Brian Balfour 谈增长循环、渠道契合与可复制增长系统

Harry Stebbings 问 Brian Balfour 是如何进入增长领域的。Balfour 将自己的经历追溯到早期 Facebook 平台和社交游戏，包括他创办的 Viximo。游戏结合了病毒式传播和付费渠道、定量分析、用户心理与激烈竞争，是这一领域人才成长的重要环境。

作为创始人，Balfour 必须解决没有专人负责的问题。他喜欢发现别人没有看到的机会，并运用自己的定量分析能力。他区分了产品如何获取用户和公司如何赚钱：两个系统相互作用，但并不相同。

回顾过去，他说增长机制的选择范围比最初看起来更有限。通过 Reforge，他接触过许多公司，认为团队可以在相对少数的机制内创新，但真正全新的渠道很少出现。了解这些选择有助于团队识别现实可行的机会。

他的第二条经验是信念和耐心。增长循环有时也被称为飞轮，能够像复利一样不断积累：即使系统正在改善，早期进展看起来也可能很小。创始人需要寻找投入端增强的迹象，而不是仅仅因为结果尚未加速就放弃一个有前景的策略。

Stebbings 问，如何区分耐心等待与坚持一件永远不会成功的事。Balfour 说，没有一个简单的判断门槛，但许多团队只看流量或下载量。对于内容策略，他还会观察域名权威度、新页面创建和被发现的速度等信号。

在选择指标或招聘人员之前，Balfour 希望团队先对产品如何增长提出假设。财务模型问的是一美元如何产生超过一美元的回报；增长模型问的是一个用户如何带来更多用户。这两个过程中的步骤和限制因素可能截然不同。

他用 Loom 举例说明自然增长、病毒传播和内容循环；他曾是 Loom 的早期投资人和顾问。一个用户录制视频并发给另一个人，后者可能开始使用产品。教用户采用一对多的公司沟通方式，可以改变每个视频触达的人数。他与 Loom 的利益关系与这个例子有关。

理解循环有助于识别当前限制因素，并决定招聘什么人、跟踪哪些指标。判断策略是否有效时，Balfour 会问：团队能否充分改善相关投入，让系统最终开始自我强化，而不是持续依赖人工推动。

Stebbings 说，创始人往往理解自己的增长机器，却找不到瓶颈。Balfour 质疑第一个前提：如果领导者无法清楚画出用户如何进入系统、经历各个步骤并带来更多用户，团队可能并没有共享一个有用的模型。十项互不相关的策略，并不等于一个增长系统。

定性画出循环后，团队可以为每个步骤指定指标，估算其变化如何影响结果，并将这种敏感度与改善各环节的难度进行比较。如果某个变量极难改变，它即使最敏感，也不一定自动成为最佳目标。

付费获客可以通过短时间大幅增加支出来测试。Balfour 建议从较小的每日预算迅速提高投入，观察效果在哪里恶化：可能是广告创意、注册转化率，也可能是后续步骤。内容循环更难进行压力测试，因为其复利积累更慢，能立即调整的杠杆也更少。

他说，瓶颈往往与产品类型有关。Loom 这样的横向工具，一旦用户理解其用途便可能广泛传播，但由于可能的使用场景很多，激活用户比较困难。服务单一用户类型和问题的垂直工具，即使潜在传播范围不同，激活路径也可能更清晰。

Stebbings 建议在找到产品市场契合之前招聘增长人员，让足够多的人进入产品，从而获得学习所需的数据。Balfour 说，答案取决于产品，以及计划招聘的人实际负责什么。一些公司早期需要专人获客；另一些公司的相关增长工作已经融入产品和工程团队。

他举出一个假设：有部署成本、购买价格较高的企业分析产品，可能从第一天起就需要专人负责由营销驱动的需求。消费社交产品或 Loom 这样的产品驱动工具则更依赖产品和病毒传播循环。在后一种情况下，单独招聘增长人员无法挽救一个不起作用的循环。

Balfour 澄清“产品市场契合还不够”的意思：它本身不足以支撑风险投资所追求的规模，他以在合理时间内达到超过一亿美元收入的目标作说明。他从两个维度看待契合度：契合有多强，以及市场有多大。小市场中的强契合或大市场中的弱契合，仍可能支撑一家企业，却未必满足风险投资规模目标。

他进一步提出产品与渠道契合。创始人不能只顾独立构建产品，然后随意接上分发渠道。大型平台制定自己的规则，产品必须适应这些规则。对于内容驱动策略，公司或用户需要创造渠道能够展示的内容，产品设计和数据设置也必须支持这一循环。

渠道与商业模式契合，关注的是分发方式是否适合公司的定价和经济模型。Balfour 怀疑，要求预付一万美元的产品很难靠病毒循环有效增长：人们可能较少分享，收到推荐的人转化率也可能很低。高价产品可以采用销售模式，但收入必须覆盖人工销售的成本。

Stebbings 问，企业软件公司是否因此应该避开 YouTube 等覆盖广泛的渠道。Balfour 说，提升知名度可能有帮助，但单靠它不一定能带来企业客户。在他讨论的软件案例中，核心销售机器必须先运转起来；辅助渠道应帮助其加速，而不是分散团队注意力。

他为采访使用的录制工具 Riverside 构想了一个可能的产品驱动循环：帮助用户轻松将视频发布到 YouTube，也许让观众看到产品品牌。观众随后可能发现这款产品。这只是增长系统的假设设计，并非对 Riverside 实际结果的描述。

Stebbings 引用 HubSpot 的 Kip Bodnar 的观点：在发展第二个渠道之前，应集中精力做好一个成功渠道。Balfour 同意，成长中的公司应将稀缺的资本、人才和注意力集中在已经有效的核心上。多元化会引入复杂性；与此同时，领导者需要足够早地预判饱和，在增长停滞前建立下一个引擎。

预测饱和很难。Balfour 认为，团队经常把中途遇到的天花板误认为渠道潜力已经耗尽。他说，HubSpot 的内容循环曾多次遇到上限，后来通过新想法突破，但找到这些想法需要艰苦工作，而不是简单套用旧手册。

他称赞 HubSpot 擅长提前规划，回忆公司在首次公开募股（IPO）约 18 个月前，从五年增长目标倒推。团队认为单一营销产品和单一销售模式不够，于是开始寻找第二、第三个产品。他还提到公司的财报记录；那是他在 2023 年访谈中的回忆，并非经独立核实的当前记录。

在开发新渠道或产品时，Balfour 警告不要启动过晚、低估所需时间，或一开始就投入过多人。他支持同时进行少数几项尝试，而不是十项。目标是在维持核心业务运转的同时，给予新引擎足够的发展时间。

他说，在 HubSpot，创始人 Dharmesh Shah 和 Brian Halligan 把新产品当作风险投资来管理。一个约四五人的小团队获得一年类似种子轮的资金，并向内部领导层汇报，后者相当于董事会。一年后，团队再为更大规模的下一阶段争取资金；成功的项目最终被整合进核心业务。

在他看来，人员过多会带来更多声音并拖慢迭代。他倾向于使用少数通才，为他们提供一定程度的组织保护，并设定明确的边界和检查节点。他说，自己在 Reforge 也犯过同样的错误：停止了一个新产品项目，挑选三人组成团队后重新启动。

Stebbings 介绍了一家企业软件公司：它的短视频获得了关注，却没有明显带来注册或收入。Balfour 的回答是，让这项活动适应核心业务，或者停止。如果一个热门渠道占用了寻找真正带来客户的机制所需的稀缺时间，它就不会自动创造价值。

他回忆 HubSpot 一款早期销售产品通过推荐激励和付费获客实现增长。他大致记得产品达到约 10 万周活跃用户，但其中许多是非常小的企业，而不是 HubSpot 战略重点所针对的中型市场客户。这些数字和描述来自他的事后回忆。

团队保持中型市场目标不变，调整了产品、渠道和定价。他们为销售负责人和管理员开发更多功能，减少付费获客，保留部分病毒传播循环，并增加内容和内部销售。他们还调整价格和最低席位要求，以适应新的销售模式。

Balfour 说，团队应该测试能否让吸引注意力的活动适配实际服务的产品和市场。如果这些尝试无法建立联系，仅仅因为数字看起来亮眼就继续投入，可能会让团队偏离核心增长引擎。

他认为第一个指标错误是先有衡量、后有策略。指标应帮助团队判断增长假设是否有效，因此决定跟踪什么之前，团队需要先理解自己的核心循环。第二个错误是直接看数字，却没有从定性角度理解用户和背后的问题。

留存指标能说明这个问题。在选择周活跃用户还是月活跃用户之前，Balfour 会问：产品解决什么问题、问题自然发生的频率是多少、什么行为表明问题已经解决。频率错误的指标或空泛的“活跃”定义，都可能误导人们对产品健康状况的判断。

第三个错误，尤其是在 SaaS 公司，是先关注收入而不是使用情况。按他的说法，使用产生收入；收入本身不会产生使用。团队还需要区分付费的客户账户和实际使用产品的人。在 HubSpot，即使管理员和终端用户属于同一家客户，也需要不同的方法。

对于 AI，Balfour 预计表层策略和工具会发生重大变化，而底层增长问题依然存在。过去需要专家手工完成的分析，例如识别用户被激活或恍然大悟的时刻，可能更容易自动化。这是他在 2023 年的预期，并非对每种工具或团队的实测结果。

他怀疑 AI 能否完全取代理解用户问题、问题自然发生频率以及行为背后心理的定性工作。他将增长概括为：找到套利机会，用它启动一个能够复利增长的循环，优化这一系统，并在饱和之前重复这一过程。在他看来，策略细节可能变化，但这一框架会保留下来。

新的 AI 分发渠道既可能扰乱现有流量，也可能创造机会。Balfour 说，威胁基于 Google 获客方式的变化，也可能带来人们尚不熟悉的新机会，就像早期 Facebook 平台一样。这是他对潜在市场变化的预测，并不保证任何具体策略有效。

被问到错误时，Balfour 说，团队通过动手创造、观察结果并重新思考来学习。在 HubSpot，他曾过于迷恋一款早期产品的病毒增长，尽管它与核心目标市场不匹配。他事后认为，一次否决使产品改变方向，帮助团队利用 HubSpot 已有的中型市场知识和渠道。

在 Reforge，从单次交易转向订阅最初带来了快速增长；他说，这掩盖了产品是否支持可持续重复使用的问题。团队较晚才增加鼓励习惯性使用的功能，随后不得不应对增长停滞。他用这个例子说明，令人印象深刻的结果指标可能掩盖较弱的底层用户行为。

Balfour 回忆，早期 Facebook 上一款虚拟礼物应用会自动向新用户随机选出的朋友发送礼物。它增长极快，以至于服务器不堪重负，但这种做法具有骚扰性，有时还会向前伴侣发送看起来带有浪漫意味的礼物。他称这是一个错误：短暂的套利没有形成可持续的系统。

在快问快答环节，他说，口碑和用户向其他用户推荐始终是持久的机制。直接消息的效果取决于场景：他认为短信可能显得冒犯，但指出 WhatsApp 在一些市场帮助了增长。一项策略可能因为平台改变规则，或用户厌倦滥用而失效。

他说，“增长”不是一种可以随意互换的单一技能。不同系统需要不同的人才、指标和方法，就像工程包含许多专业领域一样。他提到欣赏的从业者：擅长战略的 Casey Winters、擅长用户心理的 Darius Contractor，以及擅长实验的 Guillaume Cabane。

被问及现有平台时，Balfour 预计 AI 既会改变也会增强现有增长工具。他认为 Facebook 在人才、资本、用户基础和数据方面实力雄厚，最初则认为 Twitter 比较脆弱。这些是他当时提出的比较观点，并非已经确定的后续结果。

Stebbings 对 Twitter 的看法不同，并预测 Threads 会在留存方面遇到困难。他们比较了粗略的用户数字，并预测一年后的日活跃用户数；Balfour 估计 Twitter 可能保持平稳，Stebbings 则预计其小幅增长。这些数字和预测属于 2023 年的讨论，不应被视为经过验证的结果。

Balfour 认为，Twitter 的挑战是在扩大市场的同时，保持与现有社区的强产品市场契合。旨在吸引更广泛用户的变化可能削弱原来的契合度。他把扩张压力与收购交易的经济因素联系起来，并将其作为自己的解释提出。

他说，如果 Threads 无法超越 Twitter 的网络，就会说明即使竞争对手拥有优秀人才、分发渠道、数据和资本，网络效应仍然很强。在他看来，尚待回答的问题是 Threads 能否足够快地吸引合适的创作者，让网络可持续发展。这是当时的假设，并非对其后续表现的结论。

被问到哪些增长策略令他印象深刻时，Balfour 指出，Reforge 的会员网络让他对许多公司的了解是局部的，也可能存在偏差。他举出 Canva、Faire 和 DoorDash，同时区分自然高速增长的产品与必须艰难建立增长引擎的团队。他认为 OpenAI 的早期增长更多源自技术和产品，而非某项特定增长策略；这些都是他的评价。

他还称赞自己在 Shopify 看到的人才密度及其背后的招聘工作。Stebbings 感谢 Balfour 参与讨论，结束了这场从增长循环和渠道契合谈到公司建设错误及 AI 潜在影响的访谈。