Ramp 的增长引擎：史上增长最快 SaaS 的实验科学 (George Bonaci)
20Growth 对话 Ramp 增长副总裁 George Bonaci：为什么增长是科学而非 playbook、如何像风投一样配置实验组合与押注、去哪里寻找增长 Alpha、增长团队该招什么人怎么招、AI 正在改写增长这个角色。
本文译自 20VC 旗下 20Growth 栏目，发布于 2025 年 2 月 28 日；主持人哈里·斯特宾斯 (Harry Stebbings)，对话 Ramp 增长副总裁乔治·博纳奇 (George Bonaci)。
博纳奇是少见的「科学家型」增长负责人：他主张增长不是可以复制粘贴的打法手册，而是一套由假设、实验与复盘构成的科学方法。整场对话沿一条主线展开——如何像管理投资组合一样管理实验组合，先预设大多数押注注定失败，用速度换取学习，再去别人不知道、不相信的地方寻找增长的超额收益。而在结尾的快问快答里，他对「创始人最致命的错误」给出的答案，恰好是对这条主线的一次反向扣题。
▍嘉宾：乔治·博纳奇 (George Bonaci)
乔治·博纳奇现任 Ramp 增长副总裁，是 B2B 增长领域「实验科学派」的代表人物。
- 化学背景出身：公开资料显示他本科主修生物化学 (biochemistry)，职业生涯早期曾在 AnchorFree 等互联网公司从事增长与营销工作；他自称是那种「会去当化学家或工程师」的人，这种思维底色贯穿了他的整套增长方法论。
- Samsara 时期：加入物联网公司 Samsara 负责增长，帮助公司把年化经常性收入（ARR）从约 1 亿美元做到 6.5 亿美元，并亲历公司 2021 年在纽交所上市。
- Gong 与 Ramp：此后出任销售智能公司 Gong 的增长副总裁，主导 B2B 需求生成；再之后加入 Ramp 执掌增长至今。
▍关于 Ramp
Ramp 是一家总部位于纽约的企业财务运营平台，2019 年由埃里克·格莱曼 (Eric Glyman)、卡里姆·阿提耶 (Karim Atiyeh) 与吉恩·李 (Gene Lee) 联合创立。
- 商业模式：以企业签账卡为入口，把费用管理、账单支付、采购等财务工作流打包成免费软件。与靠客户透支赚钱的传统发卡行不同，Ramp 的卖点是帮企业「少花钱、省时间」，收入主要来自刷卡互换费（interchange）及支付、采购等环节的增值。
- 增长与估值：截至 2026 年年中，Ramp 服务超过 5 万家企业，年化收入约 15 亿美元（2026 年 5 月，据彭博报道口径），年化支付总额（TPV）超过 1000 亿美元。估值在 2025 年内从 130 亿美元（3 月）连跳 160 亿、225 亿、320 亿美元（11 月），2026 年 6 月再以 7.5 亿美元 F 轮融资达到 440 亿美元——「史上增长最快 SaaS」的叙事在录制一年后仍在延续。
增长就是科学：为什么 playbook 救不了你
Harry： 这里是 20 Growth，我是哈里·斯特宾斯（Harry Stebbings）。20 Growth 是一档月度节目，我们与全球顶尖的增长负责人对谈，聊他们如何把自己了不起的业务做大做强。今天的嘉宾是乔治·博纳奇（George Bonaci），Ramp 的增长副总裁，他正在帮助这家增长最快的金融科技公司之一继续加速。加入 Ramp 之前，George 是 Gong 的增长副总裁；更早之前他在 Samsara，帮助公司把年化经常性收入（ARR）从 1 亿美元做到 6.5 亿美元，并在公司成功上市（IPO）中发挥了关键作用。
Harry： 您已到达目的地。George，这期我太期待了，兄弟。Ramp 是我最喜欢请上节目的公司之一，关于你的好评我听了太多。非常感谢你今天来做客。
George： 不，是我要谢谢你邀请我。
Harry： 刚才也说了，当我自己几乎不用做什么功课、全靠你给出绝佳建议时，我就知道这期节目一定会很精彩。你之前跟我说过一句话：增长就是科学，而大多数营销人不擅长科学。这话是什么意思？
George： 增长的目标是搞清楚怎么把业务做起来。早期通常聚焦在漏斗顶部：怎么获得更多线索？怎么找到一条有效、可复制、给定投入就有可预期产出的渠道？坦率的答案是：没人真的知道。每家公司都不一样。
所以即使你在过去的公司做成过什么，直接把那套 playbook、那个打法原封不动地复制粘贴到一家新公司，通常是行不通的。而很多营销人的倾向恰恰就是这么做。我说增长大体上就是科学，意思是：你得带着一张白纸进来，先提出假设，然后做一大堆实验。你会惊讶于有些东西居然有效，也会惊讶于有些东西居然无效。但只要实验做得足够多，你总能找到有效的路子——这是很多营销人想不到的，因为他们不用实验的方式思考，他们想的是"我知道什么、怎么把我知道的套到这里"。
“我说增长大体上就是科学，意思是：你得带着一张白纸进来，先提出假设，然后做一大堆实验。” "So when I say that, like, growth is mostly just science, I mean that you kind of have to come in with a blank slate, form a hypothesis, and then run a bunch of experiments."
▍点拨：这句话是对整期节目的定调——它把增长从「经验驱动的手艺」改写为「假设驱动的认识论」。playbook 思维的漏洞在于用归纳冒充验证：过去有效只证明某个打法在特定时空成立，换一家公司、一个产品、一类客群，所有前提都变了。注意他的自我定位：化学家训练给他的不是某个渠道技巧，而是「先假设、再实验、看数据说话」的元技能——这也是他后文一切招聘标准的源头。
Harry： 这是因为他们这类人的特质使然，所以不那样思考吗？
George： 可能部分是特质，但部分也是思维方式的问题。像我这样会去当化学家或者工程师的人，和一个说"我想当作家""我想做传播或公关"的人，大概率很不一样。那些都是很有价值的技能，但和"圈定一个实验、想清楚我的假设是什么、怎么衡量结果"所需要的思维方式，完全是两码事——动用的是大脑的不同部分。比如说，我就会是个糟糕的作家。
像风投一样下注：押注组合与失败的预设
Harry： 你刚才提到做实验，而且要做很多个。在你看来，增长是在很多不同领域各提升 1%、2% 的加法，还是那种能真正撬动公司、扭转局面的关键一跃？
George： 问得好。简短的回答是：两者都得有——前提是你干得不错，这也取决于公司所处的阶段。总的来说，干得好的人会按不同的时间尺度来思考。你得有一组押注或实验，是那种大开大合、能带来阶跃式变化的；但这类通常高风险高回报，你不能只做这个，否则这个季度的数字就会完不成。
与此同时，你也需要一些高置信度、但不太可能大幅撬动局面的押注，它们能帮你在本季度拿到 2%、3%、4%、5% 的提升。然后介于两者之间的各种都要有。理想状态下，你会有意识地在从极长期到极短期的光谱上分配资源。而这些押注怎么下、资源怎么分，其实是你应该和财务团队、和领导层一起对齐公司目标的一场对话。这就是我的思考方式。
把实验组合当投资组合管理，本质是芒格所说的期望值思维：每笔「投资」先问胜率（置信度）与赔率（影响力），再问机会成本（投入与时间），而不是凭兴奋度下注。巴菲特的能力圈概念在这里同样适用——高置信度押注就是你的能力圈，负责交付当期数字；大开大合的押注则是用小额、可承受的成本购买圈外认知。真正稀缺的纪律是他提到的最后一条：这套分配不该由增长负责人拍脑袋，而要和财务、领导层对齐成一场关于「公司到底在优化什么」的对话——资本配置从来不只是 CFO 的事。
Harry： 你刚才说了"押注"。我常把增长想得很像风险投资：你投下一系列投资、也就是押注，然后观察，等待哪个奏效，再加倍投入。你认同这个类比吗？怎么把握押注的数量和与之相伴的失败率？
George： 完全认同，它就是一个实验组合（portfolio of bets）。但就像投资组合一样，取决于你在优化什么，也取决于公司阶段。你的风险承受能力取决于公司处于什么阶段，取决于你在优化增长还是盈利，诸如此类。所以它确实是一个组合，而且如果你做得对，你应该假设你的大多数押注都会失败——这也是为什么我始终认为，速度（velocity）大概比把事情做完美更重要。
但这是一个光谱。你可以做一些控制得非常好、非常严谨的实验，学术味十足，你一定能学到东西，但可能要花上一年才能下一个确定的结论；或者你可以用极高的速度做一大堆实验，做得比较糙，同样可能什么都学不到，因为你犯了一堆错，或者没想清楚怎么衡量。所以你得在两者之间找平衡。但总的来说，我大概更偏向"更快地做更多实验"，而不是"把一个实验做完美"。
“如果你做得对，你应该假设你的大多数押注都会失败——这也是为什么我始终认为，速度大概比把事情做完美更重要。” "I think that you should assume if you're doing things right, you should assume the majority of your bets are going to fail, which is why I always believe that velocity is probably more important than getting things perfect."
▍点拨：这句话反直觉之处在于：失败率不是执行不力的信号，而是策略正确的数学性质——如同风投的幂律分布，如果你的押注从不失败，只能说明你没敢下真正有赔率的注。「速度优先」由此也顺理成章：当大多数实验注定失败，单位时间内的实验数量就是学习速度的瓶颈，把单个实验打磨完美的边际收益远低于多跑一轮。当然他随即补了护栏——糙到学不到东西的速度毫无意义，快的前提是实验设计本身成立。
速度与严谨之间：一次三倍转化的「错误」
Harry： 速度会影响转化质量吗？我的意思是，如果我们做得有点糙、但速度很快，我们就不会在那个 campaign 的视觉、这个的平面设计上花那么多时间。速度是有了，但东西没那么好。这个取舍你怎么想？
George： 如果非要二选一，速度更重要。但硬币还有另一面：如果你只是在做一大堆糙活，那做多少个都没用，你实际上什么也学不到。
Harry： 你做过什么糙的、事后希望没那么糙的事？
George： 问得好。我想起一件事——不说是哪家公司了。我们有一个网页，转化率一直在往下走，走了很久，而那是我们的第一大渠道。大家都在问：怎么办？当时有两条路。一条是做一堆独立的、控制良好的实验，搞清楚改这个按钮、改这个 H1 标题到底能不能提升页面表现，有效就有效、没效就没效。
另一条路是把所有改动一次性全上了，凭直觉、凭过往经验，然后祈祷它有效。我们最后选了后者——这绝对是更糙、更不严谨的那条路。结果确实奏效了：几周之内网页转化率提升到原来的 3 倍，帮我们完成了那个季度的数字。但我说它是个错误，因为我们始终不知道到底是哪个改动有效、哪个无效；后来回过头做 A/B 测试（A/B testing）时，不得不撤掉很多改动。这又回到实验组合的逻辑：当时我们的时间尺度非常短，必须在速度和严谨之间优先选速度；等到不再被数字追着跑，我们才回过头去优化严谨性，搞清楚到底什么有效、什么无效。
这场「3 倍转化」的庆功宴有一张隐形账单，他自己认了一半：永远不知道哪个改动有效，意味着这次胜利无法复利——组织没有沉淀任何可迁移的认知，反而欠下「认知债」，错误改动被一并放大，日后要花成倍的 A/B 测试逐个拆除。他没说的另一半是幸存者偏差：赌赢的「全量上线」被记住并讲了出来，赌输的那些则从叙事里消失了。速度优先从来不是免单的，只是把账单延期——延期利息，就是那段时间里所有基于错误归因做出的后续决策。
Harry： 怎么把握"给一件事足够的时间来验证它是否有效"？我们想要高速度、需要向前推进，但有些事就是需要时间，内容尤其是——要我说，12 到 18 个月。怎么在"给够时间"和"不拖慢"之间权衡？
George： 还是要回到组合。如果你打算把 20%、30% 的时间分配给更长期的押注，那没问题，接受"短期内不会有结果"这个事实就好。话虽如此，你最好能找出一些先行指标（leading indicators），或者把实验的口径收窄，这样你能尽早拿到信号：我们有信心这事成、或者不成。
总的来说，我一直按影响力和投入来排实验优先级，这两个维度是显而易见的；但还要加上置信度和出结果的时间。如果你对一件事非常有信心，那就直接做；如果你对一件事很没底、但出结果很快，那也应该做。而人们排优先级时往往会丢掉这两个维度，只看影响力和投入，不去想置信度和出结果的时间。
Harry： 说到影响力，你刚才还提到"指标"这个词。搞清楚你到底想撬动什么、核心目标是什么，真的很重要。对于创始人和增长团队，"怎么设定想要撬动的正确指标"，你最大的建议是什么？
George： 这正是实验设计和实验严谨性派上用场的地方。你会有一个假设，而大多数营销人的倾向是直接跳到"咱们干点什么吧""咱们上线个东西吧"。但实验设计要求你想清楚：你实际上能衡量什么、你将衡量什么、拿到结果要多久、结果有没有统计显著性。
这些数学，要么你自己会算，要么去找数据团队的人合作；再不然就坦然承认：我们确实没有好的方式来思考和衡量这件事。这也没关系，那我们就去收集定性数据，并承认我们可能是错的。团队需要一开始就把这些诚实地讲清楚、定义清楚——我大概就是这么想的。
三倍加注到饱和：CAC、LTV 与「虚假精确」
Harry： 好，我们有了这个实验组合，然后看到一个开始奏效了。这时候要立即加倍投入吗？怎么知道该加多大码？要不要先设一个"好"和"极好"的基准？你怎么想？
George： 绝对要，而且要加三倍地投入。我认为大多数初创公司犯的另一个错误是：看到一个东西有效，就说"好，那我们加预算，翻一倍、翻两倍"。理想情况下，如果它有效，你应该尽快把这个渠道做到饱和。如果你把长期结果画成曲线，大概率会看到它逼近一条渐近线，增量效果开始衰减。如果你在一个渠道上瞬间烧掉一大笔现金——比如你原来花 1 万美元，发现"靠，真有效"，直接加到 20 万美元——那 20 万美元的效率绝对比不上当初的 1 万美元。
Harry： 那按 3 万、5 万、7 万这样逐步加码，难道不比一口气砸上去更好吗？
George： 是的，但要看情况。如果你能把从 1 万到 20 万的响应曲线画出来——显然你不太可能一夜之间从 1 万加到 20 万，真能做到那反而是幸福的烦恼——是的，如果你能画出那条响应曲线，看到响应从线性增长什么时候开始衰减，你就知道了：同样的投入已经换不来预期的产出了。接下来就是讨论：这个回报还值不值。
所以，找到那条开始见顶的渐近线是最重要的事。而我认为大多数公司、至少大多数初创公司，到达渐近线的速度都太慢了；一旦发现有效的东西，他们放量的速度应该快得多、快得多。话虽如此，大多数渠道饱和的速度其实比人们预期的要慢，所以从 1 万直接加到 20 万可能并没有听上去那么疯狂。但要看情况，你得盯着。
「尽快打到饱和、盯住渐近线」是教科书级的边际分析意识。大多数公司按平均回报决策：渠道整体 ROI 还看得过去就继续加钱，直到平均数被拖到不可接受才停手——但那时边际回报早已跌破资本成本很久。巴菲特「第一法则不要亏钱」的增长版翻译是：每一分增量预算只和它自己的增量回报比较，不和历史平均比较。他给的「响应曲线」正是把这条纪律从口号变成工具：线性段转入衰减段的拐点，就是该停下来讨论「值不值」的位置。
Harry： 随着品牌越来越知名、在一个生态里越来越有牌子，获客成本（CAC）会随时间变便宜吗？还是会因为核心目标市场逐渐饱和、你不得不扩展到没那么贴合的理想客户画像（ICP），而变得越来越贵？
George： 唯一正确的答案是：会变贵。随着你拿下的市场份额越来越大，逻辑上每多获取一个客户，成本都会比上一个更高。但现实中通常不是这样。
现实中，你会琢磨出可以卖的新产品，让用户生命周期价值（LTV）提升；你会找到可以进入的新地域、有效的新渠道；你还可能发现，不同渠道组合起来有光环效应（halo effect），而这个效应并没有被完全计入你的获客成本里。所以现实是，要花非常非常长的时间，才会走到"饱和的宏观效应真正推高你的获客成本"那一步。我就是这么看的。
Harry： 你觉得早期创始人应该看 LTV 吗？CAC 与 LTV 之比常被奉为圭臬，但你我都清楚，任何产品的 LTV 都很难算准，早期产品就更别提了。你怎么看 LTV 对早期创始人的实用价值？
George： 我认为这是个合理的框架。作为一家企业，你们得就某个阈值达成一致：我们愿意为一个客户花多少钱、我们认为一个客户值多少钱。但现实是，这里面有很大的虚假精确（false precision）——公司才开了一年、半年，你根本不可能知道真实的 LTV 是多少。所以我不会过度依赖那种虚假精确，而是承认：我们就定一个能接受的获客支出阈值和客户价值预期，然后随着你学到新东西、做了新实验，这个阈值也应该随时间调整。
事前验尸与事后复盘：红按钮与辛普森悖论
Harry： 做实验的时候，有没有文化上的挑战——比如砍掉了某人的"亲儿子"项目、怎么维持士气？我的意思是，有人一直在 YouTube、Instagram、SEO 上埋头苦干，然后你说：George，三个月了，没看到该有的回报，砍了吧。但他对这东西很有感情。这种事你怎么处理？
George： 任何人都不应该对自己手上的实验有那么深的感情。我觉得那本身就是个文化问题。他们应该承认：自己做的绝大多数东西都会失败；如果他们没在失败，说实话，那反而说明工作没做好。你必须同时做很多事，这些事要独特、要有创意，而这就意味着大多数不会成。如果你对某个正在跑的东西感情那么深，那它在我们排优先级时的置信度就应该非常非常高——那样的话，也许是我们判断错了，我们可以把话摊开聊。但无论如何，没有人应该对任何一个实验那么难以割舍。
Harry： 你怎么用事后复盘（postmortem）来有效分析不同实验项目的成功率？
George： 我会说，事前验尸（premortem）和事后复盘都应该做。这是好的实验设计的一部分：想清楚这件事有哪几种失败模式，并评估每种失败模式发生的概率。
Harry： 我确认一下我的理解——很多创始人会把事前验尸做得非常细，笔记本都掏出来：就在项目启动前，列出最有可能搞死这个项目的三大因素。
George： 这是一种做法，我实际上会做得更具体。在规划实验时就要问：这件事为什么会失败？比如，样本量可能不如预期那么大，还有无数种可能，你应该把这无数种可能都写下来。
更有意思的是事后复盘：如果实验败在了一个你根本没预料到的原因上——一个你没有纳入实验设计的因素——我认为这才是值得深聊的。但如果失败原因你早有预料、只是概率估计错了之类的，那就没那么有意思了，那种情况我大概连复盘都不会做。
Harry： 事前验尸里预判的原因，有多大比例是真正导致失败的原因？你的预判准确率有多高？
George： 问得好。对于那些高概率、高置信度的押注——就是你为了完成这个季度、甚至今年的数字而做的那些事——我会说相当高，大概 90% 以上。
而对于那些大开大合的押注，总有黑天鹅，总有些事你根本预料不到、毫无头绪。这正是事后复盘真正有价值的地方：搞清楚你学到了什么，以及这些经验能怎么用到别的大押注、甚至更高置信度的押注上——我认为这才是有意思得多、也有价值得多的对话。
Harry： 我猜每个增长团队都会说：谁能预料到新冠呢。
George： 确实。那一课我们谁都逃不掉。
Harry： 好，事前验尸聊完了。那事后复盘怎么组织？谁来参加？长什么样？
George： 我认为，一个实验的直接责任人（DRI）——最好也是当初圈定这个实验的人——应该来写复盘。他们必须讲清楚几件事：第一，实验本身执行得好不好？是不是败在了一个我们本可以避免的原因上？除了实验设计是否到位，第二点是：我们有没有学到可以推广到业务其他方面的东西？这一点很重要。
第三重要的，是确保相关的跨职能干系人都在场——那些能从中学习的人、那些能在未来防止同类失败的人，这大概是复盘第三重要的组成部分。至于具体的结构形式，我觉得没那么重要，因公司而异。
直接责任人（DRI，Directly Responsible Individual） 这一概念源自苹果公司的管理实践：每个任务、每个项目在文档上只挂一个名字，出了问题第一个找这个人。它针对的是组织里最常见的「责任稀释」——干系人写满一列，等于没有人负责。GitLab 等公司后来把 DRI 写进公开管理手册，扩展到「每个决策、每次会议都要有 DRI」。博纳奇把「写复盘」钉在 DRI 身上逻辑一致：谁圈定的实验，谁最有动机把失败讲清楚——让别人代写，复盘就退化成甩锅或抒情。
Harry： 你自己喜欢怎么做？用 Notion 还是 Google Doc？什么时候发出去？你希望大家有时间消化，但又不能给太多时间。这个度怎么把握？
George： 我是 Google Doc 派。我认为 DRI 应该把复盘写好，至少提前 24 小时发出去，让大家有时间思考。但我更倾向于现场对话，而不是让大家在文档评论里你一言我一语、然后开一场可能更无聊的会。所以我很看重现场聊。
Harry： 你刚才有个建议我很喜欢：有没有学到可以推广到业务其他方面的东西。过去有什么例子可以分享一下、把这点讲具体吗？
George： 有个非常具体的例子。我们当时在首页做一些很基础的 A/B 测试，发现红色按钮的表现远超其他一切方案。一般来说红色按钮不是个好主意——它有负面含义，像是"出事了""别按那个红按钮"。但纯粹从 A/B 测试的角度，我们就是找不到任何能打过红按钮的方案。
后来我们把数据按客群拆开看，才发现：红按钮整体占优，但在企业客户（enterprise）这个客群上表现严重落后。这就是辛普森悖论（Simpson's Paradox）的经典案例。当我们把这个发现从网站团队推广到内容团队、推广到所有把"红按钮"当最佳实践的人那里时，价值巨大——因为我们产出的大多数内容、办的大多数网络研讨会、寄的大多数直接邮件（direct mail），都是面向企业客户的。
也就是说，我们以为"红按钮是最佳实践"，实际上却在拉低所有企业客户相关动作的表现。
辛普森悖论（Simpson's Paradox） 指同一趋势在分组数据中成立、合并后却反转（或消失）的统计现象，1951 年由爱德华·辛普森（Edward Simpson）系统阐述，更早可追溯至 1903 年尤尔（G. U. Yule）的研究。经典案例包括伯克利研究生录取的「性别歧视」疑云与肾结石疗法比较——聚合平均数掩盖了分组权重的差异。对增长的直接含义：任何「整体最优」的 A/B 结论都必须按客群、渠道、设备拆层复核——你以为的最佳实践，可能正在伤害你最值钱的那个客群，正如红按钮之于企业客户。
增长团队该挂在哪里
Harry： 增长团队是独立存在，还是归在别处？你在产品团队还是市场团队？你的位置在哪？
George： 好问题。我个人的观点是：增长应该独立。增长团队的使命就是搞清楚怎么把业务做起来，这应该超越市场、也超越产品——意味着你被授权去做杠杆率最高的事。
对我来说，这也意味着汇报线应该尽量靠上。说实话，这也是我热爱 Ramp 的原因之一：我们的增长团队直接向一位联合创始人汇报。我知道有些公司设了首席增长官（chief growth officer），也有公司把增长组织做成特种部队（SWAT team）式的、在业务各个板块之间游走。归根结底要看具体业务，但我认为增长团队应该尽可能独立。
寻找 Alpha：做没人知道、没人相信的事
Harry： 你之前跟我说过增长里的"寻找 Alpha（seeking alpha）"。当时你留了个悬念，我完全没听懂。在增长语境下，寻找 Alpha 是什么意思？
George： 对，这是我从投资术语里借来的。换个更好懂的说法：你的不公平优势（unfair advantage）是什么？这是成为一支优秀增长团队的关键。你得找到一个尚未饱和、最好别人也没在做的东西。
我认为找到 Alpha 的路径之一，是做别人还不知道的事——多半因为它太新了。想想 TikTok 刚出来的时候，我不认为当时有任何 B2B 品牌想过在 TikTok 上投广告，那时候 TikTok 上甚至还没有广告。但真正有先见之明的人会想：TikTok 迟早会有广告，一开始肯定被消费品牌挤爆，但 B2B 的机会迟早会来。而那些第一批去跑实验的人，大概率吃到了巨大的回报。
另一条路径，是做所有人都坚信不会成的事。我记得很多很多年前第一次提议试直接邮件，大家的反应是：直接邮件凭什么有效？往人家里寄垃圾邮件？绝对不可能成。结果迭代了几轮之后，它成了我们最成功、最大的渠道之一。至于具体去哪儿找这些东西，我很乐意展开聊，但总之你必须去找到它们。
Harry： 那正好展开聊聊。逻辑完全成立——做没人知道的事、做没人相信的事。可到底怎么找到它们？
George： 这个问题其实可以自然过渡到"一个人到底怎么学习"。作为增长团队的一员、或者公司里的任何人，我会说有三个途径。第一是从书本学（academically）：去读一本书，了解其他公司、其他增长人、甚至过去的公司是怎么做成的。这是很好的学习方式。
第二是向同行学：去和其他公司的增长人交流。我认为这也是找 Alpha 的好途径——当然，既然别人已经知道了，它大概算不上最好的不公平优势。但我认为最有意思的是第三条：向其他细分领域（niche）学——其他垂直行业、其他地域，尤其是和你做的事相邻的领域。WhatsApp 就是个好例子：对大多数美国品牌和公司来说，WhatsApp 作为营销渠道没什么分量，但在很多国际市场它体量巨大。那能不能试试用 WhatsApp 代替发邮件？大概率会失败，但再强调一次：只要实验做得够多，你总会找到那个有效而且没人在做的东西。
Harry： 关于第一条"从书本学"，我有个疑问：那不就是学 playbook 吗？你会不会担心，比如你去问你的朋友 George，他告诉你在 Samsara 什么管用，可 Ramp 是完全不同的生意？回到你之前对 playbook 的观点，它们往往不适用。从书本学真的有用吗？
George： 我认为有用，但取决于你怎么看。确实，有些 playbook 你可以拿来直接复制粘贴；也有些 playbook 你可以批判性地审视、加以改造；还有些是你从零开始自己琢磨出来的。很多"从书本学"其实是拿到一个过去的 playbook 然后改造它。
我总会想到的例子是归因（attribution）和营销领域里的营销组合建模（marketing mix modeling，MMM）。现在人人都在谈它，说它是做归因的最佳方式，等等等等。但这其实是个很古老的概念，来自 20 世纪五六十年代《广告狂人》（Mad Men）那种传统广告时代。你完全可以回去看看：在一切都还没数字化的年代，他们是怎么衡量报纸广告效果的？再把那套方法论改造到今天的数字广告、乃至整个数字营销上。这样的例子大概能找出一百万个，直接邮件大概也算一个。例子太多了。
节目录制时 MMM 正在回潮，此后一年它彻底主流化，速度比他描述的还快。背景是隐私时代的归因崩塌：苹果 ATT（2021 年起）与第三方 Cookie 退场让用户级多点归因（MTA）持续失灵，而只用聚合数据、不碰个人标识的 MMM 反而成了合规解法。Google 于 2024 年公布开源 MMM 框架 Meridian、2025 年 1 月向全球开放，Meta 的 Robyn 同期保持活跃——两大平台亲自下场，把过去只有大品牌玩得起的计量工具变成了免费基础设施。到 2026 年，「MMM + 增量实验 + 平台归因」三角互证已成营销衡量的标准写法。博纳奇「回旧世界挖矿改造」的判断被完全验证，只是他或许没料到：这座矿一年之内就被挖成了红海。
Harry： 你在直接邮件上看到了什么别人没看到的东西？你很多朋友都说，George 靠直接邮件大获成功，而当时没人觉得这是个好主意。你看到了什么？
George： 没人在做，而且它的可扩展性极强——基本就是这样。没人在做这一点本身就值得注意：好，有意思，我们该试试。但更关键的是，一旦它有效，规模化的空间巨大。
而且它能用很大的样本量来跑，意味着我们可以并行做大量实验、非常非常快地学习。很少有渠道能让你说：明天就去触达 20 万人。直接邮件和电子邮件差不多是仅有的几个能让你以这种规模做实验的渠道。
Harry： 今天有什么东西是还没人在试、但你觉得有意思的？
George： 我不知道能不能泄露我的机密，但坦诚的答案在 B2B 这一侧。我不认为这有多前沿，但红人营销（influencer marketing）——放在一两年前会更前沿一些。大家一直把红人和用户生成内容（user generated content，UGC）看成一种在 B2C 很管用的打法。
但我认为它在 B2B 世界同样管用，甚至可能更管用，尤其是当你往高端市场走、做企业客户的时候。那里绝对有不公平优势，但工作量很大，真的很大。
他在 2025 年初说 B2B 红人营销「不算前沿、但有红利」。一年后的行业数据支持前半句、压缩后半句：2025 年中的行业调查显示，约 55% 的 B2B 营销人已经在用红人/创作者营销，另有约 29% 计划一年内采用；LinkedIn 创作者生态、垂类 newsletter 与播客赞助已成为 B2B 预算的常见科目。方向判断正确，但用他自己的框架看，窗口正在关闭——当过半数同行进场，它就不再是「不公平优势」，而是新的入场券。Alpha 有保质期，这大概是「寻找 Alpha」最残酷的注脚。
品牌与归因：接受不可衡量的长期押注
Harry： 你怎么看归因，以及"捕捉转化"这个难题？我采访过 Revolut 的尼克（Nick）和他们的增长负责人安托万（Antoine）。两人最大的认知转变都是品牌营销（brand marketing）的力量，但也都清楚那个痛点：你根本不知道它对收入到底起了什么作用。你怎么看"搞清楚收入来源"和"品牌营销"之间的重要性权衡？
George： 还是要回到组合。你得接受一个事实：大多数品牌营销都是长期押注，高风险、高回报——至少做增长的人大概是这么看的。
Harry： 有没有一个公司阶段，过了之后品牌营销就开始变得值得做了？
George： 我认为，当你看到所有核心的效果广告（direct response）渠道开始饱和时，品牌营销就成了你必须开始做的事。它背后的假设是：投资品牌会带来几种效果之一。最基础的，是让那些有问题、并且知道自己有问题的人知道你的存在——大多数公司大概是从这里开始想的。
但更有意思的是真正的需求创造（demand generation）：外面有些人还没意识到自己有问题。品牌营销不是跟他们说"来试试某某产品、某某公司"，而是告诉他们"这个问题是存在的，其实有更好的解法"——当然，那个更好的解法就是我们。我认为这种品牌营销有意思得多：它能为一块你用传统渠道够不到的市场，打开全新的需求。
「明知无法衡量也要投品牌」这套叙事有一笔没被点名的隐性成本：不可衡量约等于无法问责，品牌预算极易沦为组织里的「信仰税」——效果渠道每个季度都要拿数字说话，品牌投入却可以用「长期主义」豁免一切审查。更要命的是触发条件：他说「当核心效果渠道开始饱和时才做品牌」，但「饱和」的判断本身就来自那套他承认不完美的归因体系——你可能不是渠道饱和了，而是衡量错了。沃纳梅克「一半广告费被浪费」的叹息过了一百年依然有效。他给出的解药（组合管理 + 事先诚实声明衡量方式）依赖于管理者罕见的自律，而大多数公司缺的恰恰是自律。
Harry： 完全同意。回到我们一直在聊的押注话题：集中度多高算太高？就像风投里，你传统上绝不希望单一投资占比超过 10%。在增长组合里，你怎么看过度集中？
George： 如果你做得对，集中度是会动态变化的。当你找到一个有效的东西、并且非常出色地尽快把它做到饱和，那么几乎必然地，你会在一段时间内高度集中在那个方向上。真正的问题是：你能多快把不同的押注、不同的胜局分散开、叠加起来，让集中的状态不持续太久。但我认为集中本身不是坏事——它说明你在把一个领域做到极致。
Harry： 你怎么看增长团队向组织其他部门传达目标这件事？比如你坐在一个独立的增长团队里，同时要和产品协作、和市场协作。怎么最高效地协同，把"我要做什么"讲清楚？
George： 我认为，传达增长团队的"思考方式"，比传达"具体在做什么"更重要。只要所有人对齐一点：增长团队的工作和公司其他人是一致的——我们要让公司成功。增长团队的工作不是让谁开心，而是让业务成功。
这可能意味着在一段时间内和产品团队紧密合作，或者和产品营销、和业务的其他板块紧密合作。但大家应该认识到、增长团队也应该能传达清楚：我们带来了一套独特的技能组合和独特的视角，希望和大家的能力与视角形成互补——但最终目标一致：让业务成功。
招第一个增长人：为潜力而招
Harry： 假设你是我公司的天使投资人，George，我们坐下来喝咖啡，我向你请教。我现在收入 100 万美元左右，刚融完 A 轮。现在是引入增长负责人的时候吗？你会怎么建议我判断引入增长人的时机？该招什么样的人？资深的还是资浅的？
George： 我永远偏向资浅的。我认为尤其在公司早期，为潜力而招（hiring for potential）要重要得多得多。A 轮就招个很资深的人，我反而认为是个错误。招一个聪明的通才，能用第一性原理思考、能有逻辑地拆解问题，比什么都重要。
Harry： 你觉得什么背景最好？
George： 除非你在解决一个非常具体的问题、而且有很高的置信度确认这就是该解决的问题，否则我不会招专家，也不会招传统市场背景的人。我认为早期招一个证明过自己能有逻辑地思考、会算数的人，真的非常重要。
所以可能是工程师，可能是金融背景出身的人，也可能是一个讨厌咨询行业、真想长期扎进去做点实事的前咨询顾问。我认为这些人通常是最好的第一批增长招聘。但归根结底，你要评估的是潜力——在我看来这是几件事的组合：有没有视野，能不能看到可以去的地方；能不能极快地习得新技能；有没有内在驱动力。
「A 轮招资深是个错误」值得一句反问。资浅通才能成活，前提是他自己在后文开出的那张清单：极其细致的 30/60/90 天入职计划、高密度管理投入、清晰定义「好」的标准——这套隐性成本很多创始人恰恰付不起。没有资深者立标杆，团队可能集体在较低水位重新发明轮子，把「学习」做成「试错学费」；而「为潜力而招」隐含一个前提：公司熬得起潜力兑现的周期，现金流紧张的 A 轮公司有时恰恰需要即战力。他自己也承认通才招错的概率不低——「为潜力而招」是优等生策略，前提是管理者本人够格当老师。
Harry： 在深入聊技能和技能甄别之前，有没有什么背景是你一看就觉得"我不太喜欢，这种背景很难做好增长"的？
George： 有。如果你在一家公司——尤其是一家规模大出一个数量级的公司——待了好几年，再换到一家小初创公司，很难切换心态：你得适应那种事事亲力亲为的程度，思考方式也得完全变样。
在大得多的公司待久了，你会倾向于用 playbook 思考，更依赖过往经验，而不是向别人学、向其他地域、其他公司、其他同行学。所以从 playbook 思维切换到第一性原理思维，通常是件难事。我自己会避开这类背景的人。
面试即实验：背调、真实数据测试与委员会
Harry： 说到技能甄别，你的面试流程是怎么跑的？还是继续假设你在给我当顾问：我手上有一堆候选人、一个候选人池。第一次会面该怎么用？该问什么问题？该挖掘什么？
George： 我认为，如果你能在第一轮面试前后做点背景打听（back channel）和某种测试，那将是你能做的最有价值、信号最强的事。
Harry： 你说的背景打听和测试具体指什么？是指做背调、要推荐信，还是那种带回家的测试题？
George： 都是，两个都要。如果你是一家 A 轮初创公司，找到最好的人才、说服他们加入，通常都是件难事——我假设大多数人根本没听说过大多数 A 轮公司。这种情况下，你能招到的最好的人，多半来自推荐、熟人介绍这类渠道。所以从那个牵线人那里拿到背景信息，我认为实际上就是面试流程的第一步。
第二步应该是某种案例研究（case study）或带回家的测试。案例研究可以放在对话里现场做，看候选人怎么思考问题；但按这个流程走也没问题：先聊一场热络的、相互了解的、向对方推销这个机会的谈话，然后直接发一份带回家的测试。第一通电话应该以"推销"为主——而且你的推销底气来自刚拿到的那份很有分量的推荐；第二阶段才是：好，开始评估。
Harry： 好，开始评估。带回家的作业，你喜欢出什么题？会给我什么建议？
George： 出得尽量真实，而且是定量的。可能还有第三条：在把测试发出去之前，先想清楚"好"长什么样。举个好例子：我喜欢直接拿一份 Salesforce 数据导出、或者随便一份数据 dump，问：哪个 campaign 最好？这里面什么最有效？哪些线索质量最高？诸如此类。
如果是真实世界的数据，它一定是一团乱麻：里面会埋一堆坑等着候选人发现，一堆错误等着他们识别——重复线索、日期对不上、数据缺失，什么情况都有。所以"他们能不能处理真实世界的数据"，本身就是个很有意思的考题。其次是：他们把事情想透了没有？思路是什么？适应得有多快？连做题的速度都是信号——他们有没有就题目提问？在你看到产出之前，这些全是信号，能看出他们思考问题的路子对不对。真实世界就是一团乱，他们就应该和真实世界的数据过招。
Harry： 好，他们跟真实数据过了招，交回来，你很满意。接下来呢？直接发 offer？搞个面试委员会（hiring panel）？还是有什么别的环节？
George： 他们至少应该见一见团队的其他成员。理想情况下这是个双向匹配：既有文化上的契合，也有"他们想不想和这帮人共事、这帮人想不想和他们共事"。所以我认为委员会面试仍然有价值，但它更多考的是文化契合和团队契合。理想状态下，你在设计那份测试时就已经把它打磨到位了——你应该已经知道这个人能不能干这份活。
Harry： 你招错增长人的时候，回头看，有什么是你当时没看到、希望自己看到了的？
George： 通常的情况是：招了个通才，结果人家说"这活不适合我，我不想干了"。他们没做过这类问题、没做过这份工作，真上手了才发现自己并不享受，想回去做投资，或者去做别的什么。
说实话，这种事很难在招聘时识别出来。你只能承认：哪怕是招人最厉害的人，也会犯很多错，这没关系。最重要的大概是尽量透明——既对这个机会透明，也对"你将如何被考核"透明；还有就是坦然面对：如果不合适，那就算了。我们都换过工作，以后也都会有下一份工作，没什么大不了。
Harry： 你同不同意，人天生就适合、或者说更适合公司的某个特定阶段？
George： 我不会说是"天生注定"，但确实可以有适配度。如果你过去五份工作、十五年都在某个特定阶段的公司，要把做事方式和思维方式切换到另一个阶段，确实很难。但我不认为有任何人是注定属于某个阶段的。如果你极度饥渴、是个自我驱动者、就喜欢什么都干一点，那你大概率在种子轮或 A 轮公司比在十万人的成熟大企业干得好。但这也会随时间变化，随着经验增长、做过不同的事而变化。
管理是一门需要投入的技能
Harry： 你得在员工身上投资，对吧？这才能让他们跟着公司规模一起成长。你之前跟我说过：管理是一门需要投入的技能。你觉得大多数公司现在真的在投入吗？
George： 大多数公司？不，我不觉得。理念上他们会说：对，我们要投资员工的学习与发展，他们甚至可能真心相信自己做到了。但真正做起来非常难：要花时间、花资源，要刻意设计，还得自上而下地推。
Harry： 那你们是怎么做的？教教我。
George： 我觉得 Samsara 在这方面有个很好的模式。创始人兼 CEO 本人非常推崇学习、酷爱读书。我记得有一次他在食堂里闲聊，问大家空闲时喜欢做什么，他说他喜欢读书。你能看到这种风气如何渗透到整个文化里。
我记得我在的那会儿，他们推出了一个叫"领导力原则"（leadership principles）的项目：公司里每个当领导的人，家里都会收到寄来的一大箱书，整整 15 本，全是商业书。要求是你每个月读一本，然后回来和其他同事一起参加讨论——整个项目是围绕 Samsara 希望大家践行的原则来组织的。
之后还有一个环节：你得真的把学到的东西付诸实践，并且证明你做到了。在我看来，这就是"刻意为之"的好例子：我们重视学习与发展，所以给它加上结构、加上问责，确保你不只是在学，还真的在用。这要花时间、要大量投入、要创始人亲自推动。而很多公司有时候会陷在日常事务里，嘴上说"我们重视学习"，实际却是"你们自己想办法吧"，而不是设计出一套完整的项目或机制。
Harry： 你怎么看这种做法的有效性？我读过霍华德·舒尔茨（Howard Schultz）写星巴克和领导力心得的书。可我经营的是一家媒体公司，身处 TikTok 和 DeepSeek 的时代，完全两码事——又回到 playbook 那个问题了。那些领导力原则可能对不上号，20 年前写的领导力书籍大多也没考虑过后疫情时代的千禧一代。怎么看待适用性的问题？万一我们教的经验本身就是错的呢？
George： 我不认为商业本身发生了那么大的变化。战术层面当然有变化——渠道变了，30 年前没有 TikTok。但我不认为商业、尤其是"做一个好的管理者"这件事变了多少，做一个好管理者所需的技能也没变多少。
一个好例子是《目标》（The Goal）这本书。我非常喜欢这本书——我有近因偏见，因为我们最近刚重读了一遍。书里的一个核心概念是约束理论（theory of constraints）。它和管理没什么直接关系，但这个概念 40 年前就存在，今天依然成立：每个团队的流程里都有瓶颈，能识别瓶颈并消除它，对任何人都是很有价值的能力，对管理者尤其如此——这才是把人用出最大产出的方法，是管理者的核心工作之一。
这只是一个例子。我认为，只要你筛选得当，只要你刻意想清楚"我要从这本书里提炼出哪条原则、让团队拿去实践"，那么几乎任何一本书——不管年代多久远——都能学到东西。
《目标》（The Goal，1984） 是以色列物理学家高德拉特（Eliyahu Goldratt）用小说体写成的管理经典，核心即节目中提到的约束理论（Theory of Constraints，TOC）：任何系统的产出由最弱一环——瓶颈——决定，改善非瓶颈环节对总产出毫无贡献。书中的「五步聚焦法」（识别瓶颈→挖尽瓶颈→一切迁就瓶颈→打破瓶颈→警惕惯性、回到第一步）后来成为精益生产的思想源头之一，并被 DevOps 经典《凤凰项目》整体继承。博纳奇把它平移到增长上顺理成章：当「实验速度」是全公司的瓶颈时，其他环节再优化都是假动作。
亲力亲为的边界与新人的 30/60/90 天
Harry： 在你今天于 Ramp 的岗位上，最大的瓶颈是什么？消除了它会带来最大的改变？
George： 最大的瓶颈大概是做实验的速度。机会太多了，我们时间不够、资源不够。站得足够远来看，这大概是大多数公司共同的约束。
Harry： 有什么是你想做、但因为时间或资源不够而做不了的？
George： 有很多事我都想更快地把它们推上线。一旦要依赖外部方——外部供应商、外部线索来源、或者审你服务条款的法务团队——事情就会慢很多。真希望有办法把这些都提速。
我觉得 Ramp 在这方面其实做得很好：为速度而优化，法务条款该接受就接受——不一定总是这样，但我们会想办法尽可能快地推进，先把东西上线、跑测试，真要放量了再回头抠细节。
Harry： 我们聊了投资员工、培养他们当管理者。我和你的好几位前同事聊过，他们都说你最大的优点之一是愿意撸起袖子亲自干活。我的问题有点讽刺：一个管理者应该多大程度地亲自做个人贡献者（IC）的活？做多了会不会反而成了"招不到优秀 IC"的创可贴？
George： 好问题。一个好的领导者——我甚至不只说管理者——需要会做自己团队里每个人的工作，但做得烂。"烂"这一点很重要。
他们应该会做这份工作，这样必要时能顶上去，或者至少懂到能问出对的问题。但如果他们做得比自己招的人还好，那说明没招对人，而且会导向微观管理（micromanagement），会导向你说的那种"替人补位"——那不是他们时间最有效的用法。所以关键就两条：一是学够团队的工作、学到能做得烂的程度；二是招到能把活干得比你好的人。
“一个好的领导者需要会做自己团队里每个人的工作，但做得烂。‘烂’这一点很重要。” "I think a good leader needs to know how to do everyone on their team's job, but poorly. And I think the poorly part is important."
▍点拨：「但做得烂」是这句话的灵魂——它给管理者的介入划了一条红线：懂到能问出对的问题、能在紧急时顶上去，又不至于产生「我来做更快」的诱惑。一旦管理者比下属做得更好，两件事必然发生：微观管理，以及人才密度塌陷（强者不愿为处处压自己一头的人工作）。它和「招到比你强的人」互为条件：前者是后者的检验标准，后者是前者的存在理由。
Harry： 好，假设你把我招了，我加入了你的团队。我是个资浅的，这回你招得可够资浅的，George，不好意思。那入职培养（onboarding）是什么样的？你对新的增长招聘头 30 天有什么期待？
George： 头 30 天就是学：学业务、学团队、学你负责的领域。我期待你在头 30 天内学会怎么做这份工作，仅此而已；再就是搞清楚这家公司怎么运转、怎么赚钱。我认为扎实的地基是真正理解这门生意是怎么运作的。
Harry： 作为 leader，我该做什么来给你最好的 30 天？是让你寸步不离地跟着我学？还是让你去客服部门坐着听？到底该去哪儿？
George： 这又要回到"投入"和"学习"上。我认为 leader 需要把前 30 天、60 天、90 天的计划做得极其细致：你见谁、时间花在哪儿。这也是我从 Samsara 学到的。我记得我入职的头 30 天被安排得事无巨细，头两周的日程精确到分钟。
这样做的好处是，一个人学没学会、上手快不快，看得清清楚楚；如果给不同的人同样结构化的入职安排，横向对比也很容易。所以我坚信：头 30 天就是学业务、学干活；30 天之后，你应该开始展现出某种阶跃式的变化，开始有自己的想法，开始把事情做成你自己的；到 90 天，你应该开始交出那些新想法、新视角带来的果实。
Harry： 应该总是先抢几个"早期战果"、往记分板上刷点分吗？
George： 如果看到机会，那当然要，而且机会应该存在。你被招进来，理想情况下是因为你有某种技能或独特视角，或者公司有个缺口等着你来填——所以总有一些能早早刷上记分板的分。
但如果有人刷不出分，你要搞清楚原因：他们有没有被放在能成功的位置上？如果没有，你要尽快解决。当然，有些岗位、有些问题就是需要时间才能解出来——这时候重要的是：能不能把问题切小、做个实验，先验证我们至少走在对的路上。有些时候，早期刷分确实不容易。
Harry： George，你多久能判断一个招来的人不够好？
George： 通常头几周你就会有些隐约的感觉，但你还是应该给人留些余地、做些更结构化的验证。这正是结构化入职之所以重要的原因，也是"确保新人第一周就交付东西"之所以重要的原因——这样你能基于事实来评估人，而不是凭感觉。但一般来说，头一两周你总会有某种直觉。
Harry： 你知道我觉得什么最难吗？
George： 什么？
Harry： 入职一周就让人走，太难了。你会觉得还没给人家足够的时间，懂我意思吗？显得你太草率、过早下结论。其实你心里已经有数了，但还是把人留了三个月，因为你会觉得：好吧，至少现在我可以说给过人家公平的机会了。
George： 确实是这样。
Harry： 增长招聘失败最常见的原因是什么？
George： 我认为第一大原因在管理者身上：招错了人。要么是岗位没定义清楚，要么是岗位变了——业务需求变了，招来的人、那个画像就不对了。管理者一般会列一张长长的技能清单，然后找一个能打勾最多的人，但这几乎是最省事的做法。
难得多、也对得多的做法是：极度清晰地回答一个问题——我们最需要的那一件事是什么？是哪一个技能、哪一种特质、哪一段经验、哪一个必须解决的问题？然后招一个你有高置信度能做成这件事、填上这个缺口的人，而不是一个打勾最多的人。没有把这一点想清楚，我认为就是招错人的头号原因——说实话，这主要是管理者的责任。
AI 正在改写增长这个角色
Harry： AI 会怎么改变增长这个角色？我们已经看到一些挺科幻的东西：这是我的预算，拿去在五个渠道上分配，它会帮你以最优的方式花掉。这是增长的未来吗？AI 越来越重要，你怎么看自己角色的变化？
George： 就说这个例子吧：如果只是让 AI 替你找机会，那很难找到 Alpha。毕竟它掌握你所有的关联数据历史，可以看遍你在每个渠道上的历史转化表现，做同类对比、拿基准衡量，然后为你选出最优方案——不是给你一套匿名数据集的通用建议，而是告诉你该怎么做。它当然可以非常个性化。
但几乎从定义上讲，这只能在你已经在做的事上带来渐进式的提升——因为它只看得见有数据的事。我认为要拿到真正的优势——也许不久的将来我们能到那一步，但现在还很难——得让 AI 去和行业里的 50 个人聊，综合他们在做的事，判断什么和你的商业模式、你的理想客户画像相关，然后帮你落地。以今天 AI 的水平，这听起来还是件极难的事。但一年后呢？谁知道。
AI 建议有一个结构性的同质化倾向：它从「所有公司、所有渠道」的历史数据里学到的，必然是平均意义上的最优。当每家公司都用同类 AI 分配预算、生成创意，结果是集体向同一组最佳实践收敛——出价被同步抬高、创意彼此撞脸，渠道以更快的速度饱和，Alpha 被更快地抹平。用他自己的框架说：Alpha 在「没人知道、没人相信」的地方，而 AI 的训练分布恰恰是「所有人都知道」的地方。真正的风险不是 AI 不够强，而是组织因为 AI 太顺手，萎缩了去脏数据里打滚、去做反共识实验的那部分肌肉。
Harry： 工具层面呢，变化大吗？
George： 大，百分之百。我记得几年前我还极力主张：增长团队的每个人都必须懂技术，要学 SQL、学 Python、要学会和增长工程团队极其紧密地协作。我认为 AI 把这一切都颠覆了。你不再需要像以前那样懂技术——AI 可以帮你写代码，可以告诉你别的做法。就连"我以前招人会偏向哪类人"这一点，都彻底变了。
Harry： 在我看来，做增长的人说白了分两派：要么效果导向、偏科学，要么创意驱动、偏艺术。AI 的世界会让哪一派更容易成功？
George： 找不到更好的词，就叫它"副驾"（co-pilot）吧——它对两派都是好副驾。对创意派，它能帮你想新点子、帮你头脑风暴；对效果派，它能帮你分析数据，让你更高效、动作更快。至于它帮哪一派帮得更多，你得自己选。
Harry： 说说我自己的偏见：我这人归根到底没什么创意，不是个创意型的人。所以我觉得 AI 帮我帮得很多。
George： 我觉得你挺有创意的，别妄自菲薄。
Harry： 你觉得它对有创意的人帮助更大？
George： 我觉得是——或者更准确地说，它对没创意的人帮助更大。我无数次问 ChatGPT：这段怎么写得更好？这里怎么加个梗？还能配什么视觉？某某事有什么好的类比？
这些事我自己是做不来的，搁以前我得去找产品营销或内容团队的同事：帮帮忙。
Harry： 那些在竞争极其激烈的市场里打拼的创始人，你会给他们什么建议？Ramp 自己就处在一个多个产品线都竞争激烈的市场。在这种饱和市场里竞争，你最大的建议是什么？
George： 和大多数事情一样：你得有一个更好的产品，还得有一个分发（distribution）方案。我认为更好的产品大概能解决八九成的问题，但你也必须想清楚怎么把产品分发出去、你在分发上的不公平优势是什么——希望这正是增长团队能创造价值的地方。但归根结底，大头还是在产品上。
用价值投资的眼光看 Ramp 这门生意，能看到三层护城河坯子。一是互换费模式的现金流质感：收入随客户支出规模自动增长，近似「抽成」，不需要每年重新向客户售卖一次自己。二是转换成本：当企业卡、报销、账单、采购的工作流全部长在 Ramp 上，迁移等于重造整个财务中台——这是企业软件最实在的护城河。三是数据飞轮的雏形：看得越多企业支出，越能告诉客户「你比同类公司多花在哪」，产品因此更好。但他本人把话说得很克制：更好的产品解决八九成问题，分发只是剩下的一两成——这与巴菲特「买好生意，让管理层的能力变成锦上添花」的排序互为表里。
Harry： "酒香不怕巷子深"（build it and they will come）这种说法，你认同吗？
George： 绝对不认同。我归根到底是个做营销的、做增长的，这句话和我们信奉的一切背道而驰。
当然，确实有一些产品好到那种程度、口碑强到那种程度，真的是"做出来人就来了"。但这种情况太罕见了，等于把自己的命运交给运气——这不是个好策略。
快问快答：致命错误、被低估的渠道与拎着蛋糕上门
Harry： George，这期我聊得太尽兴了。你的回答简洁得不可思议——我管这个叫"用词经济"（word economy），就是每个字的信息量。大多数人讲话很水，说半天没多少内容；你极度简洁，信息密度又极高，让我的工作成了一种享受。
我想和你玩个快问快答：我说一句短的陈述，你给我最直接的反应。可以吗？
George： 当然，来吧。
Harry： 第一个问题：你见过的创始人最常犯的、代价最大的、致命的、不可逆的错误是什么？
George： 因为不懂、所以为经验而招。"我们不懂怎么做这件事，那就招个懂的人。"但其实应该是：我们要招一个"不懂"的人，然后真正去评估——我们怎么定义"好"的标准？怎么用这个标准去测候选人？
团队里现有的人能不能把这件事搞明白？能不能不通过招聘来解决？
“（创始人最常犯的致命错误是）因为不懂、所以为经验而招……其实应该是：我们要招一个‘不懂’的人。” "Hiring for experience because they don't know any better. Like we don't know how to do this. We'll hire someone that does. And it should be we should hire someone who doesn't."
▍点拨：这个答案与节目开场的 playbook 批判形成闭环：「为经验而招」本质是花钱购买别人的 playbook——买来的现成答案在新公司失效的概率，和他开篇说的一模一样。更深的诊断是：创始人之所以招「懂的人」，是因为定义不了「好」的标准；定义不了标准，就只能把判断力外包给简历上的年份。他的解法把招聘还原成一次实验设计：先定义好的标准，再设计能测出标准的考题——考的不是候选人知道什么，而是他的学习速率。
Harry： 你觉得大多数创始人知道"好"长什么样吗？
George： 这正是难的地方，他们得自己去搞清楚。学习就派上用场了：去和别的人聊，去调研。我随便举个例子：你想搞清楚怎么做冷呼叫（cold calling），觉得这对我们也许有用、也许没用。那就去找 10 家冷呼叫做得极好的公司，去和搭建起那套基础设施、那套体系的人聊，等等等等。
Harry： 你知道我为什么做这些垂直栏目吗，兄弟？
George： 为什么？
Harry： 因为我投的一家公司招了个做增长的人，我一眼就看出来这人不行。我说这明显是个错误，他们说：我们不知道好的增长长什么样。
我就想：如果我把我自己认识的 10 个顶尖增长人都聊一遍、做成节目发出来，你就有概念了——George 就是顶级水准，你要找的就是这样的人。这些栏目就是要在每个垂直领域立一个世界级水准的标杆。这就是我们做这个系列的原因。
George： 我喜欢这个发心，难怪我这么粉这个节目。你过奖了。
Harry： 今天最被低估的增长渠道是什么？
George： 说实话，大概还是红人这一块的东西。我不认为大多数人把它当一个增长渠道，但红人营销绝对算——至少在 B2B 这一侧。
Harry： 红人营销能规模化吗？
George： 这正是难点，也正是有意思的地方。我认为可以。你几乎可以把它当成一个外呼漏斗（outbound funnel）来做：列一份 1 万个微红人、或者有潜力成为微红人的人的清单，用专业的外呼打法去触达，跑通一套流程。
几乎任何问题都可以这么解。简短回答是：能。
Harry： 今天最拥挤、或者说最被高估的渠道是什么？
George： 付费搜索（paid search）。我认为大家做付费搜索都是不得已而为之。在极早期、你还没有任何有效渠道的时候，它确实是入场券（table stakes）级别的配置；但它饱和得很快，而且你是在给谷歌交税。作为一个能长期放量的增长渠道，我认为付费搜索相当乏善可陈。
「付费搜索是给谷歌交税」在录制后一年有了更硬的注脚：连税基本身都在被 AI 改写。到 2026 年，Google 的 AI 摘要（AI Overviews）已覆盖约半数美国搜索查询，而 2025 年 1 月这个比例还只有个位数；第三方追踪（Seer，覆盖 2024 年中至 2025 年 9 月的三千余个查询）显示，在出现 AI 摘要的查询上，付费点击率从约 19.7% 跌到约 6.3%，自然点击率同期跌去约六成。与此同时，ChatGPT、Perplexity 等答案引擎在持续分流高意向查询。他当时说付费搜索「无法成为长期放量的增长渠道」，听上去像个人偏好；一年后看更接近预言——当搜索引擎自己把结果页改成答案页，按点击计费的库存逻辑就被釜底抽薪了。
Harry： 有什么增长打法是你做过、事后诸葛亮地看会想"真希望没做过"的？
George： 很早很早的时候，在很小的公司里，是活动赞助（event sponsorships）——比如去 Dreamforce 之类的展会摆摊。感觉上这是"不得不做"的事，因为大家都这么做；但实际上纯属浪费钱。你淹没在一大堆公司中间，没人注意到你。那笔钱还不如花去想个游击战术让自己出位，或者干脆花在付费投放上。
我们在活动上投入很大，但我们的规模完全不同，玩法也不一样：不只是去展会上摆个摊，还包括拿演讲席位、在会场周边做户外广告、确保活动一结束立刻发外呼邮件跟进——而不是"我们只负担得起展厅角落里一个展位，就摆一个，然后祈祷有人来找我们"。
Harry： 这类事就是这样：要做就得全押——会场外的广告牌、酒店房卡、演讲席位、展位全都要，而不是摆一个寒酸的小破摊。
George： 没错。这也是为什么我说它因规模而异：当你是家 A 轮公司时，取决于你的 GTM（go-to-market）打法，大多数活动的投入产出比都不会高。
Harry： 有什么增长渠道是你当时没用、事后看会想"哎呀，明明就在眼前"的？
George： 好问题。直接邮件和礼赠（gifting）是一类，我们在 Samsara 时其实可以更早开始尝试。另一个我认为存在不公平优势的是展示广告（display advertising）：它现在便宜得离谱，但大家衡量它的方式不对——大多数人用效果广告的思路看它，觉得"没人点这些广告，转化和 ROI 都不行"。
但现实是：想办法把正确数量的曝光、配上正确的信息，投给正确的客户或联系人，确实有光环效应。所以优势是真实存在的，而能不能吃到这个优势，大概取决于你怎么衡量它。所以我会说，展示广告是个机会。
Harry： 过去 12 个月，你在哪件事上改变了看法？
George： 好问题。很大程度上是品牌广告——或者说整体的品牌投资。这是 Gong 做得极其出色的一点：他们愿意为提升品牌的东西花钱，哪怕完全无法衡量、哪怕明知道永远衡量不了。
但你在 Gong 的自然流量（inbound）数字里能看到回报——正因为他们对品牌的巨额投入，inbound 成了 Gong 那么大的一个渠道。我认为在你还是资源匮乏的早期初创公司时，这么做没道理；但一旦到了一定规模，如果你不在长期的押注组合里给品牌留位置，就是在给未来的自己挖坑。
Harry： 最后一个问题，George：过去一两年里，最让你印象深刻的增长策略是什么？哪家公司让你觉得"这手真漂亮"？
George： 通常是非传统的那类。比如冷呼叫：很多人觉得冷呼叫已死，但对很多公司来说它依然是个巨大的渠道——正因为它难做。
上门推销（door to door）是我觉得很有意思、也琢磨了一阵的方向。医疗器械行业值得研究：他们大量的销售、或者说营销，就是靠上门跑出来的。现在人们越来越多地回到办公室办公，我认为组建一支真正的地推（field sales）团队、拎着蛋糕挨家挨户上门，可能存在不公平优势。这是我最近一直在想的事。
Harry： 哪位上门推销的朋友想带蛋糕来，我最爱蛋糕了，随时欢迎。George，还是那句话：简洁又有质量，太难得了。你真的太棒了，非常感谢，这期我聊得太过瘾了。
George： 不，谢谢你。问题问得是真的好，我聊得很开心。希望我没有简洁过头。总之，非常愉快。
Harry： 我实在太喜欢和 George 做这期节目了。要我说，这是我见过的最高的"信息字数比"之一。George 真是一位简洁又出色的对谈者。
Harry： 想看完整视频版的话，在 YouTube 上搜索 20VC 就能找到。
Harry： 一如既往地感谢大家的支持。下周一我们将带来一期重磅节目，嘉宾是 Anthropic 首席产品官迈克·克里格（Mike Krieger）（译者注：Instagram 联合创始人），敬请期待。
本期对话收敛出的关键判断：
- 增长是科学，不是 playbook 的复制粘贴。 任何打法落地前先改写成可证伪的假设：预期什么、衡量什么、多久见分晓。行动含义：下次有人说「我们以前就是这么做成的」，请他把假设和衡量口径先写在纸上。
- 按时间尺度配置实验组合，并公开预设大多数押注会失败。 高置信度的小改进交当期数字，大开大合的押注买未来，中间地带填满。行动含义：盘点在手的实验清单——如果全部落在「本季度见效」区间，组合已经失衡；同时把失败率当作健康指标来谈，而不是绩效问题。
- 速度优先，但要为速度明码标价。 允许为抢时间全量上线赌一把，但事先登记「认知债」：哪些改动事后要补做 A/B 验证、由谁在什么时候偿还。行动含义：给每一次「先糙着上」配一张还债计划——没有计划的糙不叫速度，叫负债。
- 找到有效渠道后三倍加注、快速打到饱和，盯住渐近线。 放量速度要快过直觉，刹车依据是响应曲线的拐点。行动含义：为每个跑通的渠道画投入-产出曲线，按边际回报而非平均回报决定下一笔预算。
- Alpha 在「没人知道」和「没人相信」的地方，且有保质期。 书本、同行、相邻细分市场是三条补给线，但别人已经在做的渠道只剩残羹。行动含义：定期往三个方向各派一次侦察；评估新渠道时先问「别人不做的理由成不成立」，而不是「别人做没做」。
- 招聘即实验：先定义「好」的标准，再用真实数据当考题。 为潜力而非经验而招，用一份脏的真实数据检验学习速率，委员会只考文化与团队契合。行动含义：发测试前先写好评分标准；警惕「打勾最多」的简历——先想清楚你必须解决的唯一问题是什么，再去招那个单点最强的人。
- 管理是需要刻意投入的技能，约束理论适用于每一支团队。 找到当前唯一瓶颈并集中火力，把新人的 30/60/90 天计划精确到日程。行动含义：写下团队此刻的瓶颈是什么；管理者学会团队每份工作的「烂做版」，然后忍住不亲自做。