产品上线后用户来了又走，是增长团队最揪心的事。拉新花了钱，可次留低、转化断，漏斗每一层都在漏。更麻烦的是，团队常说要“做增长”，却说不清用户从哪一步开始流失、哪类人留得住，动作全靠拍脑袋，复盘永远慢一拍。
用 AARRR 把增长拆成五段
增长不是一句口号，而是一条可测量的链路。用 AARRR 框架把用户旅程拆成获取、激活、留存、收入、推荐五段，先找出哪一段掉得最狠。模型可以帮你把埋点数据和访谈记录整理成每段的问题清单，让人一眼看到该先补哪块，而不是平均用力。不少团队每天喊增长，却连基础漏斗都没画过，哪里漏全凭感觉。先把每段的定义和口径对齐，比如激活算到哪一步、留存按几天算，口径乱了后面再努力也难比较。
留存与转化漏斗的优化流程
锁定薄弱段后，用 AI 辅助想实验方案。比如针对激活低，让模型基于新用户行为写几版引导文案和触达节奏；针对留存差，生成分层召回的内容序列。可复用这样一个提示词模板：“针对某功能激活率低，给出三个低成本的引导实验，说明假设与衡量指标。”小实验快速跑，用真实数据留优去劣。别一上来就大改产品，先用低成本的文案和触达实验验证假设，错了损失也小。把每次实验的假设、做法和结果都记下来，团队才能在同一张地图上迭代，而不是各改各的。
用户数据合规与边界
做留存和推荐分析，要用到大量行为数据，前提是采集已获授权、用途已告知。敏感信息脱敏后再进模型，跨团队共享时按岗位控权限。涉及推荐裂变时，更要把用户授权和奖励规则讲清楚，避免诱导分享。把数据合规写进增长实验的上线清单，增长才可持续。
内容审核与预期管理
模型生成的引导文案和召回话术必须人工把关，避免夸大或骚扰式推送，频次和措辞都要克制。同时管理好预期：AI 帮的是发现问题和提速实验，不保证每个实验都正向。建议把“找薄弱段、出实验、看指标、留优去劣”做成双周循环，用数据说话，增长才不会变成反复试错。
常见问题
问：资源有限的小团队，AI 增长先盯哪一段？
答：先盯留存和激活，因为这两段直接决定花出去的拉新钱值不值。用 AI 把新用户前七天的流失点找出来，针对最痛的一步做轻量引导实验，往往比继续加投放更划算。等留存稳了，再考虑放大获取和推荐。
把 AI 增长理解为“用数据找漏点、用小实验补洞”的循环，而不是单点爆破的魔法。下一步可这样做：先用 AARRR 画出你的漏斗并标出最弱一段；针对它跑一个低成本实验；两周后看指标变化再决定放大还是换方向。持续小步快跑，增长才会扎实。别被单周波动吓到，重点看趋势是否向上，用一段时间的曲线代替某一天的涨跌做判断。
