HubSpot 增长负责人：增长团队之死、3 倍邮件转化与 AI SEO 未来

▍嘉宾：基兰·弗拉纳根 (Kieran Flanagan)

基兰·弗拉纳根现任 HubSpot 智能体 GTM 与系统高级副总裁（SVP Agentic GTM & Systems），此前长期担任 HubSpot 营销高级副总裁（SVP Marketing），负责公司全球增长战略与 AI 落地。他早年曾任 Zapier 首席营销官（CMO），后回归 HubSpot，深度参与了公司的国际化扩张、产品驱动增长（PLG）转型，并与 HubSpot CMO Kipp Bodnar 共同主持知名营销播客 Marketing Against the Grain。

▍关于 HubSpot

HubSpot 是一家总部位于美国马萨诸塞州剑桥的 CRM、营销、销售与客户服务平台，由 Brian Halligan 与 Dharmesh Shah 于 2006 年创立，以"集客营销（Inbound Marketing）"理念起家，2014 年在纽约证券交易所上市（NYSE: HUBS）。

截至 2026 年，公司已服务超过 20.5 万家付费客户（hublead.io），战略重心正从传统 SaaS 转向"智能体客户平台（agentic customer platform）"，核心 AI 层 Breeze AI 覆盖营销、销售、服务三大 Hub 的智能体工作流（Investing.com）。

从 2026 年时点回看财务表现：HubSpot 2026 年 Q2 营收达 9.117 亿美元，同比增长 20%；截至 2026 年 8 月 24 日，股价约 240 美元，市值约 119.7 亿美元（HubSpot IR、Macrotrends）。

AI 创新小组会取代增长团队吗？

Harry： 欢迎回到 20VC，我是哈里·斯泰宾斯（Harry Stebbings）。今天这期 20 Growth 非常特别，我们请回了我最欣赏的增长领域思想家之一。20 Growth 是一档月度节目，每期我们都会与顶尖的增长领袖坐下来，拆解他们如何思考、学习并打造当今最优秀的增长组织。

今天再次坐上嘉宾席的是基兰·弗拉纳根（Kieran Flanagan）。我说过，我认为他是当今增长领域最杰出的头脑之一，负责 HubSpot 所有增长事务，尤其是 AI 落地。今天的对话非常自然、随性，灵感来自他的一条 LinkedIn 帖子，我非常喜欢。也非常感谢他再次做客，和我们深入探讨 AI 如何改变我们所熟知的增长格局。基兰，老兄，我一直很喜欢我们的对话。首先，非常感谢你今天来。

Kieran： 很高兴再次回到节目。谢谢你邀请我。

Harry： 老兄，我们刚才聊着聊着，你上来就抛了好几个金句，我当时还想，糟了，没录上。你刚才跟我说，你觉得未来增长团队可能会变得多余。我当时就想，天哪，这开场太棒了。你这话是什么意思？你设想的未来增长团队会是什么样子？

Kieran： 好吧，这话一说出去，估计大家要抄起干草叉和刀子朝我扔过来了。增长团队过去主要关注的是：如何让进入市场（Go-to-Market, GTM）更少人工接触？如何帮助用户上手？如何让用户用起来？如何让用户以更自助的方式购买？而我认为 AI 会把这些全部归结为一个更底层的问题：如何让 GTM 以 AI 为核心？

无论你是自助式模式，还是人工主导模式，我看到的是 AI 正在把这些职能压缩成一个统一功能，也就是 AI 创新小组（AI innovation pod）。这个小组要解决的是：如何在 GTM 全流程中部署 AI，让整个 GTM 更高效。在需要提效的地方用 AI 赋能人，在可以替代人的地方用 AI 取代人。

传统增长团队的区别在于，他们通常不碰人工驱动的部分——不会想着怎么让销售团队更高效、怎么让客户成功或客户支持团队更高效、怎么在这些环节部署 AI。他们主要做产品驱动增长（Product-Led Growth, PLG）那段：上手、激活、升级。而 AI 会大幅改变这一点。我觉得你需要一个团队能够在这两件事之间自由切换。

举个例子。有人会说，这说不通啊。那我就说个清楚的例子。过去增长团队一直在琢磨上手流程：工具提示、产品导览等等。但如果整个上手体验、购买体验都由一个多模态智能体（multimodal agent）来完成呢？你访问某个网站，多模态智能体可以通过文字、语音与你对话，还能看到你的屏幕，引导你使用产品。这个智能体可以陪伴你完成整个上手过程、升级过程。甚至当你已经成为客户之后，谁来负责这段体验？交接点在哪里？增长团队负责哪一段？客户成功负责哪一段？客户支持负责哪一段？销售负责哪一段？

在我看来，应该由一个 AI 创新小组来整合整个 GTM 体验。那 HubSpot 有没有解散增长团队、组建 AI 创新小组？还没有，所以我才说这话可能会惹麻烦。我们仍然有一个专注 PLG 的增长团队，他们做得很出色。同时我们也有一个内部团队，尝试跨销售、客户成功、支持等人工环节推进 AI 创新。我们开始把部分体验整合起来，比如让不同 AI 聊天或多模态组件同时服务于自助式和人工主导的 GTM。

目前还没有完全合并，但我展望未来，隐约能看到这两者正在走向融合。关键在于，在 AI 驱动的世界里，让一个团队同时思考自助化体验和人工体验会更合理。而传统思路是：增长团队负责把人从流程中抽离、让自助体验更顺畅，另一个团队则负责让所有人的效率更高。

Harry： 那如果我现在是一个早期创始人，从零开始组建团队，没有任何历史包袱或所谓团队负债，我应该直接组建 AI 创新小组，还是仍然先建增长团队，再叠加一个 AI 创新小组？

Kieran： 我知道增长团队听到这话会冲我喊，"我们本来就在干这些啊"。我同意。实际上我认为增长团队可以逐步演化成 AI 创新小组。我也和很多创始人聊过如何在业务中部署 AI。在我看来，你首先要有一个 AI 运营团队，帮你接入所有非结构化数据（unstructured data）和结构化数据，形成底层数据层，再在上面构建 AI 体验。

如果我们干脆不用这些名字，可能更容易讨论清楚，因为大家一听"增长团队"、"我负责这块"就会敏感。撇开名称不谈，AI 给 GTM 带来的最大价值之一，就是能够接入海量数据，其中对 AI 最重要的是非结构化数据：销售通话记录、聊天记录，这些都是我们以前根本用不起来的东西。有了数据层，你就拥有了关于客户的丰富上下文和实时信号。

然后需要一个团队坐在数据层之上，不断创新如何利用这些数据：让产品更易用、让价值更容易被提取、让销售更容易、让支持更容易。我认为未来会走向一个统一团队统筹整个 GTM，无论是自助部分、销售主导部分、客户成功部分还是客户支持部分。因为 AI 可以消除传统上那些交接节点——"好了，现在交给销售团队"、"现在交给客户支持团队"、"现在交给客户成功团队"——把这些体验整合得更加无缝。

这种趋势我不只在 HubSpot 内部看到，在 HubSpot 外部也看到了，很多团队正在做我们过去所谓"传统增长"的事情。

AI GTM 工具的真实价值边界

Harry： 说到 AI GTM 工具，你觉得今天哪些场景真正有价值，哪些场景还不过关？比如我们见过很多 AI SDR 产品，但真正达标的很少。你怎么看今天 AI 在 GTM 中的价值边界？

Kieran： 我们看到最大的价值在个性化。这个用例大家都知道，但确实有效。在邮件场景里，光是做到针对个人个性化，我们就看到转化率几乎增至三倍。这仍然依赖于结构化和非结构化数据，以及一个足够好的数据层，让你能提取这些信息并写进邮件里。我们也在逐步把销售过去通过邮件做的传统拓客工作自动化起来。所以这些确实有效。

那你可能会问，为什么市面上一些现成的 AI SDR 工具没那么好用？因为它本质上是一个 SDR 工作流：采集数据、做外联个性化。我认为 AI 工具的一个难点在于提示工程（prompt engineering）：你必须构建一个能适用于所有客户的提示词。如果你是 AI SDR 工具，你要写一个提示词，靠它生成能适配几百家客户的邮件。而我们发现，提示词越针对自身需求定制，效果越好。

所以我怀疑这类工具能否真正做到公司需要的个性化，还是公司自己内部搭建会更合适。这也是用现成软件和自研定制之间的区别。客户支持是另一个已经被验证的用例。很多公司最早就是从 AI 客服入手的，效果相当好。我们现在甚至开始通过聊天机器人卖东西了。展望未来，客户支持团队也可以承担销售职能，只要 AI 能同时处理这两件事。

只要意图切换做得好，AI 就能判断这是支持对话还是销售对话。过去在网站聊天或免费增值（freemium）产品聊天里做客服的团队，如果把 AI 作为与用户对话的第一触点，客服团队就能像销售团队一样行动，因为他们能捕捉这些信号。这是我们确实看到跑通的方向。

Harry： 对我来说，一个大问题是：这类工具的预算会不会从软件预算转向人力预算？软件会不会侵蚀人力预算？如果是，作为风投投资人，这是天大的好消息；如果不是，那就没我们想的那么激动人心。对 HubSpot 来说，你愿意花更多钱、甚至把原本属于人力的预算挪到软件工具上吗？

Kieran： AI 让企业有两种选择。一是变得更高效，用更少的人完成过去同样的工作；二是变得更增长导向，用同样多的人做更多的事。比如客服，我可以把大量低端、非复杂的客户支持交给 AI，直接省掉这部分成本，用更少的人完成。或者，我也可以把这部分预算重新部署，让客服团队为我们的高端账户提供更多白手套式上手（white-glove onboarding）。

BDR 也是一样。我可以通过 AI 提升 BDR 团队的覆盖范围，让更少的人约到同样多的会议。或者，我也可以把省下的钱投进去，约到更多会议、增长得更快。我们现在仍处于大量 AI 软件的试点阶段，还不太会把它看作人头成本的替代。我们不会说，要么买这个工具，要么省掉几个编制。

Harry： 你们在缩减客服团队吗？

Kieran： 我们在把这些团队重新部署到其他重要工作上。你可以让人往价值链上游移动。你可以选择这样做：既然不再需要人做这份工作，就把他们转移到我们认为对 GTM 某个环节更高价值的工作上。

Harry： 那你不认同未来各个职能都会变小吗？

Kieran： 认同。我认为未来每个职能都会变小。这话说出来很难，你也在这个领域很久，大家知道很多人很担心自己的工作。我总想找一个最乐观的表述方式。但如果我们彼此诚实，AI 带来的现实就是：团队会小得多。

Harry： 我们的媒体团队就是个很好的例子。我们从这类节目里剪出来的片段，说实话相当程式化、千篇一律。社交媒体上大家看到的都差不多，而做这个要花好几天。结果呢，反而没机会在故事讲述上更有创意——比如提前讲好基兰的故事来推广节目。当你不必亲自做内容制作这些流程性工作时，才可能释放更多创造力。所以你是说，把 AI 省下的成本放在这里：AI 做重复性的活儿，人去做有创意的叙事？

Kieran： 对，这说到底取决于公司的选择。因为 AI 本质上是把时间还给了你。关键看你怎么重新部署这些时间。有些公司会选择借此优化客户获取成本（Customer Acquisition Cost, CAC），也就是单位经济模型更好，用更少的人做同样多的事。但很多聪明的公司会把这些时间重新投入到更高价值的工作上。

你的例子就很好。现在有很多 AI 内容工具。如果你只是用它们生成内容然后发布，其实价值不大。但如果你用它生成第一版，然后让人花更多时间去打磨、把它变成独特的东西，那价值就很大。

Harry： 但为了让我得到一个明确的 yes 或 no——毕竟作为投资人我很关心——你认为 AI 工具会从软件预算转向人力预算吗？

Kieran： 会。我认为未来我们会按人力成本和产出结果来给智能体定价。

数据层：AI 效果的放大器

Harry： AI GTM 工具里最大的噱头或炒作是什么？反过来说，既然个性化、客户支持这些地方有真实价值，那还有哪些地方是现实不如预期的？

Kieran： 自主多任务智能体（autonomous multitask agents）。首先，很多人其实没搞清楚什么是真正的智能体。智能体需要有数据、工具、上下文。今年智能体概念被炒得很热。我接触过的外部公司、包括我们自己内部使用智能体的方式，确实有一些不错的用例。但我认为，今天在很多场景下，AI 还不够可靠。你无法保证一个自主智能体能稳定地完成多任务目标，每次给出一致的结果。

我不知道你有没有深度玩过一些智能体产品，但它们就是不一致、不可靠，经常跑不通。模型确实在变好。Claude 在我看来就想成为智能体的底层基座，Opus 模型也明显有进步。编程智能体已经看到一些进步。但在 GTM 领域，我还没看到哪家以智能体为先的公司做到足够可靠、足够一致。

Harry： 我能问一下，在 HubSpot 内部，你们尝试和部署过但失败的东西是什么？客服做得不错，你也说过个性化带来了三位数百分比的转化率提升，很惊人。那反过来，你们在 AI GTM 工具上尝试过但内部没跑通的是什么？学到了什么？

Kieran： 我们学到的一点可能很平常，但非常真实：数据越好，结果越好。我们把内部、外部不同来源的数据整合得越多，每一次 AI 项目的效果就越好。

比如我们训练 AI 聊天智能体。我们现在有一个能卖东西的 AI 聊天智能体，能预约会议、做销售。回顾这一路，当我们不断用采集到的数据去打磨、训练它时，才看到飞跃式提升。客服智能体也一样。我们常说的自助解决率/分流率（deflection rate），就是用户来找客服，智能体聊着聊着把问题解决了。问题越复杂，就越需要纳入更多不同数据。我们做过一次大型实验，把所有开发文档、开发者文档以及关于如何在 HubSpot 上做开发的实操信息都喂进去，智能体学得更快，数据源和个性化效果也更好。

每找到一个新的数据源，能让我们通过 AI 更好地与用户对话，转化率就出现大幅跃升。如果有人在 12 个月前（译者注：指 2024 年）告诉我，AI 能把邮件转化率提升 5 倍，我肯定会说，邮件里能做的个性化就那么多，怎么可能？但正在听节目的创始人们可能会想，哇，这太牛了，怎么做到的？具体怎么做？用谁家的工具？怎么组织？

5 倍邮件转化率背后的方法论

我们总结了几点经验。第一，把一封邮件拆成多个提示词：一个写主题行，一个写开场，一个写核心内容，一个写结尾。这样可以分别迭代邮件的不同部分，效果会好很多。传统看邮件效果，我们会看打开率、点击率、转化率这些指标。但 AI 带来的转变在于：你每天收到大量外发邮件，可能只有 1% 你会真正回应。拆解原因，其实是某种"风格"对你有效。这种风格就是别人怎么跟你沟通的方式。

AI 极其擅长的事情——我觉得很多人还没意识到，这也是我过去八到十个月一直着迷的点——是提炼风格。它能说：这封邮件有某种风格，我可以为你复制这种风格。所以未来看邮件效果指标时，

Harry： 风格和转化之间的关系有多一致呢？我喜欢的、能让我转化的风格，跟其他人的一样吗？还是说每个人其实非常个性化？

Kieran： 我认为人比我们想象的更个性化。过去我们做的是细分层级个性化。在 B2B 里，我们把一群人归在一起，说他们有相似特征。但这些相似特征是什么呢？职位、职级、行业。这些其实跟"你这个人"没什么关系，只跟我们手里能把你归入某个细分的数据有关。

我们之所以做细分营销，是因为需要足够大的目标人群，才能支撑一个相应规模的营销团队去触达。我们无法只针对 300 个人做营销，因为要把这群人真正摸透，需要太多人力。但 AI 能做到这一点。以你为例，哈里对其中三五封邮件有反应。每次我写邮件时，先按我说的拆成不同提示词生成初版，然后把这个初版过一遍风格生成器，生成适合你的风格，再发给你。

这就是 AI 能改变游戏的地方。现在我可以赋能团队去触达小得多的群体，真正解读他们的风格和特征，找到能打动他们的点。所以数据真的很重要，流程化思考也很重要。要理解 AI 让我们能够做到什么——我认为 AI 将让我们以完全不同的方式量身定制体验。

Harry： 我们都懂经济学：当供给大幅增加甚至趋于无限，价格会下降，转化也会下降。当 AI 让外发邮件供给无限时，外发邮件的效率或效用会不会下降？

Kieran： 我们有数据。现在要约到同样多的会议，需要发更多邮件。

Harry： 多多少？大概？

Kieran： 粗略估计，三到五倍。

Harry： 三到五倍。

Kieran： 因为就像你说的，AI 让所有人都能写出"还不错"的邮件。AI 的挑战在于，它把原本不擅长的人拉到了"还不错"的水平，而你过去因为擅长而拥有的杠杆就被削弱了。不过总会有例外，总有人能更创造性地使用这项技术。

所以外发邮件会变得更难吗？会。但你是否能创造性地使用数据，仍然能让你脱颖而出。因为大多数人只会拿 AI 给的东西，做跟别人一样的事，然后说"够好了"。回到你媒体团队的例子：在 GTM 的每个职能里，真正重要的都是那 20%。问题是，你能不能用 AI 做完剩下 80%，然后让那些杰出的人去思考怎么让这 20% 更好、更不同、更独特？

Harry： 同意。但让我担心的是，当供给如此泛滥时，即使你真的很出色，也可能淹没在无限供给里。这成了个难题。有点像风投：即便你是精品、优秀的管理人，在巨型资产管理规模（AUM）机器面前仍可能落败。

Kieran： 供给增长会带来很多不确定性。我最近经常想到一件事：Lovable 的创始人 Anton 大概两天前发推说，上个月有 10% 的网站和应用是用 Lovable 建的。10%……多少来着？一个月内从 5% 涨到了 10%。但真正可怕的是，软件供给现在几乎是无限的，而分发渠道却在减少。

我们看到搜索流量在下降，后面我们也会聊到在 Google 上排名的能力。我们看到付费 CAC 价格在上涨。所以你看到一个图表在指数级增长——软件数量爆炸；另一个图表却在下降——你触达和营销用户的能力在减弱。这对任何想在线上增长业务、增长产品的人来说，都是个相当麻烦的趋势。

内容崩塌与 AI SEO 的未来

Harry： 老兄，我必须聊这个。你在一篇 LinkedIn 帖子里引用过，我特别喜欢。你还引用了 Cloudflare CEO 的数据，分享了一些惊人但残酷的数据。我觉得那篇帖子叫"内容崩塌"什么的。我想聊聊这个。什么是内容崩塌？在你看来，它对自然内容意味着什么？

Kieran： 好，我分享一下这些数据，因为我觉得它们是说明现状最好的数据之一。Cloudflare CEO 谈到了两点。他提到了一个数据点叫 scrape-to-visit ratio，也就是抓取访问比。这是一个很好的思考框架：这些公司拿走了你多少数据，又回馈给你多少访问。

开放网络很大程度上是建在 Google 之上的。数据显示，大约 63% 到 67% 的网站引荐流量来自 Google。所以 Google 仍然是开放网络的核心。过去社交媒体平台也贡献了不少流量，但它们现在减少了向外部导流的量，想方设法把人留在自己的平台上。

Google 和内容发布方（网站主）之间原本有种默契：你提供内容，我带给你访问。但这个默契正在瓦解。十年前，Google 抓取你两篇内容，回馈你一次访问，这是相当不错的交易，大家都满意。六个月前，这个比例恶化到了三倍：它抓取你六篇内容才给一次访问。现在是十八页换一次访问。原因就是 AI Overviews。

AI Overviews 正在成为 Google 回答问题的默认方式。你在 Google 上提问，会出现一个小小的 AI 框直接给你答案。今天超过 35% 的搜索都有某种 AI Overviews 体验，而且推广速度非常快。Google 在上次大会上表示，他们要把 AI Mode 变成默认搜索体验，美国已经在内测，现在他们正在印度内测。

那未来会怎样？我们来看看 ChatGPT。ChatGPT 是主导性的 AI 助手，是大多数人实际使用 AI 获取搜索结果的方式。我认为它在 AI 助手市场占据 80% 份额。六个月前，ChatGPT 每抓取 250 篇内容才给一次访问；今天，这个数字是 1500 篇。这背后有个重要原因，我几年前第一次看到 ChatGPT 时就指出过——早在我真正用上它之后不久，我就开始说它迟早会取代 Google，因为我一直坚信：用户永远会默认选择又快又省事的方案，胜过其他一切。当时有人反驳我：不可能，它会产生幻觉，人们不会信任它。我的回答是：不，人们最终只会默认选择省事和快，他们在乎的只有这个。

Harry： 而且它还会利用消费者数据变得越来越准。

Kieran： 对，会越来越准。ChatGPT 就是一个很好的方向指标。未来我们会进入一个世界：你不用点击任何网站就能获得所需答案。那互联网会变成什么样？我不确定。这确实很难想透，因为如果发布内容的动机消失了，人们为什么还要发布内容？

Cloudflare CEO 说他们推出了一款产品，让内容发布方可以选择授权 AI 机器人抓取内容并变现。但我认为，内容发布方和这些 AI 助手之间必须建立一种新的关系，才能让发布内容仍然值得。

Harry： 那我要问你，HubSpot 在很大程度上是靠自然内容做起来的。那面对这样的比例，你们该怎么办？我措辞已经尽量客气了，没有恶意。但这比例也太夸张了，我和 SaaStr 的 Jason 经常聊这个。到底该怎么办？

Kieran： 我仍然认为，未来你仍然需要营销你的业务。上一次大变革——可以说更大也可能不是——是从线下到线上。那次转型中人们肯定也摸索了很多。未来你仍然需要营销。事实上，我认为营销和 GTM 会变得更加重要。因为软件本身的差异化越来越少了：代码成本越来越低，人们在造越来越多的产品。你怎么做出差异？我认为差异来自你如何营销、如何带产品进入市场。

Harry： 你真的相信软件正在走向商品化（commoditization）吗？我其实并不这么认为。说到设计迭代的节奏、产品细节的打磨，我们确实会迎来大量粗制滥造的软件，但真正卓越的软件，我不认为会被商品化。

Kieran： 我认为这在今天是成立的。但回想 ChatGPT 刚问世时的讨论，人们曾说它永远达不到取代蓝色链接的水平。我更关心的是，两三年之后，局面会变成什么样？

Harry： 但这么说吧：HubSpot 是一款纵深很深的产品，产品模块非常丰富。你觉得 HubSpot 这款产品会走向商品化吗？

Kieran： 我认同平台本身、数据资产和生态系统都会形成壁垒。事实上，你仍然可以构建具备防御性的软件。但我要说的是，如果你只是一个单点解决方案，身处这个赛道会非常艰难。

Harry： 但真正的平台型产品有多少，单点解决方案又有多少？而且，所有平台不都曾是某个时刻的单点解决方案吗？我仍然认为，在许多软件品类里，从单一产品成长为平台并非难以跨越的鸿沟。那么，面对这样的趋势，你在 HubSpot 不会说“糟糕，我们应该减少自然内容”吧？还是说，这会如何改变你们的自然内容策略？

Kieran： 你们仍然需要一套 SEO 策略，交易型搜索（transactional search）的价值依然存在——它没有消失，只是占比下降。所以我们会把搜索分成两类：一类是信息型搜索（informational search），也就是我过去会创作内容来教你某件事；如果我教会了你，你就会来到我的网站，我就能说服你购买。

另一类是交易型搜索，也就是你已经在寻找一款能解决具体问题的产品，我们可以在 Google 上针对这类问题出现。信息型内容，从长远来看我不太看好它的价值，因为人们的消费习惯会改变，他们会直接从 AI 获取所有这些信息。这对大多数企业都是一个挑战。

当然，信息型内容仍有机会出现在 AI 搜索助手的结果中。而交易型搜索——也就是我们接下来要多花点时间的部分——才是重点：嘿，我有一款产品。是的，人们还会去 Google，但现在很多人会转向 AI 助手。如何确保当 ChatGPT 推荐产品时，我出现在推荐列表里？我认为这非常有价值。

ChatGPT 拥有超过 10 亿用户，而且增长速度快得多，他们还会推出免费增值产品，我认为这将帮助我们在 ChatGPT 内部做营销。关键在于，如果你只有一款单一产品，比如过去你在 Google 上做一款销售工具，你会试图让那一个页面排名靠前，你可能只会针对几个关键词优化。

但 AI 搜索优化（AI search optimization）的不同之处在于，你和 AI 是在对话。过去 Google 教会我们用关键词搜索，所以一个页面通常只能覆盖人们搜索该产品的三种方式。

而 AI 助手不同，你们是在进行真正的对话。实际上，人们可能会用数百种方式询问你的产品。因此，你需要为 AI 搜索优化准备数百个面向不同受众的微型版本产品页面。

Harry： 那这难道不会让 OpenAI 的广告业务比 Google 的广告业务好上 100 倍吗？因为他们可以把所有不同的微细分市场，以及你可能拥有的各种微观对话，都变现。

Kieran： 它们拥有记忆。我觉得，即便我们试图超前思考，现在也有很多工具在尝试回答：谁是 ChatGPT 的 SEMrush？谁是 ChatGPT 的 Ahrefs？

Harry： Peec AI。这就是答案。

Kieran： 有很多不错的公司值得关注。我感兴趣的是，如果你花时间和它们打交道，你会发现一件难事：过去在 Google 上，你能获得大量关于自己表现的分析数据。但我认为，ChatGPT 的挑战——也是其付费产品会如此强大的原因——在于记忆。

随着时间推移，你在 ChatGPT 上得到的结果会与我的大不相同，因为我每天会在上面花 10 个小时，它拥有所有的记忆。因此，当我说“最适合 X 的产品是什么”时，它会基于它掌握的关于我的大量历史记录来回答：给我的结果是这个，给你的结果是那个。

Harry： 那它是如何把所有这些信息整合起来的？

Kieran： 这就是为什么每次听到大语言模型（LLM）提供商会商品化时，我都会笑。因为我想，不，如果我突然转用 DeepSeek，它没有任何记忆；如果我转用 Claude，那就是完全不同的产品。

Harry： 你是说记忆是一种网络效应？记忆让它们更有防御性？

Kieran： 惊人的留存机制。

Harry： 完全同意。

Kieran： 完全同意。

Harry： 百分之百。完全同意。

Kieran： 我认为这是大语言模型最具防御性的部分。虽然我重度使用所有这些应用，但当时确实更常用 Claude，因为我觉得 Claude 的最新模型在一些营销任务上更有创意。o3 真的改变了我的使用习惯，我大量转到了 ChatGPT。我每天、每一分钟都在用它。因为记忆，我很难离开 ChatGPT——它已经被微调得无比贴合我的身份和工作目标。

Harry： 你现在还使用 Claude 吗？

Kieran： 我仍然用 Claude。是的。我仍然觉得它们的很多用例相当不错。我们与大多数大语言模型提供商都签了企业级席位，但我认为它们很多企业级用例其实都很好。

Harry： 你认为两三年后的提示方式会和今天一样吗？

Kieran： 哦，这是个好问题。提示工程（prompt engineering）是我现在最热衷的事。我只做这个，只发相关内容，它是我最近着迷的东西。所以我希望它未来仍然是我的杠杆点。

我要给任何人的第一条建议是：想让提示效果更好，就让 AI 帮你写提示。人们不这么做，这让我难以置信。

为什么我这么推荐？因为它太厉害了。如果你第一次和 AI 对话，无论是 Claude 还是 ChatGPT，你说明自己想达成的结果。如果你能展示一个范例，最好的做法就是告诉它：这里有一个过去完成过的例子，这是具体成果，而我想要的就是这类成果，请帮我写一个能产出这种成果的提示。它会给出不错的第一稿。

我对提示工程研究得比较深，所以不会直接用第一稿，但这能帮你走很远。再补充一个技巧：你可以利用现有的提示指南。OpenAI 有一份很棒的指南，我在 Reddit 上发现过一份关于 O 系列模型如何提示的文档，大概有 80 页。

我的做法是，把这样的指南交给一个自定义 GPT，并给它指令：根据这份指南，使用合适的工具，为我生成一个能达到目标的提示。因为它遵循了这份指南，所以能写出非常出色的第一版提示。

我对提示工程相当看好，它能让你从众人中脱颖而出。至于两三年后我们会怎样，我不确定——模型可能会自我提示、自我微调、自我完成所有事情。

Harry： 你会培训团队成员如何写提示吗？

Kieran： 会的。我们投入了大量资源，希望让 HubSpot 的每一位员工都能以 AI 为先。在营销团队，我们有很多培训材料、知识分享和各种活动，试图让人们理解提示的重要性，以及他们需要学习的各种 AI 优先技能。

Harry： 今天有多少营销内容是由 AI 生成的？

Kieran： 我觉得在 LinkedIn 上，可能有 90%。真的吗？不，我不确定。不过我认为现在仍然很容易识别，哪怕不看出现在网上的那些长破折号（em dash）梗——对听众解释一下，如果你看到一篇文章里有很多长破折号，现在会有点烦，因为我以前写作时喜欢用长破折号，现在不敢用了，因为大家会以为那是 AI 写的。

Harry： 嗯，这是个有趣的观点。AI 生成的内容本身是否价值更低？

Kieran： 我想说，如果你看看社交媒体上那些 AI 原生的虚拟形象账号，不会。只要内容足够好，人们根本不在乎它是不是人写的。

Harry： 这就是我的观点。价值是什么？从分发渠道、留存和内容使用来看，内容的价值在于：你会留下来看这段视频吗？我会像看普通视频一样看 AI 视频。所以对内容提供方来说，效果是一样的。

Kieran： 我同意。我认为只要内容有价值，用户并不在乎来源。你看到那个 Veo 3 的牙科广告了吗？那位牙医说，他在洛杉矶执业，今天刚拿到 Veo 3 的使用权限，这很棒。我知道英国那边已经能用一段时间了。

Veo 3 是 Google 最新的视频模型。从我的角度看，AI 的演进是这样的：ChatGPT 是文本领域的重大突破；ChatGPT 的图像生成工具是图像领域的重大突破，你可以通过文字生成图片，效果已经不错；然后 Veo 3 是 Google 最新的视频模型，你可以通过文字生成视频，而且效果非常好。

洛杉矶有一位牙医做了这样一支广告：看起来就像一支 vlog：一只大猩猩跳伞时把牙磕掉了，然后去他的诊所补牙。这支广告病毒式传播，据说让他的诊所预约排了好几年。所有人都知道这是 Veo 3 生成的，但没有人在意。

Harry： 我当然也不在乎，因为那是一支非常棒的广告。我喜欢它有两个原因：第一，AI 正在让创意民主化，这正是我对 AI 最兴奋的地方——对于有创意的人来说，现在是从未有过的最好时代。但第二，它也说明人们真的不在乎。好就是好。只要你有出色的品味，并且能让 AI 生成符合你品味的内容，那我们或许可以讨论 AI 是否真的能产生有品味的内容。但我认为人们不在乎。

老兄，我有太多东西想从这次讨论中展开。我们提到了查看自己在传统搜索中排名的分析维度。对于你现在作为 HubSpot 的一员，同时也是一位买家，你会在 LLM 分析上花一大笔钱吗？

Kieran： 我们用一个 X funnel 来追踪我们在 LLM 上的表现。我们的搜索团队已经大量转型为 LLM 实验团队。

Harry： 今天有多少流量来自 LLM？我记得 Vercel 不久前发过数据，他们从搜索到 LLM 的流量增长了 3 倍。

Kieran： 是的，我们看到增长了 5 倍，但仍然不到总流量的 1%。哇。因为你能看到的只有引荐流量。真正的变化——也是我们必须适应的变化——是：对于 LLM 优化而言，声量份额（share of voice）是比流量更重要的指标。

Harry： 你是什么意思？抱歉。

Kieran： 我们回到那个数据：1500 篇内容被爬取，才换来一个访问者。那么，如果访问量如此之少，这些内容还有存在的价值吗？有，因为你拥有了最大的平台来展示品牌。这就像一个广告曝光。

但实际上，如果你的品牌只是混在一篇文章里，旁边还有五个其他相关博客的链接，你的存在感就只是一个写着 HubSpot.com 的链接，那对信息型搜索来说意义不大。我同意，如果你只是在里面写一篇“如何创建 Facebook 广告”或“如何在风投中配置资金”的博客，影响力很有限。

因为我认为会发生的情况是：人类过去会去 Google 消费信息型内容，学习之后再采取行动。AI 从根本上改变的是，AI 会拿这些信息型内容进行训练；而人类真正想问的通常不是“我该如何做这件事”，而是“帮我做这件事”。信息层会变成行动层。所有信息型内容都会被 AI 使用，而人们会逐渐习惯直接让 AI 替自己完成。

在 LLM 和 OpenAI 里真正有价值的露出，是出现交易型问题的时候——也就是“我想做这件事，哪五款产品最好”这类问题。因为那时你会真正出现在那五款最佳产品之中，这才是有价值的。我认为真正应该全力投入的，就是那些交易型问题。当用户处于购买模式时，你要确保品牌出现在这些答案中。

Harry： 问题是，人们会不会直接跳过那个斟酌过程，说“我想买个水壶，帮我买最好的那个”？

Kieran： 我认为在 B2C 领域会。我们已经看到 Perplexity 和其他一些公司开始部署智能体（agent）。我知道 Google 也在做这件事。我经常浏览我们的聊天记录，无论是 Starter 还是 Pro 用户，都会和团队一起用 LLM 分析这些数据。我可以告诉你，即便在价格较低的产品上，用户也有很多问题。所以我认为，要让他们说出“没问题，直接去买 HubSpot 吧”，我们还有很长的路要走。

Harry： 那么，我们是否从根本上改变了内容创作的性质，从传统的 Google SEO 转向优先做 LLM SEO（基于大语言模型的搜索引擎优化）？

Kieran： 我举过一个例子：过去你针对某个细分受众只有一页产品介绍；未来你可能会有一百页针对不同受众的产品介绍。谁知道呢，也许以后每个公司都会有一页专属的产品介绍。

Harry： 你认为未来会出现一家估值 100 亿美元的 LLM 数据分析公司吗？

Kieran： 如果你提到 SEMrush，我很喜欢 Peec AI，我们刚投了它的种子轮。不投这笔交易的理由之一是 SEMrush 已经成立 17 年，估值才 15 亿美元。

Harry： 我一直想不通的是，你怎么看待"记忆"这个问题？这些公司如何克服结果个性化带来的难题？因为它们的做法是：你把想问的问题加进去，然后它们每天会调用一个 ChatGPT 实例，告诉你有没有出现。但它们怎么知道它对你、对我、对另一个人分别出现了什么结果？这是我困惑的地方。

Kieran： 我觉得种子投资要看三点：第一是团队，第二是大方向正确，第三是交易本身。

我没聪明到能预测 OpenAI 未来两三年会如何发展"记忆"及其对商业模式的影响。我知道这完全是逃避式回答。我只是把 Peec AI 当作一家种子轮公司来看，惊叹团队太出色了，方向百分之百正确，市场需求极其强劲，收入增长几乎是我见过最快的，仅次于 Lovable。这笔交易虽然贵，但还不算疯狂。

Harry： 是的。

Kieran： 所以我仍然庆幸自己能早期参与。我仍然会做这笔交易，因为我觉得如果往深了想，这个问题的唯一解决路径是：OpenAI 有动力推出某种机制，让企业能够以更可控的方式接入，从而获得更优质的数据。

那 OpenAI 为什么要这么做呢？如果它想做免费增值的付费模式，而且刚挖来 Instacart 的前 CEO，那么它推出付费层级是相当合理的。它需要具备这类功能，让广告主能够针对自己关心的受众优化投放。一旦它这么做，对所有想成为"LLM 时代的 SEMrush"的公司都是利好，因为届时它们终于有了办法说：我们的受众是这个，基于这个受众，我们在不同查询中出现了多少次。

Harry： 我刚才在笔记里写了很多，因为我们这场对话有太多我想展开的点。那如果你是 Google，你会怎么做？你那只会下金蛋的鹅正受到威胁。

Kieran： 我认为 Google 今年已经意识到：没有渐进式推出这回事。过去五个月它其实一直在试探：能不能慢慢来？但它看到用户行为变化非常快，越来越多人转向 OpenAI 和其他 AI 助手。

可如果你看真实数据，AI 是否意味着人们搜索变少了？并不是，AI 反而让人们搜索得更多，搜索量正在上升。那企业为什么没从中受益？这对企业好吗？对 Google 好吗？

Harry： 你说搜索更多，是指搜索吗？我们怎么定义搜索？那是"对话"。

Kieran： 是的，就是提问。Cloudflare CEO 分享的另一个有趣数据点是，又有 20 亿人接入了互联网。所以如果把这两点加在一起，理论上应该是企业的黄金时代。

问题还是回到现实发生了什么：人们不需要再访问网站，因为 AI 很擅长直接给出答案。但这不意味着 Google 想不出一个有效的广告模式。相反，它应该能构建出一种比你刚才说的 OpenAI 广告模式更个性化的广告形态。而且我认为 Google 有历史也有能力做到这一点。

所以如果我是 Google，我会更激进地部署这些产品，全力搞清楚如何把广告无缝整合进对话中。现在的广告体验我觉得并不好。但 Google 的挑战在于，OpenAI 没有理由做不出一个同样好甚至更好的模式。Google 已经失去统治力，因为 PageRank 不再那么重要了，而它正是靠这个起家的。所以我认为 Google 必须全力以赴、快速部署、找到付费模式。我觉得它现在想做的就是回归初心，快速迭代。

Harry： 是的。到了这个体量，很难做到。

Kieran： 体量大了确实很难。完全同意。

Harry： 你现在可以用 3000 亿美元估值投 OpenAI，或者用 600 亿美元估值投 Anthropic，你选哪个？

Kieran： 我不得不说是 OpenAI。它颠覆整个行业的机会无人能及。

Harry： 如果我可以做任何事而不怕被有限合伙人（Limited Partner, LP）追责，我会把 4 亿美元整只基金都投给 OpenAI。

Kieran： 我觉得 OpenAI 会不经意间为自己创造出巨大的、价值数十亿美元的收入流。就是那种："哦，原来我们已经在做这些了，自己都没意识到。那就把它拆成一个业务吧。"机会太广阔了。

显然马克·扎克伯格（Mark Zuckerberg）正在疯狂挖他们的人才，但如果 OpenAI 能继续保持领先，那么……

Harry： 你怎么分析扎克伯格挖走他们大量人才这件事？我现在看这件事，会想问：这是否让我对未来 Meta 更加看好？还是我会想，哇，这是 Meta 在并非真正领先的处境下，最后一次拼命想成为 AI 主要玩家的尝试？

Kieran： 是啊，我今天早上还在 WhatsApp 上跟人讨论，试图弄清 Meta 的终极定位是什么。

其他几家我大概说得出来：OpenAI 想成为通过通用人工智能（Artificial General Intelligence, AGI）服务全球每个人的个人助手；Claude 想成为 AI 的后端基础设施，让企业能在其上构建自主智能体；Google 显然是想把 AI 部署到整个生态系统里保持领先。

我猜 Meta 的终极目标可能和 OpenAI 很像，也是为那数十亿用户提供个人助手。我是扎克伯格的粉丝，我确实喜欢他这种激进风格，我觉得这很霸气。这看起来像是一场押上一切的豪赌。他挖来的人名单相当惊人。

这是否让我比原来更看好 Meta？我本来就比较看好 Meta，也比较看好扎克伯格作为 CEO。当然，之前元宇宙那波他也曾进入一些行业但没有完全兑现。但如果要押注一个人，以他最近招来的这批人来看，我认为是相当值得押的。尽管如此，我还是不认为有谁排在 OpenAI 前面。

Harry： 我们其实提到了提示词的价值以及它未来的变化。关于模型选择，你现在显然可以选择把提示词部署到哪个模型上。你认为未来我们还会有选择模型的权利，还是这种权利会逐渐消失？

Kieran： 我觉得 Microsoft Azure 已经有这样的功能：它会根据你的提示词自动选择模型。我之前还想投一家公司，做的是面向 SaaS 的类似中间层：根据你要完成的任务自动切换模型。

之所以会这样做，是因为企业中有些任务可能会用推理模型，比如 o3 这类，跑这些提示词非常贵；而你要做的事很可能用一个便宜的开源模型就能完成。

Harry： 完全同意。

Kieran： 我认为大多数公司未来都会有能力在开源模型、付费模型、或者任何最适合当前任务的模型之间切换，因为这能帮助优化成本。

Harry： 你也提到了 o3，以及它在爱尔兰和欧盟的推出。欧盟《人工智能法案》（EU AI Act）实际上限制性极强。你认为欧洲在 AI 监管上的立场是在自断后路吗？

Kieran： 我非常反感欧盟在这些问题上的大多数立场。我现在才用上 Veo 3，而它其实已经推出三个月了。我们正处于一场竞赛中，我认为配备了 AI 的知识工作者拥有巨大优势。

如果欧洲想成为卓越和创新的中心，而现行的规则法规，我认为，仍在迫使创始人涌向美国。这方面你比我懂。过去一个月我聊过两位很棒的欧洲创始人，他们想留在欧洲，想在这里建立伟大的公司，但仍在考虑搬走，因为他们担心这会拖慢他们的速度，让他们在与美国竞争对手的比拼中处于劣势。

Harry： 这么说可能不太礼貌，但你继续留在爱尔兰，难道不是也在专业上限制了自己吗？如果你三个月前就能用上这些模型，那你现在就会领先三个月？

Kieran： 是的。我觉得我做出了一种权衡：为了住在我喜欢的地方，我放弃了更快用上全球最好工具的能力。如果我还在职业生涯早期，我会认真考虑这件事。我真的认为美国那片大陆才是干事业的地方。

不过我还是挺乐观的。欧洲有很多伟大的公司正在诞生。单看瑞典，就有不少 AI 公司在崛起，有很多好事在发生。所以我希望我们能在监管上看到一些理性，让企业在这里能跑得快得多。

Harry： 我能问一下，关于 AI 驱动内容或 AI 生成内容，你今天在 HubSpot 是怎么考虑投资的？这和你对人创内容的预算相比如何？

Kieran： 我认为我们正在改变对价值归属的判断。比如我刚才提到的搜索团队，他们已经大幅转型。我们仍然做搜索，它仍然占我们流量很大一块，但我们让这个团队大幅转向 AI 优化实验。

正因为如此，我们在大语言模型中的品牌声量份额有了明显提升。我认为 AI 是很好的跨媒体助手。你在媒体方面很有经验，也有媒体团队，你应该已经看到 AI 开始能做视频初剪、脚本初稿，成为我们创作优质内容的好搭档。

AI 能不能做出真正有品味的内容？某些方面也许可以，但大多数时候不行。很多内容仍然需要人来注入品味、个性和观点。所以我们已经在整个媒体团队中赋能 AI。几年前我们收购了一家媒体公司叫 The Hustle，我们从那家公司留用了很多优秀的人，也拥有不少优秀的媒体资产。

Harry： 在内容创作、编辑和分发上，你们用得最多的工具是什么？

Kieran： 我们在很多内容创作上仍然主要使用核心大语言模型，通过提示词进行定制。我们也开始用一些视频工具，比如 Captions 和 HeyGen。

Captions 是个很棒的工具，他们刚推出 Mirage，可以制作非常出色的短视频，我们开始尝试这个工具。HeyGen 的最新模型，不知道你用过没有，相当惊人。所以我们开始大量做虚拟人相关的事情。

这真正帮助我们更快地拓展 YouTube 在非英语国家的覆盖范围，而且效果非常好。我们有 AI 虚拟人出镜做视频，也尝试用西班牙语 AI 虚拟人做实验，还用 AI 给现有视频做不同国家的配音，效果都很好。另外，成本下降之后，做实验变得容易太多了，你可以尝试更多东西。

Harry： 是的，你可以更快地做实验。这是把 AI 整合进团队的重要部分：因为做这些事的成本小得多，所以你能更快获得反馈。

Kieran： 这一点其实非常关键。我认为未来营销乃至知识工作的方向是：我们会走向一个拥有大量超级个人贡献者（super IC）和通才的世界，他们被 AI 赋能，但能做的事情要多得多。

以前你有这样的人，他们非常专业，只做某一种事；而有了 AI，我认为你可以拥有更通才的超级个人贡献者，他们能够更快地做实验，因为有 AI 协助他们。对我来说，这是 AI 带来的好处之一。如果你不用 AI，你学习东西的速度就会慢很多。

Harry： 回到前面，你说 LLM 的引荐流量虽然比过去增长了 5 倍，但仍然不到 1%。从引荐流量的比例来看，现在不到 1%。那两年后呢？

Kieran： 我真心觉得可能是 3% 到 5%。那价值在哪里？价值在于曝光量，在于品牌指标。可能有人不爱听，但我认为很多衡量方式会回到传统品牌指标上。这不是因果关系，而是相关关系。

CMO 与营销团队的未来形态

Harry： 那如果我是 CMO 或 CEO 在管预算，我会想：糟糕，内容供应无限、分发渠道混乱，付费获客成本会飙升。我要把预算全部转移到线下品牌营销，机场、广告牌、公交车。这才是转变的方向。你怎么看？

Kieran： 如果你是 CMO，你应该说：我最需要搞清楚的是如何建立影响力。如何对我的目标受众建立影响力？

通过 AI 建立影响力意味着，当有人问到与我的产品相关的问题时，我必须抓住大量曝光机会。我还需要跨媒体建立影响力。如今的媒体其实更适合创作者和个人，而不是品牌。YouTube、播客、Substack 这些渠道都更倾向于有个性的人。我把它称为"人格驱动增长"（personality-led growth），它们更适合个人。

所以我认为如果你是 CMO，你会说：我需要一个以创作者为先的内容策略，为我的市场培养一批覆盖这些渠道的创作者。我要建立影响力。那怎么建立影响力？

我认为过去那种传统外拓式（outbound）营销会重新很有价值，而且 AI 能让它变得精准得多、好得多。我给你举个具体例子，顺便提一下我在伦敦认识的两位朋友，他们创办的公司叫 Hyper GTM。因为我真的认为基于账户的营销（Account-Based Marketing, ABM）在 AI 时代会比以前更有价值。以前 ABM 时灵时不灵，很看运气。

他们的做法是：先部署一个深度研究智能体，抓取关于你的大量数据，找出你身上某个古怪、独特、有差异化的个人特质；然后再让一个智能体给你送礼物。

这就是一种传统营销手法，因为个性化和可扩展性而突然变得强大得多。所以如果我是一家公司的 CEO，我会想：我现在可以用哪些方式把营销做得更贴近我的受众，从而获得更多成效？

最后一点是，付费广告会变得更加竞争激烈。也许会有新渠道出现。我上周还在社交媒体上发过这个观点：到目前为止，AI 搜索的真正赢家之一是 Quora。

Quora 在 Google AI Overviews 中被引用的次数大幅增加。因为正如我所说，现在人们提问的方式变多了，而 AI 想要所有这些数据，所以它会展示 Quora 和更多类似结果。因此，可能会有一些新的广告平台崛起，我们可以利用过去无法利用的东西。

但即便你今天已经在用的渠道，AI 也能帮你在创意层面实现规模化。以前你可能只能同时跑 10 个测试，现在可以同时跑 100 个不同创意的测试，因为 AI 能帮你生成创意。这样你可以更快地优化付费投放。

我觉得正在形成一套给 CMO 的 playbook：一是 AI 搜索，如何获得大量曝光；二是创意驱动的内容营销；三是如何把过去不够精准的历史营销方式做得更精准。

我喜欢把它称为"微受众"——如何从面向 30 万人营销，变成面向 300 人的受众营销？因为 AI 让你能做到这一点。然后，如何把付费广告这类传统效果渠道与 AI 结合，实现规模化、更快速地学习、做更多创意测试，并真正调优自己的投放？

Harry： 基兰，传统企业的首席营销官（Chief Marketing Officer, CMO）已经完蛋了。

Kieran： 我觉得真正完蛋的 CMO，是那种只会管人和挪预算的。未来的主角其实是超级个人贡献者（super IC）。CMO 本人得能动手做活儿、会用 AI、能交付成果、懂得把事情做出来，因为他们的团队会越来越小。

团队变小之后，传统意义上那些管人、调度预算的活儿会变得越来越不重要。真正重要的是实际产出，以及你如何把 AI 整合进工作，让你自己和团队的表现实现数量级的提升。

说到未来的 CMO，我觉得他们得同时活在光谱的两端。我们常把营销说成艺术与科学，但我更倾向把它看成工程师与品味塑造者。光谱的一端是数据出身、流程导向的营销人，他们会大放异彩，因为他们能想出怎么把 AI 融入工作流，让团队更高效、学得更快。

但另一端，你仍然需要一个有品味的人。因为你要会讲故事，才能在噪音中脱颖而出。你得告诉受众，你的产品为什么重要、为什么对他们来说与众不同，并穿透所有渠道里的噪声。

所以你得在光谱两端都很出色，中间那些普普通通的能力反而没那么关键。坦白说，我正是那种中间项还行的人。我过去能成功，靠的是能带大团队、懂人员管理、会招聘，但这些在未来会贬值。

我认为 AI 时代有个核心问题，我之前也提到过：企业为 AI 工具的支出，会不会从软件预算变成人力预算？

把 AI 当作增长项目，而非软件项目

Harry： 你觉得有什么核心问题，是人们问得还不够多的？

Kieran： 我发现很多人对 AI 抱有一堆假设，他们相信 AI 在这里会很厉害、在那里会很惊艳，但其实他们什么都没部署、什么都没测试、什么都没学到。一旦你真正开始落地，这些假设会发生剧烈变化。

那么谁会在 AI 浪潮中胜出？是那些能跑得远比别人快的团队。

我接触过很多公司，他们把 AI 当成软件项目来做：让 IT 团队在这里、那里部署 AI。但回到我们一开始聊的，对我来说，AI 必须被当成增长项目来对待。你需要增长运营模型，每周交付，不断问自己：我们学到了什么？怎么才能更敏捷、更实验驱动？

它不是软件部署，因为 AI 落地仍然时灵时不灵，得靠不断学习才能拿到结果。比如我们之前聊过的邮件转化率，那是整整 10 个月迭代出来的，前三个月效果很差。

我有一条原则：如果六周内做不成的事，就不值得做。做增长，你得有最小可行实验，验证自己能不能做成，并在六周内看到一个成功指标，也就是我所说的"退出指标"，然后才进入下一阶段。

但如果我把这条原则硬套在我们的 AI 个性化和 AI 自动拓客上，我们根本不会成功，因为六个月的时候结果还很差。

Harry： 为什么前六个月效果那么差？

Kieran： 抱歉，是六周，六周。

Harry： 那为什么前六周效果差？有没有什么办法能让它更快、更高效？给我点建议吧，我才刚起步，想在市场进入（Go-to-Market, GTM）流程里更多地应用 AI。你知道有什么方法能帮我在这六周内更快上手吗？

Kieran： 数据层真的很关键。大多数人没有干净、可用的数据源，这包括内部数据，也包括外部数据。

其实大多数公司都能找到不错的外部数据源，关键是你能在外部数据上玩出多少创意。我举个例子来说明。我们内部正在推进一个叫"微受众（micro audiences）"的概念，也就是用数据和上下文标签把人群拆成更细的群体。这个概念我在本期播客里已经提过好几次。

具体来说，这只是一个内部用于说明的示例：我们会先列出一批所谓的"产品拥护者（product champions）"——也就是真正在用产品的人、NPS 评分很高的人、被邀请使用产品并真正激活的人，形成一个种子列表。然后我们去看外部数据。

我们会提取这些人的职位名称，再看过去 12 个月里这些职位发布了哪些招聘需求。同时我们还建立了一个 KPI 种子列表，这些 KPI 通常是该职位人群负责的。AI 会拿着职位名称、过去 12 个月的招聘广告，以及我们的 KPI 种子列表去分析，统计每个 KPI 出现的频次并排序，最后得到一份按频次排序的 KPI 优先级清单。

接下来，我们就可以基于这些数据做个性化。比如我们知道，某个职位正在崛起一个新的 KPI，越来越多的人被考核这个指标。我举个例子，我曾对销售副总裁（VP of Sales）做过这个分析。

结果弹出一个让我觉得非常有意思的指标：生产力节省（productivity savings）。这是招聘广告中上升最快的 KPI，公司要求他们以节省人头的方式完成任务、提高效率、自动化更多工作流。销售副总裁也被要求这样。要是放在以前，我们绝不会用这种方式去触达销售副总裁，我们会讲销售管线（Pipeline）、讲新建商机数、讲所有传统 KPI。

但因为我们能这样利用数据，就可以说：这个正在上升的 KPI 背后有一群销售副总裁，他们必须认真思考这件事。于是我们可以为他们量身定制一切：邮件、广告、销售跟这些客户通话时的备忘提示。

所以第一件事是：数据真的很重要，而且不只是传统意义上的 B2B 数据。更重要的是你能多创造性地获取数据源。

针对邮件我还有一点小建议：把邮件拆成不同的提示词（prompt）来写。第三点是要认真思考"风格"，你的受众很可能吃某一套风格，你要去提炼它，再让 AI 帮你生成那种风格。

这些其实就是不断试错、非常朴素的迭代过程。实验越多、反馈越快，你就越能早日拿到正向结果。

我觉得你还得有几个集中押注的方向。我学到的一点是：个性化，即便要花点时间才能跑通，也是值得押的。如果你相信 AI 在某些领域会大放异彩，而个性化就是其中之一，那你不如做一个真正的长期押注，认真搞清楚它怎么为你的业务创造价值。

Harry： 你还没有下注、但最想下注的领域是什么？

Kieran： 多模态聊天（multimodal chat）。我们目前还处于早期阶段，未来有机会把纯文字聊天真正替换成多模态体验：你可以在文字对话、视频通话、甚至免费版里共享屏幕提问之间无缝切换。

不过还有几个问题。消费者的行为习惯可能还没准备好去和一个虚拟形象（avatar）对话。我们做过一个实验：针对市场中偏低端的人群，当他们想看产品演示时，我们让他们和一个虚拟形象对话，而不是看传统的产品视频。

我发现两点：第一，人们喜欢和虚拟形象聊，平均互动时长达到八分钟，说明他们真的享受这个过程。第二，随着时间推移，和虚拟形象对话的人转化率明显高于只看视频的人。他们确实获得了更好的教育，能做出更明智的决策，最终转化率也更高。

但多模态聊天的难点在于"意图切换"：这是销售对话，还是客户支持对话？这还需要时间去摸索。而在文字、语音、虚拟形象和共享屏幕之间切换，也需要更长时间才能跑通。

Harry： 老兄，我真想继续追问，这个话题我能跟你聊一整天。你觉得未来两到三年里，哪个增长渠道正在走向消亡？

Kieran： 我有点不忍心讲，但答案是 Google 搜索。Google 搜索曾是我们最好的渠道之一。在 B2B 领域，80% 的采购都是从 Google 搜索开始的。但预计到 2027 年，95% 的采购会从大语言模型（Large Language Model, LLM）开始。世界将彻底不同。

Harry： 除了 ChatGPT，你现在还对哪个工具着迷？

Kieran： 这是个好问题。对我来说是 Descript。从剪辑角度看，Descript 真的非常出色，它正在不断蚕食我们团队的剪辑工作量。

Harry： 我可以告诉你我接下来会着迷的工具，只是我最近才有时间亲自去研究，那就是 Captions Mirage。我们节目请过它的创始人。这个做短视频的工具太厉害了。他们发布的短视频，也就是那条产品发布广告，我其实不太想看广告，但那是我见过的用 AI 做出来的最棒的短视频。我是这家公司 Pre-seed 轮的投资人。

Kieran： 那就对了。真替你高兴，谢谢分享。

Harry： 你认为当下创始人在 AI 落地方面犯的最大错误是什么？

Kieran： AI 原生公司和非 AI 公司在部署速度上差异巨大。AI 是不是万能解？当然不是。Klarna 最近的文章就提到，他们在某些 AI 进展上回退、重新倚重人力。所以说你可以走得太快，但必须找到一个平衡。

因为我认为，成为第一批吃螃蟹的人，从未有过这么好的机会。任何身处先发阵营、并找到 AI 杠杆的人，都会获得全部红利。如果你不是 AI 原生公司的创始人，问题可能在于你走得还不够快。

Harry： 大概一年前我发过一条推文：未来五年，AI 服务公司赚的钱会比基础模型提供商更多。很多人不同意，但我坚持这个判断，尤其是看到那么多欧洲大企业需要大量手把手协助。你同意吗，还是觉得我错了？

Kieran： 我完全同意。未来会涌入大量帮助企业跨业务部署 AI 的公司。这件事依然非常复杂、非常困难。难的重要原因之一是数据，大多数公司的数据状态并不能被 AI 轻松调用，尤其是非结构化数据（unstructured data）。

如果你只依赖传统数据，我可以保证效果不会太好。数据越丰富、非结构化数据越多，效果就会显著提升。

我同意这个判断，而且从两个角度理解。一是你可能也见过，有些最出色的创始人来自服务公司。他们可能是通过 agency 做某个垂直细分的事，或者提供某种垂直服务，然后把它转化成 AI 软件或 AI 智能体（AI agent）。这些创业团队非常优秀，因为他们真正理解那个领域，而且服务业务积累了大量数据，可以用来训练 AI。

Harry： 我其实很喜欢有 agency 背景的创始人。每次想到从 agency 转型做产品，我都会想到 Intercom 的 Des（Traynor）他们。这种背景能给你无与伦比的客户洞察，用来打磨产品。

Kieran： 是的，这种背景能给你训练数据。我们到底在做什么？这些公司真正在做什么？他们其实在训练 AI。核心差异化就在于把 AI 训练得更好。而服务公司拥有的数据要多得多。

Harry： 过去招到优秀增长人才的特质，和未来需要的特质，会有很大不同吗？

Kieran： 我招增长人才时，看重的是好奇心、实验精神、追求结果、锲而不舍。唯一的变化在于，过去在大公司里，你招一个人做新用户上手，再招一个人做变现，再招一个人做别的。现在，一个人借助 AI 就能完成这整个角色的各个环节。

所以这种人能做的会多得多，但核心特质应该是一样的。我认为 AI 对增长导向的人是一场巨大的利好，对那些好奇心强、又非常执着的人来说，会迎来势头的爆发。我合作过最出色的增长专家都有这些特质。

Harry： 最后一个问题：说到今天 AI 的应用，你最兴奋的是什么？

Kieran： 你最兴奋的是什么？对我来说，今天最兴奋的可能是长视频剪辑。我们团队在长视频剪辑上仍然投入了大量预算和时间。如果能把一个视频文件丢进去就自动剪得很漂亮，对我们的业务将是革命性的改变。

第二个是 AI 用数据不断优化理想客户画像（Ideal Customer Profile, ICP）。我们现在定义 ICP 的方式其实很粗糙，AI 可以基于内部和外部数据持续细化它。我知道这有点像传统机器学习。

再说回来，我一直在想营销将从"细分市场"走向"微受众"。AI 创造模板的能力也很有意思。比如你那个例子，AI 不仅能剪长视频，还能把剪辑方式模板化。以后每次想复刻，它都能完美复刻。这才是 AI 真正有趣的应用：它能识别任何事物的构建模块，并为你复制出来。现在已经做得不错了，虽然不完美，但已经相当可以。

多模态绝对会彻底改变我们对 B2B 采购的认知。今天营销团队把线索交给销售，业务开发代表（Business Development Representative, BDR）把线索交给销售，销售再交给客户成功，客户支持只在出问题时出现。

但这种多模态交互可以让一个人在整个旅程中和同一个"人"对话，这个"人"掌握全部上下文，了解你处于流程的哪个阶段，还能在帮你解决问题和帮你购买更多软件之间切换。我认为这是一个巨大的变化。

还有一个听起来很普通、但我纠结了很久的，就是动态上下文窗口（dynamic context windows）。我简直无法强调它有多重要。现在的做法是，你打开 Claude 或 OpenAI，说"我想和你一起做这件事"，然后建个项目，上传 10 份文档，AI 把这些放进上下文窗口里陪你工作。

我真正期待的是：我可以说"今天我们来处理这个"，AI 就能自动接入我的系统，找到相关数据并加载到上下文窗口，聊完之后又能自动清空。也就是根据我们要处理的事，动态加载正确的数据到上下文窗口。这个我等了很久。

另一个我等了很久、同样普通的，是 Claude 现在能在 Claude 里直接构建应用，并自动调用自己的 API。我不知道你试没试他们上周上线的新用例，真的非常惊人。你可以在里面构建交互式产物、直接做应用，它会自动调用 API，把 Claude 集成到你正在构建的应用里。

Harry： 这会干掉 Replit 吗？

Kieran： 如果看这些 AI 辅助工具，我觉得 Lovable 非常厉害。Lovable 的秘诀在于，他们做前端的能力格外出色，这也是我认为他们之所以能制造风潮的原因。但 Replit 在后端、数据库集成这些脏活累活上做了大量工作。

所以我不认为 Claude 能赶上 Lovable 或 Replit。真正竞争是在 Replit 和 Lovable 之间。而且挺悲哀的是，我们俩甚至可能都不会提到 Google Stitch。他们为什么在这一块做得这么差？

Harry： Google Stitch？

Kieran： 它原来叫 Firebase Studio，后来改名了，基本就是 Google 的应用构建工具。你连听都没听过，这本身就说明了一切。

Harry： 我觉得 Replit 和 Lovable 并不像大家想的那样是直接竞争关系。Replit 更适合重型应用的开发，而 Lovable 更偏向轻量级、坦率讲就是前端软件的开发。两者在市场上都非常有价值，只是应用场景很不一样。

Kieran： 市场空间也足够大，足以让两家公司都成为巨头，因为这些工具真正在做的是让每个人都变成开发者。现在全世界有海量开发者需要开发工具，而它们两家就是事实上的默认选择。我觉得 Replit 刚刚升级了他们的 AI 编码智能体，不知道他们做了什么，但真的非常惊人。这些工具正在变得越来越强。

Harry： 老兄，这次聊得太尽兴了。非常感谢你来陪我瞎聊。我这次完全没按结构准备。

Kieran： 这样挺好的。

Harry： 你表现得太棒了。真的非常感谢，老兄。

Kieran： 我很喜欢上你们节目。谢谢邀请。

Harry： 我就是喜欢做这档节目。有两点我特别享受：一是能和像基兰·弗拉纳根（Kieran Flanagan）这样优秀的人建立深厚关系；二是能进行非常自然、流畅的对话，真正改变你对一些原以为已经了解的事的看法。基兰刚才表现得太棒了，感谢他的时间。如果你想收听这档节目，可以在 Spotify 上搜索 20VC 找到它。一如既往地感谢大家的支持，也请期待下周一档精彩的 20VC——Robinhood 创始人兼 CEO Vlad Tenev 将做客节目。