Guillaume Cabane：增长实验、招聘与获客经济模型

Guillaume Cabane 告诉 Harry Stebbings，他进入增长领域的道路始于欧洲的 Apple：他的营销经理会开展实验，因为实验不像营销活动那样需要同样的审批。后来在一家安全公司，他利用工程技术构建能带来需求的实用工具。这些经验最终汇合到 Segment 等 SaaS 公司的增长工作中。

他说，免费工具仍然可以带来需求，但许多计算器和网站评分工具质量已经变差，用户也可能不愿分享个人信息。工具需要提供真正的价值。这是他的判断，并非对免费工具效果的量化估计。

Cabane 说，在 Segment，团队通过 LinkedIn 个人资料网址而非工作邮箱，关联开发者在不同工作之间的产品使用情况。按他的说法，一些在小型初创公司使用过产品的人，后来将产品带到了更大的公司。这样的归因依赖身份匹配和公司数据；他没有提供量化的因果结果。

Stebbings 质疑初创公司能否同时做好产品驱动增长和企业销售。Cabane 说，许多公司最终会结合自助服务与销售，而不是把其中任何一种纯粹模式做到极致。他区分了免费套餐与真正的病毒式传播：客户自行注册并不意味着他们会自动邀请其他人。

主持人提醒，低价自助产品无法长期支撑企业级销售成本。Cabane 同意，并说在依赖复杂企业部署的产品上增加自助服务也可能失败。公司经常是在出现大客户后逐步进入更高端市场，为留住账户而增加支持和销售成本。

他回忆，Zapier 曾拒绝企业功能需求，以保持对小企业的专注。更一般地说，他认为公司可能触及早期采用者市场的上限，然后寻求新行业、更大客户群或新地域。他引用历史上的“3-3-2-2-2”增长框架作为参考，同时承认它可能不再是黄金标准。

Cabane 说，资本稀缺时，董事会往往既希望增长，又希望高效获客。他引用了一项参考标准：完全计入成本后，获得一美元收入大约需要一美元获客成本，并区分了营销部分与总成本。他举的四个月示例只涉及简化计算中的营销部分，并非完整获客成本的回收期；结果也取决于收入和成本定义。

他将低于 12 个月的回收期作为一个不错的经验法则，同时认为使用期限长的金融产品可能容许更长周期。Stebbings 质疑：一家早期初创公司的历史数据有限，却预测客户会留存八年。Cabane 同意，早期 CAC 与客户生命周期价值的计算和归因并不可靠，尽管他认为一些金融产品的切换成本很高。

Cabane 预计，随着更容易触达的受众被开发完，获客成本会上升，有时上升速度会超过品牌知名度带来的抵消效果。他介绍说，他担任顾问的 Gorgias 频繁触达目标商户，最终需要产品、定价和品牌工作，而不只是渐进式需求生成。市场规模和接触频率数字是他的估计。

他将增长定义为一组按风险调整的实验，类似风险投资：团队掌握的信息不完整，进行许多有边界的尝试，希望少数成功足以弥补失败。目标可以是获客，也可以是产品激活。他将这与核心营销及产品团队更成熟的工作方式作对比。

他经常提醒团队在实验前评估受众、成本和预期学习结果。在 B2B 软件中，活跃样本可能太小，无法分辨变化与随机波动，因此在数据不足时运行大量测试可能浪费时间。他在实验数据库中记录想法、正在进行的测试和结果，强调团队学到了什么。

对于入职引导邮件，Cabane 建议将邮件序列与完全不发送邮件的一组用户比较，而不是只对比两个版本。他说，按他的经验，邮件序列往往没有给激活或留存带来统计显著的差异。他没有提供样本量或实验细节，因此不能把这一结论推广到所有产品。

他讲述了一家公司发送验证邮件的案例：产品实际上不需要验证，而且无论第一次是否回应，都会再次发送。他说这增加了回访，并承认这一做法有些误导性。访谈没有提供结果，也没有独立证据表明它能改善其他产品的留存。

他更广泛的批评是，营销人员有时没有考虑收件人如何理解信息，例如一封看似私人邮件却套着明显的企业模板。他建议横向产品先关注受众的真实问题，再用数据和语言模型调整沟通内容。听起来相关的个性化内容，并不证明其中的假设准确。

Cabane 说，触达陌生客户时，提供有用且可核实的信息能够赢得注意。在 Gorgias 的一个案例中，团队识别商户公开 Instagram 帖子下尚未回复的负面评论，先提醒商家，再请求演示。他报告回复率为 10% 至 12%，约为他所给比较值的五倍，但没有提供样本量或由此带来营收的证据。

他说，团队在投入自动化之前先手动测试这一想法，并认为系统建成后的边际成本较低。这并不意味着计入全部费用的获客成本为零：研究、工程、发送信息和转化等成本仍然存在。他不知道访谈时这项活动是否仍在运行。

为了说明互惠心理，Cabane 描述人们可能更愿意打开一封手写信，而不是明显的垃圾邮件。他说，在 Ramp 的一项活动中，团队将美国财务负责人的大学信息与即将举行的体育比赛匹配，自动发送带有打赌意味的信息：根据比赛结果提供 50 美元或请求通话。他报告回复率为 12% 至 15%；信息看似逐一研究，实际上由系统自动生成。

Stebbings 问，AI 生成的触达信息是否会让收件人不信任所有消息。Cabane 预测，一些人会拒绝匿名沟通，另一些人则会判断内容是否有用；廉价、高质量的自动化文本可能挤占真正的私人信息。这些是他在 2023 年的预测，并非已经证明的结果。

他提出一个推测性的替代方案：更多依赖社会证明和信任关系，例如潜在买家询问自己认识的产品用户。Stebbings 指出，既有公司在启动这样的网络时可能有优势。Cabane 回应说，早期采用者仍愿意尝试新工具；两人都没有声称这是一种普遍解决方案。

Stebbings 引述一种观点：一个获客渠道就能带来 5000 万美元 ARR。Cabane 说，他没有在自己合作过的公司看到这种情况，并认为 HubSpot 因市场巨大和竞争结构而比较特殊。他建议测试多个渠道，而不是假设第一个成功渠道的容量无限。

为了估计付费渠道的深度，他建议在一个小规模随机受众中快速增加预算，直到支出不再带来相应的互动或营收，然后降低预算。Stebbings 担心这样会损害渠道。实际成本、样本和风险取决于业务；这是实验建议，并不保证能低成本或安全地获得结论。

Cabane 希望营销和增长指标与按概率加权的销售机会管道相关，而不只是看流量。例如，一笔年合同价值 1 万美元、预计成交概率为 30% 的交易，在他的加权管道指标中计为 3000 美元，而不是 1 万美元。这是对潜在合同价值的估计，并非已确认收入，也不能保证成交。

Stebbings 指出，团队可以用低质量线索填满销售机会管道。Cabane 说，线索评分必须反映公司特征、阶段和成交概率，并建议在依赖这个数字前先定义理想客户。即使管道用美元表示，评分失准仍然是一个限制。

他说，增长团队通常向产品或营销部门汇报，尽管他更希望它是独立职能。他建议公司在获得一定营收、拥有一个有效获客渠道和足够数据供实验学习之后，再组建专职团队。Stebbings 反驳说，团队可能是创造流量所必需的；Cabane 则担心过早设定激励会让团队优化注册量，而不是持久收入。

对于第一位增长负责人，Cabane 偏好能够测试想法、从挫折中恢复并关注结果的前创始人。他也认为分析型咨询经验是另一条途径。他建议的小团队包括负责人、工程师和营销人员或文案，并根据需要配备分析能力；这是一种招聘偏好，并非前创始人总是最佳人选的要求。

面试中，他会给候选人一组包含异常观察值的数据，看对方是否注意到并提出疑问。他还会询问游戏和策略，以了解对方如何思考规则、风险和取舍。Stebbings 质疑是否每种游戏都有明显的制胜策略；Cabane 把讨论视为探究思维的一种方式，而非经过验证的招聘测试。

Cabane 说，如果增长岗位员工回避创造性实验，不合适可能很快显现。他将人员数量和实验速度视为主要约束，并称 Ramp 一个约 10 至 15 人的团队每季度运行约 200 项实验。他报告的成功次数和因果效果没有独立核实，也可能取决于如何定义一项实验。

他说，自己最大的招聘错误是雇用非常资深的营销人员；按他的经验，他们虽然承诺重新亲自动手，却没有做到。他也批评职业体系过早推动营销人员转向管理，而不尊重深厚的个人专业能力。这是他的经历，不能证明所有高级员工都不能执行。

作为顾问，Cabane 说，如果公司能够雇到合适的全职负责人，就应该这样做。他把顾问工作定位为补充：当早期公司无法招到同时具备经验和执行能力的人时，可以借助顾问。他与这种顾问模式有直接商业利益。

他说，在 Segment 的一项实验中，网站聊天窗口向访客提供咖啡，并利用位置信息安排配送；等待期间，访客会收到观看演示的邀请。他说实验有效，每次演示约花费 20 美元；这是活动成本数字，并非完全计入成本的获客成本。他还认为邮件仍然有用，并预测新工具会推动陌生电话重新兴起。

他建议新任增长负责人向同行的测试学习，提醒随着加入更多功能，捆绑产品可能只吸引更窄的受众，并希望增长职能更常独立于产品或营销部门。他最后赞赏 Dropbox 和 Zapier 等高度病毒式传播的产品，同时承认市场、产品和分发方式的这种组合很罕见。