AI 流失潮

摘要

ARR（年度经常性收入）并不是 GAAP 指标，却成了 SaaS 指标的基本单位，也是 SaaS 估值倍数的依据。

我们习惯把 ARR 想成（通常）高毛利、可预测且持续增长的收入。也就是说，SaaS 公司（通常）正走在规模化后高度盈利的路上。

AI 初创公司正在逐步打破这个假设。以下这些其实未必是经常性收入，却被当作经常性收入：

• 来自 AI 产品的实验性收入（尚未进入正式生产环境）
• 三个月即可退出的合同，而其中 70-80% 真的退出
• 按用量或按效果计价
• 由 forward deployed engineer 提供的专业服务

AI 初创公司迫使我们重新思考 ARR。毛利率的问题我之前写过。更值得担心的是，AI 收入的可持续性存在真实的疑问。Primary Venture Partners 的 Cassie Young 最近就预测，一场“总留存末日”即将到来。

买方会开始严格审视自己的 AI 实验。AI 观光客会转向下一个热门产品。而随着模型越来越强，大平台将吞掉数十个单薄的 LLM 包装层。

对 AI 应用来说，可持续性是攸关存亡的问题。但这个题目至今仍缺乏客观数据。为了改变这一点，我与 ChartMogul 合作，我在该公司担任 Analyst-in-Residence。

我们抓取了 3,500 家软件公司的网站，并用 AI 将这些公司分类为 B2B SaaS、B2C SaaS 或 AI 原生公司（可能是 B2B 也可能是 B2C）。随后比较了这几组的总收入留存率（GRR）与净收入留存率（NRR）。今天我要分享我们的发现，以及你可以采取哪些行动，来抵御一场可能即将到来的流失潮。

AI 观光客问题

用 AI 完成的抓取产生了一份数据集，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 原生公司同时涵盖 B2B 与 B2C 业务，也包括同时卖给消费者和企业的初创公司。

我先看的是 2025 年间、ARR 至少达到 25 万美元的公司的年化留存率。为什么是 25 万美元：对于客户数少、续约案例也少的极早期初创公司，历史留存数据的可靠性要低得多。

数据显示：

• B2B SaaS 相对黏性较强。NRR 中位数为 82%。（上四分位为 97%。）
• B2C 黏性低得多，增购也极少。NRR 中位数仅 49%。
• AI 原生公司的 GRR 甚至低于 B2C（40%），NRR 则相当（48%）。

乐观的一面是，AI 的留存自年初以来已大幅改善。GRR 中位数从 1 月的 27% 跃升到 9 月的 40%。我猜早期的观光客大多已经离开；留下来的人更投入，或正从实验转入正式使用。

即便如此，整体来看 AI 原生公司仍然不太像我们熟悉且喜爱（并习惯以 ARR 估值）的那些 B2B SaaS 公司。

好买，就好退？

AI 流失潮不会以同样的力度打在每一家 AI 公司身上。低价产品一向吸引更多流失，而在 AI 产品上，这个差距尤其明显。

对抗流失最好的保护，是从消费者和自助购买（月付低于 50 美元的交易）转向规模更大的 B2B 采购。

数据显示：

• 月付超过 250 美元的 AI 原生产品，GRR 为 70%、NRR 为 85%。基本上与 B2B SaaS 相同。
• 月付 50 至 249 美元的 AI 原生产品，GRR 为 45%、NRR 为 61%，比 B2B SaaS 差 15 个百分点。（月付超过 100 美元的 B2C 产品很少。）
• 月付低于 50 美元的 AI 原生产品，GRR 仅 23%、NRR 仅 32%，比 B2B 或 B2C SaaS 都差 20 个百分点。

这就是 AI 包装层的宿命。好买的另一面，就是好退。

我认为这里还有第二个因素。AI 自助用户或许确实在付费，但他们把自己看作“还在试用”。

低价 SaaS 产品通常是免费增值（或反向试用）模式，用户在购买前有充裕时间试用。毛利率超过 80% 时，支撑免费用户不至于拖垮公司。用户会在自己想清楚要买时才升级。而且落差很小：买 SaaS 的人清楚自己买到了什么。

AI 产品的算式不同。每一个 token 都有成本。AI 产品要么立刻催促转化，要么在使用稍微认真起来时就催促。有些甚至在用户需要升级之前，就设下每日用量的付费墙——这在 SaaS 世界前所未闻。人们开始付费，是被“这可能变成什么”的想象所吸引，但他们并没有想过这些产品长期要如何嵌进自己的业务。

我们必须调整衡量留存（以及 ARR）的方式，把实验性支出与认真的支出干净地分开，而不是混在一起。我的建议是：把认真的支出定义为来自“至少已付款 250 美元”客户的收入。这可以是预付的年度方案、金额超过 250 美元的交易，或是花费不高但持续留下的客户。

留存 = 可持续的 ARR

AI 原生公司正在打破增长纪录，许多公司在一年内就从零做到 1 亿美元。这确实令人惊叹。但当你的既有客户群越来越大、每个月又不断走出大门时，要维持超高速增长几乎不可能。这件事有个说法：把自己的 TAM 烧光。

我把数据集中的 3,500 家软件公司放在两个维度上：2025 年 9 月的净收入留存率（NRR）与同比营收增长率。

数据显示：

• 整体而言，NRR 与长期增长之间有非常强的相关性。
• 早期阶段初创公司即使 NRR 低于 40%，仍可能快速增长（超过 200%）。
• 但留存低的公司，增长由正转负的风险极高；正在萎缩的公司数量是快速增长者的三倍。

把留存与 ARR 放在一起看，图景会更清晰。那些做到 500 万美元 ARR 的公司，总留存率与净留存率都明显优于早期阶段的同行。其中一部分可能是选择偏差；但相当大的一部分，是因为真正突围的赢家能够随着增长改造自己。

在 AI 原生公司内部已经能看出这个现象，不过必须承认样本量在这里开始变小（每组约 50 家），因此数据更多是指出方向，而非统计上无可质疑。最好的 AI 原生公司，GRR 是早期阶段同行的 2 倍，NRR 则是 2.5 倍。

面对流失该怎么做

这些年来，我与数十家公司合作改善留存。作为一位经营月付 15 美元付费订阅的电子报作者，这也是我此刻正在认真思考的事。

以我的经验，最好的公司把流失当作经营问题，而不是客户成功的问题。AI 公司可以这样预防流失：

1. 锁定高价值的工作流与使用场景。 AI 产品本质上并不必然高流失，高流失的是面向消费者的 AI 包装层。往上游走通常意味着（a）更深地嵌入业务流程、（b）与更多工具集成，以及（c）与通用 LLM 建立更大的差异化。
2. 在 AI 之外也交付服务。 Palantir 以聘用 forward deployed engineer 著称，让他们为高价值潜在客户搭建原型并落地 AI 方案。包括 OpenAI 在内的许多 AI 公司也开始跟进。FDE 补上了“AI 能做到什么”与“客户真正实现了什么”之间的落差。正如 a16z 最近所写，FDE 模式以毛利换护城河，长期来看通常是值得的。
3. 别在第一笔交易就卖过头。 关于 AI 能做什么的承诺太多了。通常更好的做法是从小开始、快速证明价值，之后再打开增长机会。这也会缩短销售周期，并大幅收窄 FDE 的范围，让他们能服务更多公司。
4. 缩小产品交付与实际采用之间的落差。 Reforge 的 Brian Balfour 最近告诉我，他 2026 年的第一优先是：我们要如何加速产品采用？AI 的发布节奏快到令人眼花，客户跟不上，甚至可能根本不知道有什么变了。
5. 多卖年度方案。 从月付转向年付可能有争议，但通常你会更有利，因为你有更多时间让客户留下深刻印象，客户也更有动力真正把产品用起来。数据显示，年度方案的NRR 中位数比月付方案高出 10 到 20 个百分点。怎么做：把年付设为默认、在早期（第 2 至 3 个月）就提出年付升级，并考虑给更大的折扣（Grammarly 的折扣是 60%）。