与升级加回来。NDR 做到 110% 的公司，老客户贡献的收入比上一年多了 10%，报表漂亮得可以裱起来。但 NDR 超 100% 有很强的欺骗性，它说明留下的人爱你，也说明离开的人已经走了。增购把流失遮住了，病灶还在，并且在生长。行业里那些 NDR 超过 120% 却突然爆雷的公司，问题多半早就写在毛流失的数字里，只是没人去看。

还有一层换算的陷阱：月度与年度。有的公司对外讲年流失 10%，听着温和，换算成月度约 0.8%，确实健康。有的讲年流失 40%，换成月度约 4.2%，听感立刻凶险。同一件事，换个计量单位，观感天差地别。看一家公司的流失，先统一口径，再谈好坏。

年付合同则让流失迟到，但从不缺席。客户 3 月签了一年，7 月就停止使用了，账面上的流失要等到次年 3 月才显形。中间这八个月，报表讲的是一个已经离开的人还在付钱的故事。B 端公司尤其容易因此误判，签约季的数据越好看，续约季的数字越难看。

说到底，算法决定你看见什么。只按收入算，看不见小客户的批量死亡，等大客户的增购停下来，收入就露出断崖。只按客户数算，会低估大客户流失的杀伤力，走掉一个头部客户，抵得上几十个小客户。两个口径都算，毛的净的都摊开，才算把这家公司看全了。

03 客户续约，续的是习惯与依赖

把流失归因于产品不好，是最省事的结论，也是最偷懒的。真实的离开，多数发生在产品之外，或者发生在价值被感知之前。

先说价值感知之前。用户注册了，登录之后点了两下，然后去开会了。这个产品能帮他什么，他还没体验到，续约与否的判决其实已经下了。行业里有个指标叫首次价值时间，TTFV，从注册到第一次真切的爽感隔了多久。隔得越久，流失越狠。多数产品的激活鸿沟都太宽，教程长到没人看得完，配置一套走完要好几周，用户在见到价值之前就耗尽了耐心。他离开的时候说不出产品哪里不好，他只是从来没走到好那里。

再说产品之外。B 端客户的续约决策，常常系在一个人身上，就是当初力排众议采购你产品的那位，行业里叫他 champion。哪天他调岗或离职，新官对旧系统天然无感，续约季就变成了分手季。这类结构性流失，产品做得再好也拦不住一部分。能拦住多少，取决于产品在他离开之前扎得有多深。

说穿了，客户续约，续的是习惯与依赖。产品扎进工作流，数据在里面沉淀，日常协作绕着它展开，搬走的成本高到令人犹豫，这才叫安全。产品停在工具层面，用也可，不用也可，预算一紧，它就是第一个被砍的。工具的逻辑是被使用，根的逻辑是缠绕。

04 模型能力外溢时，薄壳产品第一个被穿透

AI 把流失问题推向了极端。据 a16z 的分析，头部 AI 应用的月流失率约 14%，是传统 SaaS 的两倍以上。传统 SaaS 拼命把年流失压进 10% 以内，AI 产品一个月流掉的，比人家一年还多。

原因不难理解。AI 产品的订阅几乎没有摩擦，邮箱一填就能用，信用卡一绑就开始付费。订阅无摩擦，取消也无摩擦，来得快的东西，去得也快，走的时候连个招呼都不打。用户对 AI 产品的期待，还被基础模型的迭代不断抬高，今天的惊艳，三个月后就是标配，价格还在一路下探。

看两个例子，一个往下掉，一个站得稳。

Jasper 曾经是 AIGC 营销写作的标杆，估值一度超过 10 亿美元。它的核心能力建在 GPT-3 之上，ChatGPT 发布后，通用模型直接对公众开放，Jasper 的价值感被瞬间稀释。客户花更少的钱能拿到差不多的结果，流失随之而来，团队规模也大幅收缩。这个案例的教训值很多钱：套壳式 AI 产品的问题，出在壳与模型之间的那层差值。模型能力外溢时，差值归零，薄壳第一个被穿透。

再看活得好的那一批。Harvey 做法律 AI，进律所的方式是深度部署，年约起步，嵌进案件检索和文书生产，尽调流程围着它重新组织，律师的日常离开它会变慢。它的流失率远低于 AI 行业的平均水平，客户按年续，按席位扩。Cursor 走的路类似，它长进了工程师的手指记忆，写代码的肌肉动作里有一半是它，换掉它等于重新训练自己的一双手。这两个产品留得住客户，共同原因在于交付结果。工具比价的对手是同类工具，结果比价的对手几乎没有。

这背后是同一个变化：AI 时代 SaaS 的价值边界，正在从管流程走向做判断、给结果。管流程的产品，客户买的是效率，效率永远有人卖得更便宜。做判断给结果的产品，客户买的是产出，产出难以比价。前者在流失率面前毫无遮拦，后者把留存变成了生意的底座。

05 好留存是设计出来的

流失可治，前提是力气用对地方。

先把流失拆成两堆。客户倒闭了，预算被整个砍掉，这类结构性流失管不了，认。产品没激活，价值从未被感知，这类经营性流失，责任全在自己。把归因表建起来，每季度复盘一次，力气只花在第二堆。很多公司的流失治理没有效果，根源是把两类混在一起治，对着治不了的使劲，对治得了的没劲。

盯住前 90 天。激活率是流失率的先行指标，90 天内没有完成关键动作的新客户，续约概率会掉进另一个档位。要做的就一件事，压缩首次价值时间。Onboarding 砍到最短，配置尽量交给自动化，第一个价值时刻能往前挪多少就挪多少。Onboarding 里最贵的成本是用户的耐心，耐心耗完了，产品再好也与他无关。

把产品嵌进工作流。工具被使用，流程被依赖，两者的留存能力差一个量级。数据沉淀在里面，协作关系靠它运转，客户想搬走，得连人带流程一起搬。做产品规划时要问一个问题：这个功能让客户更离不开我们了吗？答案如果是中性的，这个功能对留存的贡献就是零。

建健康分预警。等客户开口说要走再去挽留，成功率极低。流失有先兆。登录频率先掉下来，功能使用的广度跟着收窄，到最后连关键动作都停了。这些信号会提前一到两个季度出现，多数团队要等收到解约邮件，才想起来翻数据。给每个客户算健康分，CSM 资源按风险分层投放，标红的客户每周跟一次。救火不如防火，防火的关键，是把有限的服务资源押在最可能出事的客户身上，均匀撒网听着公平，其实是浪费。

AI 产品要多走一步：卖结果。月订阅模式天然高流失，破局方向有两个。一是从卖工具转向卖结果，按产出计费，与效果挂钩，客户为拿到手的东西付钱，价值感知每天刷新。二是从月订阅走向年约与深度部署，把定价周期拉长，把实施做重，让产品在合同期内嵌进客户的日常运转。一句话，把“用不用随你”改成“离了不好过”。

增长可以买来，留存买不来。营销预算能堆出几个热闹的月份，堆不出一季安静的续约。热钱在的时候，资本市场看增长曲线讲故事；钱一紧，所有人只看一件事，你的老客户明年还在不在。

一家 SaaS 公司真正的护城河，写在续约率里，写在客户每天打开它的习惯里。什么时候客户愿意说出那句最难听到也最值钱的话，这家公司才算真正安全。那句话是：这个系统，我们离了不行。

本文由人人都是产品经理作者【简单有道】，微信公众号：【简单有道】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。

题图来自Unsplash，基于 CC0 协议。