钩子模型：产品为什么会被再次想起

四个环节，不是一张留存清单

钩子模型通常从触发开始。

触发可以是一个提醒、一条消息，也可以只是某个时刻的情绪。它不一定来自产品本身。人感到无聊、完成了一项工作、突然想起一件未完成的事，这些都可能成为触发。产品能做的，是让这种模糊的冲动有一个容易抵达的入口。

接下来是行动。行动不是“功能很多”，而是用户愿意做出一个足够小的动作。动作越清晰，阻力越低，用户越容易开始。但这里也有一个容易忽略的判断：如果一个动作本身没有意义，降低阻力只是在更快地消耗注意力。

奖励会让行动得到回应。奖励不只是一枚徽章或者一串数字，也可能是被理解、被逗笑、得到一个意外的答案。好的奖励有一点不可预测，让人愿意再试一次；但它不能只是随机刺激，否则用户最终记住的只有“我被推着点了几下”。

最后是投入。用户投入时间、内容、偏好，或者只是留下一个小小的痕迹。投入让下一次使用不再从零开始，也让产品逐渐变得更像“为我存在”。如果投入没有改变任何东西，它就只是额外的劳动。

所以这四个环节并不是一张检查表。它们更像一次来回：触发让人靠近，行动让事情发生，奖励回答这次行动，投入则决定下一次回来时是否还有必要。

我为什么做 VibeKarma

我做 VibeKarma 的起点很小。AI Coding 很高效，却常常只留下“任务完成”这一种反馈。写完代码的人可能已经很累了，但工具不会在意这件事，也不会给这段过程留下什么情绪上的回声。

我想试试，能不能把这段空白做成一个桌面上的小互动伙伴。它不替 Codex 工作，也不试图把生产力再提高一点；它只在任务告一段落时，提供一个可以回应的对象。

于是有了两种反差很大的玩法：鞭策和画饼奖励。前者允许用户把挫败感用一个具体动作释放出来，后者则把“这次做得不错”变成一场带有角色感的回应。动作、速度、轨迹和声音共同构成一次即时反馈，AI 再用第一人称补上几句回应。

这些设计听起来很完整，真正做起来却不断暴露问题。反馈太强，会像一段吵闹的特效；反馈太弱，又像一个没有反应的按钮。概率化的情绪强度需要有变化，但不能让用户觉得自己无法预测。失败重试、撤回和 Codex CLI 检测这些看似琐碎的功能，反而决定了互动会不会因为一次意外中断。

我后来加上了日记沉淀。最近几次互动会成为下一次回应的上下文，角色因此有了连续性。这里的“投入”不是为了收集更多数据，而是让用户留下的东西真的能在之后发挥作用：昨天发生过什么，今天的回应为什么和昨天不一样。

留存不是目的，关系也不是装饰

做完这个产品，我对“让用户回来”这件事变得谨慎了。

提醒可以制造一次打开，奖励可以制造一次重复，习惯可以让路径变得越来越短。但如果用户每次回来都没有得到新的东西，钩子只是在把同一个动作重复得更熟练。

我更愿意把留存看成一种承诺：用户上一次的使用，应该给下一次留下可以继续的理由。这个理由可以是内容变得更贴合，可以是角色记住了某些事，也可以只是用户确认了自己确实想继续做这件事。

VibeKarma 对我来说，最有价值的部分也不在于“AI 会说话”。真正重要的是，产品承认人的状态会变化，并且给这种变化留出一个位置。今天需要被催促，明天可能只想得到一句安静的回应。产品不是永远用同一种奖励把人推向前，而是能够根据关系的积累，做出一点不同的回答。

钩子应该有停止条件

钩子模型很容易被用成一套增长话术：找到触发，缩短行动，放大奖励，增加投入，然后不断优化回访率。可产品设计不只是在问“怎样让人继续”，也应该问“什么时候不该继续”。

如果一个用户已经完成了目标，产品还在想办法把他留下来，留下来的就不一定是价值，可能只是惯性。好的产品应该允许人离开，也应该让人离开时带走一些东西：一个完成的结果，一段被整理过的经历，或者一个下次仍然愿意回来寻找的入口。

这也是我现在重新理解钩子模型的地方。它不是让人上瘾的机关，而是产品和用户之间的一种往返关系。触发、行动、奖励、投入，最后都要回到一个很朴素的问题：这次使用，是否让下一次选择变得更值得？

如果答案是否定的，再漂亮的机制也只是把空洞包装得更顺滑。