跨国深谈← 返回←RAMP 的 GTM 编排实验：一句话意图，全渠道自动执行

RAMP 的 GTM 编排实验：一句话意图，全渠道自动执行

关联

人物 Arman Vaziri

公司 Ramp

概念 go-to-market 编排 · 智能体 · 持久化执行 · CDP · MCP · 护栏

=正文= 这一集讲的是 RAMP(一家企业支出管理公司)怎么把 go-to-market(即产品进入市场、触达客户的整套打法)变成「描述一句意图，系统自动执行」。说话的人叫 Armand,他在 RAMP 领导产品和销售驱动增长工程团队。

他说的「go-to-market 编排」目标很直接：你只需描述一个动作——比如「向东海岸建筑公司里打高尔夫的人推一个试用激励」——系统就能自动拉出这批受众、生成外呼序列和文案、做付费广告和网页的创意素材，甚至在应用内弹通知，全渠道同时执行 。他举的这个「送高尔夫球」的例子不是空想，他后来透露这个活动实际效果非常好 。

瓶颈不在想法，在协调

几年前他们就发现：公司里不缺点子——产品、数据、工程、销售人人都有好想法，瓶颈是想法之后的一切：怎么拉受众、怎么说服一堆人遵守你的策略和赋能材料 。具体卡在三个地方：①数据乱，每个系统各有一套「真相」，跨团队协同根本不可能；②销售代表整天连轴开会、做外呼，被琐事埋没，实验和创意根本铺不开；③协调成本高，写提案、做材料、说服大家用，速度怎么都快不过「以月为单位」。

第一块地基：自建客户数据平台

要编排，先得有统一的数据底座。RAMP 在内部自建了一个 CDP(客户数据平台，把散落各处的客户数据汇成一份)：接入 CRM 数据、产品数据、富化数据、网站数据、购买信号(既有内部建模的「这个客户很可能用采购产品」，也有融资公告这类外部信号)，还有邮件、会议、电话、页面浏览等交互数据 。

实时事件(比如邮件)进 Kafka topic 再回流到 Postgres 数据库，保证事务性和各实体之间的引用完整性，并记录每条数据的来源与时间；大量销售数据本质是非结构化的——通话记录、邮件、笔记——所以他们对这些数据做嵌入(把文本转成可搜索的向量)，让跨内容搜索成为可能 。因为 RAMP 的可触达市场几乎是全美国，预计算、预摄取这些富化数据非常关键；离线侧则用 DBT 和 Snowflake 做批处理，再回灌到同一层 。

第二块：一个会前简报案例

他们的战术是先为一个团队解决，再横向扩展——大家的痛点高度重叠：都想要自动化外呼、都想要会前准备 。第一个落地产品是给客户经理(AM)的会前简报：每晚后台派出一组智能体，按账户逐个生成会议准备材料，整合「这次谈什么、客户想解决什么、有没有未关闭的工单、产品使用情况如何」这些背景，让 AM 在连轴转的会里有备而来 。

技术上有个关键设计：他们围绕持久化执行(durable execution,即任务状态被持久保存、挂了能接着跑而不是从头重来)搭了一套系统，基于 Temporal 构建——每次工具调用和模型调用都是一条 activity,worker 挂掉可以从断点恢复全部状态，而不是把整条线程重新处理一遍 。不同智能体按配置访问不同工具集，还有 human-in-the-loop(暂停执行、等人类输入、再恢复)的工具。

非结构化数据这边，分块、嵌入后放进 TurboPuffer(一个向量数据库)，智能体用向量搜索、属性搜索、关键词搜索的组合，把信息限定在特定账户范围内拉取——而不是把整个语料库塞进上下文，那样既低效又贵 。他们还建了技能库让每个人自定义自己的智能体：不同人关心的简报格式和信息不同，允许用文本表达偏好交给智能体，这对推动采用非常关键 。

第三块：同一套能力，员工也能用

地基搭好后，扩展就是顺水推舟：会议简报之外，他们加了会后跟进、自动 CRM 更新——智能体从会议记录里发现「聊到了一个扩张机会」，就预填好创建该机会所需的全部信息，销售点个头就直接落地 。复制到其他团队(比如面向售前的 AE)主要工作只是换技能、换数据集成：邮件、通话转写嵌入、自定义指令是可泛化的，但售前需要更多第三方数据而非产品数据 。

更有意思的一步：他们搭了所谓 GTM MCP,把后台智能体用的同一套工具开放给全体员工，谁都能接上去聊天、搭自己的自动化——而且员工真的搭了大量东西 。这产生了复利效应：员工连上 MCP,等于在告诉公司「我有这个问题、我这么解」，公司就可以直接把它产品化，分发给所有有类似问题的人；员工连提示词、技能、甚至自己 vibe coding 的成果都一并贡献出来，极大降低了产品化成本 。

终局：多渠道编排

Armand 强调，前面那些垂直构建正是多团队、多渠道分发的地基 。像高尔夫那个实验，意图导入内部应用 Ramp Revenue 后，自动给 SDR 生成受众名单和个性化外呼文案，生成落地页和广告创意，渠道负责人审核签字后即可上线。智能体还能同时持有多个候选活动，做经典的「多臂老虎机」平衡——探索新玩法与稳收已知回报之间取舍 ;并内置护栏管理合规规则、参与规则，具备情境意识，避免对同一批人重复轰炸 。

小公司怎么办

有人问小公司或刚起步的公司怎么学。他的回答：先找你能围绕它做自动化的非常具体的用例，解决真实存在的具体问题。

三年前他们只有两个人，做的就是用 GPT 3.5 往外呼序列里塞个性化文案这种小事；在做这些的过程中自然理解了它如何运作、如何扩展到其他团队。现实是你不可能花一年去搭一套完美架构——把各个垂直解决方案拼起来、粘在一起就行 。

本集带走

• 瓶颈是协调不是想法：好点子不缺，缺的是拉受众、做材料、说服执行的整套下盘；工程上先建一致的数据底座(CDP + 嵌入搜索)，再谈自动化。
• 先服务一个团队，再横向复制：选一个重叠度高的痛点(如会前准备)打透，扩展到其他团队时主要工作只是换技能和数据集成。
• 持久化执行是后台智能体的关键：把每次工具/模型调用做成可恢复的 activity,worker 挂了从断点接着跑，不从头重算。
• 把后台智能体的工具原样开放给员工：同一套工具既跑自动化又能被员工自用，员工的自建方案反过来成为产品化的来源。
• 编排的形态：一句意图 → 自动生成受众/文案/创意/落地页 → 渠道负责人签字 → 多渠道执行，配上护栏和探索/收益的平衡。
• 小公司路径：别想完美架构，从一个具体用例(哪怕只是 GPT 3.5 写外呼文案)开始，拼凑垂直方案再粘合。

每个人都在不同的真相源上运营，这使得要跨这些不同的 go-to-market 团队和渠道分发协调一致的行动，实际上是不可能的。
Everybody’s operating off of a different source of truth, and that makes it effectively impossible to go and distribute some coordinated action across these different go-to-market teams and channels.
—— Arman Vaziri · [02:53]

这会产生复利效应，因为当人们去构建自己的东西并连接到我们的 MCP 时，他们基本上是在告诉我们：这是我的一个问题。
And this compounds because when people go and build their own thing and they go and connect to our MCP, they’re basically telling us, here is a problem that I have.
—— Arman Vaziri · [14:57]

现实是你不可能花一年去构建某种完美无缺的复杂系统架构，所以你必须把各个垂直解决方案拼凑起来，然后把它们粘在一起。
The reality is that you can’t spend a year going and building some really complicated system architecture that is perfect, so you have to like piece together the vertical solutions and then stick them together.
—— Arman Vaziri · [19:25]