摘要

George Bonaci 的核心增长方法论是：增长是一门科学，而大多数营销人并不擅长科学。 要以一张白纸入场，提出假设，并以高速率跑实验，因为照搬上一家公司的打法“通常行不通”。要假设大多数下注都会失败；“如果它们没有失败，说实话，你可能没有把工作做好。”
当一个渠道有效时，理想情况下要尽快把它推向饱和。 不要盲目地把预算从$10K跳到$200K，而要画出响应曲线，因为“大多数事情达到饱和的速度，可能比人们预期的更慢”，而大多数创业公司触及渐近线的速度太慢。宏观层面的饱和可能要很久才会传导到CAC：新产品、新地域、新渠道和光环效应会不断重置曲线。
增长里的Alpha，就是做没人知道、或所有人都认定不会奏效的事。 直邮曾被认为是“寄到人家家里的垃圾邮件……绝对不会有效”，却成了他最大的渠道之一，因为当时没人做，而且第二天就能触达200,000人开展并行实验。如今他认为被低估的选择是B2B网红营销：把它当作规模化外呼，触达10,000名微型影响者。污染最严重的渠道是付费搜索——“你是在向Google交税。”
速度胜过严谨，但有底线。 “如果你只是马马虎虎地做一堆事情……你最终什么也学不到。”他的反面案例是：在一个持续衰退的首页上同时改掉所有东西，几周内让转化率提升至3倍，救回了季度业绩，但“我们始终不知道哪些改动有效、哪些无效”，后来只能在A/B测试后撤销改动。
招聘上要始终偏向初级，并看重潜力。 找能从第一性原理思考、会做数学题的聪明通才，包括工程师、前金融从业者和前咨询顾问；他本人一直避开那些在大得多的公司待了多年、被成熟经验塑造的候选人。创始人最昂贵且无法逆转的错误是：“因为他们自己也不知道更好的办法，所以按经验招聘。”可以拿一份混乱的真实Salesforce数据给候选人测试，并在发题前先明确什么叫做好答案。
优秀的领导者应该知道如何做团队里每个人的工作，“但做得很差”。 “做得很差”很重要：如果你比招来的人做得更好，说明你招错了人，也必然会陷入微观管理。管理能力要刻意培养：Samsara曾给领导者寄去一箱15本商业书籍，每月读1本，配套讨论并要求实践。
AI降低了技术门槛，但不会自动创造Alpha。 他现在不再认为增长团队的招聘对象需要像过去那样技术过硬，也认为AI“对缺乏创意的人帮助更大”；但让AI分配预算，“从定义上说……只会让你在已经做的事情上取得增量收益”。让AI访谈50位行业人士并提炼出真正的Alpha，“以今天AI的水平来看非常难，但也许一年后就不一样了。”
过去12个月里，他改变了对品牌的看法。 Gong投入了完全无法衡量的品牌建设，最终体现在自然流量和主动线索上；企业达到规模后，“如果你不投资品牌……未来一定会把自己搞砸”。至于“把产品做出来，客户自然会来”：“绝对不是……这与我们坚持的一切背道而驰。”

精读

1. 增长是一门科学——而大多数营销人并不擅长科学

Bonaci开场时给出的框架是：增长的目标，是找到可重复的渠道，即“给定一些输入，就能产生可预测的输出”；但“诚实地说，没人真正知道答案——每家企业都不一样”。把一套打法复制粘贴到新公司，“通常行不通”，但这正是大多数营销人的惯性：他们思考的是“我知道什么，以及如何应用”，而不是实验。
这部分差距与人才画像有关：像他这样成为化学家的人，或工程师，和那些被写作或公关吸引的人，思维方式不同——“界定一个实验，想清楚我的假设是什么、如何衡量结果，这调用的是大脑中不同的区域。”
方法很简单：从零开始，提出假设，跑一堆实验——“哪些有效会让你惊讶，哪些无效也会让你惊讶；但只要实验数量足够，你总会找到一些有效的东西。”

2. 把增长当作风险投资组合管理——并预期大多数下注都会失败

增长既要有增量，也要能撬动业务：在不同时间跨度上配置资源，从高风险的大动作，到高确定性、能在本季度带来“2%、3%、4%、5%改善”的下注；这种资源配置“其实应该和财务、管理层好好谈一谈”。
关于失败率，他说：“如果你做对了，就应该假设大多数下注都会失败——所以速度可能比把事情做到完美更重要。”长期内容下注可以给12-18个月的时间；只要这一类下注的规模是有意设计出来的，就要接受前期没有结果。
他不害怕资源集中：快速把赢家推向饱和，意味着“几乎按定义，你会高度集中在那里”；真正的问题是，你能多快“叠加不同的下注和胜利”，从而实现分散。“集中本身并不是坏事，它意味着你在最大化某个领域。”
在组织设计上，增长应当尽可能独立；在Ramp，增长团队向联合创始人汇报——“我喜欢Ramp的原因之一，就是增长团队向联合创始人汇报。”团队的使命是：“增长团队的工作不是让任何人满意，而是让业务成功。”

3. 速度胜过严谨——他自己的反面案例

马虎有一条底线：“如果你只是马马虎虎地做一堆事情，那么你跑多少实验都无所谓——你最终什么也学不到。”
他坦承的一次经历发生在一家未具名公司：头号渠道的网页转化率持续下滑，他们没有做受控实验，而是凭直觉一次性改掉了所有东西。结果确实有效——“几周内让网页转化率提升至3倍”，并完成了季度目标；但“我们始终不知道哪些有效、哪些无效”，后来在真正做A/B测试后，不得不回头撤销大量改动。压力解除前，优先追求速度；压力解除后，再把严谨性买回来。
除了影响和投入，大多数团队还忽略了2个优先级维度：确定性和见效时间。“如果你非常确定某件事会有效，就应该直接做”；如果你不确定，但结果来得快，也应该去做。

4. 一旦有效，就把渠道推向饱和

大多数创业公司的错误是过于保守：看到渠道有效，只是把投入翻倍。相反，应该“尽快把这个渠道推向饱和”——画出响应曲线，观察它何时从线性增长转为衰减，并持续加码，直到增量效应消失。Harry质疑：从$10K一夜之间加到$200K，相比逐步增加，难道不会低效得离谱？Bonaci的回答是：确实取决于具体情况，但要看曲线，因为“大多数事情达到饱和的速度，可能比人们预期的更慢……从$10K到$200K可能没有听起来那么疯狂”。
CAC会不会随时间上升？理论上会——随着份额扩大，每新增一个客户的成本都应该更高；但“现实通常并不是这样”。新产品会改善LTV，新地域和新渠道会不断打开，多个渠道叠加还会产生“你没有计入CAC的光环效应”。“要等到饱和的宏观效应真正传导到CAC，通常需要很长时间。”
对早期阶段迷信LTV，他认为这是“虚假的精确”：如果公司才成立一年，“你根本不会知道LTV是多少”。作为企业，只要先对投入阈值达成共识，再随着实验推进不断修正即可。

5. 事前复盘、事后复盘，以及红色按钮的启示

事前复盘要足够具体：写出明确的失败模式，例如“样本量不够”，并给出概率。对于高确定性下注，准确率能达到90%以上；但大动作总会带有“某种黑天鹅……你无法预料”（每个增长团队都拿COVID说事——“那对我们所有人来说都很难”）。只有当失败原因出乎意料时，事后复盘才最有意思；如果早就预测到了，“我可能根本不会做复盘。”
流程是：由DRI在Google Doc里写好，至少提前24小时发出，然后召开实时讨论，而不是在评论区往返。关键检验是：我们是否学到了可泛化的东西？跨职能的正确利益相关方是否都在场？
他认为最有普适性的经验是：红色首页按钮击败了所有A/B变体，尽管红色带有“不要按红色按钮”的心理暗示；但分组数据表明，它在Enterprise人群中的表现“严重落后”——这是“辛普森悖论”的典型案例。由于大多数内容、网络研讨会和直邮都面向Enterprise，“红色是最佳实践”这一结论，实际上悄悄拖累了公司其他所有活动。
文化规则是：“任何人都不该对某个实验过度执着……他们应该承认，自己大部分工作都会失败；如果没有失败，说实话，他们可能没有把工作做好。”

6. Alpha来自无人知晓、或无人相信的事情

他借用了投资领域的框架：“你的不公平优势是什么？”Alpha来自“做别人不知道的事”——比如早期押注TikTok+B2B，先行者在市场饱和前获得了“巨大回报”；“或者做所有人都坚信不会奏效的事”。直邮曾被嘲笑为“寄到人家家里的垃圾邮件——绝对不会有效”，几轮迭代后却“成了我们最成功、规模最大的渠道之一”。
他在直邮中真正看到的机会有3个：没人做、规模极易扩张，而且巨大的样本量意味着可以快速学习——“很少有渠道能让你说，嘿，明天我们触达200,000人。”
找到这类机会有3条路径。第一是学术路径：改造旧打法——比如媒体组合建模，它今天仍是热门的归因话题，但“其实是Mad Men式广告黄金年代，也就是1950-60年代的老概念”。第二是向同行学习，但这“可能不是最好的不公平优势”，因为别人也知道。第三，也是最有意思的路径，是从其他行业、垂直领域和地域寻找：WhatsApp在国际市场是巨大的营销渠道，那么“我们能不能用WhatsApp替代发邮件？大概率会失败——但只要实验足够多，你总会找到没人做的事。”
他今天的选择是B2B网红营销，尤其适合向Enterprise上探时使用：把它“几乎当作一条外呼漏斗，列出10,000名微型影响者，再对他们做规模化外呼”。但他反复强调一个前提：“这需要大量工作。”

7. 渠道评分卡：付费搜索被征税，活动是陷阱，展示广告和品牌被低估

污染最严重的渠道是付费搜索——“所有人都去做付费搜索，因为他们不得不做……它很快就会饱和，你是在向Google交税。作为一个能长期扩张的增长渠道，它相当乏味。”他最大的遗憾是早期赞助活动：“你置身于一片其他公司的海洋里，没人注意你”；这笔钱还不如花在游击营销或付费广告上。Harry认可的一条规则是：如果要做活动，就要全押——在会场外投放广告牌、做酒店房卡、争取演讲席位——“而不是只租一个小展位。”
他认为错过的机会包括：更早在Samsara做直邮和礼品，以及展示广告——“现在便宜得惊人”，但因为没人点击而被错误衡量；实际上，把正确的曝光投放给目标账户，“确实会产生光环效应”。
过去12个月里，他改变了对品牌投入的看法。Gong“愿意投资那些能提升品牌、即使完全无法衡量的事情——但你能在自然流量数据中看到它”。对于资源有限的极早期创业公司，这么做未必合理；但达到一定规模后，“如果你不把品牌投资纳入长期下注组合，未来一定会把自己搞砸”。更有意思的品牌建设不是提升知名度，而是真正创造需求：“有些人还没意识到自己有问题……这个问题确实存在，而且其实有更好的解决方式。”
最近最令人印象深刻的策略，往往是不时髦的策略：冷电话“对很多公司来说都是非常强的渠道，因为它很难做”；还有从医疗器械销售借鉴而来的上门拜访——如今回到办公室后，一支真正挨家挨户拜访、还会带着蛋糕的地推团队，本身就是不公平优势。

8. 招聘初级通才、看重数学能力，并用混乱数据测试他们

对一家营收约$1M的A轮公司，他的建议是：“我总会更偏向初级人才。尤其在早期，按潜力招聘重要得多……招一个更资深的人反而会是错误。”最佳背景是那些证明自己能逻辑思考、会做数学题的人：工程师、前金融从业者，以及“讨厌咨询、真正想亲手做事的前咨询顾问”。他本人一直避开那些在大一个数量级的公司待过多年、被成熟组织塑造的候选人——“从照搬打法切换到第一性原理思考，通常很难。”
流程是：第一轮负责销售岗位机会，依靠强推荐和私下背调——真正的第一轮面试其实在此之前；第二轮则是带回家完成的测试。测试必须真实且定量：“拿一份Salesforce数据，让候选人回答，这里最好的营销活动是什么？”真实数据一定很混乱：重复线索、日期错位；候选人如何处理、会问什么问题、适应速度多快，在看到最终结果前就已经提供了大量信号。“发出测试前，先弄清楚什么叫做好答案。”
对判断速度的看法是：入职头几周就会出现初步感觉；通过结构化入职，并让新人第一周就交付成果，就能“基于事实而不是感觉”评估。Harry承认自己会把心存疑虑的员工留满3个月，好让解雇看起来更公平；Bonaci没有反驳：“我其实不认为这有什么不对。”
招聘失败时，“责任在管理者身上……是一次错误招聘”。陷阱在于列出一长串技能要求；更难但更好的做法是：“明确我们真正需要的唯一一件事——一个技能、一个特质、一个问题——然后招聘一个你高度确信能填补这个缺口的人。”创始人错误的快速版本是：“因为他们自己也不知道更好的办法，所以按经验招聘。”

9. 领导者什么都要会做——但做得很差，并把学习嵌入系统

面对前同事称赞他愿意亲自下场，他给出的管理准则是：“优秀的领导者需要知道如何做团队里每个人的工作，但做得很差——我认为‘很差’这一点很重要。如果领导者比招来的人更会做这份工作，那就说明他没有招对人，最终会导致微观管理。”
大多数公司都说自己投资学习，但真正执行起来很难：“真正做到非常困难……必须从上至下推动。”他的模板来自Samsara的领导力原则：每位领导者都会收到寄到家里的一箱15本商业书籍，每月读1本，与同事讨论，并证明自己把书中的方法付诸实践。对于Harry认为20年前的管理书已经过时的质疑，他回答：“我其实不认为商业已经发生了那么大的变化。”比如《目标》里的约束理论，已经有40年历史，仍然是“管理者的核心工作之一”。
他在Ramp面临的瓶颈是：“实验速度——机会太多了，我们没有足够的时间，也没有足够的资源。”外部供应商和法务审核拖慢一切；他说Ramp在优先保证速度方面做得不错：“先优化速度……先上线、先测试，如果要扩大规模，再把细节弄清楚。”
入职也遵循同样的纪律：前30天要“细致到令人痛苦的程度”地安排日程；他在Samsara的前2周甚至按分钟规划，用来了解业务和岗位；超过30天后提出新想法，到了90天，“这些想法应当结出果实”。早期应该有可见的胜利；如果一个人迟迟无法拿分，就要尽快判断他是否获得了成功所需的条件。

10. AI降低技术门槛，但不会自动创造Alpha

对于未来由AI替你分配预算的场景，他说：“如果只是让AI替你寻找机会，很难找到Alpha。”Harry追问：如果AI接入完整的历史数据，难道不会做到完美个性化？Bonaci先承认个性化确实可以做到，随后反驳：“但从定义上说，这只会让你在已经做的事情上取得增量收益。”真正的优势，应该是让AI访谈50位行业人士，再综合出适用于ICP的洞察——“以今天AI的水平来看，这非常难。但也许一年后就不难了，谁知道呢。”
AI颠覆了他此前最坚定的判断：“几年前我还非常坚定地认为，增长团队里的每个人都必须具备技术能力——学SQL，学Python。AI颠覆了这一点。”在科学型增长人才和创意型增长人才之间，他认为“AI可能对缺乏创意的人帮助更大”；如今他会让ChatGPT帮自己写笑话、打比方、做视觉素材，而过去这些事他只能去求助产品营销团队。
在Ramp这样的拥挤市场里竞争，“你必须拥有更好的产品……这可能解决了80-90%的战斗”，再加上分销上的不公平优势。但“把产品做出来，客户自然会来”？“绝对不是……这与我们坚持的一切背道而驰。它把你的命运太多地交给了运气。”

Anthropic 首席执行官 Dario Amodei 谈如何熬过 AI 终局 AGI 已经到来，只是你还没有意识到——与 Mo Gawdat、Salim Ismail 对谈｜第153期