为什么 App Retention Metrics 静悄悄地推动团队走向 Dark Patterns

Source: Dev.to

留存并不能区分价值与摩擦

留存指标是钝器。它们告诉你 用户会回归，但不说明 原因。

• 那些因为产品真正解决了问题而回来的用户，在数据上看起来和因为以下原因回来的用户是一样的：
  • 通知停不下来，
  • 注销入口被埋藏，
  • 离开会触发多次中断。

从指标的角度看，两者都是成功。从用户的角度看，则是截然不同的体验。

没有恶意意图也会产生暗黑模式

大多数暗黑模式并非源自恶意的设计会议；它们自然地在优化压力下出现。当留存是首要目标时，最容易实现的“胜利”往往表现为：

• 让退出流程更难找到
• 在离开时加入 “确定吗？” 的摩擦
• “以防万一”地推送用户回归
• 默认选择加入而非退出

每一个决定单独来看都可以辩护，但它们合在一起就会造就一个让用户停留更久的产品——不论这对用户是好是坏。仪表盘数据提升了，而用户自主性却在悄然侵蚀。

留存 vs. 真正的参与

• 留存 奖励的是在场。
• 参与 奖励的是目的。

一个被留存的用户仍可能感到困惑、沮丧，甚至想要离开。真正参与的用户之所以回归，是因为其中有价值。当团队只优化留存时，往往会停止询问：

• 用户真的完成了他们来做的事吗？
• 完成后他们能轻松离开吗？
• 我们是在赢得他们的回归——还是在制造回归？

这就是优化变成操纵的分界线。

“黏性”设计的心理成本

暗黑模式之所以有效，是因为它们利用了人类的常规行为：

• 损失规避
• 对中断的敏感
• 习惯养成

用户常常觉得自己是主动留下的——即使界面在引导他们。随着时间推移，这会导致一种安静的信任危机：人们感受到被管理而非被帮助。一旦用户察觉到这一点，留存通常会崩塌。

如果为退出而设计会怎样

以退出为前提进行设计会改变你追踪的指标。你可能会衡量：

• 无提示下的任务完成率
• 成功后的干净退出
• 退出路径的清晰度
• 离开一段时间后自愿回归

这些指标更难优化，但更贴合用户价值。留存不再是目标，而是副作用。

指标从不中立

留存指标看似客观，却蕴含了假设：

• 更多时间等于更好
• 回归等于价值
• 留在这里就是成功

当这些假设未被质疑时，暗黑模式不再是例外，而成为常规的用户体验。令人不安的真相是，如果你把留存置于所有奖励之上，就不该惊讶于产品会去优化“让用户停留”，而不是帮助他们离开。

结束语

我最近写了更多关于产品激励、用户信任以及类似设计决策的文章。本文的更长版本以及相关随笔都在我的站点上。