retention-optimization

retention-optimization 技能總覽

retention-optimization 的用途

retention-optimization 技能能幫你診斷使用者為什麼不會回來，並把這些洞察轉成一份有優先順序的行動計畫，用來提升留存、互動與終身價值。它最適合產品管理工作情境：你需要的是一份實用的 retention-optimization 指南，而不是一場泛泛的成長點子腦暴。

適合誰使用

如果你在管理行動 app、消費型產品、訂閱制產品，或任何需要重複使用的體驗，就適合用這個 retention-optimization 技能。它特別適合用在「為什麼使用者流失了？」或「要先改什麼，才能提升 Day 1、Day 7 和 Day 30 留存？」這類問題上。

這個技能有什麼不同

這個 repo 對最先需要的輸入很有主張：留存數據、app 類別、變現模式，以及目前的互動功能。這讓技能比一般的寬泛提示詞更有決策價值，因為它會先要求你提供基準情境，再來才提出改善建議。它也會引導使用者查看 app-marketing-context.md，這代表最好的結果來自產品與獲客情境一起看，而不是只看單一面向。

如何使用 retention-optimization 技能

安裝與啟用情境

使用 retention-optimization install 流程，搭配 repo 路徑 Eronred/aso-skills 與技能 slug retention-optimization。實務上，這個技能的設計就是在使用者詢問留存策略、流失診斷，或需要一份有優先順序的互動成長計畫時啟用。

提問前要提供什麼

不要只丟一句模糊的「幫我提升留存」，而是給它具體輸入。最基本、也最有效的資訊包括：

• 目前的 Day 1、Day 7、Day 30 留存
• app 類別或產品類型
• 變現模式
• 現有的互動機制，例如 push、streaks、reminders 或社群
• 主要症狀，例如註冊後流失、第一次使用後就解除安裝，或每週回訪率偏低

更好的提問會像這樣：「我們是一款訂閱制生產力 app。Day 1 是 18%，Day 7 是 9%，Day 30 是 4%。大多數使用者完成 onboarding，但沒有完成第二個任務。我們有 email，但沒有 push。請診斷可能的留存瓶頸，並提供一份有優先順序的 retention-optimization 計畫。」

先讀哪些檔案

先從 SKILL.md 讀起，因為裡面包含初步評估流程與基準框架。若你要把 retention-optimization 技能調整成自己的工作流程，也應在修改建議之前，先檢查任何連結的情境檔，例如 app-marketing-context.md。如果你安裝後只看到單一檔案，這通常表示這個技能刻意做得輕量，而且主要依賴提示詞驅動。

如何把粗略目標改成可用提示詞

把「提高留存」轉成一個有條件限制的產品問題。說清楚使用者分群、生命週期階段，以及最近發生了什麼變化。也要補上你已經試過什麼，因為這個技能最有價值的輸出，是能把診斷與顯而易見的修正分開來看。對 Product Management 來說，這通常代表你要的是一組排序過的行動、每個行動預期影響的留存槓桿，以及推薦背後的假設。

retention-optimization 技能 FAQ

retention-optimization 只適用於行動 app 嗎？

不完全是，但它最明確是為 app 留存與互動策略設計的。如果你做的是 SaaS、marketplace，或內容產品，只要你能把問題轉成重複使用行為，並提供相對應的留存數據，這個技能依然能幫上忙。

這跟一般提示詞有什麼不同？

一般提示詞常常會直接跳到點子。retention-optimization 技能則會先要求你提供類別基準與變現情境，這能減少錯誤比較與空泛建議。當真正的問題不是「功能不夠多」，而是產品價值、習慣建立與使用者期待彼此不對齊時，這一點特別有用。

什麼情況下不該用？

如果你的問題主要是獲客、定價，或一次性的 onboarding 文案，就不要用這個 retention-optimization 技能。repo 本身就把 onboarding 類問題和 retention 分開處理，所以當使用者已經到達產品內，你現在需要的是讓他們回來時，才是這個技能最適合的場景。

這個技能適合新手嗎？

可以，只要你能回答幾個產品問題就行。它對新手友善，因為整個流程是圍繞著明確輸入設計的；但你還是需要知道產品類別、數據指標，以及目前的互動設定，才能得到有用的輸出。

如何改進 retention-optimization 技能

提供可對照基準的輸入

最大的品質提升來自於提供精確的留存區間與產品類別。像「留存很差」這種弱輸入，只會得到很一般的修正建議。像「健身 app 的 D1 22%、D7 8%、D30 3%」，就能讓技能對照合理預期，並把問題優先順序排對。

直接指出真正的流失點

要告訴技能使用者在哪個階段消失：安裝後、註冊後、第一次任務後、第一週後，還是扣款事件之後。retention-optimization 技能在你能指出習慣循環破掉的環節時表現最好，因為同樣的留存分數，可能來自完全不同的失敗原因。

針對第一版方案持續迭代

拿到第一個答案後，可以再追問三種方向之一：最主要的診斷假說、值得做的最小測試，或最有可能拉動目標族群的互動功能。這樣可以讓 retention-optimization 指南保持可執行，而不會變成一長串泛泛的點子清單。

留意常見失敗模式

最常見的錯誤，就是沒有情境就直接問「留存點子」。另一個錯誤是把留存、變現與 onboarding 混在一起，卻期待一個建議同時解決三件事。如果第一次輸出感覺太空泛，請先補上分群、近期產品變更，以及目前已經有哪些互動功能，再重新跑一次這個技能。