跨国深谈← 返回←增长不是指标黑客，是连接用户与价值

增长不是指标黑客，是连接用户与价值

关联

人物 Albert Cheng · Lenny

公司 Duolingo · Grammarly · Chess.com

概念 探索与利用 · 用户留存 · 免费增值 · 实验 · 复活用户 · 主观能动性 · text to SQL

来源 Lenny’s Podcast

大多数人以为增长就是设付费墙、加摩擦、硬推指标往上走。Albert Cheng 在 Duolingo、Grammarly、Chess.com 带了这么多年增长，他的定义完全不同：增长就是把用户连接到你产品的价值 。听起来像废话，但这个框架会直接改变你做什么实验、怎么排优先级——因为用户在不同阶段需要感受到的价值完全不一样，一个还没用过你产品的人和一个用了三年的老用户，他们要的东西根本不是一回事 。

找到对的山，再往上爬：探索与利用框架

Albert 从他在 Grammarly 的工程搭档那里学到了”探索与利用”这个概念，然后在每家公司都反复用。探索阶段是找对的山——发现真正有效的增长洞察；利用阶段是把资源集中在这座山上往上爬——把洞察扩展到产品各个角落 。

两个极端都有坑：探索太多，团队变成撒网式地乱试一百个随机想法，没有主线；利用太多——这是增长团队的通病——就会在一个局部最优解上反复榨取，直到饱和、停滞 。

他用 Chess.com 的一个真实案例来说明这个循环怎么转起来。他们产品里最常用的学习功能叫”复盘”——下完棋后虚拟教练帮你分析最佳招法和失误。

产品经理 Dylan 发现一个反直觉的数据：80% 去复盘的人是在赢了之后去复盘的，不是输了 。他们当初做这个功能时的假设完全相反——以为人输了才想看哪里做错了。但真实的人性是：赢了才愿意回味。

基于这个洞察，他们做了一个改动：输棋之后不再先展示你的失误和糟糕招法，而是翻转过来，先展示你的精彩招法，教练说一句”输棋只是学习的一部分，继续加油” 。就这一改，复盘量涨了 25%，订阅涨了 20%，留存也大幅提升 。

但关键不在这个单一胜利。Albert 拿这个洞察去”利用”——分享给相邻团队，比如做谜题功能的 PM，让他们也去审核自己负责的区域里有没有类似的”冷模式”，把成功率展示改一改、文案调一调、按钮颜色换一换。

一个实验胜利可以扩展 10 倍覆盖到整个组织 。等到这个方向上的实验开始大量出现”没有统计学显著性”的结果，就说明汁水挤得差不多了——该回到探索模式，让团队发散思考新的方向 。

Grammarly 的变现翻倍：别让免费用户只看到你最弱的面

Grammarly 是免费增值模式，超过 90% 的用户在免费层。免费用户看到的建议基本就是拼写和语法纠错——正确性层面的东西。付费层才有语气改善、清晰度提升、整句重写这类高级功能 。

他们发现了两个问题。第一，追踪数据显示，很少有免费用户会把所有建议全点接受——大多数人是一边写一边挑着改 。

这意味着传统路径——“你把免费建议全接受了，然后弹出付费墙”——大多数人根本走不到那一步。第二，也是更根本的问题：因为免费用户只看到拼写语法纠错，他们心目中 Grammarly 的品牌形象就是一个”改错字工具”，而不是一个强大的写作助手 。

他们的解法是把逻辑彻底翻转：从付费建议里抽样一些，穿插到免费用户的写作过程中，让免费用户也能看到语气改善、句子重写这类高级建议的”限量体验” 。团队内部的担心是：给太多了，谁还付费？结果完全相反——用户突然意识到 Grammarly 比他们以为的强大得多，升级率几乎翻了一番 。

本质上这是一个”反向免费试用”——不是给你 7 天完整试用，而是在你日常使用中实时穿插付费功能的限量体验，每天刷新 。核心原则是：让你的免费产品能够反映你的产品真正能提供的全部价值，而不只是最基础的那一层 。

消费订阅的命脉：留存，然后复活你的休眠用户

消费订阅公司最金贵的东西是用户留存 。留不住人，你就只能在第一天就逼用户付费——这超级难，意味着你要在用户还没形成使用习惯之前就激进地向上销售 。

Albert 给了一个基准：第一天留存率能做到 30% 到 40%，对消费应用来说就算相当稳固了 。但更重要的是现有用户的留存——那些已经形成习惯的用户有多粘性，这个指标才是真正复合增长的引擎 。

有个容易忽略的大机会：复活休眠用户。Chess.com 大约 80% 的日活或周活是现有用户，新用户和复活用户规模差不多 。

随着时间推移，你会积累数以亿计的休眠用户——那些可能一周或一个月才用一次的人。值得专门为他们设计”复活体验” 。

Duolingo 的做法是利用社交通知：如果你联系人里有人刚开始用 Duolingo，你会收到推送，可能就被拉回来了。而且你三年前学的法语可能忘光了，重新打开时应用会引导你重新做分级测试，把你放到正确的位置 。

AI 怎么实际用在增长工作里

不是所有 AI 都要用 LLM。Chess.com 的复盘功能背后跑的是传统象棋引擎（比如 Stockfish，Elo 等级分约 3600，而顶级大师 Magnus Carlsen 大约 2800 ），负责对每一步棋做深度计算评估；然后把评估结果翻译成用户能懂的语言和风格——这部分才是 LLM 干的 。

LLM 自己下棋其实很烂，会 hallucinate（产生幻觉）棋步 。关键是”为正确的功能选对技术”，而不是什么火用什么 。

在增长工作流层面，Albert 提了两个实际应用。第一，他们训练了一个 Slack 机器人做 text to SQL 分析——数据请求频道里那些”南非有多少订阅者""上个月谜题玩了多久”的一次性问题，机器人直接给答案，不需要数据分析师排队 。副作用是问题量爆增——因为人们不好意思问人的问题，对着机器人就敢问了 。

第二，用 AI 原型工具加速探索阶段。他们把产品主要界面（新手流程、主页、棋盘）用 V0 或 Lovable 之类的工具做成 AI 原型，然后分享给全公司当起点，各团队可以在上面叠加自己的想法，让大胆的想法更快变得可讨论、可测试 。目前的痛点是从”尝试”到”真正进入工作流”之间还不够无缝，各职能用的工具互操作性还不够好 。

从零实验到一年一千个：怎么转文化

Chess.com 在 2023 年之前基本上不做实验 。Albert 加入后，去年做了大约 50 个，今年按节奏 250 个，明年目标 1000 个 。

“1000 个”这个数字是他编的，他其实不太在乎到底能不能精确达到——重要的是这个目标能引发对话：“要达到这个数，什么需要变成真的？” 答案包括：不只是产品和工程做实验，生命周期营销可以测推送文案、邮件文案；应用商店的截图和关键词可以测；工程可以给某些屏幕（比如主页、定价页）做无代码配置，让非技术人员也能跑测试 。

文化转变最大的助力是 CEO 和联合创始人（Erik 和 Danny）的公开支持——虽然实验不是他们本能的思维方式，但他们在前线一样宣讲产品主导增长和实验 。另一个关键是让团队看到实际的胜利——比如复盘正性化那个案例，跨团队应用、指标动了、学得更快了，人们自然会被 energized 。

品牌和实验不是对立的

Albert 以前觉得营销和增长实验是对立的，现在发现它们是火箭燃料 。Duolingo 的猫头鹰 Duo 在推送通知和产品体验里发展出了个性，营销团队把这个个性搬到 TikTok、YouTube 上，助长表情包传播。他们在产品里追踪”你怎么听说我们的”，有些天品牌渠道能带来 20% 到 30% 的新用户 。

Chess.com 前 15 年基本在雷达之下，然后疫情、《女王的棋局》、YouTube 和 Twitch 主播、学校里的小孩下棋——这些外部浪潮叠加产品本身的持续迭代，让注册量一夜之间翻两番 。

招人：高主观能动性比深经验重要

Albert 反复看到，表现最好的人不一定是那个领域经验最深的人，而是主观能动性极高、时钟速度快、有能量的人 。在 AI 让地面变化如此之快的世界里，经验有时候反而是拐杖——你学到的很多习惯需要有意地丢弃，你需要的是初学者思维 。

怎么识别这种人？很多信号在面试之外：他们问的问题类型——“他们真的深入用了你的产品吗？“；安排面试过程中的沟通方式；他们带入对话的能量 。

本集带走

• 探索与利用交替循环：找到一个反直觉的洞察（比如”人赢了才复盘”），先在一个点上验证，然后迅速扩展到产品其他角落；当该方向的实验开始大面积不显著时，切回探索模式。
• 免费产品要展示你最强的面：别让免费用户的认知停留在你最基础的功能上。从付费功能里抽样穿插给免费用户做”限量体验”，升级率可以翻倍。
• 第一天后留存 30-40% 是消费应用的及格线：但真正驱动复合增长的是现有用户的留存——已经形成习惯的人有多粘性。
• 别忽视休眠用户的复活：成熟产品 80% 的活跃用户可能是现有用户，设计专门的”复活体验”（重新分级、社交通知拉回）ROI 很高。
• AI 增长的两个实操点：Slack 里的 text to SQL 机器人解决一次性数据问题；用 AI 原型工具把产品主界面做成可点击的原型，加速探索阶段的想法可视化。
• 实验数量目标的价值不在数字本身：设一个”1000 个实验/年”的北极星，真正有用的是它引发的对话——哪些职能可以参与、哪些屏幕需要无代码化、可观测性够不够。
• 招人优先看主观能动性和时钟速度：在 AI 时代，“深经验”可能是拐杖，初学者思维加上快速行动力才是你想要的。

我看到一些表现最好的人只是那些具有很高主观能动性、具有那个时钟速度、有那种精力的人，但他们不一定需要在这个主题上有深厚的经验。
I saw some of the highest performers just being people that had very high agency, had that clock speed, had that energy, but they didn’t necessarily need to have deep experience on that matter.
—— Albert Cheng · [00:54]

有时候经验可能是一个拐杖，特别是在这个世界，在这个 AI 让地面变化如此之快的世界。
Sometimes experience could be a crutch, especially in this world where the grounds are shifting so fast with AI.
—— Albert Cheng · [01:03]

他观察到的是，80% 复盘对局的人实际上是在获胜后这样做的。
And what he observes is that 80% of people that review their games actually do so after a win.
—— Albert Cheng · [11:40]

但是当你确实发现了一个突破噪音的东西，它实际上也可能是一个巨大的失败的实验，这些也是非常有价值的。
But when you do find a thing that breaks through the noise, and it could actually be a hugely losing experiment too, those are also super valuable.
—— Albert Cheng · [13:51]

坦率地说，无论是公司品牌还是大多数免费用户实际体验到的产品体验，都是 Grammarly 只是一个修复拼写和语法的工具，因为那些是我们向人们展示的免费建议。
And quite frankly, both the company brand as well as the lived product experience for most of the free users was that Grammarly was just a product to fix your spelling and grammar because those were the free suggestions we were showing people.
—— Albert Cheng · [23:19]

而我们完全发现并非如此，突然之间，人们把 Grammarly 视为一个比以前强大得多的工具，而且我们的升级率几乎翻了一番，仅仅通过这个变化。
And we found completely that was not the case all of a sudden, people were seeing Grammarly as a much more powerful tool than they were before and our upgrade rates nearly doubled just through this change.
—— Albert Cheng · [23:58]

如果你不能留住用户，那么很多责任就落在让他们在第一天付费上，这超级难。
If you don’t retain your users, then a lot of the onus is on getting them to pay on day one, that’s super hard.
—— Albert Cheng · [28:36]

你可以让你的注册量一夜之间翻两番，如果你不利用这一点，那你就是个傻瓜。
You can quadruple your registrations overnight and you’d be a fool not to take advantage of that.
—— Albert Cheng · [43:57]

有趣的是，LLM 本身在下国际象棋方面相当糟糕。
Interestingly, LLMs themselves are quite bad at playing chess.
—— Albert Cheng · [49:46]

所以在 2023 年之前，公司实际上根本没有做实验。
So prior to 2023, the company practically didn’t experiment at all.
—— Albert Cheng · [57:56]

我编造了它吗？是的，绝对是我编造的，但它仍然是一个目标，是团队要去思考的事情，一千个实验本身就是。
Did I make it up? Yes, absolutely, I made it up, but it’s still a target and a thing for the teams to think about and a thousand experiments by itself.
—— Albert Cheng · [58:08]

而当你输掉一局时，用户留存率比当你赢一局时低 10%。
And when you lose a game, user retention is 10% worse than when you win a game.
—— Albert Cheng · [66:24]

你的许多学到的习惯实际上需要被有意抛弃。
A lot of your learned habits actually need to be intentionally discarded.
—— Albert Cheng · [68:57]