跨国深谈← 返回←SaaS增长该抄电商作业：付费广告立刻开打

SaaS增长该抄电商作业：付费广告立刻开打

关联

人物 Matt Swulinski · Harry Stebbings

公司 Superhuman · Whisper · Victor · Meta · Google

概念 PLG · 智能体 · ugc · AEO · 转化跟踪 · 推荐计划 · 创意素材

SaaS公司做增长最大的误区，就是听了「付费广告是毒药，要等」这种话。Matt 在 Superhuman、Whisper 和现在的 Victor 三家公司的做法完全相反：从一开始就上付费，而且越早越好。 因为付费是你验证产品能不能规模化最快的方式——你可以在一周内测完信息传递、创意素材、漏斗和定位，靠内容写作和播客来做同样的事要花几个月 。

先搞定转化跟踪，再花第一分钱

在投钱之前，有一步 90% 的公司都没做：把转化跟踪和分析基础设施搭好 。

具体来说，你需要一位分析负责人加一位分析开发，在网站和产品内部把所有信号接通。Meta 上有个「匹配率」的概念，Google 上有「丰富度评分」——如果你没把这两个指标拉满，Meta 会看不到一半的用户，不会归因转化，算法就变成随机投放，你的获客成本（CAC）会高得离谱 。这时候你说「付费对我不起作用」，其实是你设置没做对。

【背景】电商领域有 Triple Whale、Elevar 这类开箱即用的归因工具，15 分钟就能接好，但 SaaS 领域没有这样的现成方案，每家都得自建。

核心就三个渠道：Meta、Google、Lifecycle

别贪多。Matt 把任何获客引擎归纳为「核心三个」：Meta、Google 和 Lifecycle（邮件、短信、推送等生命周期触达）。

光靠这三个就能从零跑到一千万 ARR。大家说要做 TikTok、Reddit，但渠道做多了全做差，跟用智能体同时干一百万件事结果全干砸是一个道理 。

预算方面，如果你融了 300 到 500 万美元，拿 10 万出来做启动验证是合理的 。但关键不是数字，是你每用户平均收入和单位经济——像 Victor 因为 ARPU 很高，CAC 几千美元经济模型也跑得通 。

创意素材是弹药：一个月 400 到 500 个

Meta 有一次叫 Andromeda 的更新，把定向逻辑翻了个底朝天：创意就是定向。 算法不再让你手动选受众，而是分析你的创意素材，帮你找人 。这意味着以前那种调参数的媒体采买人员被淘汰了，现在核心能力是创意策略。

如果你在 Meta 上月投 10 万，你每个月至少需要 400 到 500 个新创意素材，否则会撞上平台期 。怎么做到？

三个来源并行：自建创作者计划（给创作者分广告费比例让他们帮你拍）、合作五家左右代理商、加上内部创意团队 。这就是电商玩了十多年的 UGC 模式——几百个创作者、成千上万的创意变体，SaaS 以前不这么干，现在必须学 。

有个细节：算法会把钱全砸到表现最好的那几条广告上（80% 收入来自 20% 创意），但如果你只投那 20%，表现反而会崩。你必须不断投入完全不同风格、不同年龄、不同场景的全新创意，否则获客成本会持续上升 。

AI 生成的完整视频目前还是「垃圾」，一眼就能看出来，但 AI 在生成变体方面是超能力——拍一条真人视频，用 AI 换背景换衣服，一条变几千条，这个打法是有效的 。

YouTube 的窍门：竖屏转横屏模板

YouTube 广告表现最好的是 16:9 横屏，但很多人只有竖屏 UGC 素材，就不敢上 YouTube。Matt 在 Victor 的做法是：用 Victor 自己建了一个小工具，把任何竖屏视频塞进一个带 logo、G2 评分和 CTA 的横屏静态模板里，视频作为可替换资产，所有竖屏广告直接变 YouTube 广告 。

不过 YouTube 的脚本和 Meta 完全不同。Meta 要前几秒就抓住你，YouTube 观众愿意花时间，所以脚本更像有机 YouTube 视频的风格——「我刚用上这个，生活变了，我给你演示怎么用」。需要单独的团队来做，不能跟 UGC 混在一起。

什么时候加码、什么时候关掉

判断要不要加预算，看的是「弹性」：你多花的每一块钱，收入有没有跟着涨 。很容易犯的错是事情跑起来后直接把预算拉满，但多花的那些钱可能完全没有增量效果，等于白送给 Meta 和 Google 。

Matt 在 Whisper 用过一种激进方法：一个月内把预算拉到 5 倍，看哪里崩。目的不是盲目烧钱，而是快速摸清天花板在哪、哪个渠道该排第一、哪些赞助和播客没用，然后撤回来带着经验重新爬坡 。

如果某个渠道表现很差，指标烂到任何情况下都不可能合理，立刻关掉。如果有些领先指标说还可以但不太好，可以给它一点时间——因为从广告到落地页到转化之间有无数微调杠杆可以试，比如做一个跟广告文案完全一致的超个性化落地页 。

推荐计划：卡在使用限制的节点上

推荐计划要在产品里非常显眼，而且奖励必须具体可感知。Superhuman 是「送一个月得一个月」，有人攒了几百个推荐，一辈子不用付费 。

Whisper 是在你快到 2000 字数限制时弹出：「分享给朋友，下个月免费」。Victor 是基于 token 的——快到限额时给你一个决策树，你可以发 LinkedIn 帖子按 CPM 拿积分，也可以邀请其他公司拿对方付费计划 20% 的收入分成 。

有个容易犯的错：把免费试用额度当成「产品成本」而不是「营销成本」。Matt 算的是「完全获客成本」——免费额度要跟广告费加在一起算 。

AEO 和 PR 的新角色

AEO（答案引擎优化，让智能体搜索时能找到你）的核心不光是页面数量——虽然竞争对手每周在产 100 到 200 个页面，但很多是 AI 生成的废料 。真正重要的是 YouTube 评测、Reddit 讨论和社交舆论。

传统的 PR 和新闻「死了吗？」没有完全死，但它的角色变了：PR 现在主要是为了被引用——当 AEO 系统看到更多外部可信来源在正面写你，你的 AEO 流量会显著上升 。

团队：要系统思考者，不要纯执行专家

Matt 对人才的标准在过去一两年发生了 180 度转变 。以前他要找在 Meta 广告上花了 10 年、操盘过数亿预算的专家。现在他更看重对方是不是「AI 原生」的「系统思考者」——能把自己的工作拆解成所有移动部件、相互关系、无聊的行政部分和报告部分，然后知道哪些可以交给智能体 。

他面试时的核心问题不是「你怎么在工作中用 AI」，而是「你在个人生活里怎么用 AI 工作流」。差的回答是「我有一个 ChatGPT 项目线程，跟它聊」——那不是工作流，没有反馈循环。好的回答要能描述一个自我改进的闭环：智能体做完事、看数据、下次做得更好 。

他在 Whisper 用 Claude Code 搭了一个营销操作系统：Claude 接入邮箱，定时检查有没有新的简报赞助请求，自动询价、调研受众、做第一轮谈判，然后只在需要审批时弹 Slack 消息给他。合同签完后再自动 ingest 数据、写文案、发邮件、建追踪链接，最后根据表现数据决定要不要继续跟这个合作方 。就这样一个人，扛着 Whisper 每月几百万美元的预算做所有执行 。

他认为具备这种能力的人不到候选人的 1% 。但没关系——因为未来一个带智能体套件的好人能顶以前三到五个人的团队 。他的判断是：三年后公司会像董事会，20% 的人做战略思考，80% 的执行由智能体完成 。

本集带走

• 付费立刻开始，别等：付费是一周内验证产品能否规模化的最快方式，同时做内容和有机增长，不冲突。
• 花第一分钱前，先搭好转化跟踪：分析负责人 + 分析开发，把 Meta 匹配率和 Google 丰富度评分拉满，否则算法在盲投。
• 渠道只盯 Meta + Google + Lifecycle：别贪多，三个渠道足够跑到一千万 ARR，做多了全做差。
• 创意就是定向，量要够大：月投 10 万就得起 400-500 个新创意，靠创作者计划 + 代理商 + 内部团队三条线并行。
• 推荐计划卡在使用限制的触发点：快到字数/token 限额时弹出，奖励要具体（免费时长、积分、收入分成），不要虚的周边。
• 免费额度算营销成本：跟广告费加总算「完全获客成本」，才算清真实 CAC。
• 招人考系统思考，不考资历：面试问「个人生活里的 AI 工作流」，看他能不能描述带反馈循环的自动化闭环。

所以归根结底，付费是验证你拥有 PLG、验证你拥有一个能以任何方式、形状或形式扩展的产品最简单的方法。
So at the end of the day, paid is the easiest way to validate that you have PLG, that you have a product that can scale in any way, shape, or form.
—— Matt Swulinski · [08:01]

如果你只关注什么是有效的并且只投放那个，表现就会暴跌。
If you only focus on this is what works and you pump just that, performance will crater.
—— Matt Swulinski · [22:11]

如果你不非常勤奋，最终会发生什么，所有那些增加的支出本来可以不存在，而你也会得到同样的结果。
And what ends up happening if you’re not very diligent, all that additive spend could have not been there and you would have gotten the same results.
—— Matt Swulinski · [28:02]

所以就像在 Whisper 做的那样，我认为每个人都应该做的是，尽你所能的全力以赴，然后看着它爆炸，然后理解它在哪里以及如何爆炸的，撤回并将其作为现在我们知道什么是增量的信息。
So like at Whisper did what I think everyone should do is 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 of now we know what is incremental.
—— Matt Swulinski · [33:09]

如果他们是 AI 原生者或者是系统思考者，并且能够解构是什么让他们的工作运转起来，那么这个人加上经验将胜过那些只有经验但不是 AI 原生者的人。
If they’re AI native or a systems thinker and can deconstruct what makes their job hum, that person plus experience will outcompete someone that just has experience and is not an AI native.
—— Matt Swulinski · [52:41]

我认为三年后，公司本质上就像董事会，20% 的工作是战略和思考，然后智能体只做 80% 的执行。
I think in three years, companies will essentially be like board of directors, where 20% of the work is the strategy and the thinking, and then agents just do 80% of the execution.
—— Matt Swulinski · [60:41]