你的增长团队向你汇报：本月新激活用户1.2万，比上月增长20%。数据很好看，但你低头看了一眼总盘：活跃用户（这里指月初处于活跃状态的用户，不同于滚动统计的MAU）从10万掉到了9.7万。

新增涨了20%，总量反而少了3000人。数据没有骗你，是你只考核了新增用户，没有关注流失用户。

团队开始讨论大盘、渠道和季节性，却没人先把流入与流出放到同一张表里。

本月新激活1.2万人，回流0.3万人，合计流入1.5万。但流失了1.8万人。流入减去流出，一个月内的净流量为－3000人。因此，期末活跃用户自然减少3000人。

账面上的直接原因很清楚：流出比流入多了3000人。至于用户为什么流失，还需要继续追查。但如果连这笔账都没有算清，后面的归因就很容易跑偏。

想象一个浴缸。水龙头在进水，排水口在出水。你问：水位在涨还是在降？

直觉是看水龙头。水龙头开得大，水位就该在涨。水龙头拧小了，水位就该在降。

但水位往哪走，看的不是水龙头开多大——看的是进水和排水谁更大。进水每分钟12升，排水每分钟8升，水位每分钟增加4升。即使把进水从12升降到10升，只要仍然大于8升，水位就还在上涨，只是涨得慢了。

浴缸里现在有多少水，是存量。每分钟流进多少、排出多少，是流量。用标准的定义来讲：在明确的系统边界内，由过去的流入和流出累积形成、能够在某一时点测量的状态量，叫存量；单位时间内使存量增加或减少的速率，叫流量。存量回答"现在池子里有多少"，流量回答"每单位时间流进或流出多少"。

浴缸一开始可能已经有水。这些水是之前积累的，不是这一轮才流进来的。所以完整的关系是：

这是存量—流量模型的核心公式。它说明，期末存量由期初存量和期间净流量共同形成。净流量是正的，存量就在增加。净流量是负的，存量就在减少。净流量是零，存量就保持不变。只看流入这一条线，判断不了存量往哪走；必须把流入和流出放在一起，算净流量。

这个模型来自系统动力学。20世纪50年代末，MIT的杰伊·福里斯特把"水平量—速率结构"系统化为系统动力学的核心建模工具。后来，德内拉·梅多斯加入MIT的福里斯特团队，在《系统之美》中用浴缸、人口、银行账户这些日常例子普及了这套概念。

流入减流出，这不是小学算术吗？

麻省理工学院的约翰·斯特曼教授和合作者在一项经典实验中，给MIT研究生看浴缸的进水曲线和排水曲线，让他们画出浴缸里的水量变化。答对的人不到一半。

很多学生看到进水曲线在下降，就把水量曲线也画成了下降。他们没有比较进水和排水的大小，而是直接假设水量的走势跟进水一致。

斯特曼和合作者把这个错误叫做"相关启发式"——把流量曲线的方向，直接当成存量曲线的方向。

这个错误有多顽固？实验发现，即使受过系统动力学训练的人，仍然有一部分会犯。原因不在于读不懂图或算术能力不足，而在于很多人没有真正理解"流量经过时间累积，才形成存量"这条原则。

浴缸和用户增长看起来毫不相干，但它们要求你完成的是同一种判断。看到进水下降，就以为水量下降；看到新增上涨，就以为用户总量上涨，背后都是同一种错误：把一条流量的变化，直接当成了存量的变化。

这种错误并不只发生在课堂里。大气中二氧化碳的累积量，可以用浓度来表示。它是存量，排放是流入，自然与人工移除是流出。很多人以为，只要排放不再增长，浓度就会稳定。其实，只要排放仍然大于移除，浓度就还会继续上升。只有排放与移除相等，浓度才会稳定；要让浓度下降，移除就必须持续超过排放。

同一种误判，放在气候问题上，会让人低估稳定浓度所需的减排幅度；放在业务里，则会让团队把资源不断投向拉新，却看不见正在扩大的流失口。

存量—流量模型还有一个被忽视的推论：想提高存量，不只有增加流入这一条路，减少流出同样有效。

梅多斯在《系统之美》中用浴缸说明过这个道理：要灌满一个浴缸，把水龙头开大可以，堵上排水口也可以。

道理显而易见。但回到现实，大多数人的第一反应是"增加投入"。缺少用户，用户增长团队要拉新；团队缺人，招聘团队要招人；现金紧张就想增加回款。减少流出这条路径经常被忽视。

回到开头的场景。你的活跃用户在掉，团队在讨论怎么拉新。为了比较两条路径，先假定其他条件不变。

方案A，只增加流入：把新激活从1.2万提高到1.6万，回流仍为0.3万，流出仍为1.8万。总流入变成1.9万，净流量从负3000变成正1000。总量开始回升。

方案B，只减少流出：流入仍为1.5万，把流失从1.8万降到1.4万。净流量同样从负3000变成正1000。总量同样开始回升。

在数学上，增加4000流入和减少4000流出，对净流量的影响相同。现实中该选哪条路，要继续比较成本、难度和成功概率。

存量并不是越高越好。你希望活跃用户多、银行卡里钱多，但你不会希望信用卡欠款多、冰箱里过期食品多、待办清单上积压的事情多。模型不替你设定目标，只告诉你该通过哪些流量改变系统状态。

存量—流量模型还有一个边界：它只告诉你流量怎样改变存量，不告诉你流量为什么变化。水龙头为什么拧小了？用户为什么流失了？排放为什么下降了？这些问题，存量—流量模型回答不了。流量为什么变，需要进一步调用反馈回路模型来回答，这也是下一篇思维模型要讨论的问题。

面对一个真实问题，怎样把它拆成存量、流入和流出？五步可以照做。核心就一条：当你看到某个总量在涨或降，先把流入和流出放到同一张表里，别只盯最显眼的那条流量。

第一步：定边界和时间尺度。 你要算的是什么存量？是活跃用户、库存、现金还是员工人数？时间尺度是什么？一个月、一周还是一个季度？边界不同，流量定义也不同。同一个员工从A部门调到B部门，对B部门是流入，对A部门是流出，但对整个公司只是内部转移。本例的边界是"月度活跃用户"，以下所有数字都是一个月内累计发生的状态变化量。

第二步：找出期初存量。 月初的活跃用户10万人，这是起点。没有期初存量，后面算出的净流量只能告诉你变化方向，算不出期末总量。

第三步：列全流入和流出。 不要只看最显眼的那条流入。流失、折旧、报废、失效，这些容易被忽略的流出，往往是总量下降却没人发现的原因。回到开头的场景：流入有新激活和回流两条，流出有流失一条。只看新激活，就无法完整解释总量为什么下降。

第四步：统一单位，算净流量。 存量的单位是"人""元""件"，流率的单位是"人/月""元/日""件/周"。如果拿到的是流率，先乘以对应时间，换算成这个月实际发生的流入量和流出量，再跟期初存量相加减。本例统计的就是一个月内累计流入1.5万人、累计流出1.8万人，所以期末活跃用户为：10万加1.5万减1.8万等于9.7万。100万元和100万元/月不能直接相加。

第五步：测试不同干预会怎样改变存量。 分别测试增加流入、减少流出会怎样改变净流量和未来存量。模型帮你找到候选干预入口，至于哪条路成本更低、成功概率更高，要结合业务数据继续判断。

这五步不只适用于用户增长。库存管理别只看入库、同时看出库和报废；现金管理别只看收入、同时看支出和还债；客服运营别只看新工单、同时看解决速度和积压量。每个场景的逻辑都一样：先分清存量和流量，再列全流入和流出，最后算出净流量，找到可以进一步测试的干预入口。

下次看到"新增涨了20%"的汇报，先问一个问题：流失多少？净流量是正的还是负的？

总量不是由某一条流入决定的，而是由期初存量与随后累积的净流量共同形成的。你只看了流入，没看流出，账就没算完。

如果你想更系统地理解存量、流量、反馈回路和杠杆点，推荐德内拉·梅多斯的《系统之美》。

本文关于浴缸、存量积累以及改变流入和流出的解释，主要参考了这本书。梅多斯把复杂的系统动力学拆成了普通人能看懂的日常画面。