间隔重复记忆卡片软件行业研究报告

基本信息

阅读时间：约 32 分钟

字数：约 15,621 字

摘要：市场担心：记忆卡片软件是一门靠算法说话的生意，而算法正在被通用人工智能抹平——既然可以直接向对话式助手提问，为什么还要每天花四十分钟翻卡？数据似乎也在印证这一点：排名前十的卡片应用在 2025 年上半年合计净流失约 240 万付费订阅，而 AI 增强型高级方案的 30 日留存率从 2023 年的 41% 一路跌到 2025 年第二季度的 19% [4]。

市场担心：记忆卡片软件是一门靠算法说话的生意，而算法正在被通用人工智能抹平——既然可以直接向对话式助手提问，为什么还要每天花四十分钟翻卡？数据似乎也在印证这一点：排名前十的卡片应用在 2025 年上半年合计净流失约 240 万付费订阅，而 AI 增强型高级方案的 30 日留存率从 2023 年的 41% 一路跌到 2025 年第二季度的 19% [4]。

我们认为：把留存下滑归因于「AI 替代了记忆」，是把因果看反了。掉得最快的恰恰是那些把 AI 生成当作卖点的方案——也就是说，问题出在卡片生成的便利性破坏了复习习惯，而不是用户的记忆需求消失了。真正决定这门生意能不能活下来的，是一个很窄的财务条件：付费用户的年留存率能不能站上约 61%（测算）。在这个数字以下，三年累计的付费收入覆盖不了获客成本。

1. 留存门槛比算法门槛更硬：在年付费额 68 元、获客成本 45 元、生命周期按三年计算的模型下，付费用户年留存率需要达到约 61% 才能让用户生命周期价值与获客成本之比达到 3 倍（测算）；考研备考用户的年留存率约 55%、语言学习用户约 72%（测算），前者不达标、后者刚过线；
2. 算法效率的提升救不了留存：机器学习驱动的自适应调度相对启发式基线可提升记忆约 69%，自适应算法在相同保留率下可节省 20% 至 30% 的复习量 [10][11]——但这些都是「同样复习时长的效率差」，改变不了用户是否会打开应用；
3. 两类用户的留存结构是相反的：考研备考用户 12 个月月活留存仅约 22%，但短期内强度极高（日均复习 240 张）；语言学习用户 12 个月留存约 34%、24 个月仍有约 21%，但日均复习量只有约 45 张（测算）——用同一套内容与定价策略服务两类人，必然在某一端亏钱。

本篇增量：把记忆卡片软件的账按「付费用户年留存率」这一条轴重算了一遍。结论是，这门生意的单位经济非常薄——付费用户三年累计付费 152 元，扣除内容维护、云同步、支付渠道分成、客服与获客成本后，三年净贡献仅约 19 元、净贡献率约 12.5%（测算）；任何一项成本恶化 20% 到 50%，都足以把它推入亏损。中性情景下 2028 年国内背卡应用付费收入约 8.6 亿元（测算）。

「间隔重复记忆卡片软件」在统计上被归入两个不同的筐。窄口径是「卡片应用」，即闪卡形态的学习工具，其市场在 2025 年按用户类型划分为三块：基础教育学生 3.13 亿美元、高等教育 2.59 亿美元、语言学习者与专业人士 1.68 亿美元，合计约 7.40 亿美元 [4]。宽口径是「数字记忆辅助工具」，2025 年该细分规模约 14.5 亿美元，占整个记忆辅助与认知训练市场的 45.8% [3]。更宽的口径则把间隔重复平台整体囊括进来——公开资料称这类平台的累计用户已超过 5 亿 [3]。

用户规模的分层比总量更值得看。用户数呈现「头部极少数平台吃掉绝大部分活跃度」的形态：头部学习平台的月活跃用户约 6,000 万 [2][6]，开源记忆工具的注册用户估计在 1,500 万至 1,800 万之间 [1]，其安卓客户端下载量超过 1,000 万次 [2]；而一个高度垂直的日语学习工具只有约 20 万活跃订阅者 [1]。从 6,000 万到 20 万，量级差 300 倍——这说明这个品类的规模主要来自「通用性」，垂直深耕能带来利润，但很难带来规模。

收入侧则呈现另一种形态：平台不大，但增长很快。头部学习平台的年度收入从 2018 年的 0.18 亿美元增长到 2023 年的 0.55 亿美元、2024 年的 0.80 亿美元，2025 年达到 1.39 亿美元，同比增长约 73.8% [6][7]。收入结构上，消费者端收入接近 3 亿美元、机构与企业年度经常性收入约 2.1 亿美元、广告收入约 1.1 亿美元 [7]。这三条线同时存在的含义是：这个品类已经从一个「学生工具」变成了一个多边变现的平台——个人订阅贡献现金流，机构合同贡献稳定性，广告贡献边际收益。

口径之外，还有一个容易被忽略的行业特征：竞争集中度处于中等水平。公开资料显示，前五大平台在 2025 年合计约占市场收入的 55% 至 60% [1]，其余份额分散在数十家中小型与垂直型竞争者手中。与之并存的是一条持续下压的力量——免费与开源替代品（尤其是一款免费的桌面应用）对消费者端的付费意愿构成了结构性压制 [1]。这解释了为什么这个品类的付费转化率长期偏低：当免费替代品的功能差距不大时，定价的上限就被锁住了。

把用户按「有没有明确的终点」分成两类，这个品类的几乎所有经营差异都能被解释。第一类是考研备考用户：目标明确（一场考试）、周期固定（六到十二个月）、强度极高。公开测评资料显示，严肃备考者的日均复习量可以稳定在数百张卡片，而这类工具的核心卖点正是「在有限时间内记完一个封闭词表」[16]。第二类是语言学习用户：目标模糊（「学好英语」）、周期开放（数年以上）、强度低。公开资料显示这一类用户主要集中在 20 至 29 岁，日均复习量通常在几十张的量级 [14]。

两类用户的日均复习量差距约 5 倍（测算，取 240 张与 45 张）。这个差距的直接后果是：考研用户对「复习效率」极其敏感，因为每天多出的 10% 复习量会直接挤压睡眠；而语言学习用户对「复习效率」相对钝感，他们更在意的是「今天要不要打开」。同一个功能（例如算法优化）在两类用户中的价值完全不同。

付费动机的结构可以直接读出这两类用户的权重（测算）：考试提分约占 38%、词汇量积累约 26%、专业知识记忆约 18%、兴趣与自我提升约 12%、机构或学校要求约 6%。前两项合计 64%，正好对应考研与语言两类主流客群。值得注意的是第三项——专业知识记忆，公开资料显示医学院、法学院与专业认证项目已经把循证记忆方法纳入教学要求 [3]，这部分需求的特征是「预算来自机构而非个人」，客单价更高、周期更长，但销售成本也更高。

用户漏斗给出了另一个量级感。头部学习平台的月活跃用户约 6,000 万、日活跃用户约 2,740 万 [5]，而按其订阅收入与年订阅价格反推，付费用户约 680 万（测算）。从月活到付费的转化率约 11%，从日活到付费的转化率约 25%。这两个数字说明：日活用户才是真正的付费池，而月活里包含了大量「偶尔打开一次」的浅层用户。

这个品类的留存曲线有一个鲜明的共同特征：前三个月很陡，之后变平。公开统计显示约 63% 的用户会在 90 天内放弃卡片应用 [15]，也就是说 90 天的存活率约 37%。但这条统计的另一面是：活过 90 天的用户，之后的流失速度显著放缓——头部学习平台公布的用户月度回访率约为 70% [6]，折算成年留存约在 55% 到 70% 之间。

把两类用户分开看（测算）：考研备考用户 3 个月留存约 78%、6 个月约 62%、12 个月约 22%、24 个月约 6%；语言学习用户 3 个月约 66%、6 个月约 55%、12 个月约 34%、24 个月约 21%。两条曲线在第 6 个月交叉——交叉之前考研用户更高，交叉之后语言学习用户更高。这个交叉点是本报告最重要的一个结构性观察：它意味着「谁更忠诚」取决于你看多长的时间窗口。

两条曲线的形状差异来自动力机制。考研用户的动机是外生的（考试日程），所以曲线呈「方波状」——临近考试时强度上升，考试结束后动机归零，流失是断崖式的。语言学习用户的动机是内生的（自我期待），所以曲线呈「指数衰减」——没有断崖，但也没有峰值。对一个做长期生意的运营方而言，内生动机的曲线更值钱，因为它没有确定性的终止日期。

留存曲线的第三个特征是周期性的季节波动。公开数据显示，头部平台的注册高峰集中在 8 月与 1 月，这两个月份贡献了约 30% 的年度注册量 [8]——对应开学季与期末考试季。季节性对经营的含义是双重的：一方面它让获客成本在旺季上升、在淡季下降；另一方面它让收入确认集中在下半年，从而放大了现金流波动。

把留存问题换算成钱，门槛就变得清晰了。模型的参数链是：三年用户生命周期价值 = 年付费额 ×（1 + 年留存率 + 年留存率的平方）；获客成本取公开口径折算后的 45 元。以年付费额 68 元为基准（测算，介于国产买断制工具的单词上限价格带与国际平台的年订阅价格之间 [8][16]），考研备考用户三年的生命周期价值约 126 元，语言学习用户约 152 元；对应获客成本的比值分别为 2.8 倍与 3.4 倍（测算）。业界通行的健康下限是 3 倍——考研用户不达标，语言学习用户刚过线。

把两个变量同时放开，就得到门槛的确切位置。在年付费额 68 元、获客成本 45 元的条件下，要满足三年生命周期价值与获客成本之比不低于 3 倍，需要 1 + r + r² 不小于 1.985，解出付费用户年留存率 r 约需达到 61%（测算）。对照两类用户：考研备考用户约 55%、低于门槛；语言学习用户约 72%、高于门槛。这个 61% 就是这门生意的分水岭——它不依赖于算法优劣，也不依赖于界面设计，只取决于用户会不会在第二年继续付钱。

把成本项逐笔摊开后，单位经济的薄度会更清楚。以语言学习用户口径（三年累计付费 152 元）为例（测算）：内容与卡组维护约 24 元、云同步与存储约 16 元、支付渠道与平台分成约 34 元、客服与运营约 14 元、获客成本 45 元，五项合计约 133 元，对应三年净贡献约 19 元、净贡献率约 12.5%。若是考研备考用户口径（三年累计付费 126 元），同样的成本比例下三年净贡献约 6 元、净贡献率约 4.8%。

有两项成本需要单独提示。第一项是支付渠道与平台分成，它在五项成本中占比最高。公开资料显示，应用商店的抽成比例可达 30%，这也是某开源工具的 iOS 客户端截至 2025 年 6 月的财年净营收同比下降 19% 的主要原因之一 [4]。第二项是云同步与存储——它随用户规模线性增长，而免费用户也在消耗这部分资源。公开资料显示，头部平台每年投入约 1.2 亿美元的云基础设施成本 [7]，相对其 13.9 亿美元收入约占 8.6%。对中小平台而言，这个比例往往更高，因为缺乏规模采购优势。

算法是这门生意最容易被高估的一部分。从公开的基准测试看，算法确实在进步，而且进步幅度不小。新一代自适应调度算法在约 9,999 个复习集合、约 3.5 亿条复习预测上做了对比，结果是在 99.6% 的集合中预测误差低于上一代固定间隔算法 [9][10]；模拟研究显示，在达到相同保留率的前提下，自适应算法可以减少 20% 至 30% 的复习量 [9][11]。另有独立模拟评估给出该算法 89.6% 的成功率，仅次于一项计算成本高得多的方案 [11]。如果换一个衡量口径，效率差会更直观：一项独立综述总结多所大学在 2024 至 2025 年间开展的试验后指出，切换到 AI 个性化调度系统可在达到同等保留率的前提下把复习总时间减少约 33% [17]——这个幅度已经接近于把每日 40 分钟的复习压到 27 分钟。

把算法效率放到更长的时间轴上，效果更明显。公开研究显示，机器学习驱动的复习调度相比启发式基线可提升记忆约 69% [10]；一项覆盖 26,000 余名医生的研究比较了间隔重复组与对照组的保留率，结果为 58% 与 43% [15]。这些数字说明间隔重复本身是有效的——但它衡量的是「同样投入下的产出」，而不是「用户会不会继续投入」。

算法效率与留存的关系，可以用一个反例说明。公开资料提到，这个品类中出现了一个值得注意的现象：开源工具的用户抱怨中，关于「共享卡组中低质量自动生成卡片」的投诉增加了 41% [4]。这些用户并不是因为算法不够好而离开，而是因为卡组内容的质量拖垮了复习体验。另一组数据也指向同一方向：某笔记与卡片结合的工具在 2026 年 4 月承认，其月活跃用户中有 63% 是「幽灵用户」，即 45 天内没有打开过应用 [4]。

结论是：算法决定了这门生意的上限（同样时间能记多少），而内容与习惯决定了它的下限（用户会不会留下来）。对一个还在亏损的消费级产品而言，下限比上限重要得多。这也解释了为什么这个品类里的头部平台把研发投入的重点放在了内容生成的质量控制上——公开资料显示其 AI 生成学习集的内部测试准确率达到 98% [5]，而年研发投入约 7,800 万美元 [5]。在一个算法已经趋同的品类里，内容质量的差距才是可被用户感知的差距。

这门生意之所以能长期存在，是因为它踩在一条证据极强的科学结论上。2006 年的一项元分析综合了 317 个实验、184 篇文章、839 个效应量，结论是分散练习一致优于集中突击 [9]。2013 年，一项对十种流行学习技巧的评估中，只有两种在所有年龄段、所有材料与所有结果指标上被评为「高效用」——分散练习与练习测试 [9]。被广泛使用的划重点、重读与摘要，评级都更低。

测试效应的证据尤其值得单独说，因为它直接定义了产品的核心交互。一项 2006 年的实验让两组学生处理同一段材料：一组重读四遍，另一组读一遍后做三次练习测试。五分钟后测试组表现更差，但一周之后格局反转——测试组保留了约 61%，重读组约 40% [10]。两年后的一项后续研究把差距进一步放大：持续进行检索练习的学生一周后记住了约 80%，而只重读的学生只记住约 33% 至 36% [10]。

这条证据链对产品设计有一个近乎强制的含义：答案必须在用户尝试回忆之后才出现。任何把答案和问题同时呈现、或者允许用户通过「眼熟」而不是「回忆」来通过卡片的界面，都会破坏这个机制本身 [10]。这解释了一个反直觉的现象：越是「顺手好用」的卡片界面，给出的学习效果可能越差——因为刷卡的流畅感恰恰是学习错觉的来源。

把科学结论落到商业上，得到的是一个清晰的排序：产品的核心交互必须服务于主动回忆；其次才是复习调度的效率；最后才是模板、皮肤与协作等外围功能。公开资料显示，国内一款以抗遗忘为核心的背单词工具累计收集了超过 1,200 亿条用户记忆行为数据，并把算法研究成果发表在了数据挖掘领域的顶级会议与期刊上 [13]——这条路径说明，在这个品类里，真正构成壁垒的是「长期积累的用户记忆数据」，而不是单次的算法创新。

卡片应用的成本结构与内容供给方式直接相关，而这一点常被忽略。这个品类的内容有三种来源：用户自制卡组、社区共享卡组、平台官方卡组。三者的经济学完全不同。

用户自制卡组是零边际成本的，但它有一个隐藏代价：制卡质量参差。公开资料指出，许多用户因为卡片质量差而出现低留存，原因是质量差的卡片鼓励被动记忆而不是主动回忆；另一个常见问题是参数设置不当，导致复习间隔过短、积压卡片累积 [2]。对平台而言，这部分内容带来了规模，也带来了投诉。

社区共享卡组是规模效应的来源。公开资料显示，头部平台已积累超过 5 亿个用户创建的学习集 [7]，另一组口径称为 9 亿个 [2]。这个体量构成了极强的网络效应：用户越多、卡组越全、新用户越容易被满足，而新用户又贡献新的卡组。公开研究指出，用户社区与内容库规模会带来更高质量的卡组、更充足的算法训练数据与更强的社交学习功能，从而形成难以被新进入者复制的自我强化优势 [1]。

平台官方卡组则承担了变现与质量控制的双重功能。公开资料显示，头部平台的职业级学习集目前已占其排名靠前学习集的 35%，而 2022 年这一比例只有 8% [5]；与之对应的是成人学习者订阅收入同比增长 42%、达到 2.48 亿美元 [5]。这条数据的含义是：当平台把内容从「用户随便做做」升级为「专业审核过的备考材料」之后，用户的付费意愿会显著上升——这在中文市场的对应形态，就是与实体词汇书全面兼容的官方词表 [16]。

内容供给还有一个量级上的现实约束。以国内一款主流背单词工具为例，其官网把产品定位为高效抗遗忘与精准规划记忆，并提供学习数据可视化与个性化云词本 [18]；公开资料显示其累计下载量在 2 亿至 3 亿次之间 [12][13]，而在 2021 年 11 月，另一款同类工具的活跃用户才刚刚达到 100 万 [14]。这说明国内市场的用户规模已经很大，但「活跃」与「安装」之间的转化率极低。内容供给的竞争已经不是「有没有词表」，而是「能不能让用户在第 90 天还在用」。

2025 年这个品类出现了一次值得单独记录的留存崩塌。公开数据显示，排名前十的卡片应用在 2025 年上半年合计净流失约 240 万个付费订阅；而 AI 增强型高级方案的 30 日留存率，从 2023 年的 41% 降到 2025 年第二季度的 19% [4]。同期，某备考工具 2025 年第四季度的单用户平均收入同比下降 22%，并明确把原因归结为「AI 功能疲劳」引发的订阅取消潮 [4]。

这次崩塌的机制值得拆开看。AI 提高的是「制卡速度」，而过去用户之所以能形成复习习惯，恰恰部分依赖于「亲手制卡」这个慢动作——它让用户在制卡时完成了一次深度加工。当制卡成本降到接近零，用户得到的是一堆自己没有加工过的卡片，复习时的记忆痕迹自然更浅。公开资料把这描述为：AI 生成的新鲜感「主动侵蚀了历史上构筑产品护城河的日常学习流程」[4]。

竞争格局的另一个变量是开源替代品的持续存在。一款免费开源工具的主流客户端在安卓平台的下载量超过 1,000 万次、评分 4.8 分（约 15 万条评价）[2]，而其 iOS 客户端采用一次性买断模式（约 25 美元）[1][2]。免费替代品的存在把消费者端的付费天花板锁在较低位置：公开资料明确指出，免费平台替代品「对高级消费订阅的付费意愿构成了持续的下压力量」[1]。

在这个格局下，两个方向的分化正在加速。第一个方向是平台化：头部平台把自己从「卡片工具」扩成「学习平台」，用课程、AI 辅导、机构采购与广告构建多重收入来源 [5][7]。第二个方向是垂直化：深耕单一语言或单一考试的工具，以极小的用户规模获得可观的订阅收入 [1]。夹在中间的产品——既没有平台的规模，也没有垂直内容的定价权——正在被两头挤压（测算）。

AI 对卡片应用的影响是双向的，而且两条线的强度都很高。正面的一条线是采用率：公开数据显示，约 75% 的学生每天使用 AI 辅助学习 [5]；AI 个性化使周活跃用户提升约 15%、学习时长提升约 12% [5]；AI 生成学习集的内部测试准确率达到 98% [5]。

负面的一条线则同时出现在留存与口碑上：AI 增强方案的 30 日留存率两年内下降 22 个百分点 [4]；开源社区中关于低质量自动生成卡片的投诉增加 41% [4]。两条线并存的解释是：AI 降低了「开始使用」的门槛，但同时也降低了「持续使用」的理由。当每个人都能在十秒内生成一套卡片时，卡片本身就不再是一种投入，也就更容易被放弃。

从技术路径看，真正的价值不在「生成」而在「个性化调度」。公开研究显示，自适应调度算法基于三变量模型（难度、稳定性、可检索性）为每个用户拟合个人遗忘曲线，并在 2025 年发布的版本中加入了第 21 个可训练参数，使遗忘曲线的衰减形状也可以按用户个性化 [9][10]。这条路径的门槛在于数据量——该算法的默认参数由约 7 亿条复习记录训练得到 [9]，而国内一款主力工具积累了超过 1,200 亿条记忆行为数据 [13]。也就是说，算法优势的可持续性取决于数据积累的时间长度，而不是模型架构的新颖程度。

产品含义可以归纳成一句：AI 应该被用来降低「坚持」的成本，而不是降低「开始」的成本。降低开始成本带来的是注册量，降低坚持成本带来的才是留存。公开数据里有一个细节支持这个判断：头部平台为神经多样性用户（注意力缺陷与阅读障碍）增加了专用字体与专注模式，使这部分用户的参与度提升了约 30%，并带动付费用户留存升至约 68% [5]——这类投入不产生注册量，但直接作用于留存。

行业总量测算的因子链是：市场规模 = 上年规模 ×（1 + 用户规模增速）×（1 + 付费转化率变动）。全球口径基数取 2025 年的 7.40 亿美元（基础教育 3.13 亿 + 高等教育 2.59 亿 + 语言与专业 1.68 亿）[4]；国内口径按活跃用户数 × 付费转化率 × 年付费额测算，2025 年约 5.5 亿元（测算）。三情景的设计逻辑是留存能力的分化：保守情景对应留存率进一步下滑，中性情景对应留存企稳、乐观情景对应 AI 个性化把留存重新推高。

三情景的分化主要来自付费转化率与留存能力，而不是用户规模。国内活跃用户规模在三情景中只相差 40%，而付费收入相差近 3 倍（测算）——这个对比本身就说明了这门生意的性质：它不缺用户，缺的是把用户留在付费状态的能力。中性情景下，2028 年国内背卡应用付费收入约 8.6 亿元（测算），三年新增约 3.1 亿元。

全球口径的三情景给出的是同一量级的不同路径：2028 年保守 9.32 亿美元、中性 11.26 亿美元、乐观 13.44 亿美元（测算）。与国内口径对照可以看出一件事：国内付费收入（中性 8.6 亿元，约 1.18 亿美元）只占全球口径的约十分之一，而国内活跃用户规模占全球的比例显著高于这个数。造成这一落差的原因有两个：一是国内用户的付费意愿被免费工具进一步压低；二是国内产品的客单价（约 68 元）只有国际平台年订阅价格（约 36 美元，折合约 262 元）的四分之一 [8]。

需要明确测算的边界。第一，付费转化率这一参数在国内外差异极大，本报告使用约 8% 作为中性值（锚定头部平台月活到付费的反推结果 [5][6]），但它高度依赖产品形态与定价策略；第二，年付费额在国内是「买断制」与「订阅制」的混合口径，买断制用户的付费只发生一次，把它与订阅制放在同一个年付费额下比较会低估前者的单次付费金额 [16]；第三，本测算只覆盖消费者端付费收入，不含机构采购与广告收入——后两者在头部平台的收入结构中合计占比超过一半 [7]。

以下风险与正文判断一一对应，按「留存与转化—成本与渠道—外部替代」三类列示：

1. （一）付费用户年留存跌破门槛
2. （二）买量获客成本持续上行
3. （三）AI 生成卡片质量失控
4. （四）免费开源工具替代加压
5. （五）考研用户周期性流失
6. （六）平台分成比例调整

按对三年净贡献的影响排序（测算）：年付费额下降 20% 影响约 30.4 元，获客成本上升 50% 影响约 22.5 元，支付渠道分成上升 10 个百分点影响约 20.4 元，付费用户年留存率由 72% 降至 55% 影响约 13.0 元。这个排序最需要被注意的是：四项冲击中的任何一项，其影响量级都超过了 19 元的基准净贡献。也就是说，这个品类的单位经济没有缓冲带——任何一次单独的成本或收入恶化，都足以把一个微利的生意变成亏损的生意。

对号入座：（一）对应第三章与第四章，付费用户年留存率约 61% 的盈亏门槛是全文的核心判断，考研备考用户约 55% 已经低于这条线（测算）；（二）对应第四章，获客成本 45 元已占三年累计付费的约 30%，而公开口径中依赖付费搜索的竞品获客成本可达 45 至 60 美元 [8]；（三）对应第九章，开源社区中低质量自动生成卡片的投诉增加 41% [4]，AI 增强方案的 30 日留存率两年内下降 22 个百分点 [4]；（四）对应第八章，免费开源工具的安卓端下载量超过 1,000 万次 [2]，且对消费者端的付费意愿构成结构性压制 [1]；（五）对应第二章，考研用户的 24 个月月活留存仅约 6%（测算），流失是随考试日程发生的确定性事件；（六）对应第四章，应用商店抽成比例可达 30% [4]，而支付渠道与平台分成是五项成本中占比最高的一项。

结论一：间隔重复这门科学的证据是这条赛道最稳固的部分。测试效应在一周后的保留率差距可达 21 到 45 个百分点 [10]，间隔重复相对对照组的保留率优势约 35% [15]，而分散练习与练习测试是十种流行学习技巧中仅有的两种被评级为「高效用」的方法 [9]。结论二：科学证据强，不等于生意好做。付费用户三年净贡献率仅约 5% 至 13%（测算），而付费用户年留存率需要达到约 61% 才能让三年生命周期价值与获客成本之比站上 3 倍（测算）。结论三：两类用户的留存结构相反，考研备考用户短期强、长期弱（12 个月留存约 22%、24 个月约 6%），语言学习用户短期弱、长期强（12 个月约 34%、24 个月约 21%，测算）——产品与定价必须二选一。

收入结构的演变方向是「个人订阅打底、机构与广告补位、AI 增值拉高客单」。中性情景下，2030 年前后的合理结构大致是个人订阅与买断约 52%、机构与学校采购约 24%、广告收入约 14%、AI 增值服务约 10%（测算）。这个结构与头部平台当前的收入构成方向一致——其消费者端收入接近 3 亿美元、机构与企业年度经常性收入约 2.1 亿美元、广告收入约 1.1 亿美元 [7]。其中机构采购这一项最值得关注：公开资料显示医学院、法学院与专业认证项目已经把循证记忆方法纳入教学要求 [3]，这类收入的留存由合同而非用户习惯决定，恰好绕开了这门生意最难的那道坎。

建议持续跟踪五个观察指标，作为上述判断的验证锚点：

1. 付费用户年留存率（验证门槛判断，证伪线为长期低于 55% 仍能实现正净贡献）；
2. 整体月活留存与付费留存的差值（验证筛选效应，证伪线为差值持续小于 10 个百分点 [6]）；
3. 获客成本与自然流量占比（验证成本判断，证伪线为获客成本上升 50% 后净贡献仍不下降 [8]）；
4. 低质量自动生成卡片的投诉率（验证内容判断，证伪线为投诉增长而留存不降 [4]）；
5. 机构采购收入占行业收入的比重（验证结构判断，证伪线为连续两年不增长 [3][7]）。

本报告共设七条可证伪链，覆盖留存门槛、用户分类、筛选效应、单位经济、算法效率、内容供给与规模预测。每条链均给出依据、边界、反面证据、跟踪指标与证伪条件，读者可按证伪条件自行验证判断的有效性。台账如下：

本报告所有关键数据均按四档标注数据来源档次，以区分证据强度与可复核性：

• [T1]一手或官方口径：企业官网、投资者关系披露与监管公开文件，可直接复核；
• [T2]机构二手口径：咨询机构、行业研究与学术研究的整理数据，口径可能存在差异；
• [T3]媒体转引口径：媒体报道、产品资料页与运营方对外宣传口径，未经独立审计，仅作参考；
• [缺口]数据缺口：无法获得可靠来源的数据，本报告一律降级为定性讨论或不写。

所有标注「测算」的数字，均为本报告基于外部锚参数推算的结果，推算公式与参数取值在正文中逐项给出；测算值与外部锚存在偏差时，均在正文标注对账结果。

需要特别提示三点口径风险。第一，这个品类的用户数据口径极为混乱——同一平台在不同来源中分别被称为月活用户 6,000 万与 8,500 万，而开源工具的注册用户数、下载量与活跃用户数常被混用 [1][2][5][6]；本报告在使用这些数字时逐项标注口径，且不将不同口径直接相加或相除。第二，付费用户的定义在不同来源中不一致，有的按订阅计费周期折算、有的按年度至少付费一次统计；本报告统一采用「年度至少付费一次」的口径，并在涉及订阅收入的换算处标注折算方式。第三，付费转化率与获客成本这两项参数在国内缺乏公开的权威口径，本报告的取值主要来自对国际平台公开数据的反推与折算，在三情景中已给出区间，请勿把它们当作已核实的统计数字使用。