Meta Muse 的调研 Muse在公司的战略定位是什么？它更像是一个新的consumer AI的产品实验，还是personal superintellige

序号：236
星球链接：打开网页
附件：图片 0，音频 0，文档 0
音频文件：无音频

图片

无图片

正文

Meta Muse 的调研

Muse在公司的战略定位是什么？它更像是一个新的consumer AI的产品实验，还是personal superintelligence战略下可能最核心的消费者入口之一？

专家：关于第一个问题，muse 有多重要？刚才提到两个极端，一个是它是一个试验性的产品，另外一个是它是符合 meta 未来的核心战略的。目前认为它是趋于两者之中的一个地位。目前来看 meta 的 muse，它已经有非常高的一个采纳率。显然没有把它在内部当做跟 instagram、whatsapp、facebook 等同样的一种重要的地位。这个重要地位指的是在资源分配，还有一些保障上面。地位肯定没有那么高，但是目前来看的话，它已经是meta 在对于用户AI执行层面，superintelligence ai 的一个重要的战略，它不再是一个实验性的产品。如果用10分来比的话，它应该是10分当中应该能打8分，在重要性方面。与之对比的是在超级人工智能的模型，还有基础设施建设方面，这个是十分当中是满分的一个重要性。目前来看，还不知道muse会否是一个终极面对消费者的界面，能够触达到几亿甚至几十亿的用户。目前来看的话，它作为一个 agent 能够完成一些购物，规划旅游，客服服务，还有多层或多步骤的一些相关任务。至于说未来的一些目标，认为有四个层面：第一个层面是从今年的1亿的DAU的数量增加到明年的3亿的DAU的数量。第二，成熟的用户，它的留存率能够达到30%~40%。然后他们在使用的过程当中，每一个用户能够完成几个有意义的任务。第三个层面，希望对于那些需要多个步骤完成的任务，能够达到90%的完成率。对于其他的一些情况，希望明年能够达到80%~90%的完成率。第四个层面是使用频率，对于一些用户来说，希望能够达到每周完成3到4项的任务，这些任务就包括了购物、旅行、个人的行政事务的处理等等的任务，都可以每周三到五次。

如果对于以上提到的这些指标进行排序的话，现在对于Muse这款产品，最关注或者最核心的指标是什么？第二个问题是怎么看待，据外部统计数据，现在 muse 这款产品的下载量已经开始走平，DAU的增长趋势也开始放缓。应该如何看待这些指标的增长趋势放缓？

专家：第一个问题要排序的话，认为第一个应该是留存率的问题。目前D30和D90，就是30天和90天留存率。已经做的还不错，有PMF的一个任务来作为一个指标，这里指的是不包括用户完全自愿的使用，而是留存的客户情况。第二个是Agent，它在任务方面的成功率和完成率如何，这里指的是端到端的完成，不用人工来进行挽救。那么希望达到的目标是简单任务90%，复杂的多步骤的任务是80%。排名第三的是对于有意义的用户的留存，这里的有意义指的是每周使用产品3~5次，并且完成的是一些有意义的任务。对比无意义的用户指的是那些经常会打开muse，但是不怎么使用它，或者说使用的那个任务没有什么意义，这样的一种情况。第四，要看DAU、WAU以及MAU，希望它的规模能够有所增长。第五，会是延时率和变现的情况。所以总体来看，北极星应该是留存度的情况。

关于所提到的第二个问题，现在希望能够去获得用户，与之相比是让用户能够活跃，还有与之相比就是要让用户得以留存，所以是获取、活跃和留存三个东西是比较看重的。目前来看，每个月的下载量的确出现了增幅的放缓。但是D30的留存率从18%提升到了31%。然后，任务完成的成功率指的是每个用户每周使用产品的任务完成率/成功率，从1.6%提升到了2.3%。这说明产品本身变得更加的好，变得更加的健康。那么如果说下载量已经到了一个瓶颈期，但是看到其他的一些数据，比如D30的量达到20%、50%，每周的使用应该是不小于两次，然后DAU、MAU能够留存50%左右，那么对于 meta 来说就是一个不错的成绩。所以抛开DAU不看，其实最大的担忧并不是下载率，而是怎么样把用户的好奇心转变为习惯性的使用muse来完成一些任务。公司有what's app、ins、facebook，还有自己的AI所以要获取用户本身并不是一个难点，但是要让用户每个星期对 muse 的使用数量得以提升，比如到5~10次。这个转换才是真正想要做到的一些事情。因此认为对于公司来说，26到27年，怎么样把用户从其他的一些公司的平台迁移过来，并且每周做一些有意义的使用，这会是非常看重的一件事情。

刚才提到D30的留存率，Muse应该是9月8号才上线，想知道D30留存率的指标具体是怎么得到的？然后能否展开讲讲PMF？

专家：的确产品是9月8号发布，现在还不到30天。用的是数学方面的外推法来进行的估算。啊，比如会测算D1、D3、D7、D14，然后来估算D30的情况。目前收集到的数据是D1是55%，D3是35%，D7是30%。第二个问题，PMF本身是一个比较宏观的或比较多元的、多维度的测量方式，不是一个单一的测量纬度。比如PMF它是一个 funnel 的过程，就是要从用户的获取到用户的激活到成功使用，并且完成一项任务，到完成多项任务，到习惯性使用，到最后留存，是一个这样的过程。所以看到的是，用户要去使用它，并且多次的使用它，最后得以留存。所以第一周PMF会看它的下载数量如何。然后会发现DAU信息本身可能是一个具有误导性的数据。因为Meta本身就可以用其他的方式来获得大量的流量。所以DAU本身好，不见得就意味着这个产品就做得好。所以PMF有四个不同的指标。第一个是有百分之多少的新用户成功的完成了一次的有意义的任务。第二个指标是，他们完成这些任务的成功率如何？人工介入的情况如何？以及节省了多少时间？第三，他对同一个功能、同一个任务的重复使用的情况如何？因为要知道，很多的用户的两种任务之间毫无关联。关键要看他们是否对同一个任务不停地进行使用、重复性的使用。第四，要看整体的留存率，比如要看D3、16、19、10，如果还要增加一个的话，还要看到的情况是留存的成功率的情况。比如会问用户在刚加入的时候使用这个工具的成功率是多少？然后在第一周、第二周、第三周，再问同样的问题，看成功率是否有增加。所以认为PMF是一个更加全面的统计维度，要比DAU单一的维度来得更加的准确和完整。

要想让使用数量得以提升的关键点或者难点是什么？目前有没有通过什么举措进行提升？

专家：在获得用户方面其实困难不大，也就是说其，distribution 并不是一个难点。那 meta 这边可以通过whatsapp、meta ai、facebook、instagram 这样的不同的软件或 app 来让 Muse可以轻易的得到几百万甚至上千万、上亿用户的一个关注。但是一个人成功的使用了一次，他是否三天后还记得有这么一个 agent 的存在，再会使用呢？这是一个很大的麻烦。认为挑战主要出现在五个方面。第一个方面，用户用完一次过后，很可能会忘记Muse的存在，它不像有个人要做某种搜索引擎的搜索，而是要把一些任务完全转交给agent 来做。大部分人在自然而然的情况底下，不会养成这样一种习惯。因此应对方式是提供一种语境。让meta来去告诉用户Muse可以完成什么样的任务，或者说之前做了一个任务，但是没有完全做完，来提醒他，让用户可以再次的进入到Muse这个界面，再使用它。第二个问题是，产品可靠度现在做的还不够好，可靠度不高可能会影响用户对产品的信心。比如说，要让他来完成改时间、订机票，或者说购物这样的一些行为。如果成功率不高或出现了失误的情况，用户可能就不会再使用。目标是要对于简单的任务达到90%的完成率、成功率，复杂多步骤的任务达到80%的完成率。那么对于一些没完成的任务，会实行自动的回溯，对这个行为或这个任务进行再完成，让用户再试一次的方式，对他们进行留存。第三，就是任务有很多，怎么样让用户重复性的去使用这个任务，或者说这个用户用起来可能会觉得比较繁琐，打个比方，用户在使用agent的时候，可能需要给他一些指令。给这个指令本身可能需要花3分钟，但是可能一个人独立完成这个任务只需要花4分钟。这种情况下，大部分的用户就会觉得纯属浪费时间，没有必要把这么一个任务交给agent来进行完成。那么，采取的措施就是通过记忆的方式来记住用户已经用过或使用过什么功能、完成过什么样的任务，然后生成一个固定的模板，或者说设立一个默认的设置，让用户下一次使用的时候变得更加的简洁、更加的快速。第四个情况是，很多用户不知道什么样的任务可以交给 agent 来完成。因为 agent 本身是一个非常泛的一个概念，或者他们完成的任务种类非常多。所以跟其他的 agent 不一样的点在于，Muse在面对用户给到的信息的时候，会直接的在那个方框里面告诉他，Agent 可以做什么。可以帮你预定，可以帮你取消一些订阅，可以帮你做客户服务相关的一些工作等等。第五的挑战是来自于要跨不同的API，或者是浏览器，用户的认证过程比较复杂，需要先登录，然后做几次的不同维度的身份认证，然后再进入某一个网页，并且可能在使用过程当中可能要换不同的网页。要用浏览器，还要用其他的一些工具，那么这种情况下，通过API还有Connector帮他简化身份认证的流程，并且比较好的去处理 token 的使用，仅在敏感时候才有人工来进行介入。这样的情况下，会发现能够减少人们去把任务交给 agent 的时间成本。比如说要让一个任务成功，可能要给这个 agent 八个不同的指令。并且需要花6分钟才能够完成。那即便这个任务能够成功，会发现后续用户要重复使用agent的概率就会比较低。所以要让agent能够比较快地介入到用户的日常使用，比如对于预算的管理等等。那么，能尽量做到一分钟来去完成认证，一分钟完成审核，然后可能还要让用户花45秒的这个精力放在这个上面。所以想法是尽量的对任务的过程进行精简，提供一个所谓任务的上下文，这样可以更好的让用户得以留存。比如Agent可以知道用户之前吃过哪一家餐厅，然后也可能会通过用户instagram上面分享的一个图片或分享的一些信息，来转移成Agent可能想做的一件事情。比如他可能在上面发过想去某一个地方，然后把它转移到Agent 里面来帮他完成任务，这可能是跟传传统的这些Agent不一样的一个地方。

对于不同难度任务的workload来讲，现在整体任务成功率如何？

专家：所谓的复杂任务指的是可能要调用多个agents的一些任务。目前来看，简单任务的成功率是87%，12个月到18个月之后，目标是95%，这里包括了简单的搜索、总结、产品对比信息和获取的这样一些简单的任务。对于中等难度的任务，目前成功率81%，一年到一年半之后目标是93%，这包括了购物、搜索、重新约时间，还有帮助客户完成填表格这样的任务。对于复杂任务，目前的成功率是65%，12个月到18个月之后，目标是85%，包括跨网站的旅行订阅、机票预定，客户服务的一些解决方案，以及任何需要可能多步骤的任务，比如先登录、再做身份认证的这样一些任务。最后是极为复杂，叫做长任务的一些任务，叫long horizon tasks。目前的成功率50%，12个月到18个月之后，目标是75%，这包括了比如从一个浏览器的一个Tab转到另一个Tab，或从一个浏览器的Tab转到另外一个完全不相关的APP，并且对这个东西能够实现recovery等等。目前来看，会发现很多任务仅仅达到90%是不够的。比如，要定一个2000美元的机票，或者要做一些生活当中的行政方面的工作，会发现90%是远远不够的。比如，定机票如果只有90%的准确率的话，对于用户来说，可能是有大的麻烦；必须要达到98%、99%以上的准确率，才能够让用户有信心。目前来看，存在的差距其实并不是基础模型本身的智能程度不够，而是怎么样把一些简单的问题多步骤以后，让它的完成率或成功率依然达到比较好的程度。目前对于简单的任务，理想情况是95%，但现在只有87%。造成的因素，包括浏览器的一些原因，包括延时或其他的一些因素，都拉低了简单任务的成功率。而对于复杂任务，情况就更难了。因为复杂任务的工作流里面可能有十个步骤。即便每一个步骤都能达到96%的准确率，十个步骤相乘到最后的结果，从端到端的成功率只有66.5%。所以，要想达成一个多步骤任务的工作流，实现90%的准确率，这个难度是不低的。需要模型本身变得更加的智能，也需要它在checkpoint、autoretrieve等其他的方面做得更好，因此工程师目前的目标是要让整个系统的准确率或可靠率得以提升，而这个任务的挑战难度是极大的。

刚才提到用户的认证过程很复杂，特别是涉及到跨不同的API或者浏览器任务的时候，可以通过API接入或者是Connector的方式去简化身份认证流程。那是不是可以理解成未来在Personal Agent的工作流里，更多的是倾向于使用更多的API或Connector的方式，而不会很大程度上依赖browser这种方式？

专家：这是一个很好的问题。这个理解基本上正确，但这并不意味着brower use在未来将会完全消除。目前来看，API、Connector还有browser，都会进行使用。未来的确API、包括其他的一些用途的比例会有提高。但这并不意味着browser use就不那么重要。从目前MUSE的使用频次或贡献比来看。Browser use大概是60%，API和Connector 30%，然后API和Browser的混合是10%。未来的目标希望达成Browser use 25%，API和Connector 60%，然后API和Browser的混合20%。目前从准确度和可靠度来看，Browser use是70%，以第一人称接入是87%，API和Browser的混合是95%。所以最后得出答案，应该说在未来Browser use肯定不会消失，因为互联网上有这么多的不同的服务都可以通过网页来进行浏览，而发现能够真正提供Agent包括API服务的，可能只有几百个或几千个，远远不够覆覆盖网上所有的服务类型。而从Muse这边来看的话，一定要达成对于API和Connector的使用，因为未来会变得很重要。但是绝对不能够放弃对于浏览器和电脑的使用。想象一下，如果放弃了对浏览器的控制和调用，就意味着仅能够在一定限度范围内的生态系统当中，并且对进行认可的公司或品牌内部进行使用，就不能够去调用所有人可能都会使用的各种各样类型的浏览器和上面的网页。可以看到像uber、shopify等不同的一些公司，他们都在开发对agent友好的功能，能够让agent来进行调用，同时也要允许agent能够使用浏览器。所以预计未来3到5年，重复性的一些工作流会是以API跟connector 为主的，但是浏览器的使用和调用也会长期并存。

如何看待比如亚马逊对于Muse这款产品封杀的一些情况，以及如果OpenAI、Anthropic、谷歌也都推出personal ai agent，muse的差异化优势是什么？

专家：亚马逊的反应表明，个人Agent（Personal Agent）市场不会发展成为一个可以自由操作所有网站的单一超级Agent。竞争核心在于谁能够掌握消费者关系，以及谁能够控制交易层。亚马逊对Muse的限制范围更广，也同时抵制来自OpenAI、Google和Perplexity的Agent。亚马逊自身拥有购物Agent——Alexa for Shopping，并且能够访问亚马逊的一方购物场景数据（first-party shopping context）。Google采取了完全不同的架构路径，将Agent能力引入Search和Gemini，并与Shopify、Etsy、Wayfair、Target和Walmart等零售商共同开发通用购物车（universal cart）、支付基础设施以及开放式商业协议（open commerce protocols）。OpenAI正在构建Agent基础设施，包括Agent API以及商业广告整合能力。

因此，Muse面临的竞争结构可以分为三个层级：

第一层为个人Agent层（Personal Agent Layer）：包括Muse、ChatGPT、Gemini等，核心战略资产是用户关系、记忆能力以及意图编排（intent orchestration）能力。

第二层为服务垂直Agent层（Service Vertical Agent Layer）：包括亚马逊购物Agent、旅游Agent、银行Agent等，核心优势是专有库存数据以及业务流程。

第三层为执行基础设施层（Execution Infrastructure Layer）：包括API、UCP、MCP协议、支付系统、浏览器等，核心目标是完成交易执行。

Muse的目标定位是个人Agent层。Muse并不需要取代亚马逊的购物智能，而是希望成为消费者用于协调和管理各种服务的核心Agent。如果主要平台限制Muse，其实际价值和可用性将受到影响；但如果商家认为Agent能够成为有效的客户获取渠道，并开放API和连接器（connectors），Muse的能力将进一步增强。目前，亚马逊正在限制Muse，而Shopify则正在推动与Muse以及Shop Pay的整合。Meta表示，Muse支持链接支付方案（link payments plans）、Shop Pay支持，并且设计目标是能够跨越第三方服务运行。未来三到五年，每个市场可能会存在2–4个主要的横向个人Agent（horizontal personal agents），用户将通过这些个人Agent与大量嵌入式垂直Agent进行交互。竞争优势并不在于Llama、GPT还是Gemini模型本身，而在于分发能力、个人上下文理解、服务连接能力以及执行可靠性。Meta具备独特优势，其能够将个人Agent与WhatsApp、Instagram、Facebook中的通信和社交场景连接，并最终延伸至Meta智能眼镜。Google拥有Search、Android、Chrome、Gmail和Maps生态；亚马逊拥有电商、Prime和Alexa生态；OpenAI拥有ChatGPT直接面向消费者的用户关系，以及快速扩张的Agent生态系统。个人Agent市场竞争格局正在快速演变。未来市场不会由一个能够处理所有任务并覆盖所有平台的单一Agent主导，而更可能形成分层结构：个人Agent负责协调用户意图，垂直Agent负责管理专业化工作流程，执行基础设施负责完成交易。战略优势将集中在分发、上下文理解、连接能力以及可靠性方面，各大厂商将依托自身生态系统强化Agent能力。Muse的定位是成为主要的个人Agent，通过连接用户与大量服务实现价值，同时需要适应平台政策限制以及商家整合过程中带来的机会与挑战。

总体总结

主题正文

那么如果说下载量已经到了一个瓶颈期，但是看到其他的一些数据，比如D30的量达到20%、50%，每周的使用应该是不小于两次，然后DAU、MAU能够留存50%左右，那么对于 meta 来说就是一个不错的成绩。
那 meta 这边可以通过whatsapp、meta ai、facebook、instagram 这样的不同的软件或 app 来让 Muse可以轻易的得到几百万甚至上千万、上亿用户的一个关注。
对于复杂任务，目前的成功率是65%，12个月到18个月之后，目标是85%，包括跨网站的旅行订阅、机票预定，客户服务的一些解决方案，以及任何需要可能多步骤的任务，比如先登录、再做身份认证的这样一些任务。
目前的成功率50%，12个月到18个月之后，目标是75%，这包括了比如从一个浏览器的一个Tab转到另一个Tab，或从一个浏览器的Tab转到另外一个完全不相关的APP，并且对这个东西能够实现recovery等等。
所以最后得出答案，应该说在未来Browser use肯定不会消失，因为互联网上有这么多的不同的服务都可以通过网页来进行浏览，而发现能够真正提供Agent包括API服务的，可能只有几百个或几千个，远远不够覆覆盖网上所有的服务类型。
Google采取了完全不同的架构路径，将Agent能力引入Search和Gemini，并与Shopify、Etsy、Wayfair、Target和Walmart等零售商共同开发通用购物车（universal cart）、支付基础设施以及开放式商业协议（open commerce protocols）。
第一层为个人Agent层（Personal Agent Layer）：包括Muse、ChatGPT、Gemini等，核心战略资产是用户关系、记忆能力以及意图编排（intent orchestration）能力。
第二层为服务垂直Agent层（Service Vertical Agent Layer）：包括亚马逊购物Agent、旅游Agent、银行Agent等，核心优势是专有库存数据以及业务流程。

源文件：2026-10-14/topics/236.md

站内副本：2026-10-14/topics/236.md