retention-optimization

retention-optimization 概览

retention-optimization 的作用

retention-optimization skill 帮你诊断用户为什么不再回来，并把这些原因转化为一份按优先级排序的留存、参与度和生命周期价值提升计划。它最适合 Product Management 场景：你需要的是一份实用的 retention-optimization 指南，而不是泛泛的增长头脑风暴。

谁应该使用它

如果你在管理移动应用、消费级产品、订阅产品，或任何依赖重复使用的体验，就适合用这个 retention-optimization skill。尤其当你的问题是“用户为什么流失？”或“为了提升 Day 1、Day 7 和 Day 30 留存，应该先改什么？”时，它会特别有用。

它为什么不一样

这个 repo 对最先需要的输入很有主张：留存指标、应用类别、变现模式，以及当前的互动功能。这让 skill 比宽泛的 prompt 更有决策价值，因为它会先强制你提供基准上下文，再给出优化建议。它还会引导用户查看 app-marketing-context.md，这说明最好的结果来自产品上下文和获客上下文的结合，而不只是单看留存本身。

如何使用 retention-optimization skill

安装与激活上下文

使用 retention-optimization install 流程，仓库路径为 Eronred/aso-skills，skill slug 为 retention-optimization。实际使用中，这个 skill 适合在用户询问留存策略、流失诊断，或需要一份优先级明确的参与度提升方案时调用。

在提问前要提供什么

不要只说一句笼统的“提升留存”，而是要给出具体输入。最有价值的最低配 brief 包括：

• 当前 Day 1、Day 7 和 Day 30 留存
• 应用类别或产品类型
• 变现模式
• 当前已有的互动机制，例如 push、连胜、提醒或社区
• 主要症状，例如注册后流失、首次使用后卸载，或周回访率偏低

更强的 prompt 可以这样写：
“我们是一款订阅制 productivity app。Day 1 是 18%，Day 7 是 9%，Day 30 是 4%。大多数用户完成了 onboarding，但没有完成第二个任务。我们用了 email，没有 push。请诊断可能的留存瓶颈，并给出一份按优先级排序的 retention-optimization 计划。”

先读哪些文件

先从 SKILL.md 开始，因为里面包含初始评估流程和基准框架。如果你要把 retention-optimization skill 改造成适合自己工作流的版本，在修改建议前，也要检查任何关联上下文文件，比如 app-marketing-context.md。如果安装后你只能看到一个文件，这通常说明这个 skill 故意保持轻量，并且是 prompt 驱动的。

如何把模糊目标变成可用 prompt

把“提高留存”翻译成一个带约束的产品问题。说明用户分群、生命周期阶段，以及最近发生了什么变化。把你已经试过的东西也写出来，因为这个 skill 的输出最有价值的地方，在于它能把诊断和显而易见的修复方案区分开来。对于 Product Management 场景下的 retention-optimization，通常意味着你要它给出一组按优先级排序的动作、每个动作对应的留存杠杆，以及建议背后的假设。

retention-optimization skill 常见问题

retention-optimization 只适用于移动应用吗？

不是，但它最明确的设计方向还是 app 留存和参与度策略。如果你做的是 SaaS、市场平台或内容产品，只要你把问题翻译成“重复使用行为”，并提供对应的留存指标，这个 skill 依然能提供帮助。

它和普通 prompt 有什么不同？

普通 prompt 往往会直接跳到创意点子。retention-optimization skill 会先要求提供类别基准和变现上下文，这能减少错误对标和泛泛而谈的建议。当地真正的问题不是“功能不够多”时，这一点尤其重要；很多时候，问题其实是产品价值、习惯养成和用户预期之间不匹配。

什么时候不该用它？

如果你的问题主要是获客、定价，或者一次性的 onboarding 文案，那就不要用这个 retention-optimization skill。仓库本身已经把 onboarding 相关问题和 retention 分开了，所以应当在用户已经到达产品、而你需要让他们再次回来时使用它。

它适合新手吗？

适合，只要你能回答几个产品问题。它对新手友好，是因为工作流围绕清晰输入来组织；但你仍然需要知道产品类别、指标和当前互动设置，才能得到真正有用的输出。

如何改进 retention-optimization skill

提供可对标的输入

质量提升最大的一步，是给出准确的留存窗口和产品类别。像“留存很差”这种弱输入，只会得到泛泛的修复建议。像“一个 fitness app 的 D1 是 22%，D7 是 8%，D30 是 3%”这样的强输入，才能让 skill 对照现实预期，并把真正的问题排出优先级。

说清楚真正的流失点

告诉 skill 用户在哪一步消失：安装后、注册后、第一次任务后、第一周后，还是计费事件之后。retention-optimization skill 在你明确指出打断习惯循环的阶段时效果最好，因为同一个留存分数，背后可能对应完全不同的失败原因。

围绕第一版方案继续迭代

拿到第一版答案后，可以继续追问三类问题之一：最主要的诊断假设、值得先做的最小测试，或者最可能推动目标人群变化的互动功能。这样能让 retention-optimization guide 保持可执行，而不是变成一长串想法清单。

注意常见失败模式

最常见的错误，是在没有上下文的情况下直接要“留存点子”。另一个错误，是把留存、变现和 onboarding 混在一起，却期待一条建议同时解决三件事。如果第一次输出显得浅，重新运行 skill 之前，先补充分群、最近的产品变化，以及当前已经存在的互动功能。