AI 产品别只看 MAU：用户介入结构，才能看出 AI 到底帮了多少忙

guozi

MAU 和任务完成率无法揭示 AI 产品的真实价值，用户介入结构才是关键。本文拆解五类用户介入行为，帮助产品经理识别隐藏的人力成本，优化人机协作效率。



一款 AI 产品的月活增长数倍，只能证明使用者变多。它回答不了一个更接近价值的问题：就是用户交给 AI 的任务，有多少是 AI 完成的，又有多少依靠用户补充、核验和返工才得以完成？

这个差异很容易被现有数据隐藏。用户打开产品并发起任务，会被计入月活；模型输出结果，系统可能记录为任务完成；用户在产品外重写内容、核对来源或改为手工处理，往往不会回到数据报表里。产品看起来完成了交付，真实的人力投入却没有被看见。

要理解 AI 产品创造了多少价值，MAU 和任务完成率仍然要看，任务过程中的人机分工也要进入指标体系。本文把这部分信息称为“用户介入结构”：用户在什么环节介入、为什么介入、付出了多少成本，以及介入后任务是否变好。
一、MAU 能回答什么，不能回答什么
当一款 AI 产品宣布月活用户增长数倍时，人们很容易把它理解成产品价值也增长了数倍。MAU 本身有意义，但它衡量的是用户规模，不能直接代表产品价值。

MAU 是 Monthly Active Users 的缩写，中文通常称为“月活跃用户数”。它表示在规定的一个月内，至少完成过一次有效活跃行为的去重用户数量。

计算 MAU 需要约定三个口径。

时间窗口决定哪些行为会进入本期数据。团队可以按自然月统计，也可以计算最近连续 30 天。两种方式都能使用，但不能放在同一条趋势线上直接比较。

活跃行为决定什么样的使用才算有效。打开 App、登录账号、发送一条消息和完成一次任务，都可以被统计为活跃，但它们代表的产品价值并不相同。一款 AI 写作产品若把“打开首页”定义为活跃，得到的 MAU 通常较高；若把“至少发起一次有效生成任务”定义为活跃，数字可能降低，却更接近核心功能的实际使用。

用户识别决定一个人会被计算几次。产品可以根据账号、设备或者匿名标识进行去重。同一个人分别使用手机和电脑时，如果系统没有做好跨端识别，就可能被统计成两个活跃用户。

假设一款 AI 写作产品在 8 月有 1 万名注册用户，其中 4000 人打开过产品，2500 人真正发起过生成任务。团队将“发起一次生成任务”定义为有效活跃，当月 MAU 就是 2500。某位用户无论生成一次还是一百次，在 MAU 中都只计算一次。

MAU 最适合衡量产品的使用规模和覆盖范围。它能告诉团队这个月有多少独立用户实际接触了产品，也能帮助团队观察获客活动、渠道投放或版本更新后，活跃用户规模是否发生变化。

MAU 看不到这些用户使用得有多深。

一个用户进入 AI 写作产品，生成一次内容后发现无法使用，随即离开；另一个用户连续使用多次，完成修改、核验并发布文章。两个人在 MAU 中都只贡献一个活跃用户，仅看这项数据没有区别。

两款产品也可能拥有相同的 MAU，却产生不同的用户价值。一款产品的大量用户受新功能或热点传播吸引，体验一次便不再回来；另一款产品的用户规模相同，却会反复完成报告、写作或分析任务。MAU 可以记录两款产品“有多少人来过”，无法说明用户有没有把事情办成。

AI 产品仍然需要 MAU。没有足够用户进入产品，后续的任务完成、留存和付费都无从发生。需要调整的是解释口径：MAU 是观察产品采用情况的入口指标，不能作为产品价值的终点证明。



要判断一款 AI 产品是否有效，产品经理还要观察用户进入以后发生了什么。更接近结果的一项数据，是用户有没有完成原本想完成的任务。
二、为什么任务完成率仍然不够
MAU 只能说明多少用户进入过产品，产品经理自然会把目光转向任务完成率。这个指标越过访问和点击，直接关心用户想办的事情有没有办成，离用户价值更近。

任务完成率，是一个统计周期内成功完成的有效任务数，占已发起有效任务数的比例。它的意义在于把分析单位从“用户有没有来”推进到“用户目标有没有实现”。

边界必须说清楚。任务从哪个动作开始，满足什么条件才算结束，系统异常、用户主动退出和部分完成分别怎样记录，都要提前约定。对 AI 写作产品来说，模型生成一段文字未必代表任务完成，用户接受、导出或发布内容更接近结果；对执行型 Agent 来说，模型回复“已经处理”也不能作为完成依据，业务系统中的订单、文件或工单状态才是可核验的结果。

这样的口径比 MAU 更接近真实价值，但它仍然只记录了人机系统的结果，没有说明这个结果由谁完成，也没有记录用户为此付出了多少劳动。

Google 在 2026 年 7 月发布的 ATLAS v1.0，为这个问题提供了一组现实背景。研究使用 Gemini App、Google AI Mode 和 Gemini API 中的 1500 万条去标识化交互，把使用行为映射到职业和任务。AI 使用已出现在 68% 的细分职业中，这些职业合计覆盖约九成美国就业；可在一个典型职业中观察到明显 AI 使用的任务约占 21%。工作场景中的交互仍以构思、策略、信息检索和学习等协作活动为主，在非例行认知工作里，完全自动化任务的交互不足 10%。

这项研究不能直接证明所有 AI 产品都以人机协作为主。样本来自 Google 自有产品，任务类型依靠分类方法识别，数据记录的是交互意图，也没有衡量每项任务的实际质量。它能支持的判断更有限：大规模真实使用中，AI 经常作为任务参与者出现，独立完成整项工作的情况还不是主流。

OpenAI 对 150 万次 ChatGPT 消费者对话的研究呈现了相近信号。研究把使用方式分为 Asking、Doing 和 Expressing。Asking 指用户寻求信息、建议和判断支持，占 49%；Doing 指用户让模型生成内容、制定计划或完成实际工作，占 40%；Expressing 指反思、探索和娱乐等表达性使用，占 11%。这组分类同样不能证明任务是否成功，却说明用户获得价值的方式不止“把工作完整交给 AI”。

假设两名用户都通过 AI 写作产品完成了一篇文章，系统也都记录为任务完成。一名用户只调整少量表达便接受结果；另一名用户补充缺失资料、纠正事实、重排结构，还要逐段核验引用。两次任务在报表里没有区别，两名用户承担的工作量却相差很大。

这类差异会直接影响产品判断。用户愿意参与修改，可能说明产品支持了有效共创；用户被迫反复纠错，也可能说明 AI 只是把原本的写作工作换成了返工。若团队只优化任务完成率，两种情况会被放进同一个成功数字里，产品没有办法判断哪一段体验需要改进。

任务完成率回答了“事情有没有办成”，还留下两个问题：办成这件事花了用户多少精力，人的介入是在贡献判断，还是在替 AI 修复错误。要看到这部分被隐藏的劳动，需要继续观察任务过程中的用户介入。
三、把用户介入拆成五类
本文所说的“用户介入结构”，不是一个已经形成行业共识的标准指标。它指用户在一次 AI 辅助任务中，为了推进、检查或完成任务而采取了哪些动作，这些动作由什么原因触发，发生在任务的哪个位置，又带来了多少人工成本。

只统计用户是否介入，解释力仍然有限。一次补充背景和一次放弃 AI、改为手工处理，都可以被记录成一次介入，但它们代表的产品问题完全不同。要让数据能够指导迭代，需要把用户介入拆成五类。

1. 补充信息

补充信息，是用户为了让 AI 继续工作，追加目标、素材、限制条件或业务背景。用户补充品牌语气、目标读者和参考资料，属于正常协作；模型忘记用户已经提供的条件，迫使用户反复输入相同内容，更可能指向上下文管理或产品输入设计的问题。

这类介入的意义，在于判断 AI 缺少的信息究竟来自任务本身的模糊性，还是产品没有收集、保存和调用必要信息。团队可以观察补充发生的阶段、追加轮数、是否重复同一信息，以及补充后任务能否继续推进。单纯统计对话轮数无法区分有效澄清和重复劳动。

2. 结果验证

结果验证，是用户检查事实、数字、来源或执行状态，确认 AI 给出的结果是否可信。阅读引用原文、核对报表数字、查看订单是否真的创建，都属于验证行为。

验证不能直接算作产品失败。医疗、财务、法律和对外发布等高风险场景，本来就需要保留人的检查与责任。产品更需要区分两种情况：一种是流程主动提供证据和确认入口，帮助用户完成必要审核；另一种是结果缺少来源或状态反馈，用户因不信任而被迫到外部重新核查。两者都会增加验证行为，产品意义却相反。

可观察的信号包括引用查看、结果预览、对比操作、确认耗时和验证后的退回。涉及外部搜索或其他软件操作时，团队只能在获得用户授权和遵守隐私边界的前提下收集数据，不能为了补全指标扩大不必要的行为追踪。

3. 纠正修改

纠正修改，是用户改变 AI 生成的内容、结论、数据或执行路径，使结果达到可用标准。它比补充信息更接近结果质量，因为用户修正的是 AI 已经给出的方案。

修改量可以通过编辑次数、修改耗时、采纳比例或版本差异进行观察，但数字本身仍需解释。用户调整个人表达和品牌风格，可能是共创过程中的正常分工；用户修复事实错误、补回遗漏结论或重建文章结构，则说明 AI 输出距离可交付结果仍然较远。产品需要结合修改位置、原因标签和任务抽样，避免把所有编辑都归为模型质量问题。

4. 授权确认

授权确认，是产品在发送消息、付款、删除文件、修改业务数据等关键动作前，要求用户明确同意。它由系统主动触发，目的是让用户在关键动作前保留控制权，不属于被动修复 AI。

这类介入的价值在于管理责任与风险。授权确认率较高，不一定意味着体验复杂；如果动作不可逆、影响外部对象或涉及资金，确认本身就是产品能力。团队应关注确认是否出现在正确节点、用户能否看懂即将发生的动作、取消后是否安全停止，以及低风险操作是否被过多确认打断。

5. 人工接管

人工接管，是用户放弃当前 AI 路径，改为手工完成、重新创建任务或转给人工服务。它通常比修改和验证更接近流程失败，因为 AI 已经无法在当前条件下继续承担任务。

接管也有合理边界。系统识别到权限不足、风险过高或超出能力范围，主动把任务交给人工，是可控退出；用户在多轮尝试后仍得不到可用结果，只能从头处理，则代表产品消耗了时间却没有完成交付。分析接管时，需要记录发生环节、触发原因、接管前已经投入的时间、已有结果是否得到保留，以及人工是否顺利完成任务。

这五类介入不适合在早期直接压缩成一个总分。产品团队更需要保留介入类型、触发方、任务阶段、人工耗时和介入后的任务结果。这样才能看清用户是在提供必要判断、履行审核责任，还是在替 AI 补救错误。



用户介入结构不负责给产品判一个笼统的好坏。它帮助团队找到任务完成数字背后的人机分工，并确定哪一种介入值得保留，哪一种隐性劳动需要减少。
四、为什么用户介入不是越少越好
把用户介入记录下来以后，很容易出现一个新的误区：既然补充、验证、修改和接管都需要用户投入时间，就应该想办法把介入率降到最低。

这种优化方式会把正常协作和产品失败混在一起。AI 写作工具需要用户提供观点和判断，合同审查工具需要专业人员核验风险，付款 Agent 需要账户所有者授权。用户介入承担了质量控制、责任确认和个性表达时，它本身就是产品流程的一部分。

2026 年一项覆盖 388 名企业员工的现场实验，展示了协作方式对结果的影响。参与者使用相同的 Microsoft Copilot，研究者只改变人们使用 AI 时的结构。要求两人按照固定流程共同使用 AI 的组，文档质量和产量没有得到提升；把 AI 理解为思考伙伴的训练，则与部分参与者更高的个人产出质量相关。

研究同时承认实验存在场次混杂、样本流失和评分方式等限制，不能据此宣布某一种协作方法普遍有效。它至少说明，获得同一项 AI 能力并不保证相同结果，增加或减少操作步骤也不会自动改善任务表现。

HAI-Eval 在编程场景中提供了另一种证据。研究让 45 名参与者处理必须结合人类判断与模型执行能力的任务，并比较独立人类、独立模型和不同介入水平下的人机协作。在这组任务与实验条件中，独立模型通过率为 0.67%，独立参与者为 18.89%，人机协作提高到 31.11%。

这组结果来自特定的编程任务和有限样本，不能直接推导到写作、客服或医疗产品。它只提示一种可能：人的介入可以补足模型缺少的情境判断，AI 也可以提高人的执行效率。

介入水平必须和任务结果放在一起观察。



“成功且低介入”看起来最理想，仍需抽样检查结果质量。如果用户没有能力识别错误，或者产品把验证过程隐藏起来，较低的介入率反而会掩盖风险。

“成功且高介入”也不能直接判为失败。创意写作、战略分析和复杂决策需要用户持续贡献目标、取舍与判断。判断这类介入是否合理，要把使用 AI 后的总耗时、结果质量和无 AI 基线进行比较。用户介入很多，但任务完成得更快、结果更好，产品仍然创造了价值；用户只是把写作改成反复纠错，整体时间并未下降，介入就更接近隐性返工。

风险等级也会改变介入的意义。低风险、规则明确、结果可逆的任务，更适合降低重复补充、非必要确认和人工接管。涉及资金、隐私、法律责任或外部发布的任务，需要保留验证与授权。产品在这些场景中追求完全无介入，可能把效率提升建立在责任失控之上。

产品优化应当减少非预期、补救性的介入，保留能够提高质量、确认责任和控制风险的必要介入。介入率本身不能承担这个判断。团队还需要把它放进一套同时覆盖采用、任务结果、人机协作和长期价值的指标体系。
五、建立四层 AI 产品指标体系
一套可用的 AI 产品指标体系，需要同时回答四个问题：有多少用户开始使用，任务是否产生结果，人和 AI 怎样完成任务，这种价值能否持续。四层指标承担不同作用，任何一层都不能独立证明产品成功。



产品采用层保留了传统指标，但活跃行为要尽量靠近核心任务。DAU 是一天内完成有效活跃行为的去重用户数。新增用户表示本期第一次满足识别条件的人数。核心功能尝试率可以用“发起核心任务的用户数”除以“有机会接触该功能的用户数”。这些数据能发现入口和触达问题，仍然无法证明用户获得了结果。

任务结果层把统计单位改成具体任务。结果接受率表示用户对 AI 结果执行了确认、采用、导出或提交等动作，具体动作要根据产品场景定义。质量指标可以来自客观正确率、业务规则、人工抽检或明确量表；完成时间应从任务开始计算到结果得到验证，而不是只记录模型响应耗时。用户点击接受也可能源于没有更好选项，接受率需要和质量抽检一起解释。

人机协作层保留任务过程中的信息。补充信息任务率，可以用发生过额外信息补充的有效任务数除以全部有效任务数。纠正任务率记录出现事实、结构或执行路径修正的任务比例。验证覆盖率关注需要审核的高风险任务是否完成规定检查。人工接管率记录从 AI 流程转为人工处理的任务比例。返工时间占比衡量用户修正与复核耗时在总任务时间中的比例。

这些指标不适合直接相加。纠正一次事实错误和确认一次付款，即使都被记为介入，风险和产品意义也不同。团队应按任务类型、风险等级、用户群体和产品版本拆分数据，再查看介入与质量、耗时和任务成功之间的关系。

长期价值层负责检验产品是否被持续采用。核心任务复用率关注完成过一次核心任务的用户中，有多少人在规定周期内又完成了同类任务；留存率应尽量以核心行为作为回访条件，避免把只打开页面的用户算成价值留存；单次成功任务成本除了模型调用和工具费用，也要纳入人工审核、人工接管和失败补偿。只有把这些成本放在一起，团队才能判断 AI 是否降低了完成任务的总成本。

四层指标能够防止团队用某一项好看的数字代替完整判断。MAU 上升可能来自渠道增长，任务完成率提高可能依赖用户返工。介入率下降可能伴随未经核验的错误，留存改善也可能来自与核心任务无关的功能。指标之间能够互相解释，数据才开始接近真实的产品价值。


六、把用户介入结构转化成产品动作
建立指标只是准备工作。介入结构能否产生价值，取决于团队是否把它用于定位问题、调整流程和验证版本。

1. 定义一次完整任务

团队需要写清用户目标、任务起点、可核验的结束状态和失败状态。AI 写作产品的任务可以从用户提交主题与材料开始，以用户接受一份达到发布标准的稿件结束；退款 Agent 的任务可以从用户提出退款请求开始，以业务系统返回退款结果并通知用户结束。模型生成过内容，只能证明系统产生了输出。

2. 标记预期的人机分工

产品方案应明确人机分工：必要信息由谁提供，哪些步骤交给 AI，结果由谁审核，关键动作是否必须获得授权。没有预期分工，团队就无法判断一次介入是合理协作还是异常补救。

任务风险也要同时标记。结果可逆、影响范围小的任务，可以提高 AI 的自主程度；涉及资金、隐私、法律责任和外部沟通的任务，应保留验证、审批和人工接管。风险标记决定了团队希望保留哪类介入。

3. 记录介入发生的位置与原因

数据记录不能停在“用户又发了一条消息”。补充发生在输入阶段还是生成中途，修改针对表达还是事实，接管由系统触发还是用户主动选择，都需要区分。产品可以提供修改原因、退回原因和接管原因的轻量选项，再结合匿名化行为数据与任务抽样进行判断。

数据收集应遵守最小必要原则。产品没有权利为了分析介入而记录用户在其他软件中的全部操作。无法直接观察的外部验证与手工返工，可以通过自愿反馈、可控实验或用户研究估计，并明确样本限制。

4. 建立无 AI 基线

介入次数本身无法说明产品是否节省了劳动。团队需要知道用户在没有 AI 时完成同类任务需要多久、质量如何、会经过哪些人工步骤。上线 AI 后，再比较总耗时、结果质量、失败率和人工投入。

基线可以来自旧版本、现有人工流程或同条件用户测试。不同难度、不同用户能力和不同风险等级的任务不能直接混在一起。AI 将两小时工作缩短到四十分钟，即使用户仍有多次修改，也可能创造了价值；AI 生成只需一分钟，用户却花一小时核验和重写，模型响应再快也没有降低任务总成本。

5. 找到需要减少的介入

优先级可以从介入频率、人工耗时、任务影响和风险四个维度判断。大量重复出现、耗时较高、与任务失败强相关的补救性介入，更值得优先处理。低频但可能造成资金损失或责任事故的介入，也不能因数量少而忽略。

产品动作要对应具体原因。用户反复补充相同信息，可能需要改进上下文保存；用户频繁核验来源，可能需要增加证据展示和置信提示；用户修改大段结构，可能需要把生成拆成观点确认与结构确认；工具调用失败导致接管，则要补充状态反馈、重试和已完成步骤保留。

6. 用结果与风险验证版本

一个版本让纠正任务率下降，只能说明用户改得少了。团队还要检查结果质量、任务完成率、总耗时和投诉是否发生变化。授权确认减少以后，也要确认误操作和撤销需求没有增加。

有效实验需要保留护栏指标。优化目标可以是降低事实纠正率，护栏指标包括结果准确率、验证覆盖率和人工接管率。几项数据共同改善，才能说明产品减少了无效介入；介入下降而错误上升，只是把问题从用户操作转移到了结果风险。

AI 写作产品可以把这种方法落到一条具体流程里。用户提供主题、材料和目标读者，AI 生成结构并等待确认，再生成正文。产品需要保留观点补充和表达修改，因为它们承载作者判断；重复提供同一背景、修复虚构事实和重建全文结构，则属于优先减少的劳动。团队可以观察达到可接受稿件的总时间、事实纠正任务率、结构重建比例、结果接受率和同类任务复用率。

退款 Agent 的分工会不同。系统可以识别订单、匹配规则和计算金额，用户在退款提交前确认账户与金额。授权确认应当保留，工具失败、状态错误和上下文丢失造成的人工接管需要减少。团队除了看退款完成率，还要观察正确授权覆盖率、异常接管率、端到端处理时间和错误退款率。

同样是用户介入，在两个产品里承担的责任不同。指标只有回到具体任务、风险和分工，才能变成产品动作。
结语
MAU 应当继续留在 AI 产品的报表里，任务完成率也值得成为核心指标。它们分别说明用户是否进入产品、任务是否产生结果，却没有完整呈现结果背后的人工投入。

产品团队还需要写清三件事：AI 替用户减少了哪些工作，哪些判断与责任被有意保留给人，用户为补充、验证、纠正和接管付出的成本是否低于 AI 带来的收益。

当报表只能显示用户来过、模型输出过、任务被标记为完成，团队还无法确认 AI 创造了多少价值。一套更有解释力的指标，应该让人看见任务是在怎样的人机分工下完成的，也让产品经理知道该减少什么、该保留什么，以及下一次迭代要验证什么。

本文由 @Jaimo. 原创发布于人人都是产品经理。未经作者许可，禁止转载

题图来自Unsplash，基于CC0协议

--------------------------------------------------
本文转载自：https://www.woshipm.com/operate/6443812.html