TL;DR
把 cohort 网格，加上模型看不到的三样东西——cohort 大小、带日期的事件、leadership 的原话——粘进去，让它恰好返回 3 句：早期窗口方向、长尾形状、一个 outlier。强制给具体数字区间，凡是落在 cohort 间噪声里的都标出来，方向看 trailing 6 个 cohort 而不是拿首尾比。下面的 prompt 就是干这个的。它在 ChatGPT（GPT-5.5）、Claude（Sonnet 4.6 / Opus 4.7）、Gemini 3.1 Pro 上效果都差不多——三个都看不到你的原始数据，所以转写准不准比选哪个模型更要紧。
任务场景
Mixpanel（或 Amplitude，或自家数仓）显示出留存 cohort 表：12 个 weekly cohort 在行，12 周在列，颜色从红到深绿。CEO 路过你屏幕，问”留存到底在变好吗？“你有 90 秒，图看上去”有些列变好了，第 4 行又怪怪地变差”，你不想给一个错的方向性答案——下季度的 roadmap 就压在这个判断上。你要 3 句话讲清楚到底在发生什么，再加一个值得这周看的 outlier，免得别人据此先建出一套战略。
什么时候适合让 AI 来做
AI 擅长基于你描述的行列做规律识别：跨 cohort 的 W1 方向、曲线是不是在同一周压平还是漂移、哪个 cohort 真的是 outlier 而不是统计噪音。它也擅长输出那种 exec 一眼能看完的 3 句话节制格式——大多数 analyst 默认会写一面墙 10 条 bullet。
AI 做不到的：看你的原始数据，所以必须人工准确转写表格，最好把周数放进列头。它也无法推根因；和 feature 上线日或 pricing 变更的相关只是 hypothesis，不是 finding。它还分不清一个 3 个百分点的 W1 提升是否统计显著。小 cohort 噪声大：一个 50 用户的 cohort，多 5 个人回来留存就动 10 个点；同样 5 个人放进 1000 用户的 cohort 只动 0.5 个点。AI 会很自信地把 24% → 27% 叫”改进”，那可能只是抛硬币。
常见失败模式：AI 默认只要最新 cohort 比最老 cohort 高就报”improvement”，忽略中间的噪声。要明说：“看 trailing 6 个 cohort 的方向，不要拿首尾比；噪声大的话点名说噪声。“
2026 的新坑：AI 游客与 M3 rebase
如果你的注册流程过去一年变得更顺滑了，那你早期的 cohort 就被 a16z 所说的 AI 游客灌水了：这些人出于好奇注册，戳一下就再也不回来。他们让健康的产品显得更弱，因为把分母撑大了。a16z 推广的办法是把曲线从 M3 而不是 M0 起算（weekly cohort 就是 W4 而不是 W0）：等游客式流失清掉之后，留下来的人是真的做了”继续用”的决定，M12/M3 比 M12/M0 更干净地预示长期留存。告诉模型你要哪个基准；默认那个（全部除以 W0 获取数）就是在悄悄骗你的数字。
需要先给 AI 的信息
- Cohort 表数值（粘 markdown 网格，或按行描述，AI 都能读）
- Cohort 轴：weekly、monthly，还是按 signup 来源（决定了什么算真 cohort）
- 格子代表哪个指标（D1、W1、M1，或”任意动作留存”，告诉它就行）
- Cohort 大小：30 用户的 cohort 47%，和 3000 用户的 47%，信号不是一回事
- 带日期的关键事件：feature 发布、定价变更、广告 campaign、launch、infra 变更
- Leadership 真正问的那个问题，按他们的原话（“留存有没有变好”vs”为什么 AppSumo cohort 还没死”是两个完全不同的 readout）
- 已知的季节性（节日、季末、开学季）
- 你要的基准：标准（除以 W0/M0）还是 rebase（除以 W4/M3，把游客式流失剥掉）
- 可接受的置信度：“方向性就够”还是”我要放进董事会 deck”
可直接复制的 Prompt
读这张留存 cohort 表，写一份 3 句话 readout 给 [leadership / PM 团队 / 董事会]。
Cohort 轴：[weekly / monthly / 按 signup 来源]
格子指标：[D1 / W1 / M1 / 任意动作留存]
基准：[标准，除以 W0/M0 / rebase，除以 W4/M3 剥掉游客式流失]
Cohort 大小：[paste 或描述]
表数据（cohort 在行、周在列）：
[paste markdown 网格]
带日期的事件：[paste]
已知季节性：[paste 或"无"]
Leadership 的原话："[quote]"
恰好返回 3 句：
1）跨 trailing 6 个 cohort 的 W1（或 M1）方向。给具体数字区间，不要"在变好"。如果 cohort 间噪声相对趋势偏大，要点名。
2）长尾形状：曲线压平没？哪周？跨 cohort 比 W1 vs W8（或 M1 vs M6）的差距：扩大还是收窄？
3）最有意思的那一个 outlier cohort：点名 cohort、数字、最可能的事件解释。明说这是 hypothesis、不是 finding。
最后加一行："下一张要拉的图：[具体图]"——能验证第 3 句假设的那张图。
cohort < 200 用户、波动 < 3 个点，不要叫"improvement"，标"在噪声内"。短版本：一行 Slack 答案
Cohort 表：[paste]。Leadership 问："[quote]"。一行回答带具体数字 + 方向，不要 caveat。第二行写这周真正该看的那个 cohort。选哪个模型，多少钱
三个前沿模型读粘进去的网格都没问题；readout 质量的差别远小于转写准确度的差别。截至 2026 年 6 月：
| 模型 | 这个任务最适合 | 应用内上下文 | 推荐档位 |
|---|---|---|---|
| GPT-5.5（ChatGPT） | 快速 3 句话 readout、Slack 一行 | Plus 约 320 页；完整 1M 只在 $200 Pro | Plus $20/月 |
| Claude Sonnet 4.6 / Opus 4.7 | 细致的噪声/显著性推理、大网格 | 标准 1M token | Pro $20/月（Opus 在 Max） |
| Gemini 3.1 Pro | 表已经在 Google Sheets/Workspace 里 | 1M token | Google AI Pro $19.99/月 |
单张 12 × 12 网格，任何免费档都够用。付费档只有在你一次粘很多 cohort、或直接附原始导出时才有意义。无论选哪个，模型读的是你的转写、不是你的 dashboard，所以上游的准确度决定 readout 的生死。
输出示例
一段好用的 3 句话：“最近 6 个 cohort W1 留存从 24-27% 上到 30-33%，方向性改进，cohort 间噪声约 3 个点。所有 cohort 在第 4 周后压平，W1 到 W8 的差距没收窄；我们修好的是冷启动，不是长期 hold。8/15 那 cohort W1 47%、412 用户，对得上 AppSumo 活动，到 W8 这部分用户在 active user 中还过度代表，这暗示是 deal 用户活得比预期久，不是整体留存挪了位置。”
一行好的”下一张图”：“下一张要拉的图：每个 cohort 单独的 W4 到 W8 留存，确认最近这波改进的长尾是不是真的平、还是延迟出现的。”
一行好的 Slack 版：“最近 6 个 cohort W1 涨了约 6 个点（24-27 → 30-33），但长尾看起来一样，我们修好的是 onboarding，不是 stickiness。这周值得看的是 8/15 那一档。“
怎么改输出
- 强制具体数字：“把’最近 cohort 在变好’、‘长尾稳定’之类的措辞，全部换成数字区间，比如’W1 在最近 6 个 cohort 从 24-27% 上到 30-33%‘。如果给不出具体数字，说明数据不支撑这句话。”
- 长尾检查写明白：“每个 cohort 算一次 W1 到 W8 的差距（或 M1 到 M6）。告诉我 trailing 6 个 cohort 里这个差距是扩大还是收窄；这才是长尾 finding。”
- 诚实标噪声：“如果趋势波动比典型 cohort 间噪声还小，明说。‘在噪声内的方向性改进’是合法 finding；只说’改进’是 overclaim。”
- Outlier 挂事件而非给 feature 记功：“Outlier cohort 要同时给数字和最可能的事件相关。明说这是 hypothesis。除非那个窗口只 ship 了一件事，不要说是 feature X 造成的。”
- 按受众调 readout 长度：“董事会：3 句话 + 1 张图。PM：加 per-cohort 表和’下一张图’那行。数据团队：返回 markdown 表，下面附我的解读，不是用解读替代数据。“
容易踩的坑
- 看完 W1 就停：长尾讲的是另一个故事，而且这才是决定 LTV 的部分
- 拿最老 cohort 比最新 cohort：中间的噪声往往是真信号；trailing 6 是标准窗口
- 忽略 outlier cohort：它们对”acquisition mix 真正在变”的信号通常最强
- 把 cohort 大小和 cohort 质量混了：30 用户 47% W1 不比 3000 用户 30% W1 强；小样本噪声压倒一切
- 忘了 rebase：如果顺滑的注册把最近 cohort 灌满游客，W0 基准会低估真实留存；也看一眼 M12/M3
- 给 deck 挑最漂亮的 cohort：leadership 之后注意到周围 cohort，每一份 readout 的可信度都掉
- 没做隔离就给 feature 记功：同一周 ship 了 3 样的话，“associated with”比”caused by”准确
- 2 个点的波动叫”improvement”：任何在典型 cohort 间噪声内的都是抛硬币，不是 finding
- 只粘表不粘事件和 cohort 大小：模型会照数字 pattern match，但 miss 真正的故事
FAQ
- 要把完整 cohort 表分享给 leadership 吗？ 技术受众（PM、eng lead、数据团队）：是。Exec 和董事会：3 句 readout + 一张图就够，通常是 small-multiples 曲线形状图，或者只显示 trailing 6 个 cohort 的 heatmap。整张网格会训练他们跳读。
- 多少个 cohort 才能信趋势？ Weekly cohort：6+ 才信方向，12+ 才信长尾形状变化。Monthly：3+ 信方向，6+ 信长尾。低于这个就报”在噪声内的方向性”。另外每个 cohort 最好有几百个用户，百分比才稳。
- 为什么 W1 到 W8 的差距比 W1 更重要？ W1 反映 onboarding 和第一天价值。W1 到 W8 的比例反映产品有没有形成习惯。一封好欢迎邮件就能挪 W1；挪 W1 到 W8 需要真 product fit。
- M3 rebase 是什么，我需要吗？ 不拿 M0（所有注册的人）当基准，而是拿 M3（游客式流失清掉后还活着的人）当基准。a16z 证明对有顺滑注册的 AI 原生产品，M12/M3 是更干净的长期留存早期信号。如果你的注册流程过去一年变简单了，两个基准都跑一遍对比。
- 模型说留存改进了但我直觉觉得没有怎么办？ 通常是模型在拿首尾比、忽略了中间噪声。加一句：“把 trailing 6 个 cohort 跟前 6 个比，并点名方差，不只是方向。”
- 如果 acquisition 来源是混合的呢？ 在做 readout 前先按 source 拆分 cohort。混合 source 的 cohort 表会盖住真正发生的事；底层 source 通常方向相反、互相抵消。