核心要点
- 立刻做付费：不必等品牌和自然流量养起来，付费投放是验证 PLG 最快的方式——文案、素材、漏斗、定位一周内测完，而写内容、上播客、做用户访谈这条路太慢。
- 核心三件套：早期只需 Meta、Google 加生命周期营销（邮件/短信/推送），靠这三样就能跑到第一个 1000 万美元 ARR；TikTok、Reddit 都往后放，同时做十个渠道等于十个都做砸。
- 90% 没装好追踪：电商有 Triple Whale、Elevar 这类 15 分钟装好的归因与转化追踪，SaaS 却要每家自建数据库和 BI 层；match rate 没拉满就等于有一半用户是"鬼"，Meta 看不见、只能乱投，然后你得出"付费对我没用"的错误结论。
- 400~500 条素材：Meta 的 Andromeda 更新让素材本身成为定向，媒介买手的调参工作消失、全部变成素材策略；10 万美元月预算对应至少 400~500 条新素材，否则必然见顶被超越。
- 创作者分成：Victor 的创作者计划按广告花费比例分成，几百名创作者每周产 3~4 条视频，另有五家代理和内部团队；有 17~19 岁的孩子靠给他们做几条广告月入两三万美元。
- 先冲爆再回撤：Wispr 去年把预算单月翻 5 倍，就是为了看哪里会崩——从而知道增量在哪、天花板在哪、Meta 该排在 Google 之后，然后回撤、带着认知重新爬坡。
- 可加载 CAC：免费试用发出去的额度必须计入营销成本，与广告花费加总才是真实获客成本；对有 token 成本的产品还要看 LTV 与毛利，而不只是 LTV/CAC。
- 系统思维是硬门槛：面试问的是"你在生活里怎么用 AI 工作流"，能把自己的岗位拆成输入输出、找出可交给 agent 的环节的人不到 1%；很多团队 AI 化失败，就是因为岗位上的人根本不是系统思考者。
章节时间轴
- 0:45 开场与 agent 时代的 PLG — PLG 假设你有一个完美的人类自助漏斗，agent 时代要把同样的严谨用在"agent 如何做调研、如何选工具和 API"上。
- 2:17 Superhuman 的教训 — 极致打磨的产品品味来自那段经历，但创始人口碑推荐存在明显的渐近线。
- 3:52 电商打法即 SaaS 打法 — 每一分钱对应一次购买、几百个 UGC 创作者、多渠道并行；分发是唯一的护城河。
- 4:38 什么时候开始投付费 — 答案是"立刻"，理由是验证速度。
- 5:26 核心三渠道与起步预算 — Meta、Google、生命周期；融了 300~500 万美元，10 万美元是合理的验证预算。
- 7:46 SaaS 归因的空白市场 — 电商有 Triple Whale 和 Elevar，SaaS 只能自建；match rate 和 enrichment score 没拉满等于烧空气。
- 10:49 优化什么指标 — 早期只盯获客成本，留存交给产品团队；转化事件随阶段变化，Victor 选的是"接入 Slack/Teams"这种深漏斗事件。
- 12:21 LTV/CAC 的合理区间 — 早期 1:1 可以接受（前提是钱多），行业普遍瞄 3:1；有 token 成本的产品要看毛利口径。
- 13:54 usage-based 产品的特殊性 — 同一个人可能值 5 万也可能值 50，算法无所适从；成本项不止 Anthropic 账单，还有推理和其他基础设施。
- 15:27 素材投入与 Andromeda — 早期素材预算应接近广告预算，因为素材就是定向。
- 16:12 如何做出 400~500 条素材 — 创作者计划 + 五家代理 + 内部团队，纯电商模式。
- 17:44 怎么挑 UGC 代理 — 问同行；UGC 不发在创作者自己主页，所以他们可以同时服务所有品牌甚至竞品。
- 19:16 80/20 与素材规律 — 算法会把预算全压到最好的那条；有效的是模式打断，比如一个像失误的镜头抖动。
- 20:48 AI 素材的边界 — AI 的超能力是生成变体，整条 AI 视频是 slop，一眼能看出来，最多占账户的 5%。
- 21:34 多久能判断成败 — 先要有 50 次转化让算法学习，2~3 周能看出苗头，完整判断给 3 个月。
- 23:07 落地体验 — 主 CTA 不该在一屏半以外；只读标题能不能看懂你是干什么的。
- 24:38 页面速度 — 对 SEO 和 AEO 都是核心排名要素，每快一秒都是转化的显著跃升。
- 26:11 何时加码 — 看花费与获客的弹性关系，追问"你的花费有多少是增量的"。
- 27:44 Superhuman 为什么见顶 — 高价、即时付费墙、核心 ICP 是创始人，而创始人不是无限大的受众。
- 29:19 Fixer 与自助企业采用 — 同样打法不同市场；Wispr 在没有一个销售之前，企业收入就已占相当比例。
- 30:52 YouTube 怎么做 — 钩子出现得比 Meta 晚；把竖版 UGC 塞进 16:9 静态模板就能上 YouTube。
- 33:11 把预算冲到爆 — 单月 5 倍预算换来的认知地图。
- 35:28 Wispr 最好的渠道是 Google — 非品牌搜索、PMax、YouTube 广告全都能跑，且对地区定价有精细控制。
- 37:46 受众疲劳与逐个 ICP 解锁 — 用 AI 模拟目标人物做 ICP 研究，然后为其定制落地页、onboarding 与产品体验。
- 38:31 "给所有人的 AI 员工"这个定位 — 主持人直言看不懂；Matt 解释先占位再靠案例反转叙事。
- 40:04 推荐计划怎么设计 — 与用量上限对齐，在快撞墙的那一刻弹出；Victor 用积分、创作者 CPM 与收入分成三层。
- 43:55 付费墙的位置 — 放在"魔法时刻"的蜜月期内，而不是之前或很久之后。
- 45:26 免费额度算不算营销成本 — 算，叫 fully loaded CAC。
- 46:12 AEO 怎么做 — 别批量生成 AI 垃圾页；YouTube 评测、Reddit 和社交叙事才是被答案引擎引用的关键；PR 的价值从流量转向了引用。
- 50:01 关掉付费会怎样 — 健康的自然流量占比应在 35~45%；月投放过百万美元后必须有 MMM 与增量模型，靠 holdout 校准。
- 51:34 好的增长负责人有多少 — 很少；他自己从咨询到自建代理，什么都得亲手做，在 Wispr 一度是唯一的执行者。
- 54:39 招聘标准 180 度反转 — 从"十年 Meta 投放经验"变成"AI 原生 + 系统思考者"。
- 57:47 自建的赞助自动化系统 — 从询价、调研、议价到合同、文案、追踪、复盘续约的自改进闭环。
- 60:04 Claude Code 搭的营销 OS — cron 定时查邮件、Slack 冒泡待决策；一个人扛住每月百万美元 Google 投放与 70~120 家 newsletter。
- 63:08 未来团队形态 — 三五年内 80% 执行交给 agent，人只做 20% 的策略与判断。
- 64:43 B2B CMO 的断层 — 不具系统思维的人该被换掉，JD 已经和一年前完全不同。
- 68:33 快问快答 — 最被低估的渠道是联盟营销；最被污染的是 X；以及"应该有一所六周教会你搭系统的学校"。
详细内容
一、为什么是"立刻"投付费，以及电商打法的迁移
Matt 的立场从一开始就与主流相反。主持人转述业界共识："再等等，付费是会上瘾的危险药物。"Matt 的回答是"马上做"。
理由不是"付费能带来增长"，而是付费是验证的最快通道。他说很多叙事让你先做品牌、先铺自然内容、先把地基打好，那太慢了；这些当然要做，但同时你可以在付费侧一周之内完成信息打磨、素材测试、漏斗测试和定位测试。相比之下，你写篇内容、上个播客、看它有没有黏住、再做几场用户访谈——周期长得多。付费提供的是"另一端更快的验证引擎"。
这套思路的源头是电商。他在 Superhuman 时（约三年前）看到的行业氛围是：大家还在纯做 PLG、口碑和推荐，不投付费，甚至嘲笑电商那套 UGC 计划和几十万条广告。他当时就认为电商模式才对：每一分钱都必须等于一次购买或加购，配上上百个 UGC 创作者、丰富多样的素材，以及一整套需要平衡的渠道组合来完整呈现品牌。他在 Superhuman 被 Grammarly 收购前把这套搬进去做付费扩量，之后在 Wispr Flow 原样复刻，"这就是把它推上牌桌、推到今天位置的东西"。
支撑这一切的是他反复强调的一句判断：分发是唯一的护城河。他描述今天的现实——每天打开 X 都有一百个新产品，其中五个在你的品类里，两个把你的官网整个克隆了。唯一的竞争手段就是分发。
二、起步配置：三个渠道、十万美元、以及那个被忽略的第一步
渠道。 他称之为获客引擎的"核心三件套"：Meta（强视频意图平台）、Google（搜索意图——用户不知道你存在，但在搜相关关键词）、以及生命周期营销（邮件、短信、有 App 就加推送）。理由是没有一张网去恰当地推一把，前面获的客会漏掉。他说靠这三样就能跑到第一个 100 万到 1000 万美元 ARR。至于"我们是不是也得做 TikTok 和 Reddit"，他的回应是：加一百件事的时机会来，但现在不是——就像很多人用 agent 时同时开一百个方向、每个都做得很烂，渠道也一样。
预算。 主持人假设融了 300 万美元种子轮，10 万美元投放合不合理？Matt 说取决于 ARPU 和单位经济：漏斗多长、这 10 万能换来什么。但大体上，融 300 万到 500 万，10 万是个合适的验证起点。
但真正的第一步不是花钱。 他在这里插入了整期最实用的一段分析：SaaS 缺一个 Triple Whale。电商世界里，Triple Whale 和 Elevar 这类工具已经存在多年——装个 pixel，接入所有广告花费，它会替你解决互斥归因问题（Meta 和 Google 会重复计数，加上生命周期就变成三重计数），开箱即用地告诉你新客收入到底由什么驱动；另一侧是转化追踪，加购、购买、服务端事件，技术上非常麻烦，但电商有 15 分钟装好、装完就不用再想的方案。
SaaS 则是完全不同的世界：你必须有工程团队从零搭。数据库、BI 层、可能用 ClickHouse 和 Hex、末次点击/首次点击归因——每家初创全是自研，不存在开箱即用的 SaaS 方案。他明确说他在等有人来填这个空白。
后果是什么？"我敢说 90% 的公司没有把这件事当作第一步。"他要求：花第一分钱之前，把这一切装好。大多数人只做到"我们有分析工具能追踪产品"，却没问"所有营销平台收到的是同一套信号吗"。Meta 有 match rate，Google 有 enrichment score，如果没拉满，你就丢掉一半——"那些是鬼人，Meta 看不见他们，不会归因转化"。
他把机制讲透了：今天的平台算法完全按你告诉它的去做。假如转化追踪很差，订阅事件只有 50% 能匹配上；你让 Meta 优化订阅，它掌握的订阅者样本越多，就越清楚订阅者长什么样，投放就越准。但追踪差意味着 Meta 根本不知道这些人是谁，只能随机投，于是 CAC 高得离谱，你得出结论"付费对我不管用"。"绝大多数时候，人们在说这句话之前根本没把设置做对。"
怎么补？他说这正是他在 Superhuman、Wispr、现在 Victor 进去做的第一件事：定义这套东西长什么样，配一个强的分析负责人，加一个强的分析工程师，把网站侧和产品侧的埋点全部打通。
三、盯什么指标：早期只看获客成本
优化目标应该是"对你的业务最重要的那个事件"。SaaS 通常是订阅或开始试用；Wispr Flow 选的是下载——非常上漏斗，因为它有桌面客户端和 iOS App，追踪极难。Victor 则相反，选了非常下漏斗的事件：完成 onboarding 并把 Victor 接入 Slack 或 Microsoft Teams（要么你是 Slack 管理员、要么是小团队人人可装应用、要么你是 Teams 租户）。之所以敢用这么深的事件，是因为 ARPU 极高，CAC 到几千美元单位经济仍然成立。
他强调早期只看获客成本：留存交给 PLG 和产品团队，只要你带进来的是高质量用户。随着阶段推进，转化动作会变成越来越重要的那个事件。
关于 LTV/CAC 的合理区间，他的回答很直接："取决于你融了多少钱。融得多，就烧着做 1:1，没问题。"理由还是分发即一切：你要尽快让尽可能多的人用上产品、相信你。但不能低于 1:1，那就是纯烧钱；这时要去分析网站和漏斗，把它拉回 1:1。等规模上来、有了赞助、AEO 等其他渠道之后，这个比值会被自然抬升。行业普遍瞄 3:1。
但他补了个重要修正：对有 token 成本的产品，LTV/CAC 通常不够，应该看 LTV 对毛利的口径，因为最大的成本项就是使用量。而且很多人只算"我的 Anthropic 账单"，忘了 Modal、推理成本以及一切支撑产品交付的开销——"要有一个好的财务负责人来做这种体检，告诉你漏了哪些成本项、该按什么优化，才不至于白烧钱"。
usage-based 的 B2B 产品还有一个结构性难题：Meta 和 Google 根本没有为它优化过。"你告诉算法一个人的预测收入可能是 5 万美元年合同，另一个人是 50 美元？"同一份人群里方差巨大，算法完全不知道该怎么办。
四、素材才是定向：400~500 条/月的工业化生产
被问到该在素材上花多少钱，Matt 的答案是：早期（不是规模期）花在素材上的钱应该接近花在广告上的钱。
原因是 Meta 的 Andromeda 更新彻底改变了定向逻辑：不再由你在广告组里设定人群，而是平台分析你的素材，结合它对你目标人群的理解去找人。素材就是定向。这一下把过去那批靠调campaign参数、靠投放策略吃饭的媒介买手清出了局，他们的整个工作变成了素材策略。
代价是素材消耗量。他给了一个具体换算：10 万美元的 Meta 月预算，对应至少每月 400~500 条新素材，否则一定会见顶、一定会被人卷掉。
怎么产这么多？答案是完整照搬电商：
- 自有创作者计划：Victor 按广告花费的一定比例分给创作者，让他们替品牌做广告。招募需要一点时间，但一旦跑起来，每人每周产 3~4 条视频，他们有几百名创作者。
- 五家代理同时供稿。
- 内部创意团队。
有意思的一点是这门生意对创作者的吸引力：UGC 不发在创作者自己的主页上，所以他们可以同时给所有品牌乃至竞品做素材。Matt 说这些内容可能被投几百万美元，但永远不会出现在创作者的频道里。他还提到另一种形式——合作发布（partnership ads），由创作者以合作身份发布再加投，效果很好，大约应占 30% 的花费。
而且门槛极低："现在的孩子靠给品牌做 UGC 赚翻了，按广告花费分成——我们有 17、18、19 岁的孩子，就给我们做几条广告，每月赚两三万美元。"而且如果那条广告持续有效、持续被投钱，他们一段时间内都不用再做新的。
主持人追问 80/20 是否成立：是的，100%，而且算法本身就是这么工作的——它找到最好的那条，然后把所有预算压过去。
那这 20% 有什么共性？Matt 说关键是模式打断和"让人停下来"。我们一天吞下的内容量太大，长得都一样就会被淹没。最好的素材往往是一个"看起来像失误"的粗糙镜头抖动，恰恰抓住了注意力；一个凌乱的开头，"嘿，怎么样啊"，然后开始讲产品。
但他强调真正的关键不是单条素材，而是整包资产的多样性：对算法来说，它们必须看起来、感觉上都不一样——不同年龄、不同性别、不同场景、不同钩子。如果你只盯着"这个有效"然后猛推同一种，表现一定会崩塌；你必须持续产出全新的、甚至怪异离谱的想法，否则获客成本会开始上涨。
关于 AI 素材，他的判断很克制：AI 在素材上的超能力是批量生成变体（主持人举了 Speechify 创始人 Cliff Weitzman 的做法——拍一次，用 AI 换背景换衣服，一条变几千条）。但整条 AI 生成的视频"就是 slop，一眼能看出来"。他给 AI 视频的位置是账户里大约 5%，作为一些怪异的多样性补充。主持人补了一句"我也不相信算法不会歧视 AI 内容"，Matt 说"你完全正确"。在素材领域，还远没有到能替代真人的程度。
五、判断、调整与"冲到爆"
多久能判断？ 前置条件是：分析和转化追踪已就位，并且已经有客户自然进来——所以 PLG 与产品卓越仍然是第一步，你得先有一个人们真心喜欢、愿意告诉朋友的产品。等你的转化动作累积到 50 次转化，算法就有足够数据理解你的最佳客户长什么样，这是开跑付费的最低线。之后 2~3 周内会经历两三轮迭代（这条素材行、那条不行、为什么、换点多样的、做点变体），你就能判断"今天可以开始印钱"还是"所有东西都得回去重做"。但完整给它 3 个月。
他强调整条链路上有无数微杠杆在复利：广告素材、广告文案、落地体验、落地页上的信息、页面速度、应用商店里的截图是否合理。任何一环停止打磨，整体都会见顶。
落地体验。 他直言很多产品的 UI/UX、官网设计和品牌"糟糕透顶"。主持人拿 PostHog 举例说自己看不懂那个页面，"像北京版的 UI"；Matt 的回应是那恰恰是他们的模式打断，他们清楚自己的受众，而受众欣赏这种怪。真正该问的是基本功：你知道自己的流量构成吗？站点做过移动端优化吗？"我见过太多网站，主 CTA 在一屏半以外——拜托。"一次基础审计就能发现这些。他给的判据非常朴素：如果我只读你的标题，我知道你是做什么的吗？——尤其是当你要解释一个稀奇古怪的 AI SaaS 细分产品时。"要有东西能让一个手指都没动的用户产生'我想试试'的冲动。"这个框架同样适用于素材和文案。
页面速度。 他说速度真正开始重要是在 AEO 和 SEO 上——它是决定你能否进 Google 前十的核心要素之一；爬虫访问你的站点时，"你的页面加载多久"是一次很便宜的调用，评级低就意味着世界上的普通用户大概率加载不出来。而在转化上，"每快一秒都是转化的剧烈跃升，数据就是这么显示的"——哪怕是 0.5 秒和 200 毫秒的差别也有影响。
何时加码？ 把总花费与获客画在一起，看它的弹性。会有滞后（今天花的钱可能 14 天后才转化为付费）。关键问题是"你的花费有多少是增量的"——这个问题要早问，因为一旦跑通了，人很容易把旋钮从 10 拧到 13，而如果不严谨，那些追加的花费可能根本没有产生额外结果，你只是在给 Meta 和 Google 送钱。他说真正理解这件事的增长人才很稀缺：多数人是"我是 Meta 专家"或"我是某个渠道的专家"，而能站在整体之上、判断这么多投放、这么多赞助、这么多播客露出、这么多 PR 之间的相互关系的人很少——而那个相互关系才决定了花费到收入的整体弹性。
冲到爆的方法论。 他推荐所有人做他们在 Wispr 做过的事：尽可能狠地往上冲，看它怎么炸，再理解在哪里怎么炸的，然后回撤，把这当作"什么才是增量"的信息。去年他们把预算从一个月到下一个月直接翻了 5 倍。他解释为什么不慢慢试：你没有 6 个月时间来搞清楚，你需要每月环比增长 30%、40%；唯一的办法就是先找到天花板——也许会惊喜地发现能无限扩（结果并没有）。但他们由此知道了：Meta 要排在 Google 之后，以及为什么；这些 newsletter 是废的，那档播客不行；所有拼图怎么组合。"先狠冲以理解什么不行、组合该怎么调，然后降下来，带着认知重新爬，你就有了可复制的爬坡曲线。"
什么时候关掉一个东西？ 看指标有多差。如果怎么算都不可能成立，立刻关；如果只是前置指标不太好看，给它一点时间，因为从广告到转化之间有一百个旋钮可拧。他举了个例子：这条素材现在导到首页——如果做一个高度个性化的落地页，说的和广告里一模一样，甚至把创作者的脸放上去呢？"这是个随机想法，但值得测，给它时间，然后再决定划掉。"
六、渠道细节：Google、YouTube、受众疲劳
Wispr 最好的渠道是 Google 广告，而且几乎所有形式都能跑：非品牌搜索、PMax、YouTube 广告。原因有二。一是 Google 虽然处在漏斗中部，但它在一个平台里覆盖了从上到下的全部；只要转化追踪装对，它是一个服务齐全的大市场。二是控制精度：优化应用下载时，他们能对"在印度花多少 vs 在美国花多少"做精细控制（两地定价不同）。Meta 则没有这种细控——手动设置已被移除，素材即定向，在某个地区要么跑得动要么跑不动，你只能不停迭代素材，"那是一份完全不同的工作"。
Google 之所以特别适合 Wispr，还有一个产品原因：这个产品很难解释。"我说话，它变成文字，出现在文本框里"——跟街上随便一个人讲，对方会用奇怪的眼神看你，"语音笔记？什么意思，我在 WhatsApp 里发那个啊"。需要教育。所以他们用 30 秒到 1 分钟的 YouTube 视频做基础教育，跑了很久，拿到数亿次曝光，再喂进非品牌搜索、PMax、展示等不同版位，这些人最终才转化。
YouTube 怎么起步。 他说很多人怕 YouTube，因为表现最好的 YouTube 广告是 16:9 横版，而大家的 UGC 计划产出的都是竖版 story 素材。Victor 的解法很朴素：让 Victor 自己做了一个应用，把任意竖版视频塞进一个静态模板——模板上有客户 logo、G2 评分和 CTA，视频是可替换的那块。于是他们把所有 story 广告变成了 YouTube 广告。"不是每条效果都一样，需要微调格式，但你完全可以打开 Figma 做个静态模板、把视频丢进去导出——欢迎来到 YouTube。"
不过叙事逻辑不同：Meta/Instagram 需要即时验证，钩子要马上出现；YouTube 观众是来花时间消化视频的，注意力窗口更长，钩子可以稍晚。而且脚本框架完全不同——YouTube 要像一条自然的 YouTube 视频，"哥们，我刚开始用这个，它彻底改变了我的生活，我来给你演示"，这种话你不会写进 Meta 广告。所以 Victor 有一支独立团队专门写 YouTube 脚本和拍摄，与 UGC 项目分开运作。
渠道是越跑越好还是开头最好？ 越跑越好，但也有自己的规模律：到某个点必须向其他平台分散，才能解锁额外增量。开头总是很烂，因为在等转化数据积累。
受众疲劳怎么办？ 去解锁下一个受众。他用 Victor 举例：发布时故意用了"给所有人的 AI 员工"这种宽泛定位，就是为了看谁会主动走进门——结果最先出现的是代理公司、电商品牌和中小企业。于是他们按顺序推进：常青素材继续跑，然后专攻代理公司——能不能获取？漏斗长什么样？素材长什么样？一个受众跑通、经济模型成立、流程可复制之后，再去下一个。他说今天的营销高度 ICP 特定化：用最新的工具（用 Victor 或别的）在 prompt 里模拟这个人——他读什么、怎么做决策——跑一次就能拿到最丰富的 ICP 研究，然后为这个人打造落地页、onboarding 和产品体验，"就这样一个细分受众一个细分受众地继续扩张"。
七、定位、推荐计划与付费墙
主持人对 Victor 的标语毫不客气："'给所有人的 AI 员工'——我不知道这他妈是什么意思。你说'AI 视频剪辑师'很好，'AI 文案'很好，但 AI 员工？你是给我报税还是做创意？"
Matt 的辩护是品类太宽。他说 Victor 不敢称是第一个提出这个词的，但是第一个真正兑现承诺的——工作真的被交付出去，用量真的有正 ROI。而且从定位上讲，除了"AI 同事"和"AI 员工"，没有别的说法能把自己和 Claude、ChatGPT 那些玩家区分开——他们的定位锚点是知识工作。他承认因为这个词用得少所以现在很困惑，但一旦案例和故事积累起来，叙事就可以反转成"我雇了 Victor，他做了这些"——"哦，这是个人名，是个员工，哦原来是个 AI 工具"。"这个过程可以反过来走，但我们得先有个东西来把案例攒起来。"
推荐计划。 他认为这是 PLG 的核心组件之一，必须在产品里显眼、易发现，让分享毫不费力并且有实在回报。Superhuman 是"送一个月得一个月"，有人攒了几百次推荐、几百个月，"这辈子都不用付钱了"——关键是它令人愉悦、容易发现、且非常有质感（我做这件事，我确实拿到了东西）。
Wispr 的做法是把推荐对齐到用量上限：快撞到 2000 词限额时弹出"你知道吗，分享给朋友可以免费多用一个月"。"好，我花 5 秒去做，告诉一个朋友注册，他注册了我得一个月，然后我又多了一个人去传播"——K 因子就是成败所在。
Victor 的版本更复杂一些，因为一切基于 token 积分。快到限额时会给你一棵决策树，根据你是谁给出不同的赚积分方式：
- 创作者计划：你在 LinkedIn 上发关于 Victor 的内容，按 CPM 直接把积分打进你账户，任何用户都可以参与，为他们带来社交声量和传播。
- 推荐计划：你邀请公司，被推荐公司付费金额的一定比例每月以积分形式返给你。
他算了笔账：有八人小团队每月在 Victor 上花 1.5 万到 2 万美元、替代了全部招聘；如果我认识另一家会花 5000 美元的代理公司，把他们带来我能拿 20% 的分成，直接冲抵我的成本。而从 CAC 角度这完全合算——"我们愿意为获取一个客户花 1000、2000 美元，那还不如让我们的客户去帮我们找最好的客户"。
推荐计划的常见错误在两端：一端是不够实在——"推荐给朋友吧"，我得到什么？或者给点周边这种无所谓的东西（主持人插科打诨说 Palantir 周边除外）；另一端是搞出 20 层的复杂等级、把推荐游戏化，结果没人愿意用，因为太麻烦。"你得找到中间那个甜点。"
付费墙。 他说在分析付费墙位置之前，先要调的是魔法时刻（aha moment）什么时候发生——越早越好。付费墙应该紧贴那个时刻：你先感受到"哇这太棒了"，进入蜜月期，然后在这个阶段里放付费墙。因为在那一刻你才愿意打开钱包——你刚感受到一种前所未有的东西。Victor 正在精调的正是这个游戏：该给多少免费额度？怎么引导 Victor 展示真正有用的工作流？"一旦出现一个让你觉得'这改变游戏规则'的时刻，付费墙。"
他用 Wispr 的爆发做印证：当时 LinkedIn 上疯了一样在传"有个东西叫 Wispr，我不用打字了"，其中很大一部分是纯自然的，因为人们真的击中了魔法时刻。Victor 现在的帖子里他估计一半自然、一半来自创作者计划，"但仍然是真诚的"。
免费额度算不算营销成本？ 算。他们叫 fully loaded CAC：免费试用积分与营销花费加总。"如果你没这么算，你就没有在真正计算你的获客成本。"任何免费送出去的东西都是成本，都归在营销成本项下。
八、AEO、PR 与关掉付费之后
AEO（答案引擎优化） 遵循 SEO 的老套路。有意思的是"批量产页面"这件事又回来了——当年 Google 因为掌握算法而惩罚这种做法，过去几年大家就不做了；但在 AEO 里页面数量又开始起作用（虽然这也在变化）。他们的做法是让 agent 分析竞品的 sitemap 做交叉分析，发现这些公司每周在产 100~200 个页面，"其中很多就是生成的 AI slop"。他明确说不要在这个方向上规模化：你要的是真正有价值、说了有价值内容的东西，因为 AI 爬虫会摄入它，而这些内容决定了当有人问"做这件事最好的工具是什么"时，引用里会写你什么。
但他认为最重要的三样不是自己的网站，而是 YouTube、Reddit 和社交叙事。他给创始人的早期动作建议是：投资做出好的 YouTube 评测——因为是长视频、能吃长尾排名，是答案引擎最主要的抓取来源之一，"在 ChatGPT 里的引用率非常高"。你的网站、PR、外部信源都在谈论你，而最好的外部信源之一就是"你在 YouTube 上有多少评测和视频"。
传统 PR 死了吗？ 主持人问上 TechCrunch 还重不重要。Matt 认为仍然重要，但重要的原因变了：发布时做 Product Hunt、拿到 TechCrunch 报道，某种程度上是"创始人的入场仪式"，建立可信度和信任，是入场门槛。但 PR 现在的核心价值不再是"炸出一波流量"，而是为 AEO 提供引用——有多少可信的外部信源在写你，正相关于你的 AEO 流量；越多"非你所有"的正面叙事在流传，产品处境越好。
TikTok 要不要做？ 他说有时机和场合，取决于你是不是偏 C 端。主持人说自己从没见过哪个 CMO 或增长负责人破解了 TikTok，Matt 坦白："说实话，在我待过的三家公司里，它都还没跑通。也许我能在 Victor 改变这个。"
如果关掉付费会怎样？ 他说健康的自然流量占比应该在获客的 35%~45%——口碑加上基于你所建立的一切而真正自己发现你的人。早期由于外界还没什么关于你的信息，会 100% 绑定付费；但到后期如果一关就死，说明你忘了工作的另一半：SEO、AEO、评测、所有被写下来的东西。
他还给了一个规模化后的硬要求：月投放超过 100 万美元的那一刻，必须有 MMM（营销组合模型）与增量分析，明确说清楚哪个渠道是增量的、哪个不是。模型一开始一定是错的——做些改动、把某些渠道降下来、做 holdout 测试，然后看模型是否被验证。模型会随时间变好，你也就不再摸黑。因此"故意降投放来看掉多少"本身就是极强的学习动作。
九、人才：系统思维是新的硬门槛
被问到"到底有多少好的增长负责人"，Matt 的回答是"不多，说实话真的不多"。
他解释自己的路径：从企业咨询开始（"极度消耗生命，我恨它"），然后自建代理公司，被迫从零学会所有事，而且在电商、SaaS 和企业 B2B 三个方向都做过。"因为必须自己动手，我知道怎么投一条 Meta 广告"——他不是那种不会执行的增长负责人或 CMO。事实上，在 Wispr 直到去年 12 月之前，三四五百万美元预算的执行全是他一个人做的。
主持人由此发挥："我对所有大学生和年轻人说的就是，全栈从没像今天这么重要——写创意、拍视频、剪视频、投到 Meta、Instagram、YouTube，全都干。'我只做创意和文案'那套，去他的。"Matt 完全同意，说"超级专才正在缓慢死去"，他自己一直定位为"专精型通才"：你必须挑一件事做到比别人强，但其他所有事都要弄脏手学一点。他特别点出增长负责人常见的盲区是营销分析和转化追踪——不理解底层机制，就不知道系统靠什么运转。而现在没有借口："ChatGPT、Claude、Victor 是人类历史上最好的学习工具。不会做就去问它，让它一步步告诉你，然后去做，看哪里会崩、哪里你还没懂。"
招聘标准的 180 度转变。 一年前他会找"在 Meta 广告上有十年经验、投过几亿美元、全世界最好的媒介买手"。现在他还是要经验，但那个人不必是历史最强；如果一个人是 AI 原生、是系统思考者、能拆解自己工作的运转机制，那么"这个人 + 经验"会碾压"只有经验但不是 AI 原生"的人。
他抛出的 hot take 是：很多团队正在尝试把自己 AI 化并且正在失败，原因是那些岗位上的人不是系统思考者。
什么叫系统思考者？"从你工作里的某个具体任务后退一步，与任务本身拉开一度距离，问：在我的岗位上，我每天要做的所有活动是什么？它们之间的关系是什么？哪里是无聊的行政工作？哪里是报表？"能把这些画出来、理解自己的岗位作为一个系统如何运作——然后你才能说"这一段可以交给 agent，我去做更高杠杆的那部分"。而大多数人的实际行为是：去 ChatGPT 问个问题，然后回来继续用手工方式干活。他建议做这个思想实验：完全自动化我的整个岗位需要什么？当然做不到，东西会散架，但走一遍这个过程。"问题是，你问很多人这个问题，会发现他们其实并不理解自己的工作——因为不是系统思考者，他们说不出输入和输出是什么。"
所以他的面试"部分像工程面试，系统思维就是那条线"。核心问题不是"你在工作里怎么用 AI 工作流"，而是"你在个人生活里有没有跑在 AI 上的系统，让你成为一个更好的人？"
差答案：我在 ChatGPT 里有个带上下文的 project 或对话线程。"这在事实上是对的，你确实应该这样用记忆层和上下文层——但和它聊天不是工作流。"
他要测的第一个东西是反馈闭环：当 AI 给你一坨 slop，你怎么办？大多数人会说"这是垃圾，改成这样"，然后失去耐心，把文档拿走自己写。"如果你不肯经历给它反馈的痛苦，那第一个反馈闭环就没建立起来。"
十、他自己搭的那套系统
Matt 用一个真实系统来说明什么叫工作流。他在 Wispr 搭了一套赞助（newsletter 投放）自动化，是一个自改进闭环：
某个 newsletter 主动来信 → agent 识别这是投放询问 → 向对方索取报价 → 调研其受众 → 替他完成第一轮议价 → 他人工介入，批准"我们要不要合作" → 拿到合同，他的手动环节到此结束 → 把合同丢进 agentic 系统 → 系统把成本数据写入文件系统、写文案、发所有邮件、生成所有链接、配好转化追踪、把所有东西发给合作方（"因为 newsletter 就是一封无聊的老式邮件：我发邮件给你，你告诉我效果"）→ 拿到效果数据后，结合文案和成本判断是否续投，这也是一个 agentic 决策，因为他已经定义了 CPM 该是多少、转化该是多少，不行就让它自然结束。
关键的自改进部分在于：系统知道每一条链接的表现，所以能判断"这种文案有效、那种没有"，下一次生成文案时是基于全部历史数据的。
用什么搭的？ 最早叫"marketing OS"，就是电脑上的 Claude Code——文件夹体系加 skill 和 MD 文件。Claude 接进他的邮箱，配 cron 在 9 点、12 点、6 点检查有没有新的 newsletter 询问，跑完工作流后在 Slack 里冒泡给他："这几个需要你决策，这里有几份合同发过来了。"后来这套 OS 从他个人的演进成需要共享给团队的版本。
他描述了那一年半的工作负荷：一个人扛住 Wispr 的全部执行——每月百万美元的 Google 投放、几十万个关键词、广告、实验、落地页，"从眼球到下载的每一个 KPI 都归我，之后产品团队接手 onboarding"；再加上 Meta 和 newsletter，某个时点他同时在和 70 到 120 家 newsletter 供应商打交道，他们发邮件要文案审批，他要做独立的配图。"我就想，为什么 newsletter 还停留在石器时代，没有平台，全靠邮件，还得为 CPM 讨价还价？"于是这成了他做的第一个自动化工作流。
而他并不会写代码。"我是靠做学会的。我想自动化这个，Claude Code，你会怎么做？我是靠问它怎么建 OS 来建出这个 OS 的。"之后每一天，他 90%~95% 的工作都过一遍 AI：我要优化广告，你能把报表拉出来吗？关键词是什么？所有改动、所有文案他都在终端里通过 Claude Code 过一遍，因为那样才能给反馈、跑通反馈闭环。"每天都好一点，每天都好一点。"
时间线上他说自己是早期采用者：Claude Code 真正的高光时刻是 2025 年 12 月，而他 9 月就开始用了，"那时候它还不行，经常出错，文案很差，东西会崩，但我是个爱折腾的人，我就用它把整件事学会了"。他要在候选人身上测的正是这个：你能不能拿一个难题，围绕它搭出一个系统并真的解决掉？
符合这个标准的候选人有多少？ "不到 1%。"
但他认为这没关系，因为团队形态本身在变瘦。"在 Grammarly 这种规模的 SaaS 公司里，influencer marketing 团队今天可能是三到五个人；明天那就是一个非常强的人加上一整套 agent。想象你扩张到每月有 10 万个红人在发你的内容——只要你有 agentic 系统、知道怎么筛数据、知道自己该在哪些节点接入，你就能做到。所以哪怕只有 1% 的候选人，也没关系。"
他给出了自己未来三到五年的赌注：现在 80% 的工作还是手动、20% 是 agent；三年后公司会更像董事会——20% 是策略和思考，80% 的执行由 agent 完成。（他明说这也是他押注 Victor、押注"解决全部知识工作"的原因。）现在编辑还是手动的、发邮件还是手动的，即使有工具，中间仍有一层人；随着质量、用量和真实 ROI 到位，这层会消失。"而这正是为什么这些东西这么重要——如果你不理解系统怎么运转，你永远看不见你的 agent 在干什么。"
十一、领导层的断层，以及一所不存在的学校
主持人相当直白地问：今天的 B2B CMO 是不是都完蛋了？"我不认识任何一家规模化传统公司的 B2B CMO 听得懂你在说什么。"他甚至点名了几类大型供应商（Anaplan、Coupa 之类），问真的有人懂吗。
Matt 的回答是这会直接转化为市场份额："采纳这套框架的公司会迅速从不采纳的公司手里抢走份额。不在高层采纳的在位者，增长率会原地不动，而按这个框架跑的高增长者会碾过他们。"他重申自己的 hot take：把营销团队里不是系统思考者的人大部分开掉——别再硬塞人进去，岗位已经变了，JD 和一年前完全不是一回事，而人们还在往新 JD 里硬塞旧的人。
主持人追问："我有 10 个人的营销团队，我该开谁？怎么测？"Matt 的答案很实用：你不看的时候他们在干什么——过一阵回来，会有人突然搭起了系统、把自己放大了 10 倍，那个人你显然不会开；而谁没有做这件事会变得非常清晰。"A 玩家正在变成 S 级，原来的 B 玩家正在变成 D 级，裂缝就是这么产生的。"
他还纠正了一个分类习惯：消费者营销不是消费者营销，B2B 营销不是 B2B 营销，"它就是营销"——终点永远是一个做购买决定的人，无论他在大企业里还是作为个人。Victor 就是例子：CAC 极高的 B2B SaaS（你在往团队里雇一个员工，每月花几千美元），但他们按消费级应用的方式做营销，这一度让人质疑。
关于顶级人才的稀缺性，两人聊到 Polymarket 那位 19、20 岁的 Tobin——Matt 说他原本就在 Wispr，是Wispr 最早的 UGC 病毒计划的搭建者，之后才去了 Polymarket。主持人说这种人值得付天价，Matt 同意，并给出一个类比：ML 研究员能拿几百万美元，因为他能推动模型前进；营销获客侧的这类人同样是独角兽级别的稀缺，"我觉得 ML 那种疯狂时刻，未来一年可能会在营销获客这一侧上演"。
最被低估的渠道：联盟营销（affiliate）。 他说这是全场没提到的渠道，做好了会复利，而多数人做得很差。你按收入分成或某种 CAC 付给不是你客户的人，他们主动去创作内容和评测。在 Wispr 和 Victor，这都是 ROI 最高的渠道，而且"他们在成为你的客户之前就先觉得能赚钱，然后就真的会变成你的客户"。它与推荐计划不同——不走产品内部，而是一个对外的、有吸引力的项目，面向那些自带触达面、有网站、有受众、想把你的东西卖给自己受众的人。数据上，Victor 每月 10%~15% 的获客来自联盟计划，分成比例是 10%~15%——"如果一个联盟带来一家每月付 1 万美元的公司，他一单每月就能拿 1500 美元"。他们有联盟每月赚两三万美元。
最被污染的渠道：X。 理由是发布视频全都一个样、无聊透顶，人人都在做同一套"病毒式发布"；而且 X 广告不管用——"我至今没遇到一个 SaaS 增长负责人说 X 广告能印钱。如果有人做成了，请告诉我，我很想被挑战。"两人吐槽了那条"跳伞时读发布文案"的视频：主持人问是不是市场成熟到必须跳飞机的地步了；Matt 说这就是他说的污染——"大量情况其实是：我们花在发布视频上的时间远超花在产品上的时间"。
最想改变的事：更多好的增长负责人。 主持人抛出一个设想：为什么没有一所学校，用六周时间、朝九晚五、收一万美元，把你灌满所有系统、流程和模型？"对青少年来说这比大学更有价值。"他还补充：如果摩根大通或高盛在金丝雀码头楼下开一所这样的学校，你不会把每个员工都送去吗？Matt 说他要去再开一家公司了；主持人当场表态："我今天就愿意投几百万美元。"
Matt 从自身经历附议：他在 NYU 读的大学，一门营销课都没上过，全靠做中学。他怀疑营销教育基本停滞——"他们会教你怎么装一个 Facebook pixel 吗？不会。"而理解框架只有在开始执行之后才会到来："先做再理解，胜过坐在教室里理解完了再去做——只靠做你学得快得多。"他提到 Reforge 和 Brian Balfour 试过做这件事，但仍不够。
主持人澄清自己想要的甚至不是"增长负责人"，而是让普通人具备搭流程、搭系统、用 Claude 替代自己一部分工作（报销、文案、设计）的能力。Matt 完全同意，并指出真正的断点在最开头一步：人们不知道怎么把自己的 Claude 配置好——怎么接集成、怎么用正确的权限拿到自己的文件、怎么设 9 点/12 点/6 点的定时检查。主持人插话："哥们，你忘了大多数人在什么水平。"Matt 承认自己总是忘记这些不是常识。
于是他给了一个具体建议。如果你在用 Claude Code，只做一件事的话，就做他称为 session end 的 skill：他把一个 Obsidian vault 接进 Claude Code，每天记录所有过终端的东西——所有决策、所有未完成任务、所有学到的东西、笔记和原子概念。问题在于这些东西存在 Claude 的记忆里、你自己拿不到。所以 session end 的作用是：在一个会话快结束时，分析这次会话、提炼出我们做了什么、框架是什么、是否达成了目标、还有哪些遗留项，然后把它迁移进 Obsidian 这个基于节点的系统。这样他可以回到任何一天看自己当时在做什么，并眼看着这张网随时间生长。
他称这是"让每一次会话都产生复利"的巨大 hack：因为节点系统会告诉你"一周前你做过这个、卡在这里，今天你又做了一次并解决了"；而且 agent 能分析全部内容、自动建立相互关系——"你在这两个地方用这种素材类型做过 Meta 广告，正常情况下你会忘掉，系统也会忘掉"。他的结论上升到了一个更大的判断：如果你能把自己搭建、微调、打磨的每一件小事都记录下来，那可能是最有价值的个人资源——"就像当年社交资本是那个大东西一样，接下来几年，你电脑上保存的 AI 产出会是很多人的藏宝库。"
主持人回敬了自己基金的做法：每周投委会之前，所有通话都由一个 AI 打分器评分，它收集每一通电话，按 10 分制在五个维度上做堆叠排序——创始人与市场的契合度、产品市场契合度、交易条款、产品质量等——然后他们按 AI 排名的优先级往下走，把优先级判断完全委托给了这套排序系统。Matt 的评价是："只要你把'优先级的决策树'想清楚并写进去，你就可以信任这个系统，因为它基于的是你的框架。"主持人补充：跑了 12 周、超过一千家公司，排序还从没错过。Matt 说自己也用类似做法——一个无 bot 的会议录音工具录下所有会议，每天结束时全部摄入，找出"我在通话里承诺过、但没有出现在任何待办软件里的事"，然后直接生成他明天的待办清单。
最后一个问题：你最尊敬哪家不相干公司的增长策略？ Matt 的回答绕开了公司，落在人身上：产品的手艺——假设、深度实验、打磨真正卓越的用户体验。"每天出来的产品量那么大，其中极少数具备产品卓越性，而掌舵那种手艺的人是真正的产品领导者。"他说自己从他们身上学到很多，看他们的大脑如何运作、如何分析数据、如何理解客户，非常受启发。被追问要一家公司时，他略带自嘲地给了 Wispr：看到产品与营销之间那种相关性——虽然自己有份参与——"一家波兰创业公司，当然融了一轮不小的 A 轮，很快就被广泛看见并被真心喜爱"。他说让他早上愿意起床的正是这个：所有零件被想清楚、终于发布出去，然后它真的成了。
金句
"分发是唯一的护城河。" —— Matt Swulinski 3:52
"你打开 X，每天有一百个新产品，五个在你的品类里，两个把你的官网整个克隆了。" —— Matt Swulinski 13:07
"花第一分钱之前，把一切都设置好。我敢说 90% 的公司没把这当作第一步。" —— Matt Swulinski 9:17
"如果只有 10 万美元的 Meta 预算，你每月至少需要 400 到 500 条新素材，否则就会见顶、被别人卷掉。" —— Matt Swulinski 16:12
"尽可能狠地往上冲，看它怎么炸，然后理解在哪里怎么炸的。" —— Matt Swulinski 33:11
"和它聊天不是工作流。" —— Matt Swulinski 57:47
"我的 hot take 大概是：把你营销团队里不是系统思考者的人开掉大半。" —— Matt Swulinski 65:29
"A 玩家正在变成 S 级，原来的 B 玩家正在变成 D 级。" —— Matt Swulinski 66:14
提到的书·产品·人物
- Matt Swulinski（人物）：本期嘉宾，曾任 Superhuman、Wispr Flow 增长负责人，现加入 Accel 投资的 Victor.com；自建过营销代理公司，NYU 毕业但没上过一门营销课。
- Superhuman（公司）：他的第一站，以极致产品打磨与创始人口碑起量，后被 Grammarly 收购；因高价、即时付费墙与单一 ICP 而遇到增长渐近线。
- Wispr Flow（公司）：语音输入产品，他在此复刻电商打法；最好的渠道是 Google 广告，靠 YouTube 教育视频解决"产品难解释"的问题。
- Victor.com（公司）：他的现东家，定位"给所有人的 AI 员工"，按消费级应用方式营销的高 CAC B2B SaaS；有八人团队每月花 1.5~2 万美元。
- Grammarly（公司）：Superhuman 的收购方，被举例说明大型 SaaS 的红人营销团队编制会如何被 agent 压缩。
- Fixer（产品）：邮件工具，同样跑通电商打法，并靠 Outlook 用户与大企业交易实现收入跃升。
- Triple Whale / Elevar（产品）：电商侧的归因与转化追踪工具，15 分钟装好；SaaS 侧的同类空白被他视为待填的创业机会。
- ClickHouse / Hex（产品）：SaaS 公司自建分析栈时常用的数据库与 BI 层。
- Meta Andromeda（技术更新）：改变定向逻辑的 Meta 算法更新，使素材本身成为定向，媒介买手的调参工作被取代。
- Claude Code（产品）：他搭建"marketing OS"的工具，配 cron 定时检查邮件、在 Slack 冒泡待决策；他在 2025 年 9 月即开始使用。
- Obsidian（产品）：他用来承接 Claude Code "session end" 产出的节点式笔记系统，让每次会话产生复利。
- PostHog（公司）：被主持人吐槽 UI 看不懂，Matt 认为那正是有意的模式打断，创始人 James 很清楚受众是谁。
- Speechify / Cliff Weitzman（公司/人物）：曾在节目中分享用 AI 把一条素材变出上千条变体的做法。
- Polymarket / Tobin（公司/人物）：19~20 岁的增长人才，此前在 Wispr 搭建了最早的 UGC 病毒计划。
- Reforge / Brian Balfour（公司/人物）：被提及为尝试过做增长教育体系的先行者，但仍不够。
- G2（产品）：其评分被放进 YouTube 广告的静态模板里作为信任背书。
- Product Hunt / TechCrunch（渠道）：仍是"创始人入场仪式"，但价值已从流量转向为 AEO 提供可信引用。
适合谁听
正在从零搭建获客引擎的创始人和增长负责人，以及想知道 AI 时代营销岗位标准如何被重写的团队管理者。