How to Build a $100M Growth Engine: Lessons from Wispr Flow & Superhuman（如何打造一亿美元增长引擎）

Overview 背景概览

本文译自 20VC YouTube 频道，发布于 2026 年 8 月 15 日；主持人哈里·斯特宾斯 (Harry Stebbings)，对话 Viktor 增长负责人马特·斯沃林斯基 (Matt Swulinski)。

斯沃林斯基的主张在增长圈子里显得反共识：电商的打法才是 SaaS 该用的打法，付费投放不是会上瘾的危险药品，而是验证 PLG 最快的引擎——在 Meta「素材即定向」的时代，素材产能就是分发能力，而分发是唯一的护城河。他还把镜头转向组织：超级专才正在缓慢死亡，未来属于「有专长的通才」，属于能把工作拆解成自我改进工作流的人。本期既是一份付费投放从零起步到规模化的实操手册，也是一份 AI 原生增长团队的组建指南。

▍嘉宾：马特·斯沃林斯基 (Matt Swulinski)

马特·斯沃林斯基是当下 AI 应用层最受关注的增长操盘手之一，方法论全部来自一线亲手执行：

电商代理起家：从企业咨询离职后创立营销代理公司 Full Funnel Growth，任联合创始人兼首席策略官，规模化过一批 DTC 电商品牌——本期「电商打法平移 SaaS」的主张正来自这段经历；该公司至今仍在运营，他已不参与日常。
Superhuman 与 Wispr Flow：在 Superhuman 被 Grammarly 收购（2025 年 7 月）之前，他在那里把付费投放体系从零跑通；随后加入 Wispr Flow 任增长负责人、一号营销员工，从发布前做到数百万用户，月度投放数百万美元的执行一度由他一个人扛。
现任 Viktor 增长负责人：常驻波兰，毕业于纽约大学 (NYU)，但没上过一节营销课——框架全部在动手执行之后建立。

▍关于 Viktor

Viktor 是 2026 年蹿升最快的 AI 同事 (AI coworker) 产品之一，也是斯沃林斯基的现任东家：

产品形态：一个「住在 Slack 和 Microsoft Teams 里的 AI 员工」，连接 3200 多个工具，口号是「Not a tool. A hire.」（不是工具，而是一次招聘）——直接交付工作成果，而不是给参考答案。
增长与融资： 2026 年 2 月公开发布，10 周内年化收入跑到 1500 万美元；2026 年 5 月完成 7500 万美元 A 轮融资，由 Accel 领投，Slack 联合创始人斯图尔特·巴特菲尔德 (Stewart Butterfield)、卡尔·亨德森 (Cal Henderson) 等跟投。
创始背景：由前 Meta 工程师团队创立（开发实体为 Zeta Labs）。

当 PLG 的对象从人变成智能体

Harry： Matt，今天能请到你来上节目，太好了，非常感谢。

Matt： 谢谢邀请。

Harry： 你待过的公司都是顶尖的：Superhuman、Wispr Flow，再到现在的 Viktor。我们看着这些公司、还有一大批 SaaS 公司，靠产品驱动增长 (PLG) 这套打法崛起。现在我们要进入智能体 (agent) 的世界了——当 PLG 面对的对象从人变成智能体，增长这件事会发生什么变化？

Matt： 好问题。我待过的初创公司全是 PLG。我觉得在智能体的世界里，PLG 依然有一层意义在：PLG 的前提，是你有一条面向人的、完美的自助漏斗。同理，你也一定得针对智能体做优化——智能体怎么做调研？怎么挑选真正要用的工具和 API？

这用的其实是同一套框架、同一种功课——就像当初琢磨「产品为什么对人成立」一样，只不过现在要搞懂的是智能体怎么做决策。所以在我看来，今天 PLG 做得最好的公司，在智能体这一层也会占尽先机——所谓智能体这一层，就是为某个任务挑选工具时，决策不再有人的参与。

电商的打法，才是 SaaS 该用的打法

Harry： 先按时间顺序来，回看 Superhuman。它早期的增长很「匠人」，靠创始人推荐起步。那段经历给你留下了什么？你带走了哪些经验？

Matt： 是对「什么叫打造一款强产品」的品味——这个品味是我在 Superhuman 养成的。说到底，只要你用过 Superhuman，大概率就会一直用下去：产品的每个细节都打磨到了极致，让你舍不得离开。

不过，Superhuman 早期靠创始人带动的口碑推荐起量，后来也撞上了增长天花板——产品到了一个阶段，必须换打法。那大概是三年前。当时的 SaaS（现在我们叫它 AI SaaS），人人都在跑 PLG、推荐、口碑那一套，不做付费投放，还笑话电商。可电商早就把 UGC 计划、成千上万条广告玩得滚瓜烂熟了：在电商，付费投放才是拉动效果的正道。

我在 Superhuman 的时候，确实也感受到那种抵触。但看到后来我在 Wispr Flow 和一支优秀团队一起做成的事、以及现在在 Viktor 做的事，我的观点很明确：电商 (ecom) 的打法，才是 SaaS 该用的打法。你看电商：每一分钱都得对应一笔购买或一次加购；手上有成百上千个 UGC 创作者、五花八门的素材，还得平衡一大堆渠道，把品牌的全貌展示出来。

在 Superhuman 被 Grammarly 收购之前，我把这套模型搬了过去，把付费投放跑了起来，之后又原封不动地复制到 Wispr Flow。我认为这正是 Wispr Flow 一战成名、走到今天的关键。就像我们之前聊过的：在我看来，分发 (distribution) 是唯一的护城河。营销上你必须有一套这么硬的打法——在今天的世界里，这是唯一能赢的路。

Highlights 高光金句（分发是唯一的护城河）

“在我看来，分发是唯一的护城河。营销上你必须有一套这么硬的打法——在今天的世界里，这是唯一能赢的路。” "Distribution to me is the only moat. And you have to have that strong of a playbook when it comes to marketing... in today's world, that's the only way to succeed."

▍点拨：这句话是对过去十年 PLG 教条的一次正面冲撞。「产品好自然会长」的前提，是分发的赛道上还不拥挤；当每天有一百个新产品上线、其中两个像素级抄了你的官网，产品力就从「充分条件」退化为「入场券」。护城河从代码和功能，迁移到了触达用户的管道与速度——这正是他把电商打法平移到 SaaS 的底层逻辑。

Harry： 老兄，我已经爱上这期节目了。大多数人的说法跟你完全相反，每个人都跟我说：不不不，付费投放要缓一缓，那是一剂危险的药，会上瘾的。那你觉得，什么时候才是对的时机？

Matt： 立刻就上。说到底，付费投放是最简单的验证方式——验证你真的有 PLG，验证你的产品能以任何形式规模化。市面上有一种流行的说法：先做品牌、做自然流量内容、把基础打好。那太花时间了。这些当然要做，但付费同时也得跑起来，因为在付费上，信息打磨、素材测试、漏斗测试、定位测试，一周之内就能全部跑完。

同样这些验证，如果靠写内容、上播客讲讲看有没有水花、再做几个用户访谈，得花多久？都做，很好——但你手里还有一台快得多的验证引擎：付费放大。

Value 价值视角（付费投放是「购买信息」，不是「购买增长」）

斯沃林斯基框架里最值得创始人记住的一页，是把起步期的付费投放定义为验证引擎：十万美元买的不是收入，而是「定位、素材、漏斗」三组假设的真伪答案，一周内交货。从资本配置视角看，这是典型的「花小钱买确定性」——与写三个月内容再做用户访谈相比，它把试错的时间成本压缩了一个数量级。

但这条逻辑有一条隐形边界：验证通过之后，付费的角色必须从「信息采购」切换为「增长引擎」，两者的考核标准完全不同——前者看学习速度，后者看增量回报。把验证期的花钱习惯带进放量期，是烧钱陷阱真正的入口。

核心三件套与度量地基

Harry： 我们拆开来讲。假如我是早期创始人，具体该怎么做？拿多少钱去投付费？押一个渠道还是十个渠道？早期公司没有大笔预算，我到底该怎么办？

Matt： 我会说，一定从我说的「核心三件套」开始：任何获客引擎的核心三件套，就是 Meta、Google 和生命周期营销 (lifecycle marketing)。当然，你的网站和其他东西都串在这中间。

一头是 Meta、YouTube 广告这种强视频平台，一头是搜索——用户不知道你的产品存在，但他在用关键词搜某个东西。我把生命周期营销也算进来，因为你得有一张「网」，在合适的时机轻轻推用户一把、在对的位置出现——邮件、短信，有 App 就再加推送。把这三件事跑起来，光靠它们，你就能做到第一个 100 万、1000 万美元 ARR。

当然，网站要投，创始人主导的内容要投，还有别的。但单说付费，只做 Meta 和 Google 就完全够了。大家都说「我们得做 TikTok、得做 Reddit」——加渠道自有其时。这跟很多人在智能体上栽的跟头是一个道理：一上来拿智能体做一百件事，件件稀烂。渠道也一样，铺一百个、个个做不好，对你没有任何帮助。

Harry： 好，Meta、Google、生命周期营销，然后开始花钱——比如先放 10 万美元？假设我们融了 300 万美元的种子轮，拿 10 万出来合理吗？

Matt： 说实话，这取决于你的每用户平均收入 (ARPU) 和单位经济模型：你的漏斗有多长？这 10 万美元能换来什么？不过一般来说，融了 300 到 500 万美元的公司，拿 10 万做起步预算是合理的——足够验证「钱投进去，确实有人想要我的产品」。

Harry： 那该看什么？10 万美元投在 Meta 和 Google 这两个渠道上——什么信号说明跑通了，什么信号说明没跑通？

Matt： 我先铺垫个背景：SaaS 领域有一个巨大的空白，我一直在等有创业公司来填。拉远了看，电商里早就有 Triple Whale、Elevar 这样的公司，存在很多年了。Triple Whale 本质上是一个去重归因平台：在网站上加一个像素 (pixel)，开箱即用，把所有广告花费接进来，然后直接告诉你到底是谁在驱动收入。为什么要去重？你同时投 Meta 和 Google，两边会重复归因，生命周期营销那边甚至把同一单算到第三次。这类工具对电商的意义就是：我把所有变量接进来，你按新客口径告诉我，到底是什么在驱动收入。开箱即用，什么都不用自己搭。

另一头是转化追踪 (conversion tracking)：加购、购买、服务端回传……一堆技术活，非常头疼。但在电商里，这有现成的开箱方案，15 分钟装好，从此不用操心。SaaS 就完全是另一个世界了：你得养一个工程团队从零自建。分析这块，要有数据库、BI 层，可能用 ClickHouse 加 Hex；末次点击归因、首次点击归因，每家初创公司都是自己手搓——没有一个开箱即用的产品来填这个坑。

很多公司栽跟头，就栽在这里：没有先把正确的营销技术栈 (martech stack) 搭好。不搭好，你根本不知道钱花出去之后，到底是什么在真正推动增长。平台不会告诉你真相——你的转化追踪设置是错的，你没有度量，钱等于撒向空气。我敢说 90% 的公司都没把这一步放在最前面。记住：花出第一分钱之前，先把所有东西搭好。

Harry： SaaS 里没有现成的，那作为创始人，我该怎么搭？

Matt： 这正是我在 Superhuman、Wispr Flow、现在在 Viktor 做的事：一进门，先定义这套东西该长什么样。你需要一个强的分析负责人，再加一个强的分析工程师，把网站和产品里的埋点全部搭好。大多数人止步于「我们有产品分析了」，但还要追问一句：所有营销平台收到的，是同一套信号吗？

Meta 上有个指标叫匹配率 (match rate)，Google 上叫数据富化评分。这两项不拉满，你就漏掉了 50%——那些人就像幽灵，Meta 看不见他们，转化也算不到他们头上。今天的平台是这么运作的：算法按你给的指令行事。

举个例子：假设我们的转化追踪很差，「用户订阅」这个动作追踪不到，匹配率只有一半。我按「订阅」做优化时，事件量越大，算法手里「订阅者长什么样」的数据就越多，Meta 就会给我推更多这类人。可转化追踪做得差，Meta 根本不知道这些人是谁，只能随机撒网，你的获客成本 (CAC) 高得离谱，最后你得出结论：「付费投放对我不灵。」我的看法是：大多数情况下，是人们自己没把设置做对，还没轮到说付费不灵。

先跑 1：1，再谈 3：1

Harry： 好，分析负责人到位了，设置搭好了，接下来看什么？什么算好指标？刚起步应该优化什么——获客、留存，还是花费？

Matt： 主要优化的，是对这门生意最重要的那个事件。SaaS 是订阅，或者说「开始试用」；Wispr Flow 当年是下载——非常靠漏斗顶部的事件，因为我们有桌面客户端加 iOS 应用，追踪特别难。选定这个事件，然后验证：花 10 万美元，流量成本多少？单个用户的获客成本多少？

只盯获客成本就行——只要进来的是高质量用户，留存有 PLG 和产品团队去管。随着时间推移，你多半会把转化动作逐步换成那个最重要的事件。比如 Viktor 的漏斗门槛就相当高：你要么是 Slack 管理员——小团队的话任何人都能加应用——要么是 Microsoft Teams 的租户管理员；走完新手引导，把 Viktor 加进 Slack 或 Teams。这就是我们的转化动作，非常靠漏斗底部。但我们 ARPU 很高，CAC 花到几千美元，单位经济模型依然成立。你需要花时间去搞清楚：在渠道层面，成功长什么样？但起步阶段，只看获客。

Harry： 明白，起步就是单次下载成本。

Matt： 没错。

Harry： 单次下载成本，明白了。那比例呢？我们常听到 LTV 对 CAC 要 5：1。早期 1：1 行不行？什么算及格、什么算好、什么算优秀、什么算危险？

Matt： 说实话，这取决于你融了多少钱。融得多，就烧钱跑 1：1，没问题。

就像我们刚才说的，今天的市场里，分发就是一切。你每天打开 X，都有 100 个新产品，5 个和你同一个品类，2 个像素级抄了你的官网——这种事天天发生。你唯一能赢的办法就是分发。所以要跑 1：1，让尽可能多的用户尽快用上你的产品、相信你。但不能低于 1：1，那就是纯烧钱了。之后再去分析网站和漏斗，把它做到 1：1。

再往后，会有规模化的空间：等你有了足够多的其他渠道——赞助、在答案引擎优化 (AEO) 上发力等等——这些东西会开始抬高你的 LTV/CAC。从经济模型上讲，大家的目标大概是 3：1。这也看你是哪种 SaaS：单看 LTV 对 CAC 通常不够，可能得看毛利润口径的 LTV——尤其当你有 token 成本时，因为最大的成本项终究是用量。所以 Wispr Flow 和 Viktor 的经济模型会不太一样。

Inverse 反向思考（1：1 是及格线，还是烧钱的起跑线？）

「融得多就跑 1：1」这个建议藏着两个容易被忽略的前提。其一，1：1 的 LTV/CAC 意味着当期营销投入零回收，本质上是用融资买时间——这套打法在资本充裕的窗口期成立，一旦融资环境收紧，「不能低于 1：1」的纪律会瞬间变成生死线。其二，LTV 是预测值而非事实：早期留存曲线样本太薄，按乐观留存外推出来的 LTV 可能是纸面富贵，账面 1：1，实际也许只有 0.5：1。

还有一层博弈：当你按 1：1 抢分发时，同品类的对手也在做同样的算术。五家公司同时烧 1：1，结果往往是 CAC 被集体抬高——分发军备竞赛里没有旁观者红利。

Harry： 那像 Wispr Flow、Viktor 这种有 token 成本的，和以前没有 token 成本的 SaaS 世界相比，到底有什么不同？

Matt： 最大的区别首先是：Meta 和 Google 不是为按用量计费的 B2B SaaS 产品优化的。你跟算法说：同一个人，可能是年合同 5 万美元的客户，也可能只值 50 美元——单人差异这么大，算法直接就懵了，不知道该怎么办。

另一头是：我们的 ARPU 明显更高，但单用户成本也更高。所以你必须真正搞清楚自己的成本结构。很多人说「成本不就是 Anthropic 的账单嘛」——那 Modal 呢？推理成本呢？所有支撑你服务用户的东西呢？你需要一个强的财务负责人来把关：你漏了这些成本项，应该按这个口径优化，我们才不至于烧钱。很多人犯的错，就是一开始没做这个分析。

素材即定向

Harry： 这些付费渠道的素材，该花多少钱？比如做 Instagram 营销，得拍视频、得做素材——我该投多少？这事不能事后才想起来。

Matt： 我的建议是：起步期（还没到规模化阶段），你在素材制作上花的钱，应该和广告花费一样多——今天的环境里，素材就是一切。大家可能听过这个热词：Meta 有个叫 Andromeda 的更新，把定向算法彻底改了——素材即定向 (creative is the targeting)。

Meta 的意思是：别再在广告系列的受众设置里告诉我这些人是谁；我们来分析素材，根据我们判断你想触达的人群，替你把人找出来。这一下就把那些靠调广告系列、玩定向策略的投手 (media buyer) 一锅端了——他们的整个工作变成了素材策略。

所以起步期就是这样。你在 Viktor 和 Wispr Flow 都能看到：我们有几百个创作者，针对不同受众做不同的演示、不同的使用场景。这是你唯一能放大花费的办法。假设你有 10 万美元 Meta 预算，每个月至少需要 400 到 500 条新素材，否则就会触顶，被竞争对手干掉。

Highlights 高光金句（素材即定向）

“大家可能听过这个热词：Meta 有个叫 Andromeda 的更新，把定向算法彻底改了——素材即定向。” "There's an update in Meta that was called Andromeda that essentially changed the targeting algorithm where the creative is the targeting."

▍点拨：这句话宣告了投放行业一次职业技能的大迁移。过去投手的核心手艺是受众设置——兴趣包、相似人群、排除名单；当算法改成「读素材、替你找人」，这些旋钮一夜之间作废，竞争的主战场从广告后台转移到了素材工厂。「每月四五百条新素材」听起来是产能问题，实质是定位问题：每一条素材都是一次对「谁会买」的假设表达，素材的多样性就是定向的颗粒度。

Harry： 一个月 400 到 500 条新素材，怎么做？

Matt： 搞一个创作者计划。Viktor 就有自己的创作者计划：我们把广告花费的一定比例分给创作者，让他们替我们做广告。当然要有点故事性，他们也真的在用产品。招募要花点功夫，但一旦上手，每人每周产出三到四条视频，这样的创作者我们有几百个。我们还和五家代理公司合作，自己也有内部素材团队。

再说一遍，这就是电商模式。电商这么玩已经超过十年了，整个行业就是这么运转的：UGC 创作者计划、成千上万种素材变体，这些刻在他们的 DNA 里。SaaS 必须长大到这一步。我来自那个世界，这是我一直在往 SaaS 里灌输的东西。

Harry： 再代入一下：我是初创公司创始人，你是我的顾问兼天使投资人——先说好，这对你来说会是一笔很不赚钱的投资。（笑）我怎么搭一个 UGC 网络？我是初创公司，需要三四百条素材，难道要我直接去找我女儿学校里的朋友来做吗？

Matt： 现在代理公司有无数家。这些空白和机会里，长出了大量聚合服务型的生意——UGC 代理公司成百上千。

Harry： 但大多是共享的吧。我每天收到 100 多条私信，全是「我可以帮你剪视频」。作为创始人，我怎么知道该跟哪家代理或平台合作、不该跟哪家合作？

Matt： 靠同行推荐——问问你认识的人都在用谁。UGC 有个好处：内容不发在创作者自己的账号上，所以他们可以接所有品牌的单，也可以给所有竞品做广告，只要……

Harry： 懂了懂了。也就是说，我做好内容给你，你拿去用。

Matt： 对，我在这条广告上砸 100 万美元。

它永远不会出现在你的频道里，就是纯粹批量产出素材视频。另外你还可以投「合作广告」 (partnership ads)，效果也很好——大概 30% 的预算应该花在这种形式上：和某人联合发布，然后给这条内容投流。创作者完全可以零经验。现在的小孩靠给品牌做 UGC 赚翻了，品牌按广告花费的比例付他们钱。我们有几个 17、18、19 岁的孩子，一个月就靠给我们做几条广告，赚两三万美元。妙处在于：只要这条广告效果好、我们一直在投，他们好一阵子都不用再做新的。

Harry： 你有没有发现，80% 的广告收入来自 20% 的创作者？

Matt： 百分之百。而且算法本身也是这么运作的：找到最好的那条广告，然后把所有花费都灌给它。

Harry： 那表现最好的 20% 有没有共性？比如出镜的是女生还是男生、正对镜头还是侧拍——不知道你注意过没有，现在流行一边在厨房切菜一边聊别的、一边冲咖啡一边聊，用这种当「钩子」。

Matt： 有。我觉得核心是「打破模式」 (pattern disruption)，让人停下来。我们每天刷到的内容量太大了，全都长一个样，你就会被淹掉。所以最好的素材是这种：镜头突然晃一下，像是失误，但它抓住了你的注意力——这类东西效果奇好。开局乱糟糟的，「嘿，大家好啊」，然后开始聊产品。

但说到底，素材的关键不在于某一条爆款，而在于整个素材包的组合。它们必须不一样——在算法眼里，看起来、感觉起来都得不一样：不同年龄、不同性别、不同场景、不同钩子。如果你只盯着「这条有效」猛投这一条，效果会崩盘。你必须持续产出全新的、完全疯狂的怪点子，否则获客成本会一路上涨。

Harry： 这些有多少会被 AI 素材取代？我们请过 Speechify 创始人 Cliff Weitzman 上节目，他说他们基本只拍一次，然后用 AI 换背景、换衣服，一条素材变成上千个变体。

Matt： 对，我认为这正是 AI 在素材上的超能力：批量生成变体。但那些全 AI 生成的视频，全是垃圾 (slop)，一眼就能看出是 AI 做的。它有它的位置：也许账号里 5% 的内容可以是些奇奇怪怪的 AI 视频，纯粹增加多样性。但秘诀就是「制造差异」——目前素材领域里，还没有任何东西快到能取代真人的地步。

Harry： 而且我也不信，算法会不压 AI 内容、不偏袒真人内容。

Matt： 我也不信。你说得完全对。

Facts 时空复盘（Andromeda 一年之后：口号变成了机制）

本期发布的时点（2026 年 8 月），Andromeda 已从一次算法更新沉淀为 Meta 广告系统的默认检索基础设施，行业打法随之固化：兴趣定向被降级为「软信号」，宽泛定向加简化的广告系列结构成为主流；Meta 还引入了素材相似度评分 (Creative Similarity Score)，同一广告组内素材相似度超过阈值会被合并处理——「素材必须看起来、感觉起来都不一样」从经验之谈变成了平台的硬性机制。斯沃林斯基的判断不仅在方向上正确，而且已经被平台规则写死。

一个值得补充的细节是 Meta 的官方口径：它把 Andromeda 定位为「检索基础设施」，并不主张素材完全取代定向——受众设置仍在，只是从硬性闸门变成了上下文提示。换句话说，「素材即定向」是操盘手视角的真实体验，而非平台的字面规则；但也正因如此，仍在一丝不苟调受众、却不建素材产能的团队，正在把预算花在一个已经被降权的旋钮上。

落地页体验：每个小杠杆都在复利

Harry： 好，现在我们有这 10 万美元，有这个 UGC 网络了。

但效果不太好。「不太好」长什么样？就是没做到 1：1。我该给它多长时间？连投 3 个月？还是 6 个月？

Matt： 通常刚起步时，广告系列得先「热起来」。有些东西必须提前就位，就像我们说的：分析体系、转化追踪，然后让它跑。当然，你本身得已经有客户上门。理想状态是——这也是为什么 PLG 和产品卓越永远是第一步——先有一个人们真心喜欢、愿意推荐给朋友的产品。这已经成立，网站或 App 上的转化追踪也正常，积累到 50 个转化，就可以开始投付费了。50 个转化大致是算法的下限——不管你的转化动作是什么，有了这个量，算法才会说「好，我有足够的数据，能看懂你的最佳客户是谁了」。

然后我会说：上线一个广告系列，跑完两三轮迭代——投素材，这条行、那条不行，为什么，换一批差异化的变体——两三周内你就能判断。整体上值得给足 3 个月，但通常两三周你就能说出「对，从今天开始就能印钱了」，或者「我得推倒重来」。因为这里面的活动部件太多了：素材、文案、落地页体验、落地页上的信息表达、页面加载速度、应用商店截图合不合理……每个都是小杠杆，但会复利叠加。所以花钱的同时，必须一路打磨所有环节，否则同样会触顶。

Harry： 你刚才提到几个点，我得请教一下（笑）——「落地页体验」 (landing experience)。这是什么意思？作为创始人，我该知道什么？

Matt： 很多人的 UI/UX、网站设计、品牌做得一塌糊涂，真的很糟糕……

Harry： 我不想得罪人，但你看过 PostHog 吗？我上他们官网，完全看不懂在干嘛，那 UI 也太怪了。

Matt： 问题是，那恰恰是他们「打破模式」的手法。他们清楚自己的目标受众是谁——受众就吃这种怪。

Harry： 对，James 很牛，这套确实有效，这家公司也很出色，但我看着还是……

Matt： 换个角度说：你清楚自己的流量构成吗？网站对移动端优化了吗？我见过太多网站，主行动按钮 (CTA) 要往下滑一屏半才能看到——拜托。一次基础审计就能把这些问题全暴露出来，这就是我说的落地页体验。如果我除了你的标题什么都不看，我能知道你是干什么的吗？有时候，一个疯狂的 AI SaaS 细分产品确实很难解释清楚。那就把信息表达打磨好，打磨到「用户手指都不动一下、什么都不用操作，就想试一试」。拿这个标准去检验素材、检验文案，把这个框架贯穿整个漏斗。

Harry： 页面加载速度真的重要？

Matt： 重要。当然要看你的目标客户是谁、在哪里：美国、英国这种地方，网速好，问题不大。但页面速度真正关键的地方在 AEO 和 SEO——它是决定你的网站能不能排进 Google 前十的核心因素之一。

同样，爬虫访问你的网站时，「页面多久加载完」是一个成本极低的判断依据。如果你的评级很低——A 到 F 那种评级——世界上普通用户大概率不会立刻打开你的网站。每快一秒，转化率都会大幅跳升，数据就是这么显示的。哪怕看起来只是「半秒和 200 毫秒的区别」，真的有差别。

把油门踩到底，看它在哪里爆掉

Harry： 好，10 万美元，跑了三个月。我很享受这个按时间推进的框架。现在进展不错，我怎么判断：是该火上浇油，是保持预算继续稳着测，还是承认「这玩意儿根本不行」？

Matt： 你要画出总花费和获客的关系曲线，看它的弹性 (elasticity)。永远有滞后——今天花出去的钱，可能 14 天后才变成付费收入。我们看两个核心：从 ARR 角度看，收入最重要，因为我们是 SaaS。花费往上加，ARR 是不是也跟着跳？这个关系的弹性有多大？它会立刻告诉你：该加油，还是该踩刹车。

这里有个你经常会听到的问题：你的花费有多少增量性 (incrementality)？这个问题应该相当早就开始问。因为一旦跑顺了，人很容易把旋钮从 10 直接拧到 13。但如果没有足够的纪律性，最后会发生的是：那些追加的花费即使不花，结果也一样——你等于在白送钱给 Meta 和 Google。

这条线很微妙。这也是为什么真正懂行的增长人才稀缺：常见的是「我是 Meta 专家」「我是某个渠道的专家」，但能坐在全局之上，看清「这里投多少钱、那边多少赞助、多少播客露出、多少 PR」之间怎么相互作用的人，凤毛麟角。正是这种全局把控，才能保证「花费对收入的弹性」最大化。这已经超出 10 万美元阶段的话题了，但终局就是：在对的时刻，你无处不在。

Tips 知识科普（增量测试与营销组合模型）

增量性 (incrementality) 回答的问题是：这笔花费带来的转化里，有多少是不花这笔钱也会发生的？常用做法是设对照组 (holdout)：在一部分地区或一部分人群中刻意停投，对比两组的转化差值——差值才是真正的增量效果。品牌词搜索广告是经典的增量性陷阱：搜你品牌名的人本来就要来，把这笔转化记到广告头上，等于自我陶醉。

营销组合模型 (MMM, Marketing Mix Modeling) 是另一种度量范式：不追踪单个用户，而是用统计回归分析历史数据中「各渠道花费」与「收入」的关系，估算每个渠道的边际贡献。它在 Cookie 失效、隐私收紧的时代重新流行，正因为不依赖用户级追踪。要注意的是，MMM 刚搭好时总是不准的，需要用真实的停投实验不断校准，才会越跑越准。

Harry： 那 Superhuman 的增长为什么会触顶？ Matt： 说到底，Superhuman 是个高端产品，一上来就把付费墙 (paywall) 立在你面前，核心理想客户画像 (ICP) 是创始人。我们在 Wispr Flow 也踩过这个坑：「早期尝鲜的科技创始人」不是一个取之不尽的受众。今天这群人确实在壮大——人人都能当创始人，人人都能琢磨「我用什么技术栈，一个人活成一支军队」——但哪怕只看两三年前，这块可及市场规模 (TAM) 也是有上限的。

那就是第一层天花板。接下来你得去够新的 ICP，比如销售人群——怎么把 Superhuman 变成销售利器？拿「最近打开记录」来说，这是我最喜欢的功能：谁在看我的邮件我一目了然，马上就能追一封回复过去。把产品适配到更多 ICP，才能迈上下一级台阶。触顶的根因就是过度聚焦单一 ICP——不主动一层层剥开洋葱，迟早撞上某个上限。

Harry： 但单看收入爬坡，Fyxer 比 Superhuman 快得多。看到这，你难道不会一拍大腿：「我们的付费投放搞砸了」？

Matt： 某种意义上是的。Fyxer 走的就是电商打法：UGC、海量广告、重押 Meta。只是价值主张略有不同……

市场不同，用户也不同。Fyxer 服务的是那种「就想要个简单工具，帮 Gmail 自动打标签」的人。

Harry： 那照这么说，Fyxer 就该在这个市场继续猛砸钱？

Matt： 据我所知，他们的规模化有几条腿：Meta 上的 B2C 投放、对 Outlook 积怨已久的消费级用户，还有大额企业订单——每一块都让收入跳涨。Superhuman（现在的 Superhuman Mail）干的是同样的事：追大客户，让销售驱动增长 (sales-led growth) 和 PLG 两条腿并行。Fyxer 这块也打得非常猛，毕竟他们在邮件行业攒下的人脉就是干这个的。

Wispr Flow 也一样。特别有意思的一点是：我们明明是 B2C PLG，ARR 里却有很大一块来自企业——那会儿我们连一个客户经理 (AE) 都没有，全是企业自助采购、团队许可证。所以你也得让产品容易被企业接纳，这本身就是个很好的解锁点。

Facts 时空复盘（Wispr Flow 与 Superhuman 的后续曲线）

这期对话里的两家「前东家」，之后都走出了陡峭曲线。Wispr Flow 在 2026 年 5 月被报道正洽谈新一轮融资，本期发布两天前（2026 年 8 月 17 日）正式落定：2.8 亿美元 B 轮融资，由 Menlo Ventures 领投，估值 20 亿美元——从一款语音听写工具长成了「语音 AI 基础设施」叙事的主角。斯沃林斯基搭建的那台「以 Google 广告为主引擎」的获客机器，显然还在印钱。

Superhuman 的命运更有戏剧性：2025 年 7 月被 Grammarly 收购——一个耐人寻味的对照是，收购方 Grammarly 在 2021 年估值 130 亿美元，而被收购方 Superhuman 同年的估值峰值只有 8.25 亿美元。不到四个月后，Grammarly 母公司整体更名为 Superhuman，邮件产品改名 Superhuman Mail——正文中那句「Superhuman（现在的 Superhuman Mail）」就是这场更名的余音。被收购方反过来吞掉了收购方的品牌，在 SaaS 并购史上并不多见。

Harry： 前面提了三个渠道：Meta、Google、生命周期营销。YouTube 呢？人人都说 YouTube 是台获客机器——有什么经验可以分享给年轻创始人？

Matt： YouTube 是完全不同的素材类型。Meta 和 YouTube 的「钩子曲线」相似，但不完全一样——YouTube 上的钩子可以来得更晚。因为在 Instagram 和 Facebook 上，你要的是立刻抓住人；而 YouTube 用户本来就是来花时间看视频的，注意力窗口更长。

很多人其实很怵 YouTube：效果最好的 YouTube 广告是 16：9 横屏，可大家手里只有 UGC 竖屏的 story 素材，怎么办？我们在 Viktor 干了件很酷的事：让 Viktor 自己给我们造了个应用，能把任意竖屏视频嵌进一个静态模板——模板上有「哪些公司在用我们」的 logo 墙、G2 评分和一个 CTA，视频本身是随时可替换的部件。就这样，我们把所有 story 广告都转成了 YouTube 广告，一条不落全上了 YouTube。不是每条效果都一样，得稍微剪一剪适配格式，但大多数人恰恰是被这一步吓退的。其实打开 Figma，做个静态模板，把视频丢进去，导出——欢迎来到 YouTube，广告就能这么投。

叙事方式也不一样：得让它看起来像一条自然的 YouTube 视频。比如有人分享一个小技巧或使用场景：「我最近开始用这个东西，它彻底改变了我的生活，演示给你看。」这种话你在 Meta 广告里是不会说的。脚本、取景、拍摄全是另一套。所以我们有专门的团队写脚本、拍 YouTube 视频，跟 UGC 是完全独立的两个项目。UGC 内容我们会复用一部分到 YouTube，但 YouTube 值得单独投入。

Harry： 团队构成留到后面聊，先把渠道聊完。假设现在项目跑通了，怎么决定往火上浇多少油？

Matt： 还是看前面说的弹性。我们在 Wispr Flow 的做法——我觉得每个人都该这么干——是先把油门踩到底，看它在哪里爆掉，搞清楚怎么爆的、爆在哪，然后收回来，把这些当成情报：什么是真正的增量、天花板在哪、是受众饱和了还是素材不够了，全摸清了。

去年我们在 Wispr Flow 就这么干的：一个月内把预算放大 5 倍，看哪些环节先崩。为什么不等它慢慢摸出来？因为你没有 6 个月的时间——你要的是月环比 30%、40% 的增长，唯一的办法就是先探天花板。万一惊喜地发现可以无限放大呢？结果并没有。但我们因此搞清楚了：为什么 Meta 必须排在 Google 后面、各个环节怎么咬合、哪些简报 (newsletter) 是垃圾、哪个播客没效果。所以我的建议是：先猛冲，搞清楚什么不行、组合该怎么调，然后收回来，带着这些认知重新爬坡——这样你才能拿到一条可复制、可持续的增长曲线。

Highlights 高光金句（把油门踩到底）

“先把油门踩到底，看它在哪里爆掉，搞清楚怎么爆的、爆在哪，然后收回来，把这些当成情报。” "Go as hard as you absolutely can and then see it blow up, and then understand where and how it blew up. Pull back and use that as information."

▍点拨：这是「压力测试」思想在增长上的应用：与其用六个月温和放量去逼近天花板，不如主动制造一次可控的「爆掉」，把受众饱和点、素材消耗速度、渠道优先级这些隐性参数一次性逼成显性知识。前提是留存兜得住——放量放大的是流量，也放大产品的本来面目；留存没过关的团队踩下这脚油门，买到的只是更贵的坏消息。

Google 是一台结构化的猛兽

Harry： 如果有个东西今天不灵，你会立刻关掉，还是再给它点时间？

Matt： 看指标差到什么程度。如果横看竖看都不可能成立，立刻关。如果先行指标只是「挺差，但可能有别的因素在干扰」，就再给点时间。我说过，从广告到转化之间有一百万个旋钮可以调，所以急不得。举个例子：这条素材把流量导到首页，那我们做一个高度个性化的落地页呢？页面上说的话和广告里一模一样，甚至把创作者的脸也放上去。这是我随手想的点子，但值得一测——给它点时间，不行再划掉。

Harry： 在 Wispr Flow，哪个单一渠道效果最好？你从中学到了什么？

Matt： 绝对是 Google。

Harry： 传统 SEO 那种？

Matt： Google 广告。

对，Google 广告至今仍是主引擎，而且好得惊人——几乎每个环节都在印钱：非品牌词搜索、效果最大化广告 (PMAX)、YouTube 广告，全是。原因在于，Google 名义上处于漏斗中段，实际上一个平台从顶到底全包了。只要转化追踪做对——Google 本身就是个大集市，服务品类极多——再围绕「App 下载」这个高端产品的目标去优化，我们对 CAC 的控制精度远超 Meta，比如「在印度花多少、在美国花多少」，因为两个市场定价不同。Meta 没有这种细粒度控制。前面说过，他们把手动设置全砍了，素材即定向——素材在某个地区要么行、要么不行，你能做的只有不断迭代素材。这是两种完全不同的工种。Google 是一台结构化的猛兽，值得好好研究怎么规模化。

选 Google 还有一个原因：产品难讲，长视频更适合解释。「我说话，它就变成文字——任何文本框里都能用」——你在大马路上随便拉个人讲这个，对方会用看怪人的眼神看你：「语音消息？WhatsApp 里发的那种？」这里有个市场教育的过程。所以 YouTube 上那些 30 秒到 1 分钟的教育视频跑了很久，拿到几千万、上亿的曝光，再喂给非品牌词搜索、PMAX 和各种展示位，这批人最终转化了——所有环节是咬合在一起的。

Harry： 渠道表现是刚开通时最好，还是随时间变好？

Matt： 随时间变好。但它也有自己的「缩放定律」 (scaling laws)：到了某个点，你得先扩到其他平台，才能看到下一次解锁——也就是当前受众开始疲劳的时候。刚开渠道时效果总是很糟，因为得等转化慢慢积累。

Harry： 撞上受众疲劳时，你是继续花钱等下一次解锁，还是直接宣布「这个渠道榨干了」？

Matt： 你要去解锁下一个受众。拿 Viktor 来说：发布时我们故意用了「每个人的 AI 员工」 (the AI employee for everyone) 这个定位，就是想看看谁会走进门。结果最先来的是代理机构、电商品牌和中小企业。

之后我们按顺序推进：常青内容继续跑，同时主攻代理机构——能不能把他们获取进来？漏斗长什么样？素材长什么样？解锁一个受众、经济模型跑通，就有了一套可复制的打法，再去攻下一个。你在现有定向里撞上受众疲劳，解法在于：今天的营销已经高度 ICP 化。现在最好的工具能模拟你的目标客户——用 Viktor 或随便什么工具跑个提示词 (prompt)：模拟这个人，他读什么、怎么做决策——你会拿到有史以来最丰富的 ICP 调研，然后围绕这个人做素材、做落地页、做新手引导、做产品体验。一个细分受众接一个细分受众，你可以一直扩下去。

Harry： 作为这家公司的投资人，我得说，我不觉得那句口号好——你别恨我——「每个人的 AI 员工」，我压根不知道这是什么意思。你要是说「AI 视频剪辑师」，好极了；「AI 文案」，好极了。「AI 员工」？你是帮我报税，还是帮我做素材？

Matt： 我认为原因是……

Harry： 我的意思是，先用横向的口号再做垂直化，这条路对不对？

Matt： 问题在于这个品类太宽了。「AI 员工」这个说法我们未必是第一个喊的，但我们是第一个真正兑现的——工作是真的交付出去的，用量是真的 ROI 为正、真的有价值。我们从这里出发，是因为……不然呢？你怎么把自己和 Claude、ChatGPT 这些玩家区分开？我们的定位围绕知识工作 (knowledge work)。除了「AI 同事」和「AI 员工」，没有别的定位真正讲得通。

这个词之前没什么人用，所以听着费解。但现在使用场景和故事越攒越多，叙事就可以换过来了：「我雇了 Viktor，这是他干的活」——人们自己会反应过来：哦，这是个人名；哦，是个员工；哦，原来是个 AI 工具。现在可以倒着讲了。但总得先有个起点，把使用场景立起来。

AEO 时代：PR 为引用而生

Harry： 你前面还提到一个很有意思的词：AEO，也就是答案引擎优化 (answer engine optimization)。我们投了一家叫 Peak 的公司，就是干这个的。你怎么看这个新渠道？我们该怎么拥抱它、需要知道什么？

Matt： AEO 总体上沿袭了 SEO 的核心逻辑。老式 SEO 那套「批量铺几千个页面」的玩法又回来了。当年 Google 握着 SEO 算法，惩罚了纯为 SEO 铺页面的人，所以过去几年没人敢这么干。但现在，你在 AEO 里的页面量级又变得重要了。你可以让任何智能体分析竞品的网站地图 (sitemap)、自动爬取——我们自己就用 Viktor 干这个：把每个竞品的 sitemap 看一遍，看他们每周产多少页面。很多公司一周产 100 到 200 页，大量内容就是 AI 生成的垃圾。这恰恰是你不该规模化去做的事。

你真正要的是有价值的内容。AI 爬虫会把这些内容吃进去，之后有人问「这个场景什么工具最好用」「我想干这个」时，答案引擎引用的就是你写的东西。所以我的建议是：建一套引擎，围绕特定主题持续往网站输出内容；但比这更重要的是 YouTube、Reddit 和社交叙事。

每个创始人起步时都该先撬动的一个杠杆，是投资高质量的 YouTube 评测。YouTube 评测是长内容，能吃长尾排名，也是答案引擎重点引用的来源之一。你的网站、PR、外部来源都会被拿来讨论，而最好的外部来源之一，就是你在 YouTube 上有多少评测和视频——它们在 ChatGPT 上的引用率非常高。这是每个创始人早期都该重点做的一件事。

Harry： 老兄，传统 PR 和新闻媒体是不是死了？我的意思是，以前上 TechCrunch 是有分量的。某种程度上我现在依然觉得它重要——我的看法是：发布时上个 Product Hunt、被 TechCrunch 报道一下，这就像创始人的成人礼。

Matt： 差不多是入场券 (table stakes) 了。

对，它建立的是可信度和信任——你「在地图上」了，就像人人都得走一遍的流程。但 PR 重要的原因变了：不再是「PR 爆了带来一波流量」，今天的 PR 是为了引用——围绕 AEO，有多少外部可信来源在写你？越多不受你控制的正面叙事在谈论你，你的 AEO 流量就涨得越明显，产品的处境也越好。

Harry： TikTok 值得做吗？

Matt： 看时机、看场合。取决于你是不是更偏 B2C……

Harry： 我从来没见过哪个 CMO 或增长负责人真正搞定了 TikTok，一个都没有。

Matt： 嗯。从内容被消费的方式看，它确实可以用来做受众多元化。但说实话，在我待过的三家核心公司里，TikTok 都还没跑通过。也许在 Viktor 我能有机会改变这一点。

Harry： 完全理解。聊团队之前最后一个问题：如果把付费投放关掉会怎样？假设我们投得很猛、效果也好，收入做到了 3000 万、4000 万、5000 万美元，然后发现「我们对这台付费引擎有点上瘾了」——结果付费一关、一砍，增长就垮了。

Matt： 那说明你还有别的问题。我认为健康的结构是：自然流量占获客的 35% 到 45%——口碑、自然发现，用户真的是冲着你建好的东西自己找上门。早期刚起步，外面没什么关于你的内容，获客确实全绑在付费上。但到了后期，付费一关就垮，说明你忘了另一半功课：SEO、AEO、评测，所有被人写下来的东西。

有时候你就是得主动把投放降下来，看看弹性——回到前面说过的那个逻辑。月花费一超过 100 万美元，你就得有像样的营销组合模型 (MMM) 和增量性分析，让一个模型告诉你：这个渠道是增量的，这个不是。模型一开始永远是错的——做些调整、降一些量、设对照组 (holdout)，再看模型是否应验。模型会越跑越准，你就不再两眼一抹黑，而是真正搞懂哪些杠杆能上能下、钱该往哪砸。所以，主动降花费、看看到底会掉多少，本身就是个极好的学习机会。

Value 价值视角（租来的增长与自有的增长）

「付费一关、增长就垮，说明你忘了另一半功课」——这句话可以翻译成价值投资者最熟悉的语言：付费投放买来的流量是租来的资产，自然流量、口碑和被外部世界写下来的内容才是自有的资产；前者停止付费即归零，后者持续复利。「自然流量占获客三到四成半」本质上是给「增长质量」划出的一条及格线。

斯沃林斯基建议的「主动把投放降下来、看看会掉多少」，与判断企业定价权的逻辑异曲同工：看一家公司有没有定价权，就看它提价后客户走不走；看一台增长引擎有没有真实的需求底座，就看它停投后用户还来不来。两个测试考的是同一件事——去掉推力之后，惯性还剩多少。

有专长的通才与系统思维者

Harry： 你觉得真正优秀的增长负责人有多少？

Matt： 不多。

Harry： 嗯？

Matt： 说实话，真的不多。

Harry： 很多创始人听到这要「哇」出声了。我脑子里立刻闪过三家公司，心想：靠，真想把 Matt 塞进去。

Matt： 我在营销这行的成长路径比较特别。我起步于企业咨询，那活儿简直榨干人，我恨透了。这也逼我创立了自己的第一家代理机构，从零学会所有事。电商、SaaS、企业级 B2B 我都干过。那家代理公司至今还开着，只是我不参与日常了。

正因为经历过那些，我知道怎么亲手投一条 Meta 广告。我不是那种对执行一窍不通的增长负责人或 CMO。这也是为什么我在 Wispr Flow 当增长负责人时，直到去年 12 月，每月 300 万、400 万、500 万美元的预算，执行全是我一个人干的。

Harry： 这也是我对所有大学生和年轻人说的话：从来没有哪个时代像现在这样，全栈 (full stack) 如此重要。写素材、拍视频、剪视频、把视频投到 Meta、Instagram、YouTube——全套都得会。那种「我只做创意和文案」的，算了吧。

Matt： 这话很多人都在说，我非常认同：超级专才正在缓慢死亡。我一直把自己定位成「有专长的通才」 (specialized generalist)——你得挑一件比别人都强的事，但同时也要挽起袖子，什么都学一点。

很多增长负责人恰恰栽在营销分析和转化追踪上——他们不太懂这块是怎么运作的。不懂底层原理，你就不知道这台系统靠什么转起来。更何况我们活在一个有 ChatGPT、Claude、Viktor 的时代，它们是人类历史上最好的学习工具。不会什么就去问它：把我需要做的每一步列出来，然后照着做，看哪里会崩、哪里不懂。最后赢的，是那些有主动性 (agency)、有饥渴感的学习者——那些书呆子、那些好奇的人。这就是我看人的分界线。

Highlights 高光金句（超级专才正在缓慢死亡）

“超级专才正在缓慢死亡。我一直把自己定位成「有专长的通才」——你得挑一件比别人都强的事，但同时也要挽起袖子，什么都学一点。” "Hyper specialists are dying a slow death. I've always seen myself as a specialized generalist... you have to pick something that you are better than the rest at, but get your hands dirty and learn how to do a little bit of everything."

▍点拨：「有专长的通才」是 T 型人才在 AI 时代的升级版，但重心挪了位置：过去护城河在「一专」，现在反而在「多能」——任何单点技能，AI 都在把它的执行成本压向零，真正稀缺的是横跨素材、投放、分析、产品之后仍能看清「系统怎么咬合」的整合判断力。斯沃林斯基自己就是标本：一个人扛起每月数百万美元预算的全部执行，靠的不是每项都最强，而是没有任何一环是他的盲区。

Harry： 老兄，我太同意了。就说落地页体验——你直接问它：给我举三个过去一年 PLG 里最好的落地页体验。它就能教你。

Matt： 完全同意。

Harry： 说回团队。人才要求变了。过去一两年，你招人时看重的东西发生了什么变化？

Matt： 180 度大转弯。放在一年前，我要找的是那种在 Meta 广告上有十年经验、投放规模上亿美元、全世界最好的 Meta 投手——假设我要招的就是这个人。现在我还是看重这个，但他不一定非得是「史上最强」。如果他是 AI 原生 (AI native)、是系统思维者 (systems thinker)，能拆解出让自己工作运转的底层结构，那「这样的人 + 经验」会打败「只有经验、不是 AI 原生」的人。我眼看着这件事在发生。我再抛个暴论 (hot take)：很多团队想把自己的团队改造成 AI 原生，但都失败了。

Harry： 为什么失败？ Matt： 因为坐在那些岗位上的人不是系统思维者。你做市场也好、做运营也好，没有系统思维，你就是不知道……

Harry： 你说的系统思维者到底是什么意思？

Matt： 对我来说，系统思维就是：从日常工作里的某项任务退后一步，跟任务本身拉开一层距离，然后问自己——我这个岗位，每天要转动的部件都有哪些？彼此之间什么关系？无聊的行政杂务在哪一块？报表在哪一块？把这些全部画出来，看明白「你的工作」作为一个系统到底是怎么运转的。

看明白了你才说得出：好，这部分交给智能体或 AI，我去干杠杆更高的那部分。很多人是打开 ChatGPT 问个问题，然后回头继续纯手工干活。你退后一步想想：「要把我的工作全部自动化，需要些什么？」——当然行不通，东西一定会崩——但这个思想实验值得做一遍。问题是，你拿这个问题去问很多人，会发现他们并不真正理解自己的工作。他们不是系统思维者，说不清输入和输出到底是什么。这就是我的分界线。所以我面试招人，某种程度上像一场工程面试：系统思维是及格线。

Harry： 那你具体怎么考？假设我想去你那儿上班——你显然聪明得离谱，我就是个播客主播——你会给我出什么题？

Matt： 核心问题是：工作里你怎么把 AI 用成工作流 (workflow)？但我更好奇的是，你在个人生活里怎么用 AI 工作流？有没有什么你喂给 AI 的系统，让你在工作之外也变成更好的人？工作和生活的界限，也许本来就模糊了。

Harry： 好答案和坏答案分别是什么样？

Matt： 坏答案是：「我建了个技能，或者在 ChatGPT 里开了个项目对话，传点上下文进去跟它聊。」这不能说错——记忆层、上下文层本来就该这么用，你有一个持续的对话，它能跑。但跟机器聊天不是工作流，里面没有反馈回路。

我有个必考题：AI 给了你一堆垃圾，你怎么办？很多人的做法是骂一句「这是垃圾，重写」，然后烦了，把文档抢过来自己写。不肯熬过「给它反馈」这个痛苦过程的人，过不了我的第一层反馈回路测试。第二层是真正的「闭环」。我举过一个例子：我在 Wispr Flow 搭过一个赞助系统，整个工作流是一个自我改进的循环——某个简报赞助方发邮件过来，我的智能体认出这是简报合作请求，自动去问对方报价、调研对方的受众构成，替我谈完第一轮。

我唯一介入的环节是审批「要不要合作」。合同一签，我在简报这件事上的人工步骤就结束了。合同丢进智能体系统，它把成本数据全部录进文件系统、写文案、发邮件、生成链接、搭好转化追踪、把所有东西发给合作方——简报合作这行本来就很老派：邮件发来发去，对方告诉你效果。接着它根据文案和成本自己分析效果，决定要不要继续合作——这一步也是智能体决策，因为我设好了标准：CPM 该是多少、转化该是多少，不达标就让它自然停掉。

这就是工作流：我只留了几个人工触点。它分析数据，知道每条链接的表现，能判断哪版文案有效；下次再写文案，用的就是全部历史数据。这就叫自我改进。

Harry： 你用什么搭的？

Matt： 那是我在 Wispr Flow 搭的第一版「营销操作系统」 (marketing OS)：就是跑在电脑上的 Claude Code，一个文件夹系统，加上技能 (skill) 和 Markdown 文件。整套系统就是这么起家的。

我把 Claude 接上邮箱，设了定时任务 (cron)：9 点、中午、6 点各查一次——有没有新的简报合作请求？有就走流程回复，然后在 Slack 里给我推消息：「这几件事需要你拍板，这是对方发来的合同。」

后来系统不断演进。它本来是我个人的操作系统，为了分享给团队、让别人也能用这些工作流，我还得给那个文件夹做版本管理。就这样，有一年半的时间，Wispr Flow 的全部执行都是我一个人扛：每月在 Google 上花 100 万美元，几十万个关键词、广告、实验、落地页，从曝光到下载的每个 KPI 都归我，用户过了新手引导才交给产品团队。

这还没算 Meta 广告和简报——有段时间我同时跟 70 到 120 家简报提供方合作：他们发邮件过来，我要审文案，还得做定制图片。我就想，简报行业怎么还停留在石器时代？没有平台，全靠邮件，跟这些人一家家讨价还价谈 CPM。所以这是我最早搭工作流去解决的问题之一。

我不会写代码，全是边做边学：「我想把这个自动化。Claude Code，你会怎么做？」这套 OS 就是我一路问它「怎么搭一个 OS」搭出来的。那之后，我每天 90% 到 95% 的工作都走 AI。「我想优化广告，你能把报表拉出来吗？哪些关键词……」所有改动、所有文案，我都在终端里过一遍 Claude Code，因为这样我才能给反馈、跑反馈回路。每天都进步一点点。后来模型也足够强了——我是 Claude Code 的早期用户。2025 年 12 月是所谓的「Claude Code 时刻」，而我 9 月、它还不够好的时候就用上了。

Harry： 然后你立刻看到了那条疯狂的上升曲线。

Matt： 它经常出错：文案很差，东西会崩，毕竟是早期。但我好奇，爱折腾，就用它把整套东西学会了。我们好像从团队的话题岔开了，但这其实正好回答了那个问题：我是因为不得不做，在完全不知道怎么做的情况下，从 A 到 Z 把这个工作流学下来的。我面试考的就是这个——给你一道难题，你能不能围着它搭出一个系统，把它解决掉。

Harry： 你遇到的候选人里，有这种深度的占多少？

Matt： 不到 1%。

Harry： 果然。那……靠这个还能搭起团队吗？

Matt： 但这恰恰是关键：今天和明天的团队，会比以前精简得多。拿 Grammarly 来说——大公司、加引号的「企业级」SaaS——他们有个网红营销团队，三五个人。今天和明天，这个团队就是「一个真正强的人 + 一套惊人的智能体组合」。你想象一下规模：每月 10 万个网红在发你的内容。只要你有智能体系统，懂得怎么在海量数据里筛，知道自己该在哪个环节介入，一个人就够了。

所以哪怕只有 1% 的候选人合格也没关系——找到那个人，让他全权负责、搭系统。眼下我对未来三五年的判断是：我们 80% 的工作还是手工，20% 交给智能体。这也是我押注 Viktor 的原因：去搞定所有知识工作。我认为三年后，公司会变得像董事会——20% 的工作是战略和思考，80% 的执行交给智能体。

现在剪辑还是手工、发邮件还是手工——工具都有，但还是隔着一层人。等质量上来了，用量和真实采用走到 ROI 成立的那天，这层会消失。这是我的赌注。这也是为什么这套东西如此重要：你不懂系统怎么运转，就永远「看不见」你的智能体。

Harry： 不到 1%……那今天的 B2B CMO 呢？他们是不是完了？我不想说得太直白，但我真不认识任何一个传统公司、规模化公司里的 B2B CMO，对你说的这些有半点概念。他们会雇一堆这样的人围在自己身边……

Matt： 他们真的会吗？

Harry： 他们倒是想。我不点名，不想砸人饭碗。但你看那些大厂——Anaplan、Coupa 那种公司，你是说那里真有人懂你在讲什么吗？

Matt： 没有，真没有。这也是我为什么认为：做到的公司会快速从做不到的公司手里抢下市场份额。我们正处在一个竞争格局极其有趣的时代：高层不接受这套东西的既有厂商 (incumbent)，增长率会原地踏步；而按这套框架跑的高速增长者，会吃掉他们的份额、把他们赢下去。

所以你说得对，领导力必须换血。用我那条暴论的话说：市场团队里不是系统思维者的人，大部分开掉。别再靠堆人硬扛了。把对的人招进岗位，因为岗位本身变了——JD 跟一年前已经不是一个东西，而大家还在把人硬塞进新 JD 里。这个行业需要一次洗牌。

Inverse 反向思考（「开掉非系统思维者」的另一面）

这场「营销组织大洗牌」的叙事有两点值得警惕。其一，「AI 原生」正在变成新的口号筛选器：会讲工作流故事的人未必会干活，而深耕行业多年、手握渠道直觉与供应商关系的老将，可能恰恰是「不善表达的系统思维者」——按一道 1% 通过率的考题开人，误伤率恐怕不低。其二，「一个强人加一套智能体系统」的极致精简有自己的脆弱性：系统沉淀在个人的电脑和私人笔记库里，人一走，工作流、提示词、历史数据全部随之蒸发——组织把能力资产化到个人身上，是另一种形式的单点故障。

更根本的问题是时间尺度：「三年后八成的执行交给智能体」是一个关于模型质量的赌注。如果能力爬坡放缓，提前按终局裁掉执行层的公司，会在中途两头落空。洗牌的方向大概率是对的，但踩错时间点的洗牌，和不洗牌一样出局。

Harry： 好，我是创始人，看着自己的 10 人市场团队——A 轮、B 轮公司随便哪家——我该开谁？怎么测？

Matt： 你没盯着的时候，有人自己把系统搭出来了，一个人把自己放大了 10 倍——这个人你不会开。但谁没做到，你会看得一清二楚。这种差距已经能被感知到：A 级选手正在变成 S 级，B 级选手正在滑成 D 级，裂缝就是这么来的。

另外我一直认为：不存在「消费者营销」和「B2B 营销」之分，营销就是营销。

Harry： 对。说到底，不管是在大企业里还是作为个人，做购买决策的都是一个具体的人。百分之百。

Matt： 这也是为什么当初有人质疑 Viktor 的营销策略：我们是超高 CAC 的 B2B SaaS——你往团队里「雇一个员工」，每月为这东西付几千美元，这是 B2B SaaS 工具，但我们做营销的打法，却是消费级准专业应用 (prosumer app) 那一套。

Harry： 确实。Polymarket 有个 19、20 岁的小伙叫 Tobin——希望他别介意我点他名。

他是不是原来在 Wispr Flow 待过？

Matt： 对，他去 Polymarket 之前，就在 Wispr Flow 搭了最早的 UGC 病毒传播项目。所以我认识 Tobin。

Harry： 哇，那就完美了。我的意思是：像 Tobin 这种「就是懂」的人，你愿意花大价钱抢，因为他在那个位置上顶别人 10 倍。你同意吧？

Matt： 同意。每条赛道上都有这样的人。这也是为什么在机器学习研究领域，你愿意为一个能把模型往前推的人付几百万美元。我认为我们正在走到同一个拐点：营销岗位上的人也是独角兽，稀有、值得抢。机器学习人才疯狂溢价的那一幕，未来一年很可能在营销获客领域重演。

快问快答：被低估的与被污染的

Harry： 太有意思了。老兄，来一轮快问快答 (quickfire) 怎么样？今天聊得太爽了。第一个：今天最被低估的增长渠道是什么？

Matt： 是一个我们还没提的渠道。很多人做得很差，但做对了会持续复利：联盟营销 (affiliate)。你按收入的一定比例、或者某个 CAC 标准，付钱给一群不是你客户的人，他们专门为你创作内容、写评测。在 Wispr Flow 和 Viktor，这都是 ROI 最高的渠道。

你搭一个足够强的联盟计划，把人带进门，让他们觉得「哪怕还不是客户，我也能赚到钱」，他们最终会变成你的客户。它和推荐计划略有不同：不依托产品内部，而是做一个对外有吸引力的计划——联盟客自带流量场：一个网站、一群受众，他想把你的产品卖给自己的受众。

用这种计划把他们获取过来。这是早期 ROI 最高的渠道之一，越早做，爬坡越快。Viktor 每月 10% 到 15% 的获客来自联盟计划。人们愿意来，因为我们给 10% 到 15% 的收入分成。一个联盟客要是拉来一家月付 1 万美元的公司，凭这一单他每月躺赚 1500 美元。所以要设计一个让人想赚钱的计划。

Harry： 我能参加吗？给我也建一个。（笑）我发誓我给 Viktor 介绍的公司都有 10 家了。妈，我退休了。

Matt： 我们确实有几个联盟客每月赚两三万美元。

Harry： 最被污染的渠道是哪个？

Matt： 我会说是 X——就说那些发布视频，全都无聊透顶。

人人都在做一模一样的病毒发布那一套。说 X 被污染，还有一层意思：X 广告根本跑不起来。这说明这个平台还……

我到现在没遇到过一个 SaaS 增长负责人或效果营销人，说 X 广告能印钱。真有人把 X 广告跑通了，请一定告诉我，我很乐意被打脸。

Harry： 有意思。X 这点我站你，我也烦透了。不知道你昨天刷到那条视频没——既然我们都在聊它，说明它确实起效了——那家公司好像叫 Weave？他们真的从飞机上跳了下去，一边跳伞一边念广告词。我们已经到这个阶段了吗？这个市场已经成熟到要跳飞机念稿了吗？

Matt： 是，因为「震撼式发布视频」 (shock and awe) 已经成了公式。而且说实话，恰恰是这种视频，背后往往是「我们其实没什么产品」。他们那家未必是，但我见过太多「我们为那个发布了这个」——花在发布视频上的时间比花在产品上的还多。这种我见得太多了，这就是我说「被污染」的原因。

Harry： 增长世界里，你最想改变的是什么？

Matt： 有更多优秀的增长负责人。说正经的，我对创业界有个请求：我不明白为什么没有一所这样的学校——「我完全理解你们想被 AI 武装 (AI pilled)，很好，那到底意味着什么？来我们学校，六周时间，我们把你武装到牙齿，学会所有系统、流程、模型。六周，朝九晚五，这就是你的全职工作。学费 1 万美元。」

我会说，这比上大学值钱——尤其对年轻人。

Harry： 听你说完，我都想再去创一次业了。（笑）不开玩笑，你说得完全对。

这家公司我今天就会投几百万美元。我是认真的。你想想，摩根大通或高盛要是把这种学校开在金丝雀码头 (Canary Wharf) 楼下，他们会不把每个员工都送进去吗？

Matt： 因为那样你就亲手造出了明天的「超大规模者」 (hyperscalers)。有意思。

我大学上的是纽约大学 (NYU)。有意思的是，我一节营销课都没上过——零节，全是边做边学。我觉得营销教育也停滞了。当然，我今天没进过大学课堂，也许情况变了——但他们教你装 Facebook 像素吗？没有。框架是在动手执行之后才理解的。

先做再理解，对比坐在教室里先学再上手——光靠「做」，你学得快太多了。所以我同意你。我还没见过一个真正从 A 到 Z 教你「怎么当增长负责人」的训练营。Reforge 和 Brian Balfour 试过，但还是……

Harry： 其实我说的都不只是增长负责人。我说的是：怎么让一个人懂到能自己搭流程、搭系统，开始用 Claude 或者随便哪家的产品替代自己——报销、文案、设计……

Matt： 百分之百同意。在这个框架下我完全同意——放到营销上也是一样。但根本问题是，人们连第一步都不会：怎么把 Claude 配置好、接上集成，让它以正确的方式、正确的权限访问我所有的文件，再做到我说的 9 点、12 点、6 点自动检查……

Harry： 老兄，我觉得你忘了大多数人处在什么水平。

Matt： 对。我当成「基本门槛」的东西，总忘了大家其实不是这么配的。好，举个例子——这是我用 Claude Code 时的做法，现在我 80% 的工作在 Viktor 上。但给还没用上 Viktor、还在用 Claude Code 的人一个建议：只做一件事，配一个我管它叫「会话结束」 (session end) 的技能。如果只配一个能让工作复利的技能，就配它。

我在终端里开一个 Claude Code 会话，做某一块工作，快做完、想收尾的时候，触发这个技能。技能背后的配置是：我把 Claude Code 连上了一个 Obsidian 库 (vault)，每天记下我喂给终端的所有东西——所有决策、未完成任务、学到的东西、重要笔记和原子知识。每个会话里做的事都存在 Claude 的记忆里，但你之后访问不到。会话结束技能干的就是：分析这个会话，提炼出我们做了什么、框架是什么、目标达成没有、还留了什么尾巴，然后搬进 Obsidian。

Obsidian 是一个节点式 (node-based) 系统，我可以回到任何一天，看那天干了什么，还能看到这张网随时间生长。这是让每次会话都复利的超级技巧：节点系统会告诉你，「一周前你做过这个，当时卡在这里；今天你又做了一遍，解决了」。智能体也会分析所有内容，替你建立关联——「你在两个地方用过同一种素材类型做 Meta 广告」。这种事你自己会忘，系统也会忘。而有这么一个存放工作和记忆的地方——对我来说，这可能是最有价值的资产。

如果你能把自己正在搭建、调整、打磨的每一件小事都记录下来……以前大家说社交资本 (social capital) 最重要，我认为未来几年的宝藏是：你的电脑上存了什么，你的 AI 产出里沉淀了什么。对很多人来说，那才是金矿。

Highlights 高光金句（你的电脑里沉淀了什么）

“以前大家说社交资本最重要，我认为未来几年的宝藏是：你的电脑上存了什么，你的 AI 产出里沉淀了什么。” "Social capital was the big thing... what do you have on your computer that is saved in your AI output... is the treasure trove for a lot of people."

▍点拨：这句话给整期的「工作流」主线补上了最后一块拼图：自我改进的循环要转起来，前提是有东西可沉淀——记忆层就是反馈回路的地基。它同时重新定义了 AI 时代的个人资产：过去职场积累的是人脉（社交资本），存在别人的脑子里；现在积累的是被记录、可检索、能被智能体反复调用的工作产物，存在自己的机器上。会话结束即遗忘的工具用法，等于每天都在亲手烧掉自己的复利。

Harry： 想听个疯狂的事吗？每周我们开基金的投委会 (IC)，现在所有通话都过一个 AI 通话评分器 (AI call grader)。它把我们打过的每通电话都收进去，按五个维度打分——创始人与市场匹配度 (founder market fit)、产品与市场匹配度、交易质量等等——满分 10 分，强制排序。然后我们直接按 AI 的排名定优先级——事实上，我们把排序权完全委托给了这个 AI 排名系统。

Matt： 但只要你在「优先级决策树」上下足了功夫，你就能信任这个系统，因为它的底层是你的框架。

Harry： 你知道吗，它的排名从没出过错。我们才跑了 12 周，但 12 周已经相当能说明问题了。对，覆盖一千多家公司。

Matt： 我自己也这么干。我用一个无机器人 (botless) 的会议记录工具，录下所有会议。每天结束时，它把所有会议过一遍，告诉我：你在电话里答应过要做的事，有哪些没落到任何待办软件里？然后全列出来：这些你做了吗？——这就是我明天的待办清单。

Harry： 最后一个问题：在你没有利益关联的公司里，你最佩服谁的增长策略？你从中学到了什么？

Matt： 是对产品的匠心：假设、深度实验、打造真正卓越的用户体验。这对我来说太迷人了。你看每天海量冒出来的产品，真正有产品卓越 (product excellence) 的寥寥无几，而掌舵这种匠心的人，是真正的产品领袖。我从他们身上学到太多，再把这些东西用进我自己的世界。看他们的大脑怎么工作、怎么分析数据、怎么理解客户，非常受启发，我觉得很多人都能学。

这说的可能更多是公司里的人，而不是整个公司。说实话，公司层面我更佩服那些从零起步的新玩家：才迈出第一步就做得很好——品牌想清楚了，发布营销也想清楚了。这是我欣赏的。

Harry： 说一家。（笑）

Matt： 好吧。这有点自夸，但就说 Wispr Flow 最初的发布吧：产品和营销之间的那种呼应——虽然我自己也参与其中——但它真的是凭这个登上舞台的。同样，那段旅程我亲历过：一家小初创公司，融了一大笔 A 轮，迅速被整个市场看见、迅速被喜爱。这类事就是让我每天早起的动力：我们做成了一件事，倾注了大量思考，而市场给了回应。

让我着迷的就是这些：所有活动部件咬合在一起，你把东西发布出去——然后它真的成了。这就是我干这一行的原因，那些时刻太特别了。

Harry： 老兄，今天聊得太尽兴了。真的特别感谢你愿意分享所有这些秘诀，让我把所有策略刨了个底朝天。

Matt： 这期聊得太爽了。期待下次，下次再多挖点干货 (nuggets)。

Takeaway 行动指南

本期对话收敛出的六个关键判断：

分发是唯一的护城河 ——产品力只是入场券。行动含义：从第一天起把付费投放当作核心能力来建，而不是产品「配得上」之后才打的补丁；招聘与预算的优先级都要反映这一点。
付费投放是验证 PLG 最快的引擎 ——一周跑完定位、素材、漏斗测试，胜过三个月的内容试错。行动含义：拿出一笔明确的「验证预算」，目标是买到三组假设的真伪答案，而不是买到收入。
度量先于花费 ——花出第一分钱之前，转化追踪、归因与信号匹配必须全部就位。行动含义：先配强的分析负责人，统一各平台收到的信号，再谈放量；否则钱等于撒向空气。
素材即定向，产能即壁垒 ——每月四五百条新素材不是夸张，是不触顶的及格线。行动含义：尽早建立创作者计划与素材测试流水线，素材制作预算对标广告花费；素材的多样性就是定向的颗粒度。
先探天花板，再谈可持续 ——用一次可控的极限放量，逼出受众饱和点、增量边界与渠道优先级。行动含义：放量后主动收回，用对照组和营销组合模型校准「哪些花费是真增量」，并定期主动降花费看弹性。
未来的增长团队 = 有专长的通才 + 自我改进的工作流 ——面试的核心考题是「你能不能围着一道难题搭出一个系统」。行动含义：招人看系统思维与 AI 原生的实际证据；同时让每次工作的产出沉淀为可检索的资产，别让经验只活在聊天记录里。

如何打造一亿美元增长引擎 (Matt Swulinski)