George Bonaci 谈增长实验、招聘与寻找新渠道

Ramp 增长副总裁 George Bonaci 与 Harry Stebbings 讨论增长实验、营销归因、招聘和 AI。他的观点体现了他在 Ramp 及其他公司的经验，以及负责增长的商业角色。访谈没有证实视频所称的“增长最快”这一最高级表述，也没有独立验证增长和转化率方面的主张。

Bonaci 称增长是一种科学：提出假设、开展实验并衡量结果，而不是假定另一家企业的方法可以直接照搬。他说每家公司都不同，因此意外的失败或成功都是有用信息。这与仅因为某种策略在别处有效就直接推出形成对比。

增长组合既需要可能带来跨越式变化的高风险投入，也需要帮助实现近期目标、结果更可预测的改进。他建议与财务和领导层协商，确定如何在不同时间尺度之间分配资源。合适的风险承受程度取决于公司阶段，以及它优先追求增长还是盈利。

他预计大多数实验会失败，通常倾向于提高速度，但提醒粗糙的测试可能存在太多混杂因素，无法带来任何学习。极其严谨的实验可能耗时太长，而大量设计不佳的测试也可能无法产生可靠认识。目标是在速度和理解结果的能力之间取得平衡。

在一家未具名公司，一个重要网页的转化率持续下降。他说，团队一次改动了许多地方，几周内转化率增至三倍，帮助实现了季度目标。后来他们不得不测试并撤销部分改动，因为无法确定改善的原因。这是一个没有对照的例子，并不能证明所有改动都有效。

对于内容等见效较慢的投入，Bonaci 建议事先约定时间范围，并寻找领先指标或规模较小的测试。他根据预期影响和投入确定实验优先级，同时考虑信心程度和获得结果的时间。如果一个信心较低的实验能迅速产生有用信号，它仍可能值得做。

他说，团队在启动之前应明确能够衡量什么、需要多久，以及结果是否可能达到统计显著性。如果无法进行定量衡量，可以收集定性反馈，但必须承认不确定性和判断出错的可能。数据专家可以协助设计实验。

Bonaci 主张将成功渠道的投入快速扩大到接近饱和。Stebbings 质疑，把支出从 1 万美元一下增加到 20 万美元是否会破坏效率；Bonaci 同意响应曲线很重要，并说要观察增量回报何时开始下降。他认为初创公司往往太慢才达到这一点，但合适的投入速度取决于渠道。

他说，随着受众趋于饱和，获客成本可能上升，但新产品、新地区和新渠道可以抵消这种压力；简单归因也可能遗漏跨渠道影响。他认为客户终身价值是有用的框架，但承认早期估算很困难。团队应考虑不确定性，并商定愿意投入多少。

他认为团队不应过度依恋某个实验，以至于无法停止。如果对一项长期投入非常有信心，就应重新审视信心程度和约定的时间范围；否则要认识到尝试新事物时失败很正常。这是一项管理原则，并不是要求砍掉所有见效慢的渠道。

他建议在测试前做事前复盘：列出可能导致失败的原因，例如样本不足。如果失败来自未曾预料的原因，或产生可以用于其他领域的经验，事后复盘尤其有用。他粗略估计，对于高信心投入，团队能预见超过 90% 的失败原因；这一估计基于经验，并非实测的普遍比例。

实验负责人应撰写事后复盘，询问设计和执行是否良好，并找出可迁移的经验。他更愿意在与相关跨职能人员现场讨论之前，至少提前 24 小时分享文档。形式的重要性不如学习和避免未来可避免的失败。

Bonaci 说，在一次 A/B 测试中，红色按钮整体胜出，但在企业客户访问者中的表现较差。因此，盲目将整体结果用于面向企业的内容和网络研讨会可能损害这些活动。他用这个例子强调细分群体分析；访谈没有提供样本量或详细结果。

Bonaci 希望增长团队足够独立，能够跨产品和营销部门开展对业务最有帮助的工作。他说 Ramp 的增长团队向一位联合创始人汇报，其他组织则可能采用首席增长官或跨部门流动团队。他承认，结构取决于具体业务。

他借用投资领域的“超额收益”来指其他人尚未获取的优势。一种来源是在新兴渠道变得拥挤之前尝试；另一种是测试别人不看好的事情。他回忆，直接邮寄最初听起来不可行，但经过多次迭代成为重要渠道；这是公司经验，并非普遍回报的主张。

为了寻找想法，他建议结合阅读、与同行交流，以及观察其他行业或地区。他以 WhatsApp 为例，说这个渠道在某些国际市场比在美国企业营销中更成熟。历史方法可以调整后使用，而不是照搬，例如将较早的营销组合建模思路应用于数字广告。

他喜欢直接邮寄，因为它当时相对少人使用，又能覆盖大样本，便于并行测试和更快学习。他也认为企业对企业的达人营销可能是一个机会，尽管建立该渠道很费人力。没有任何渠道能保证对特定公司有效。

谈到归因，他将品牌投资视为较长期、风险较高且可能难以直接衡量的投入。它既可以让已经寻找解决方案的人认识品牌，也可以让更广泛的受众意识到某个问题。他建议在直接响应渠道逐渐成熟时考虑品牌，同时承认归因仍不确定。

他说，当团队发现并扩大一个强劲机会时，短期集中于单一增长渠道可能是合理的。挑战在于继续建立和多元化后续投入，而不是无限期依赖一个渠道。增长团队也需要沟通自己的思考方式，让跨职能工作与公司目标一致。

对于处于 A 轮左右的早期公司，Bonaci 更偏好相对初级、能力强的通才，而不是仅凭履历高薪聘请高级专家。他看重逻辑解决问题、数字能力、快速学习和内在动力。工程、金融或咨询背景可能有帮助，但这只是他的经验法则，并不排除其他路径。

他提醒，习惯大公司方法的人可能难以适应小型初创企业需要亲力亲为的工作。面试时，他建议进行背景推荐调查，并使用真实的定量案例或带回家完成的作业。创始人应在测试候选人之前明确优秀表现是什么，同时既要评估机会，也要让机会对候选人有吸引力。

他举例说，作业可以使用杂乱的真实世界数据：候选人在判断哪个活动或哪些线索表现最好之前，可能必须发现重复记录、日期不一致或缺失信息。他观察候选人提出的问题和推理方式，而不只是最终答案。其他团队成员也应与候选人见面，评估双方是否适合合作。

他说，通才可能在入职后发现自己并不喜欢增长工作，即使优秀的招聘经理也会犯错。他建议透明说明工作内容和表现评估方式。不同公司阶段适合不同工作风格，但他不认为人永远注定只适合某个阶段。

Bonaci 认为管理是一项需要明确投入的技能。他回忆 Samsara 曾设有结构化领导力项目，包括阅读书籍、同伴讨论，以及要求参与者应用所学内容。他认为，领导层必须提供时间、资源和问责机制，而不是简单地让员工自行学习。

Stebbings 问，较早的商业书籍是否适用于现代技术和变化中的员工群体。Bonaci 认为，战术的变化比许多管理原则更大，并引用约束理论：找出阻碍团队取得更多成果的瓶颈，并努力消除它。他建议有意识地选择原则，而不是照搬整套方法。

在 Ramp，他认为实验速度是瓶颈，因为机会多于可用的时间和资源。他说，领导者应足够了解团队每个人的工作，哪怕自己只能勉强完成，同时聘请比自己更擅长的人。目标是在避免事无巨细管理的同时，保有足够的理解，以帮助消除障碍。

他期望新增长员工在前 30 天了解业务、岗位和公司的赚钱方式。他偏好详细的 30、60、90 天计划，并安排早期工作，让评估依据事实而非感觉。他希望 90 天后看到员工想法带来的结果，同时承认有些问题需要更长时间。

他说，增长岗位招聘失败的常见原因是管理者出错：岗位范围不清、业务发生变化，或招聘了不合适的人。他建议不要列出一长串愿望清单，而应确定对业务最重要的一个问题或技能，并评估候选人能否解决。

谈到 AI，Bonaci 认为，根据历史数据自动分配预算可能改善现有活动，但可能难以找到真正的新机会。他说，AI 帮助人们在技术背景较少的情况下编写代码和分析数据，改变了他自己的招聘假设。这一观点反映访谈时可用的工具，并非对未来能力的保证。

他认为 AI 是创意和效果优化工作的协作者：它可以提出想法或帮助分析数据。他个人觉得 AI 对头脑风暴和撰写提示词尤其有用，因为创意并非他的最强项。输出仍需判断；他的说法是个人经验，而非实测的生产率估计。

在竞争激烈的市场中，Bonaci 认为更好的产品至关重要，但还必须配合分发计划。他反对依赖“产品做好了，客户自然会来”，认为异常强劲的口碑有时有效，但把太多结果交给了运气。作为 Ramp 的增长负责人，他对这一产品和分发观点有直接利益。

在快问快答中，他提醒创始人不要仅凭经验招聘，应先定义并测试优秀表现是什么。他建议向建立过相关体系的人学习。他认为企业对企业的达人营销是被低估的渠道，付费搜索则可能很快饱和；这些是判断，并非基于基准测试的回报数据。

他对在小公司早期赞助某些活动感到遗憾：一个不起眼的展位淹没在竞争者之中。他说，当公司规模更大时，活动策略可以结合演讲、广告和后续联系。他也看好直接邮寄和展示广告的潜力，但强调展示广告的间接影响难以衡量。

Bonaci 说，看到 Gong 投资品牌后，即使单项活动难以衡量，他也更加重视品牌投资。他注意到此后客户主动联系有所增长，但没有确立因果关系。最后，他考虑了陌生电话和实地销售等不那么流行的渠道，将它们视为值得测试的机会，而非保证成功的选择。