Meta Muse 调研:下载火爆只是假象,留存才是生死关

最近有小伙伴反映接收不到推送信息，原因是如果长期没有点赞、评论、转发、推荐行为，系统默认你不需要这类信息，就会不在会话窗口推送。大家可以时不时点个赞或者推荐，设为星标，就可以解决。

本文内容基于行业交流纪要整理，文中所有嘉宾观点均来自现场交流。本文仅作产业信息交流与学术研究参考，不构成任何投资建议，不代表本公众号立场。市场有风险，投资需谨慎。

Meta Muse：下载热度之后，真正的考验是留存

很多人看到 Muse 上线之后下载数据走高，就默认它已经成为 Meta 内部最高优先级的下一代 C 端入口。但参与调研的嘉宾给出不一样的判断，高下载只是表象，这款产品真正的关卡，是把一时好奇下载的用户，变成每周主动用它处理事务的活跃人群。流量获取对 Meta 不算难题，改变用户使用习惯，才是横在个人 Agent 面前最大的坎。

它到底是实验项目，还是核心战略产品

参会嘉宾认为 Muse 处在实验产品与核心战略两者中间的位置。

从重要性打分来看，如果满分代表最高优先级，Muse 可以拿到 8 分。不过这个分数并不代表它能拿到和 Instagram、WhatsApp、Facebook 同等量级的资源倾斜。真正拿到满分权重的，是超级人工智能底层模型与基础设施建设。

Muse 已经不再是单纯的产品实验，属于 Meta 个人超级智能战略里很关键的 C 端落地载体。只是内部暂时还没有定论，它会不会成为最终那个触达数亿乃至几十亿人的终端交互界面。

产品内部设定了几档发展目标。规模层面，希望今年 1 亿 DAU，明年抬升到 3 亿 DAU；用户质量层面，成熟用户留存做到 30%‑40%，每个用户可以完成若干有实际价值的任务。任务执行上，多步骤复杂任务目标完成率 90%，其余普通任务明年做到 80%‑90%。使用频次上，目标用户每周能够通过 Muse 完成 3‑4 项购物、旅行、个人行政事务类任务。

行业容易看错的指标：DAU 不是北极星指标

市场习惯盯着 DAU、下载量评判 AI 产品好坏，嘉宾的观点刚好反过来。Muse 内部指标优先级排序，排在第一位的是留存，重点看 D30、D90 留存数据。其次是 Agent 端到端任务完成成功率，不需要人工介入补救，简单任务目标 90%，复杂多步骤任务目标 80%。

第三是高质量活跃用户留存，特指每周使用 3‑5 次、完成真实有意义任务的人群，要区分开那些只是点开 App，但是没有产生实际任务行为的无效访问用户。第四才是 DAU、WAU、MAU 这类规模指标，最后才考虑使用时长以及商业化变现相关数据。

所以这款产品的北极星指标是留存。外部统计显示 Muse 下载量见顶、DAU 增长放缓，放在这套评价体系之下不一定是坏事。

嘉宾解释，现在下载增速回落，但 D30 留存已经从 18% 提升至 31%，单用户每周任务完成成功率从 1.6% 提升到 2.3%。这两组数据反映产品本身体验在变好。Meta 手握多个社交产品矩阵，获取新用户本身门槛很低，真正难做的，是把出于好奇下载产品的人，转变为习惯性使用 Agent 办事的使用者。

产品 9 月 8 日正式对外发布，访谈的时候产品上线还不足 30 天，对外披露的 D30 并不是真实统计结果，是基于 D1、D3、D7、D14 数据，通过数学外推做出来的估算值，D1 数据 55%，D3 是 35%，D7 是 30%。

纪要里面专门提到 PMF，它不是一个单一数字，是一套完整漏斗评估框架。从用户下载，激活，成功完成一次任务，重复执行多项任务，养成使用习惯，最后沉淀留存，整套链路都要纳入观察。DAU 数据本身会有迷惑性，Meta 可以靠自家社交渠道导入海量流量，DAU 好看不等于产品已经跑通 PMF。

PMF 包含四个观测维度。新用户当中多少比例可以完成一次有实际价值的任务；任务完成成功率，人工介入比例，以及帮用户节省的时间；同一个任务用户会不会反复使用，而不是每次都做完全无关的操作；各周期留存表现，还要跟踪新用户、第一周、第二周、第三周任务成功率变化，看体验有没有持续改善。

从下载到习惯，五个绕不开的现实难点

分发不是 Muse 的痛点。依托 WhatsApp、Facebook、Instagram 这些存量渠道，它可以轻松触达千万级别用户。真正的挑战来自用户心智和产品可靠性。

第一个难点，用户用完一次之后很容易忘记这个 Agent 的存在。大众已经形成搜索的行为习惯，但是普通人不会本能想到把事务直接交给智能代理去处理。对应的解决思路，是搭建使用语境，针对未结束的任务做提醒，引导用户再次回到 Muse 界面。

第二个是产品可靠度。如果订机票、改日程、购物这类任务出错，用户就很难再来。复杂任务出错带来的后果很重，像几千美元机票预定，仅仅 90% 准确率远远不够，需要接近 98%‑99% 才能建立信任。团队针对失败任务做自动回溯重试机制，用来留住用户。

第三个是指令成本问题。如果用户给 Agent 输入指令要花三分钟，自己动手完成只要四分钟，用户就没有动力交给 Agent。产品通过记忆用户历史任务，生成模板和默认配置，压缩下一次操作的输入成本。

第四个难点，普通用户并不清楚哪些事情可以交给 Agent 完成。Muse 会在输入框直接提示可以实现的能力，比如预定、取消订阅、对接客服，降低用户的决策负担。

第五个，跨 API、跨浏览器场景身份认证链路冗长。完成一整套任务，用户要多次登录、多次身份校验，切换网页和工具，整个流程消耗大量精力。团队的解法是通过 Connector 和 API 简化授权，token 做精细化管控，敏感场景才触发人工确认。目标把认证、审核的时间压到很短，减少用户操作负担。同时 Muse 会读取社交平台的内容，把用户表达出来的诉求直接转化为 Agent 待执行任务，这也是和其他 Agent 不一样的设计。

当前任务成功率现状，多步骤带来的硬损耗

不同难度任务，现在实际成功率和中长期目标存在明显差距。

简单任务，例如搜索、总结、信息比对，当前成功率 87%，12‑18 个月目标 95%；中等难度任务，购物、改约时间、填表格，当前 81%，目标 93%；复杂任务，跨网站订机票、处理客服纠纷，多步骤登录认证，当前 65%，目标 85%；长周期复杂任务，跨浏览器标签页、跨不同 App，还要支持异常恢复，当前只有 50%，目标 75%。

这里存在一个很现实的工程困境。多步骤任务，哪怕每一步都做到 96% 的准确率，十个步骤连续执行，最终端到端成功率只剩下 66.5%。很多时候不是大模型本身智力不够，浏览器环境、网络延迟、外部接口，都会拉低最终结果。要把多步骤工作流整体做高，需要在检查点、自动重试、信息取回等整套系统层面迭代，这件事工程难度很高。

执行路径：浏览器不会被彻底抛弃

外界有一种看法，未来个人 Agent 会全面走 API、Connector 通路，浏览器调用会逐步被淘汰。嘉宾给出的判断是 API 占比会提升，但浏览器调用会长期并存，不会完全消失。

现在 Muse 的执行流量结构，浏览器调用占 60%，API 和 Connector 占 30%，API + 浏览器混合模式占 10%。团队规划未来目标结构，浏览器调用降到 25%，API 和 Connector 提升到 60%，混合模式提升到 20%。

从准确率数据看，纯浏览器调用 70%，纯 API 接入 87%，API 加上浏览器混合模式可以做到 95%。

之所以不能放弃浏览器，互联网大量服务并没有开放 Agent 友好的 API，只有网页可以访问，可开放 API 的服务商只有几百到几千家，远远覆盖不了全网服务。如果完全放弃浏览器，Agent 就只能局限在少数合作企业生态之内。

未来 3‑5 年，高频重复的工作流优先用 API 与 Connector 实现，浏览器作为兜底方案继续保留。不少商业平台也在同步改造自身服务，一方面提供 Agent 可调用接口，同时保留网页端访问通路。

行业竞争格局，不会出现一家通吃的超级 Agent

亚马逊已经对 Muse 做出访问限制，同样的限制策略也施加在 OpenAI、谷歌、Perplexity 的 Agent 产品之上。亚马逊自己有购物 Agent，掌握平台内部第一方购物数据。谷歌走的是另外路线，把 Agent 嵌入搜索与 Gemini，联合零售厂商搭建通用购物车和商业协议。OpenAI 侧重搭建 Agent 基础设施，做 Agent API 和商业广告整合。

嘉宾把整个市场划分成三层结构。

第一层是个人 Agent 层，Muse、ChatGPT、Gemini 都属于这一层，核心竞争资产是用户关系、记忆能力、用户意图编排。

第二层是垂直服务 Agent 层，亚马逊购物 Agent、旅游 Agent、银行 Agent 归属于这一层，护城河来自独占库存和业务流程。

第三层是执行基础设施层，API、通用协议、支付系统、浏览器，主要负责落地实际交易执行。

Muse 定位就处在第一层个人 Agent，它不是要去替代亚马逊这类垂直领域智能，而是做协调各类垂直服务的总调度。第三方平台封锁会削弱它的能力，反过来商家如果把 Agent 当作新获客渠道开放连接器，Muse 的能力就会变强。现实案例是亚马逊选择限制，Shopify 主动推进和 Muse 以及 Shop Pay 的整合。

展望三到五年，每个市场大概率会存在 2‑4 个主流横向个人 Agent，普通用户通过这些横向 Agent 去对接大量内嵌式垂直 Agent。竞争胜负不完全取决于基座模型好坏，分发渠道、个人上下文理解、服务连接能力、执行可靠性才是关键。各家也会依托自己原有生态构建壁垒，Meta 的筹码是社交生态向 Agent 打通，还可以延伸到智能眼镜硬件；谷歌手握搜索、安卓、浏览器、邮箱、地图；亚马逊拥有电商与 Alexa；OpenAI 拥有直接面向消费者的产品用户基础。

整个赛道不会诞生一个包揽全网全部服务的单一超级 Agent，分层协作会是长期格局。

写在最后

个人 Agent 现在已经跨过概念演示阶段，摆在面前最大的矛盾，是 “能做很多事” 和 “用户愿意频繁交给它做事” 之间的鸿沟。很多产品可以在 Demo 里面秀出华丽的多步骤任务，但如何让普通人形成新行为习惯，如何处理外部平台的壁垒，如何解决多步骤叠加带来的成功率损耗，依旧是行业共同要啃下的硬骨头。

你觉得未来普通用户会愿意把越来越多日常事务交给 AI Agent 处理吗？

#MetaMuse#个人Agent#AI产品#消费级AI#智能体产业

免责声明：市场有风险，投资需谨慎。本文内容仅代表调研观点，不代表本公众号立场。

材料收集自网络，如侵犯到您的权益，请直接后台联系删除

本期内容分享完毕。后续将持续更新行业分析、调研纪要、外资研报与市场复盘内容。

感兴趣的朋友，可自行参考文末体验通道。