Val Scholz：Revolut 的推荐增长、招聘与规模化

Revolut 前增长负责人 Val Scholz 认为，初创公司可以寻找直接竞争较少的市场，并专注于打造明显优于现有选择的产品。他以 Revolut 早期在爱尔兰、罗马尼亚和波兰的扩张为例。这些是他事后对竞争的判断。

Scholz 告诉 Harry Stebbings，自己最初从制作网站开始，并向朋友学习搜索引擎优化。在 MindMeister，他研究如何在外部网站分享思维导图以获取流量，这是他后来称为增长工作的早期经历。

他说，在 Revolut 最大的教训是把一件事做得非常好，而不是同时追求许多事情。他称，在这一时期获得的消费客户中约 90% 来自推荐。访谈没有说明测量时间范围，也没有独立核实这一数字。

团队希望用户能在五分钟内完成注册并首次付款，让推荐可以在一次对话中转化为使用。Scholz 认为，邀请人数和推荐速度同样重要：三分钟内带来三位用户与三年内带来三位用户，增长速度不同。

他估计，首次付款激活率从早期约 30%—35% 升至自己离开时的约 90%。他说，在给 4,000 名用户发邮件后，发现很多人尚无使用场景，因为他们把 Revolut 视为旅行卡。访谈没有提供具体用户群、观察期或独立比较依据。

团队改变了产品定位，并处理身份核验和不同国家账户充值方式等摩擦。Scholz 说，提高推荐奖励能吸引更多用户，但必须与获客成本平衡。他回忆某一时期每次获客成本约为 9 英镑；Stebbings 指出，如果只有部分注册用户付款，每位激活用户的成本可能更高。

Scholz 说，早期推荐奖励是免费卡而非现金，因为公司需要资金支持产品、工程和支付运营。他回忆，Revolut 最初的外汇场景后来支持了储蓄和投资等其他产品。这些是他对战略的叙述，并非经审计的成本分解。

他认为，增加产品可以为客户提供更多使用理由并支持交叉销售，从而让增长更容易。他说付费高级服务获得了关注，并回忆金属卡需求强劲，包括约 1 万张预订。这些数字和对需求原因的解释来自他的事后回忆。

他说，团队尝试了许多实验，包括在科技公司办公室发卡，但长期效果可能难以测量。当 YouTube 网红等渠道看起来有效时，团队会快速扩大投入。他建议估算观看量、点击率、转化率和可接受的获客成本，再测试几个细分领域；例子中的假设并非保证值。

由于早期客户终身价值不确定，Scholz 建议比较每月同期群，并观察留存是否趋于稳定。他回忆，早期付款活跃度在几个月后稳定在约 20%，后来随着日常银行产品增加而改善。访谈没有定义完整同期群方法，也没有证明哪些变化导致了改善。

他将依赖人力的传统营销与推荐、付费激励和用户生成内容等软件驱动循环作对比。他说，在他任职期间 Revolut 没有依赖付费营销，因为停止花钱后流量也会停止。这是他的模型和历史叙述，并不能证明所有付费营销都无效。

对于内容获客，他介绍了两种方法：用户生成内容，以及围绕搜索主题和落地页组织的内部生产内容。内部团队可以在用户社区创造内容之前先建立供给。他以 Canva 为例，但没有独立测量其搜索流量。

Scholz 建议，在资源有限时，先加倍投入一个有效渠道，再避免过早分散到太多渠道。早期同时运行许多渠道会让归因更嘈杂、学习更慢，尽管他也认为可以在其他渠道做一些实验。合适的平衡取决于公司和数据。

他倾向在证明产品市场契合之后招聘增长负责人，因为招聘后通常会产生立即展示增长的压力。他认为，即使留存较弱，流量也可能暂时支撑业务，但持久的产品需要独特洞察和真实需求。他的例子及因果解释并非受控研究。

对于首位增长负责人，他偏好有抱负、能够与公司一起成长的人。他说这一角色压力很大，因为绩效会被频繁衡量。他认为招聘失误常源于面试官没有深入了解候选人的实际贡献，或其动机是否与岗位匹配。

Scholz 说，Revolut 寻找有动力、学习快的人，并认为技能比态度更容易教授。他建议明确说明对晚上或周末工作的期望，让候选人判断环境是否适合自己。他的个人偏好并不能证明所有员工或团队都必须长时间工作。

他将寻找候选人描述为漏斗：确定相关经验、联系候选人并由招聘经理筛选。他对只强调预算或团队规模、却不解释影响的简历持怀疑态度。他曾把名校和快速晋升作为学习速度的粗略信号；这些代理指标可能遗漏有能力的人，也只是他自己的招聘方法。

面试中，团队会使用经过修改的数据，让候选人处理过去遇到的难题，重点观察是否有结构化方法，而不是是否给出完整解答。Scholz 说，可重复的原因识别和假设检验方法比记住答案更重要。

他说，自己往往很早就会对新员工形成印象，随后尝试用三四周改善情况；如果进展不足，有时会结束合作。他关注员工是否回应反馈并学习。这是个人管理经验法则，并非可靠的普遍试用期标准。

被问及文化时，Scholz 说 Revolut 是一个围绕快速表现而设、要求严格的环境，不适合这个环境的人可能在别处成功。他将其与顶级运动队作比较。他的正面叙述来自前经理，并非员工体验调查。

他回忆曾辅导一位有创造力的设计师，对方不断优化单个页面，而团队需要完整用户流程。Scholz 在几周内将沟通增加到每天四次，工作改善后再减少频率。他用这个故事说明投入时间和反馈的重要性，但它只是个案，不能证明普遍方法。

他支持频繁反馈，认为每周评审可以在学习和留出工作时间之间取得平衡。他回忆创始人 Nik Storonsky 参加了许多团队会议，并说直接反馈帮助员工成长。访谈没有测量这些会议的效果。

被问及创始人是否通过恐惧领导时，Scholz 描述了一种追求事实的文化，说数据可以让 Storonsky 改变想法。他承认有些人可能感到压力或害怕犯错。这是他的解读，不能确定其他人如何体验这一工作环境。

Scholz 说，快速增长使所有系统承压：人数、沟通、数据库和支持都必须扩大。他回忆，罗马尼亚的一次推荐活动使每日注册量在三天内从约 2,000 增至 6.4 万，之后团队暂停了活动。他说身份核验和支持等待时间大幅延长；这些数字来自回忆，精确定义没有提供。

他说，在早期，不同国家的增长方法差异较小，而后来触达年长用户可能需要新渠道。Revolut 将自己定位为传统银行的替代选择，而不是重点强调是否成为用户的主账户。这些是他对历史产品和营销的看法。

谈到数据基础设施，Scholz 批评在需要连接支付、营销活动和产品数据时，只依赖孤立的事件分析。他介绍将多个来源汇总到数据仓库、通过用户 ID 连接，以研究同期群和经济效益。这是他对架构的偏好，并不能证明所有组织都应放弃事件追踪。

他回忆，一次快速推出的免费卡推荐活动在一周内带来约 18 万注册，而此前速度约为每周 1 万。他最不成功的实验试图通过向非用户付款吸引用户；他猜测收款人可能不信任意外收到的付款消息。这些数字和解释未经独立核实。

快问快答中，他敦促创始人使用自己的产品，并提醒一开始就依赖付费获客可能使产品驱动增长变得困难。他预测 AI 最初会增加自动化外联和噪声，让真实价值和触达用户的方法更加重要。这些是实践观点和预测。

他认为 Revolut 是比 Monzo 更广泛的金融生态，并称赞 Storonsky 的分析和创造性思维。他描述了以最快速度完成高质量工作的困难要求。他对产品的比较反映了自己曾在 Revolut 任职，并非独立功能评估。

Scholz 推测，未来实体机器人可能改变人们与数字系统互动的方式。他还讨论自己任职的 Kittl 如何作为挑战者面对大型设计竞争对手。他认为小公司可以进入巨头忽视的细分市场；这一战略观点涉及其现雇主。

他称赞 Nubank 据称的留存率和分期付款功能，描述了提前付款折扣，并引用粗略的用户和利润数字。他对巴西规则、经济机制和公司指标的解释在访谈中没有来源，不应视为经核实的法律或财务说明。对话在致谢中结束。