AI 流失潮

摘要

ARR（年度經常性收入）並不是 GAAP 指標，卻成了 SaaS 指標的基本單位，也是 SaaS 估值倍數的依據。

我們習慣把 ARR 想成（通常）高毛利、可預測且持續成長的收入。也就是說，SaaS 公司（通常）正走在規模化後高度獲利的路上。

AI 新創正逐漸打破這個假設。以下這些其實未必是經常性收入，卻被當成經常性收入：

• 來自 AI 產品的實驗性收入（尚未進入正式生產環境）
• 三個月即可退出的合約，而其中 70-80% 真的退出
• 依用量或依成效計價
• 由 forward deployed engineer 提供的專業服務

AI 新創迫使我們重新思考 ARR。毛利率的問題我先前寫過。更值得擔心的是，AI 收入的持久度存在真實的疑問。Primary Venture Partners 的 Cassie Young 近期就預測，一場「總續留末日」即將到來。

買方會開始嚴格檢視自己的 AI 實驗。AI 觀光客會移動到下一個熱門產品。而隨著模型愈來愈強，大型平台將吞掉數十個單薄的 LLM 包裝層。

對 AI 應用來說，持久度是攸關存亡的問題。但這個題目至今仍缺乏客觀數據。為了改變這件事，我與 ChartMogul 合作，我在該公司擔任 Analyst-in-Residence。

我們蒐集了 3,500 家軟體公司的網站，並用 AI 將這些公司分類為 B2B SaaS、B2C SaaS 或 AI 原生公司（可能是 B2B 也可能是 B2C）。接著比較這幾組的總收入續留率（GRR）與淨收入續留率（NRR）。今天我要分享我們的發現，以及你可以採取哪些行動，來抵禦一場可能即將到來的流失潮。

AI 觀光客問題

以 AI 進行的蒐集產生了一份資料集，包含約 2,700 家 B2B SaaS 公司、600 家 B2C SaaS 公司與 200 家 AI 原生公司。AI 原生公司同時涵蓋 B2B 與 B2C 業務，也包含同時賣給消費者與企業的新創。

我先看的是 2025 年間、ARR 至少達到 25 萬美元的公司的年化續留率。為什麼是 25 萬美元：對於客戶數少、續約案例也少的極早期新創，歷史續留數據可靠度低得多。

數據顯示：

• B2B SaaS 相對黏著。NRR 中位數為 82%。（上四分位為 97%。）
• B2C 黏著度低得多，加購也極少。NRR 中位數僅 49%。
• AI 原生公司的 GRR 甚至低於 B2C（40%），NRR 則相當（48%）。

樂觀的一面是，AI 的續留自年初以來已大幅改善。GRR 中位數從 1 月的 27% 躍升到 9 月的 40%。我猜早期的觀光客多半已經離開；留下來的人更投入，或正從實驗轉入正式使用。

即使如此，整體來看 AI 原生公司仍然不太像我們熟悉且喜愛（並習慣以 ARR 評價）的那些 B2B SaaS 公司。

好買，就好退？

AI 流失潮不會以同樣的力道打在每一家 AI 公司身上。低價產品向來吸引更多流失，而在 AI 產品上，這個落差特別明顯。

對抗流失最好的保護，是從消費者與自助購買（月付低於 50 美元的交易）轉向規模更大的 B2B 採購。

數據顯示：

• 月付超過 250 美元的 AI 原生產品，GRR 為 70%、NRR 為 85%。基本上與 B2B SaaS 相同。
• 月付 50 至 249 美元的 AI 原生產品，GRR 為 45%、NRR 為 61%，比 B2B SaaS 差 15 個百分點。（月付超過 100 美元的 B2C 產品很少。）
• 月付低於 50 美元的 AI 原生產品，GRR 僅 23%、NRR 僅 32%，比 B2B 或 B2C SaaS 都差 20 個百分點。

這就是 AI 包裝層的宿命。好買的另一面，就是好退。

我認為這裡還有第二個因素。AI 自助用戶或許確實在付費，但他們把自己視為「還在試用」。

低價 SaaS 產品通常是免費增值（或反向試用）模式，用戶在購買前有充裕時間試用。毛利率超過 80% 時，支撐免費用戶不至於拖垮公司。用戶會在自己想清楚要買時才升級。而且落差很小：買 SaaS 的人清楚自己買到什麼。

AI 產品的算式不同。每一個 token 都有成本。AI 產品要麼立刻催促轉換，要麼在使用稍微認真起來時就催促。有些甚至在用戶需要升級之前，就設下每日用量的付費牆——這在 SaaS 世界前所未聞。人們開始付費，是被「這可能變成什麼」的想像所吸引，但他們並沒有想過這些產品長期要如何嵌進自己的業務。

我們必須調整衡量續留（以及 ARR）的方式，把實驗性支出與認真的支出乾淨地分開，而不是混在一起。我的建議是：把認真的支出定義為來自「至少已付款 250 美元」客戶的收入。這可以是預付的年度方案、金額超過 250 美元的交易，或是花費不高但持續留下的客戶。

續留 = 可持續的 ARR

AI 原生公司正在打破成長紀錄，許多公司在一年內就從零做到 1 億美元。這確實令人驚嘆。但當你的既有客群愈來愈大、每個月又不斷走出大門時，要維持超高速成長幾乎不可能。這件事有個說法：把自己的 TAM 燒光。

我把資料集中的 3,500 家軟體公司放在兩個維度上：2025 年 9 月的淨收入續留率（NRR）與年對年營收成長率。

數據顯示：

• 整體而言，NRR 與長期成長之間有非常強的相關性。
• 早期階段新創即使 NRR 低於 40%，仍可能快速成長（超過 200%）。
• 但續留低的公司，成長由正轉負的風險極高；正在萎縮的公司數量是快速成長者的三倍。

把續留與 ARR 一起看，圖像會更清楚。那些做到 500 萬美元 ARR 的公司，總續留率與淨續留率都明顯優於早期階段的同儕。其中一部分可能是選擇偏誤；但相當大的一部分，是因為真正突破的贏家能夠隨著成長改造自己。

在 AI 原生公司內部已經看得出這個現象，不過必須承認樣本數在這裡開始變小（每組約 50 家），因此數據偏向指出方向，而非統計上無可質疑。最好的 AI 原生公司，GRR 是早期階段同儕的 2 倍，NRR 則是 2.5 倍。

面對流失該怎麼做

這些年來，我與數十家公司合作改善續留。作為一位經營月付 15 美元付費訂閱的電子報作者，這也是我此刻正在認真思考的事。

依我的經驗，最好的公司把流失當成經營問題，而不是客戶成功的問題。AI 公司可以這樣預防流失：

1. 鎖定高價值的工作流程與使用情境。 AI 產品本質上並不必然高流失，高流失的是面向消費者的 AI 包裝層。往上游走通常意味著（a）更深地嵌入業務流程、（b）與更多工具整合，以及（c）與通用 LLM 建立更大的差異化。
2. 在 AI 之外也交付服務。 Palantir 以聘用 forward deployed engineer 著稱，讓他們為高價值潛在客戶打造原型並落地 AI 方案。包括 OpenAI 在內的許多 AI 公司也開始跟進。FDE 補上了「AI 能做到什麼」與「客戶真正實現了什麼」之間的落差。正如 a16z 近期所寫，FDE 模式以毛利換護城河，長期來看通常划得來。
3. 別在第一筆交易就賣過頭。 關於 AI 能做什麼的承諾太多了。通常更好的做法是從小開始、快速證明價值，之後再打開成長機會。這也會縮短銷售週期，並大幅收窄 FDE 的範圍，讓他們能服務更多公司。
4. 縮小產品交付與實際採用之間的落差。 Reforge 的 Brian Balfour 最近告訴我，他 2026 年的第一優先是：我們要如何加速產品採用？AI 的發布節奏快到令人眼花，客戶跟不上，甚至可能根本不知道有什麼變了。
5. 多賣年度方案。 從月付轉向年付可能有爭議，但通常你會更有利，因為你有更多時間讓客戶留下深刻印象，客戶也更有動力真正把產品用起來。數據顯示，年度方案的NRR 中位數比月付方案高出 10 到 20 個百分點。怎麼做：把年付設為預設、在早期（第 2 至 3 個月）就提出年付升級，並考慮給更大的折扣（Grammarly 的折扣是 60%）。