DAU不再适用于衡量AI产品的成功，这篇文章揭示了5个关键指标——从Token价值转化率(LTV-T)到提示词摩擦效率(PFE)，帮助你真正评估AI产品是否在创造价值而非浪费算力。通过真实案例和数据分析，作者分享了如何量化用户惊喜时刻、降低产品不友好度、提升任务闭环触发率的实操方法论。

前言：为什么 DAU 在 AI 时代失效了？

最近和几个做AI产品的朋友聊天，发现大家还在用移动互联网那套指标看数据。早上一来就刷DAU，晚上盯着留存率，开会时把这些数字念得震天响。但仔细一问，用户虽然每天都来，却没几个真正完成任务的。这让我想起去年做的一个对话类产品，DAU看着很漂亮，结果一看后台日志，全是用户在反复输入”换一个””再生成一次”这种无效操作

移动互联网时代，DAU确实是个硬指标。用户每天打开App，哪怕只是刷几分钟信息流，对平台来说都是价值。因为那时的产品逻辑是”占领用户时间”，时长就是金钱。但AI产品完全不一样啊，用户不是来打发时间的，他是带着具体问题来的。你想想，如果一个用户每天打开你的AI工具十次，每次都因为结果不满意而重新调整提示词，这到底是留存好还是产品烂

我见过最夸张的案例是一个代码生成工具，DAU曲线涨得特别好看。后来我们深入分析对话日志，发现60%的用户会话都超过8轮，不是因为用户粘性高，而是AI生成的代码总有bug，用户不得不反复修改提示词。这种情况下，DAU越高反而说明产品越失败，因为你在浪费用户时间和公司算力

AI产品的核心逻辑应该是”任务达成”而不是”时长消耗”。用户用一次就能解决问题，下次有需要时还会回来，这才是健康的状态。如果用户必须天天来，每次来都得折腾半天，那不是粘性，是产品在折磨用户。所以今天想和大家聊聊，到底该用什么指标来衡量AI原生产品的好坏

指标一：LTV-T (Life Time Value per Token)

单位 Token 价值转化率

这个指标是我去年带团队做模型优化时被逼出来的。当时我们的产品用户量在涨，Token消耗也跟着涨，但收入增长却跟不上。老板天天问我为什么成本上去了收益没上去，我只好带着数据团队扒了三个月的日志，最后发现问题出在”无效对话”上

LTV-T的定义其实很简单，就是用户每消耗1000个Token产生的业务收益，或者核心行为次数。这里的核心行为得根据你的产品来定，可能是保存图片，可能是导出代码，也可能是点击购买。关键是要找到那个能真正体现用户价值的行为，而不是随便什么点击都算

我们当时发现一个很有意思的现象，有个用户群体特别活跃，每天都要和AI聊上几十轮，Token消耗是平均值的三倍。但他们的核心转化率却只有平均值的一半。后来一看对话内容，全是在闲聊，问AI”你觉得今天天气怎么样””推荐部电影吧”。这些对话虽然消耗了Token，却没产生任何商业价值

分析这个指标有个小技巧，就是看Token消耗曲线和核心行为曲线的相关性。如果两条线同步增长，说明你的产品在健康运转。如果Token消耗涨得飞快，核心行为却没动静，那就要小心了，可能是你的Prompt设计有问题，或者模型理解能力不够，导致用户需要反复沟通才能达到目的

我现在每周都会让数据团队出一份LTV-T报告，按用户分群来看。哪些用户群体的Token价值高，哪些低，为什么。有一次我们发现企业用户的LTV-T是个人用户的五倍，后来就调整了产品策略，给企业用户提供更精准的服务，果然收入很快就上来了

PM洞察：这个指标能帮你判断，你的产品是在通过AI真正解决问题，还是在浪费昂贵的算力资源陪用户”;闲聊”。很多时候我们太关注模型能力，却忘了商业本质是投入产出比。Token就是AI产品的”燃料”，烧得越多不代表跑得越快，关键是每单位燃料能产生多少动力

对了，计算LTV-T时一定要注意时间范围。短期看可能某类用户的Token价值很高，但长期跟踪下来可能会发现他们的生命周期很短。我们之前有个活动带来了一批高消耗用户，LTV-T看起来很漂亮，但三个月后这些用户几乎都流失了。后来才发现他们只是为了活动福利来的，并不是产品的目标用户

还有个容易踩的坑是只看整体LTV-T，忽略了不同场景的差异。我们的产品有文档生成和图片生成两个功能，刚开始把所有Token消耗混在一起算，怎么都找不到优化方向。后来分开计算才发现，文档场景的LTV-T是图片场景的两倍，但图片场景的Token消耗却占了总量的60%。这才针对性地优化了图片生成的Prompt模板，把更多算力分配给高价值的文档场景

指标二：AHA-C (Aha-moment Conversation Depth)

“惊喜时刻”的对话深度

这个指标来源于我自己的一次使用体验。去年试用一个AI写作工具，前两轮对话感觉平平无奇，心想”也就这样吧”。到第三轮，AI突然理解了我想要的风格，生成的内容让我忍不住拍了下桌子。就是那个瞬间，我从”试试看”的心态变成了”这个工具真好用”的认知

AHA-C衡量的就是用户在第几次对话（Turn）时表现出高频的正面反馈或完成核心任务。这里的”正面反馈”包括点赞、收藏、分享，或者直接使用生成结果。我们发现，一旦用户在某个对话轮次产生了”哇塞”的感觉，他们的留存率会提升至少300%

分析这个指标有个”短路分析”的方法。如果大多数用户在第二轮对话就流失了，说明你的Prompt或者模型响应没击中痛点。就像相亲一样，前两轮聊不投机，后面基本就没机会了。我们之前有个产品，新用户平均对话轮次只有2.3轮，后来发现是初始引导的Prompt太复杂，用户不知道该怎么输入，直接就走了

理想的AI产品应该有一个明显的”魔法区间”。我们观察了很多成功的AI产品，发现这个区间大多在第4-6轮对话。在这个阶段，用户和AI已经建立了一定的默契，开始进行深度共创。就像两个人从陌生到熟悉，终于能顺畅地交流想法了

怎么找到自己产品的”魔法区间”呢？我们当时做了个小实验，给不同用户群体设置了不同的对话引导策略。有的群体在前几轮就给复杂任务，有的则循序渐进。结果发现，对普通用户来说，从简单任务开始，逐步增加复杂度，更容易让他们达到AHA时刻

PM洞察：找到那个让用户”哇塞”的临界点，并设法缩短达到这个点的路径。很多产品把功能做得很复杂，想让用户一次体验所有亮点，结果反而把用户吓跑了。不如聚焦核心价值，让用户尽快感受到产品的魔力

我们还发现一个有趣的现象，AHA时刻的出现和用户的预期管理有很大关系。如果用户一开始对AI的期望很高，可能需要更惊艳的表现才能让他们产生惊喜。反之，如果用户只是抱着试试看的心态，一点小惊喜就可能让他们印象深刻。所以在产品宣传和用户引导时，管理好预期非常重要

有个团队分享过他们的经验，他们在产品中加入了一个”小惊喜”功能，在用户进行到第5轮对话时，AI会主动提出一个用户没想到但很有用的建议。这个简单的设计让他们的AHA-C指标提升了40%。有时候，惊喜不需要多么复杂的技术，而是对用户心理的精准把握

跟踪AHA-C时一定要结合用户分群。不同类型的用户对”惊喜”的定义可能完全不同。专业用户可能因为AI解决了某个技术难题而惊喜，普通用户则可能因为AI听懂了他们模糊的需求而感动。所以不能用统一的标准来衡量所有用户的AHA时刻

指标三：USR (User Self-Correction Rate)

用户自我纠错率

这个指标是我最不愿意看到升高的指标。USR高，说明用户在帮你干活啊！他们在帮你纠正AI的错误，帮你完善提示词，这本来是产品经理和算法团队该做的事

USR的定义是用户在对话过程中通过”;换种说法””重新生成”或手动修改AI结果的比例。我们内部把这个指标叫做”产品不友好度”，因为它直接反映了用户使用产品的顺畅程度。如果用户需要不断纠错，那说明产品体验肯定有问题

高纠错率通常指向两个问题：要么是模型幻觉，要么是Prompt偏差。我们之前有个法律相关的AI产品，用户纠错率一直居高不下。后来分析纠错文本发现，AI经常编造一些不存在的法律条款。这就是典型的模型幻觉问题，需要通过RAG技术引入真实的法律数据库来解决

另一种情况是Prompt偏差。比如你的产品默认用正式语气生成内容，但用户其实需要口语化的表达。这时候用户就会不断纠正”说得通俗点””不要这么严肃”。这种问题解决起来相对简单，调整Prompt模板或者增加语气选择功能就能改善

分析USR的关键是深入研究用户纠错的具体内容。我们建立了一个纠错文本分类体系，把用户的修改分为事实纠错、语气调整、格式修正、内容补充等几类。通过这个体系，我们能快速定位产品的薄弱环节

有一次我们发现”格式修正”类的纠错突然增加，仔细一看，原来是某个版本更新后，代码生成的缩进格式出了问题。用户不得不手动调整缩进，这直接导致了那周的USR上升了15%。如果没有这个指标，我们可能要等到用户投诉才会发现问题

PM洞察：这个指标是衡量产品”好用度”最直接的负向指标。用户越不需要纠错，说明产品越懂用户。很多团队沉迷于提升模型性能，却忽略了用户在实际使用中的挫折感。USR就像一面镜子，能照出产品最真实的体验问题

降低USR有个小技巧，就是把用户的常见纠错模式固化到Prompt模板中。比如很多用户会说”不要用专业术语”，我们就在系统提示词里加入”用通俗易懂的语言解释”。这样一来，AI生成的内容就能提前规避这些常见问题，用户自然就不需要频繁纠错了

我们还做过一个对比实验，给一组用户提供”重新生成”按钮，给另一组用户提供更细致的调整选项，比如”更简洁””更详细””更专业”。结果发现后者的USR明显更低。这说明给用户明确的调整方向，比让他们自己琢磨怎么表达要有效得多

跟踪USR时要注意区分主动纠错和被动纠错。有些用户天生就喜欢反复修改，追求完美，这种主动纠错不一定是产品问题。而有些用户是因为AI完全没理解需求，不得不纠错，这才是需要重点解决的问题。所以我们会结合用户反馈和行为数据来综合判断USR升高的原因

指标四：TTR (Task Completion Trigger Rate)

任务闭环触发率

这是我最看重的一个指标。AI不应该只是个聊天框，它应该能帮用户完成实际任务。我见过太多AI产品，聊得天花乱坠，最后用户还是得自己动手把AI的输出整理成可用的格式，这种产品本质上只是个高级搜索引擎

TTR衡量的是在所有对话Session中，成功触发并完成预设功能的比例。这里的预设功能可以是一键生成PPT、自动订票、代码运行成功，或者任何能直接解决用户问题的功能。关键是要有明确的任务结果，而不只是信息输出

我们之前做过一个内容创作AI，初期版本只能生成文本。虽然用户评价不错，但TTR一直很低，因为用户还得自己把文本排版、配图、转换成可发布的格式。后来我们加入了”一键生成图文”功能，用户可以直接导出适合不同平台的内容格式，TTR一下子提升了60%

分析TTR的一个重要维度是对比”纯文本回复”与”触发组件/动作”的比例。如果你的产品大部分对话都停留在文本交互阶段，说明AI还只是个”咨询者”，没有成为”执行者”。真正的AI原生产品应该能理解用户意图，并主动提供完成任务的路径

提高TTR的关键是场景化设计。我们发现，当AI能识别用户当前的任务场景，并提供针对性的功能入口时，用户更愿意触发后续操作。比如当用户说”帮我写一份会议纪要”时，AI不仅生成文本，还会提供”导出Word””添加待办事项””分享给参会人”等功能选项

我们还做过一个有趣的尝试，在AI回复中加入”下一步行动建议”。比如生成完报告后，AI会问”需要我帮你生成演示文稿吗”。这个简单的引导让TTR提升了35%。很多时候用户不是不想完成任务闭环，而是不知道AI能帮他们做更多

PM洞察：衡量AI是否真正从”;咨询者”变成了”执行者”。这是区分AI工具和AI玩具的关键指标。用户用AI不是为了聊天，而是为了解决问题。能帮用户把事情做完，而不只是说清楚，这才是AI产品的核心价值

跟踪TTR时要注意任务完成的质量。不能只看触发率，还要看用户对任务结果的满意度。我们曾经为了提升TTR，简化了某个功能的触发条件，结果触发率上去了，但用户投诉也增加了，因为生成的结果质量下降了。所以TTR必须和任务完成质量结合起来看

不同类型的任务，TTR的基准值也不同。简单任务如生成一段文本，TTR可能很容易达到80%以上。但复杂任务如自动完成数据分析并生成报告，TTR能达到50%就已经很不错了。所以设定TTR目标时，要结合任务复杂度和用户预期来综合考虑

还有一个容易被忽略的点是任务失败分析。我们会详细记录那些触发了功能但没有完成任务的案例，分析失败原因。有时候是技术限制，有时候是用户操作问题，有时候是场景判断错误。这些分析对产品迭代非常有价值，能帮我们找到提升TTR的具体方向

指标五：PFE (Prompt Friction Efficiency)

提示词摩擦效率

这个指标来源于我和我妈用AI产品的对比。我可以写一段几百字的提示词，精确控制AI的输出结果。但我妈用同样的产品，只会说”帮我写个通知”，结果自然不理想。这让我意识到，提示词门槛是AI产品普及的最大障碍之一

PFE衡量的是用户为了获得理想结果所输入的Prompt平均长度与修改次数。长度越长，修改次数越多，说明摩擦感越大，用户使用起来越费劲。想象一下，如果用户需要写500字的Prompt才能得到好结果，这个产品的门槛就太高了，普通用户根本用不转

分析PFE有个很简单的方法，就是看新用户第一次使用时的Prompt质量。我们发现，新用户平均要修改3-4次Prompt才能得到满意结果。而那些能一次就生成好结果的用户，往往是有AI使用经验的”Prompt工程师”，这显然不是我们的目标用户

降低PFE的关键是通过UI/UX设计来简化提示词输入。结构化输入就是个好方法，比如用表单、下拉菜单、多选框来收集用户需求，而不是让用户自由输入。我们把一个自由写作功能改成结构化输入后，用户的Prompt平均长度从180字降到了60字，修改次数从3.2次降到了1.5次

另一个有效的方法是提供预设模板。针对常见场景，我们设计了不同的Prompt模板，用户只需要填写关键信息就能生成高质量内容。比如写邮件的模板，用户只需要输入收件人、主题、核心内容，AI就能自动生成完整的邮件，还会根据收件人和场景调整语气

我们还做过一个”Prompt建议”功能，当用户输入的提示词不够清晰时，AI会主动提供优化建议。比如用户输入”写一篇关于环保的文章”，系统会提示”你希望文章侧重哪个方面？比如塑料污染、碳排放还是可再生能源？”。这个功能让PFE降低了28%

PM洞察：优秀的AI产品应该通过UI/UX来降低这种”;摩擦感”。技术再先进，如果普通用户用不明白，也只能是实验室里的玩具。让AI适应人，而不是让人适应AI，这才是产品设计的真谛

分析PFE时要注意区分不同用户群体的需求。专业用户可能喜欢自由输入Prompt，享受调教AI的过程。但普通用户更希望”傻瓜式”操作，不需要学习就能用好。所以我们的产品后来做了模式切换，专业模式保留完整的Prompt输入，新手模式则提供全结构化引导

还有个有趣的发现，移动端用户的PFE普遍高于PC端用户。因为手机输入更麻烦，用户不愿意写长Prompt。所以针对移动端，我们特别优化了语音输入和快捷指令功能，用户说几句话或者点几个按钮就能完成复杂任务，大大降低了移动端的使用摩擦

跟踪PFE时，我们不仅看长度和修改次数，还会分析用户放弃率。有些用户在反复修改Prompt后还是得不到满意结果，就会直接放弃使用。通过分析这些放弃案例，我们能找到那些让用户最受挫的场景，优先进行优化

总结：从“流量思维”转向“交付思维”

做AI产品这几年，最大的感受就是思维方式的转变。以前做移动互联网产品，总想着怎么把用户拉进来，怎么让他们多停留一会儿。现在做AI产品，想的是怎么让用户用得爽，怎么帮他们高效完成任务

这五个指标其实代表了一种新的产品思维——交付思维。不再关注用户来了多少，停留了多久，而是关注用户获得了什么价值，AI真正解决了什么问题。LTV-T看的是价值转化效率，AHA-C看的是用户体验临界点，USR看的是产品友好度，TTR看的是任务完成能力，PFE看的是使用门槛

初级PM可能还在盯着DAU、留存率、平均停留时长这些传统指标。但AI Native PM应该更关注Token投产比、纠错分布、任务闭环率这些能反映AI核心价值的指标。这不是说传统指标完全没用，而是它们不能单独作为衡量AI产品好坏的标准

我见过太多团队陷入”指标陷阱”，为了提升某个数字而牺牲用户体验。比如为了提高DAU，故意设计一些每日任务让用户完成，结果用户烦了，核心功能反而没人用了。AI产品应该回归本质，用技术解决实际问题，而不是玩数字游戏

最后想分享一个小故事。我们团队有个不成文的规定，每个季度都要做一次”用户替身”活动，产品经理亲自用自己的产品完成一项真实任务。有一次我用我们的AI工具帮我妈生成旅游攻略，结果改了七次Prompt还是不满意。那一刻我才真正理解了PFE指标的意义，也明白了我们的产品离”好用”还有多远

AI产品的竞争，最终是解决问题能力的竞争。数据指标只是手段，不是目的。希望这五个指标能帮你更清晰地看到产品的真实价值，做出真正能解决用户问题的AI产品