Кризис удержания: почему ИИ взлетел в рабочих продуктах и буксует в потребительских

Утро понедельника, дашборд открыт, и цифры выглядят прекрасно ровно две секунды. За три недели 120 тысяч установок, приложение попало в подборки, ролики с ним разлетелись по коротким видео. А на графике когорт видно, что к тридцатому дню от этой волны остаётся 2,4%. Команда спорит, что чинить в онбординге, хотя чинить, возможно, нужно не онбординг, а сам способ думать о продукте.

• ИИ выстрелил в рабочих сценариях, потому что там побеждает тот, кто быстрее проходит проверяемые шаги: заполнить, свести, отревьюить, оформить.
• В потребительских продуктах побеждает новизна, а новизна состязательна по отношению к данным, на которых обучена модель.
• Когда приложение собирается за вечер, оно начинает вести себя как контент: всплеск внимания, короткий хвост, отсутствие удержания в привычном смысле.
• Средний D30 у мобильных приложений и без ИИ низкий: по данным AppsFlyer около 5,3% на iOS и 3,8% на Android, медиана по рынку в отчёте UXCam за 2026 год около 4%.
• Для продуктов-волн North Star Metric смещается с удержания приложения на удержание аудитории вокруг бренда и на частоту выпуска волн.
• Логика волн не универсальна: в финтехе, здоровье, B2B-инфраструктуре побеждает доверие, а оно набирается медленно и ломается быстро.

Ниже разбор через модель четырёх фокусов Product Focus и один сквозной пример, на котором считаются все цифры.

Значительная часть рабочих задач состоит из повторяющихся шагов. Собрать выгрузку, свести её с CRM, написать апдейт по шаблону, отревьюить типовой код. Шаги скучные, но у них есть проверяемый результат: сходится или не сходится, компилируется или нет, соответствует регламенту или нарушает его. Модель отлично сжимает такую работу, потому что паттерн уже описан в данных.

Потребительские продукты живут в другой логике. Пользователь ищет то, чего он ещё не видел, и почти мгновенно распознаёт вторичность. Ролик с генеративным лицом перестаёт создавать парасоциальную связь, кривая вывеска на фоне убивает ощущение подлинности, а десятая по счёту рассылка с одинаковой интонацией просто не читается. Проверяемого критерия «интересно» не существует, зато существует конкурент, который сегодня сделал ход поновее.

Новое по определению это то, чего нет в недавних данных. Генеративная модель тянется к центру распределения, а культурная волна живёт на его краю. Получается, что попытка быть свежим направлена против собственного приора модели, и заранее непонятно, попали вы в волну или в шум.

То же самое видно в бизнес-функциях, где всё держится на ходах и контрходах: продажи, маркетинг, позиционирование. Одинаковые холодные письма перестают работать не потому, что они плохо написаны, а потому, что их уже пятьдесят в почте. Скорость обесценивания сообщения выросла, и цикл принятия решений у команды должен стать короче цикла обесценивания.

Дальше все расчёты идут на одном условном продукте, чтобы их можно было повторить на своих данных.
«Кадр» это мобильное приложение, которое превращает фотографии пользователя в короткие анимированные открытки под конкретный инфоповод. Команда из пяти человек, запуск через блогеров и органический подхват в коротких видео. Первая волна дала 120 000 установок за 21 день.

У контента нет удержания, и мы это давно приняли. Ролик собирает свой всплеск, потом внимание уходит, и автор думает о следующем выпуске. Ценность накапливается не в отдельной публикации, а в системе выпуска и в бренде.
Если сборка приложения занимает столько же времени, сколько монтаж видео, экономика продукта начинает подчиняться той же логике. Количество попыток бьёт качество отдельной попытки, а актив создаётся не внутри одного приложения, а вокруг команды, которая умеет выпускать волны. Вопрос смещается с «какой у нас D30» на «сколько волн в квартал мы выпускаем и какая доля из них окупается».

Третий сценарий отличается от второго одной вещью: у команды есть канал, куда возвращаются пользователи прошлых волн, поэтому стоимость первого экрана следующей волны близка к нулю, а конверсия выше.
Что делать: перенесите юнит-экономику с уровня приложения на уровень аудитории. Считайте LTV подписчика канала и участника сообщества, а не только LTV установки.

D30 остаётся честной метрикой там, где продукт претендует на привычку. Для продуктов-волн он измеряет то, чего команда не обещала пользователю.

Ошибка, которую видно чаще всего: команда меняет тип продукта, а метрику оставляет прежнюю. Полгода все чинят удержание там, где нужно было чинить конвейер выпуска.
Как поймать: спросите, какое обещание вы дали пользователю в момент установки. Если обещание разовое, требовать возврата на тридцатый день не за что.

Фокус на трендах в такой конфигурации перестаёт быть красивым разделом стратегии и становится операционной функцией с конкретным владельцем и расписанием.

Самая амбициозная идея проигрывает самой быстрой почти в четыре раза, потому что в мире коротких циклов Effort стоит в знаменателе и наказывает долгие ставки сильнее, чем раньше.

Модель волн описывает развлекательные и генеративные потребительские продукты. За их пределами она даёт вредные советы.

• Банки, медицина, страхование: доверие набирается годами, а частые эксперименты на живых пользователях создают регуляторный риск.
• B2B-инфраструктура: цикл продажи длиннее, чем жизнь волны, а покупатель платит за предсказуемость.
• Продукты с сетевым эффектом: ценность растёт с базой, поэтому уход старых когорт бьёт по новым.
• Внутренние инструменты: у пользователя нет альтернативы, и «новизна» здесь просто раздражает.

Отдельное ограничение: гипотеза о падении среднего удержания опирается на наблюдение и логику, а не на замеренный рынок. Средний D30 уже был низким до генеративных инструментов, и часть падения объясняется составом категорий, а не природой ИИ.

Если продукт живёт волнами, ценность накапливается не в приложении, а в системе выпуска и в аудитории, которая ждёт следующую волну. Это и есть тот актив, который никакая модель за вас не соберёт.