做AI产品观察这几年我越来越觉得月活数已经成了这个行业的“体温计”。无论是翻聊天记录、刷行业群、看各家发布会通稿几乎所有人开口就是MAU动辄就是“某某应用月活突破X亿”。尤其最近一个季度几家国产大模型应用的月活数据打得有来有回下载榜、热搜榜、资本故事里四处都是“流量”二字。上周我拿到某数据监测平台整理的一份头部AI应用流量报告顺手把市面上四款代表性产品的近半年月活走势拉出来对比了一遍发现水面下的东西远比“谁第一、谁第二”那个名次热闹得多。这篇文章就把那组表格背后的门道一条条拆开讲清楚也顺便说说我自己平时判断一款AI产品“真实热度”的方法论。如果你在产品、运营、投研相关岗位或者只是对AI应用赛道的现状好奇都可以花几分钟读一遍。先统一一个表述习惯为了保护不同厂商各自的数据口径和发布节奏下文不直接点名统一用“应用甲、乙、丙、丁”代称。经常刷AI资讯的朋友看完特征描述基本都能对上号。1. 先把数据摊开四款头部AI应用的真实月活水位1.1 这份数据的来源与口径说明先说清楚我这组数据是怎么凑出来的。直接引用单一统计平台的数据会有方向性偏差所以我主要以公开渠道可查的月度移动互联网报告为底再用应用商店下载量、站内搜索指数、开发者社区讨论热度做交叉验证最后给出一个“中枢估算值”。口径统一为“当月活跃用户数MAU”也就是30天内至少打开过一次App的不重复用户。Web端、小程序端的活跃用户单独列出不混进App数值里避免误导判断。这里必须提醒一下不同监测平台给同一款产品报出来的MAU差距20%以上太正常了。有的平台按设备去重有的按账号去重有的计入小程序和Web有的只统计独立App还有的会包含API调用的企业用户。所以你看任何榜单第一件事不是看名次而是看口径。口径不对排名再高也没有横向比较的意义。1.2 四款应用的月活、黏性与增长斜率对照为了直观我把四款产品某个月份的数据整理成了下面这张简表。表中数值为综合估算区间不是官方披露数字重点看相对关系和结构特征。代称MAU中枢估算环比增幅DAU/MAU人均月使用时长主要活跃阵地应用甲2.6亿12%18%约52分钟App Web端加权应用乙1.9亿28%31%约76分钟App 小程序应用丙1.2亿6%22%约41分钟App 办公生态内嵌入口应用丁0.9亿9%35%约88分钟App 开发者工具/API调用先看总量。应用甲的MAU水位最高中枢在2.6亿上下放在整个移动互联网应用池子里也是一个非常夸张的数字。应用乙紧随其后1.9亿环比增幅四家里最大达到28%。应用丙在1.2亿附近增长明显放缓。应用丁体量最小但DAU/MAU达到35%人均时长也最高属于典型“少而精”的曲线。1.3 从数据看第一层信号谁在涨谁在横盘把环比和黏性放在一起看很多信息就出来了。应用甲MAU绝对值高但DAU/MAU只有18%这意味着大量用户是“来过一下”的状态——可能因为某个热点事件、某次榜单话题下载体验之后30天里只打开了一两次。应用乙的曲线则平滑很多28%的环比背后靠的是入口导流用户是被日常场景一次次带进来的所以DAU/MAU能到31%。应用丙几乎横盘6%的增幅基本可以视为自然增长新客获取处于瓶颈。应用丁虽然盘子小但35%的DAU/MAU说明剩下的人里多数是高频使用者人均时长88分钟也是四家里最高的。一个容易被忽略的细节是MAU是“广度”指标DAU/MAU才是“深度”指标。一个应用有2.6亿月活听起来很吓人但如果其中80%的人每月就来一次那它本质上还是一个“打卡型工具”而不是“高频日用”。反过来0.9亿月活拿下35%的日活率说明这批用户已经把产品当成工作流的一部分这种用户质量在后续商业转化里的价值往往比表面体量大很多。2. 月活差异的本质四条获客路径各赢在哪儿2.1 应用甲技术出圈带来的“好奇型流量”应用甲的流量逻辑典型是技术社区驱动。它的出圈路径和传统移动App完全不同先在开发者社区、技术评测圈里形成口碑再通过开源权重、推理能力展示、各种实测对比的视频扩散到普通用户群。这个链条是“技术人先验证普通人后跟风”转化速度极快而且自带信任状——用户不是因为广告进来而是因为“别人真的用它解决了问题”被吸引进来。这种增长的好处是成本低、传播快、品牌势能强坏处是流量结构偏“一次性”。很多用户是因为好奇心下载试过几次对话、玩过一两个新功能后就放那儿了。应用甲DAU/MAU只有18%根源就在这。靠技术事件引爆的流量天然带着“围观”性质围观完是要散场的。想把这批人转化成高频用户产品得从“能聊”进化到“能帮我干活”这是难度更大的一步。2.2 应用乙超级入口导流的“场景型流量”应用乙走的是另一条路把AI助手塞进你每天都会打开的超级App里。短视频刷到一半需要文案、看小说时想要总结、搜索某个问题顺便问一句这些场景都是它的入口。用户的每一次点击都不需要专门去App商店里搜索而是“顺手”就用了。这带来的结果是获客成本极低、初始量能铺得非常快曲线是一条平滑向上的直线没有明显的波峰波谷。但这条路线也有代价。入口导流进来的用户带着很明确的即时任务“查一下”“写一个”“翻一下”是主要诉求任务完成就退出。这类用户的DAU/MAU能做到31%说明场景足够日常但人均时长并不算突出因为每一个单次会话都很短。入口能解决“从0到1”的拉新问题解决不了“从1到100”的深度使用问题。后续能不能让用户从“用完即走”变成“有事就来”才是真正考验产品能力的地方。2.3 应用丙与应用丁关系链与企业市场的另类打法应用丙的月活增长不快但非常稳。它的核心打法是把AI能力嵌进社交和办公生态里开会要自动总结、群聊里要快速答疑、文档要一键润色这些使用场景本身就长在关系链上。用户不是因为“有个AI应用”来的而是因为在办公过程中“绕不开它”。这种流量特点是忠诚度高、流失率低缺点则是天花板受限于存量办公用户的数量破圈能力弱所以6%的环比增幅符合预期。应用丁则干脆走了一条to C的表象、to B的里子路线。公开数据里它的C端App月活不算高但大量使用发生在开发者工具、API调用、私有化部署环境中。企业IT部门把它接进内部系统员工每天都调这些人通常不会被市面上的榜单统计成App MAU但使用频率和时长都极其健康。应用丁35%的DAU/MAU与88分钟的人均时长很大程度就是这批企业级用户贡献的。这个体量的月活对应的是“离钱最近的用户”。四条线路归纳起来其实一句话流量江湖的底层不是运营神操作而是“你手上本来有多少条水渠”。技术社区能给你口碑超级入口能给你规模办公与社交关系链能给你稳定企业市场能给你转化。不存在哪条路径绝对最好只有跟产品基因匹配不匹配的问题。3. 月活数字里你看不到的水分口径、去重与拉活手段3.1 MAU计算方式可以差出一倍我说过不同平台MAU能差出20%实际上操作空间远不止20%。MAU的定义是“30天内活跃的用户数”但“活跃”两个字怎么理解各家完全不一样。有的平台只统计App启动有的把Web端H5也纳入有的把小程序常驻用户算上有的只算登录用户还有的会把SDK调用当成活跃信号。举一个行业里常见的例子某款应用单独看App端月活排名进不了前三但把Web端和小程序入口的用户加进来之后总量一下子跳到了第一。于是对外宣传稿就可以很巧妙地说“全网累计用户突破X亿”。这句话严格来说没错但它和“月活排名第一”完全不是一个意思。所以当你听说某产品月活又创新高的时候脑子里要立刻反射出三个问题统计的是App还是全网去重了没有含不含企业调用这三个问题不搞清楚数字就是云里雾里。3.2 DAU/MAU比值才是真正残酷的体检指标DAU/MAU行业内也叫“用户黏性指数”直观含义是“平均每个用户每月活跃多少天”。30%的DAU/MAU意味着月均活跃9天35%大概10天多一点18%等于每月平均只打开5-6次。用这个标尺量上面四款产品大部分焦虑都能被照出来。拿其他行业的经验做参照头部社交App的DAU/MAU普遍在50%以上短视频应用也常年维持在三成以上工具类应用大多在20%上下。AI对话助手当前整体处于“工具向高频日用品过渡”的阶段想站稳脚跟至少要摸到30%这条线。低于20%的产品无论MAU多大都需要警惕用户是“被拉来的”不是“自己要来的”。高于35%的产品则可以认为已经形成某种程度的工作流依赖。顺带提一个细节AI应用里的人均时长含义跟视频应用很不一样。短视频的时长代表沉浸和消磨AI应用的时长可能是多轮对话、深度推理也可能是网络卡顿和生成等待。所以看AI应用指标时长只能参考更该看的是“人均会话轮数”和“人均任务完成次数”。一个用户在里面发呆半小时和一个用户半小时完成十次有效问答对产品的价值完全不同。3.3 常见的“面子式拉活”套路月活数字是可以被“做”出来的这里说几个行业内常见但不适合写进PR稿的手段。第一种是预装合作手机出厂自带、系统级推荐位能直接抬高一波激活量但用户激活后也可能永不打开。第二种是广告买量push轰炸把卸载过的用户通过短信、系统通知重新唤回哪怕回来一秒钟也算当天活跃。第三种是签到积分、免费领取会员时长用“小恩小惠”换用户每天登录。第四种是短期免费体验活动期内用户涌入活动一结束就走掉。怎么识破这些手段一套简单的自查方法连续三个月看MAU环比增幅有没有超过20%。如果一款产品没做重大版本更新、没有明星事件、没有大型投放却连续三个月高增长多半是买量或者拉活堆出来的。再看下载量增速和MAU增速是不是匹配下载量没怎么涨但MAU猛涨说明用户在“被唤回”而不是“新进来”。最后看卸载率买量和预装得来的用户卸载率通常高得吓人。4. AI应用流量争夺的三个阶段从尝鲜红利到场景留存4.1 阶段一谁先发布谁就有流量AI应用的第一波流量争夺本质是“概念红利期”。大模型能力刚开放给大众的时候谁家的应用先上线、谁先生成一段引起传播的对话截图、谁能在榜单上占据一个高名次谁就能吃到巨大的尝鲜流量。这个阶段有个非常明显的数据特征MAU与搜索指数高度相关热搜一起月活立刻上一个台阶。用户的行为动机是“想看看AI到底有多神”而不是“想解决什么具体问题”。这个阶段做出来的月活含金量是最低的。尝鲜用户在体验完“首轮震撼”之后对产品的理解还是“一个会说俏皮话的聊天机器人”。一旦新鲜感消退留存曲线就直线往下掉。很多产品在早期拿到百万、千万月活次月掉一半都不奇怪。所以我不太建议把早期月活当成核心竞争力它更像是产品技术能力的“品牌广告费”。4.2 阶段二补贴和入口能换来的月活开始失效进入第二阶段各家生态选手陆续下场流量争夺的主题变成了“入口补贴”。你免费送会员我也送你在超级App里给一级入口我就把AI助手塞进工作群和文档里。这一阶段MAU会呈现出阶梯式攀升每一次大动作都带来一波增长但补贴一停、活动一结束增长就会明显回落。为什么失效因为用户已经被教育过一轮了。早期尝鲜期用户多少带着宽容心觉得“AI不完美但有意思”到了竞争期用户的预期变成了“你得比我自己动手做这件事更快更准”。单纯靠免费、靠入口曝光已经不能弥补产品能力的差距。数据上体现为整体行业的拉新成本开始抬升但新增用户的次日留存率普遍不高行业均值一度只有10%-15%。这个阶段拼的不是谁有钱而是谁能在用户“顺手用一次”之后让他记住“这东西还真能解决我的问题”。4.3 阶段三场景、记忆与Agent决定下一个分层眼下第四家产品正在进入第三个阶段场景留存期。决定月活天花板的不再是下载量而是产品能不能嵌入用户真实的工作和生活流程。举例来说一个AI助手如果能同步日历、读取邮件、理解历史聊天记录、替用户完成跨应用的操作那它就从“聊天工具”变成了“数字工作搭子”。这种产品使用频率不会像短视频那么夸张但一旦形成使用习惯切换成本极高。这个阶段的数据指标也会跟着变。MAU增速可能放缓但DAU/MAU会持续走高人均会话轮数、任务完成率、意图命中率会变成更受关注的核心指标。我判断未来半年AI应用的曲线会越来越像传统工具型SaaS长期稳定、小幅波动而不是短视频那种无限上升的陡峭曲线。因为AI主要解决的是“问题—解决”的闭环问题数量有天花板但每次解决的质量决定了用户回不回来。5. 我读这组月活数据后最想提醒的三件事5.1 月活是结果指标不是增长指标很多团队开会的时候开口就是“这个月MAU涨了多少”。但MAU是多种因素的合成结果它不能告诉你增长是从哪儿来的。正确拆法是把月活分解成“新增×留存×唤回”只有连续追踪这几个中间指标才知道涨是涨在新增、还是涨在留存、还是靠买量唤回老用户。我给团队定的判断公式是这样的真实热度约等于新增用户数乘以次日留存、7日留存、月留存三个留存率的叠加结果。单看MAU总量等于只看考试成绩不看学习方法分数高不代表能力扎实。5.2 “流量江湖”的终局取决于使用频次而非下载量接下来半年到一年AI入口会发生一次肉眼可见的分散。系统级AI助理、各类Agent中间层、硬件终端内置模型都会把独立App的活跃切走一大块。到时候单纯比较“某应用App月活”可能越来越没有意义因为很多用户根本没下载App而是在各类工具里间接使用模型能力。但今天这组月活数据仍然重要——它反映的是用户心智占位。哪家App先把“有问题找它”这个心智植入用户哪家未来在Agent分发和生态谈判里就更主动。所以我建议别只顾着看总量排名多留意“用户在什么场景下打开它”和“用户一个月真正打开几次”这两件事才是终局竞争的底牌。5.3 给产品、运营、投资朋友的三组自查动作如果是产品经理先别急着追高MAU把DAU/MAU做到30%以上是第一个里程碑。然后把“人均会话轮数”和“有效任务完成率”列入周报这两项直接反映产品有没有真的被用起来。如果是运营同学建议每月拆一次渠道来源占比和卸载率。新增来源里如果自然搜索和口碑传播占比低于30%说明增长引擎还没建起来补贴一停就会现原形。如果是做投资的朋友少看单月MAU的新闻稿多拉连续6个月的DAU/MAU曲线。判断一家AI应用值不值得投不是看它跑得最快的时候有多快而是看它增速放缓之后还能留下多少人是每天都在打开它的。手头没有专业数据平台的话也可以自己做一个快速验证打开应用商店看这款产品最近三个月有没有稳定更新版本、评论数量是否在持续增长、评论区用户的真实反馈是夸体验还是骂卡顿再去搜索指数里看它的热度有没有伴随产品迭代波动。这三个动作做完基本能判断一个产品是“在真实增长”还是“活在PR里”。把数据合上之后我最大的感受是AI应用的流量战争越来越像传统移动互联网又处处不像。传统App能用补贴和入口圈地跑马AI应用却必须面对一群被大半年市场教育得预期极高的用户。哪家能在月活的光鲜外衣下先把留存和场景做扎实哪家才真正拿到下一张牌桌的入场券。盯着某个产品的月活数字发呆的时候不妨按我上面说的方法把数据拆开再看一次大概率会得出全新判断。