Adam Grenier：如何把增长融入公司业务

Adam Grenier 从数据导向的数字营销起步，帮助客户在早期手机上接触 Java 开发者，并让产品适应社交媒体、视频和移动端。Uber 是他第一次正式加入增长团队，招聘他的是带来 Facebook 经验的 Ed Baker。

Grenier 认为增长兼具艺术与科学：先理解客户心理，以及产品价值最能打动客户的时刻，再用技术、数据和系统重复有效的方法。单靠客户洞察或单靠衡量都不够。

在 HotelTonight，酒店协议限制其只能在移动设备上宣传特定房价，使公司无法采用传统旅游企业惯用的搜索引擎策略。团队因此探索新移动渠道和推荐计划；Grenier 回忆说，自己是 Facebook 移动广告的早期客户之一。

他说，他任职期间，Uber 从约十几个城市扩张到一千多个城市。增长意味着平衡高度本地化的双边市场，而市场状况随时都可能变化；工作不仅仅是获取更多乘客。

Lambda School 的核心挑战从招生转向帮助学生找到工作。Grenier 说，公司需要围绕这一结果及学生、教师、教练和招聘经理的需求设计产品与营销。

在 MasterClass，他遇到了广告定向方式变化、疫情后人们重新外出，以及观众逐渐习惯名师阵容等变化。营销重点从逐一推销讲师，转向传达整个订阅服务的价值并提升参与度。

讲师的人脉有助于课程上线时迅速吸引观众，公司也可以通过讲师的渠道营销。Grenier 说，获客来源仍然更加多元：课程的大部分价值在上线后逐渐积累，而多数获客仍来自 MasterClass 自身。

Grenier 认为，具备增长思维的营销负责人应当把实验、数据、产品和工程同时应用于品牌和效果广告。个人专长可以不同，但他认为没有充分理由把两者完全分开运作。

Harry Stebbings 问，既懂品牌又擅长分析的负责人是否太稀缺。Grenier 说，负责人可以从任一专长出发，拓宽能力并组建互补团队；关键在于团队如何运作，而不是找到一个事事精通的人。

Grenier 认为大多数公司不需要独立的增长团队。Uber 建立增长团队时，已经拥有很强的产品市场契合度和相当规模的组织；后来，这些专门的增长职能又并回了核心业务。

他说，产品和营销团队本来就关心增长，尽管紧急事务可能挤占增长工作的空间。跨职能突击团队可以攻克特定瓶颈，但即使突击团队转向其他问题，成功的获客、激活或推荐工作仍需要长期负责人。

根据 Grenier 的经验，专门团队最有用的时机是公司已经高速增长，需要理解并维持这种增长。因为增长不足就招聘增长负责人，可能把产品市场契合度问题误当成招聘问题。

提供招聘建议时，他会先梳理现有团队，并设想一年后需要什么。这可能让公司发现，真正需要的是负责激活的产品经理，或嵌入营销部门的效果营销人员，而非永久独立的团队。

Grenier 说，增长岗位的人需要善于使用数据、提出好问题，但不必亲自建立所有模型。其他技能取决于公司需求：有时客户理解更重要，有时则更需要技术建设能力。

一道面试题会问，平台该花多少钱获取一名乘客或司机。一趟行程为双方创造价值，如何分配客户终身价值而不重复计算很困难；不同地区的供需缺口，也会改变哪一边更值得投入。

Grenier 说，Uber 的数据科学家曾研究这个分配问题，但没有找到完美答案。他更看重候选人的推理过程和质疑假设的能力，而不是背下来的公式。

第二道题让候选人设想如何提升参与度：怎样让新用户参与、提高使用频率或改善参与质量，以及如何排序和测试这些想法。这样可以看出候选人如何思考获客之后的客户需求。

他警惕的信号包括只谈数据、不谈客户问题，或不加调整地照搬前一家公司的方法。他认为，优秀的增长负责人必须能探索陌生问题，而不只是执行既定任务。

Grenier 通常现场讨论市场平台的题目，以听取思考过程；参与度案例则可以作为课后作业。谈及薪酬，他建议以产品岗位薪酬区间为起点，再根据经验的稀缺性和相关性调整。

北极星指标应尽可能联系公司的各个部分，并反映客户的问题。Uber 的行程同时需要乘客和司机，因此行程增长放缓时，团队必须调查定价、供给、需求和各个市场的需要。

当日活或月活指标不符合用户解决问题的自然频率时，就可能产生误导。Grenier 举例说，MasterClass 客户上课期间可能每天使用，但一年可能只上几门课程。

对于早期公司，他建议从简单的增长模型入手，而不要把复杂模型本身当成目的。一个循环可以连接获客、内容创作、分享和新客户加入。

如果各个环节不能相互促进，公司可能呈线性增长，需要销售或付费获客；Grenier 说，这种企业同样可以成功。简单模型也能提供具体的判断依据，帮助团队确定优先级。

Stebbings 问起供给分散与供给集中的市场平台。Grenier 觉得集中供给更容易运营，但分散的长尾市场有形形色色的人和问题，因此更有趣。

Uber 获取司机依靠许多渠道，而非单一技巧。团队研究地方运营人员如何使用 Craigslist，接着寻找扩大招聘网站获客的方法，并让 Indeed 和 Monster 等服务适应更大的投放量。

研究还揭示了司机动机的差异：职业司机、希望灵活赚取额外收入的人、父母和退休人士，并不会对同一种承诺作出相同反应。增长团队很早就引入客户研究，了解这些不同群体。

一次实验说明了洞察适用时机的重要性。现有司机通常把灵活性排在收入之前，于是团队把广告重点转向灵活性；Grenier 回忆，广告效果很差。收入能吸引最初的兴趣，而灵活性在司机活跃之后更有助于留存和参与。

他的结论是，在运用研究结果前，要弄清样本代表的是谁。留住现有客户的因素，不一定能说服不熟悉产品的人第一次尝试。

针对广泛受众，Grenier 描述了一种信息金字塔：在大众渠道传播赚钱等普遍诉求；当定向能力和经济效益允许时，再针对安全或本地市场等主题传递更具体的信息。

评估一条信息需要多久，取决于规模和衡量的结果。Grenier 说，Uber 的投放规模让团队可以同时快速测试许多广告；Lambda School 的样本较小，从入学到就业的周期很长，因此需要更长的测试和更多定性信号。

衡量留存时，他倾向于观察用户群组以及实际需求的自然使用频率，而不是只看月活用户是否增长。例如，通勤群组预期每周使用三次，如果降至一两次，就可能在完全流失之前发出参与度下降的信号。

如果没有增长团队，Grenier 希望数据人员主动为产品和营销团队提供洞察。同一组有流失风险的用户，可能促使营销团队尝试邮件或活动，也可能让产品团队调查内容发现、到达时间或其他体验问题。

他认为复盘理想情况下应定期进行，成功后也要复盘，尽管早期团队往往只在出问题时才做。让相关人员参与，并以不追责的方式理解发生了什么，比完美的模板更重要。

在 Lambda School，他的团队推出学生聊天工具时没有让客户服务团队参与，而后者已有自己的系统。教训是要承担变更带来的连带影响，邀请受影响团队参与，并学习如何更有效地重复有用的工作。

在 Uber，地方团队有时用个人信用卡购买 Facebook 广告。Grenier 起初试图制止，因为他们可能与中央广告活动相互竞价；但他后来认识到，地方团队比全球广告采购人员更了解当地活动和市场状况。

地方团队可能十分重视一个节日活动，即使它在全球预算中显得微不足道。Grenier 的团队建立了支持城市营销人员的方法，包括为经常出现的本地活动提供可复用的做法，从而减少摩擦并保留本地知识。

Grenier 说，付费获客应该是工具，而不是拐杖。他以 30% 作为粗略参照，提醒团队审视对付费渠道的依赖，而非设定普遍适用的上限：短暂的市场机会可能值得投入更多，而完全不投放也可能让团队准备不足。

Grenier 回忆，Uber 曾有一段时间每年花约 10 亿美元做广告，其中包括中国。他估计，当时全球其他地区约 6 亿至 7 亿美元的支出贡献了约 40% 至 50% 的增长。这是他事后的估算，访谈这段内容并未证实视频标题中的月度数字。

中国市场要求团队学习不同的渠道，以及更加分散的应用商店格局。Grenier 还声称，包括 Didi 在内的竞争对手和中国政府能够获取 Uber 数据；访谈没有提供独立证据来证实这些说法。他将陌生人加入电话会议和不同的经营环境描述为自己的经历。

Grenier 说，要在所有渠道之间实现完整归因是不可能的，尤其考虑到大型平台带来的限制。由媒体组合模型提供信息的客户获取成本，仍能帮助广告采购人员作决策；目标是提高对可用估算的信心，而非实现完美归因。

他认为，企业客户的购买行为可能比嘈杂的消费市场更容易分析，但面向消费者的广告采购人员仍需要实用的目标。Stebbings 则举例说明他如何比较活动成本、客户终身价值和转化概率。

Grenier 说，作为天使投资人，他既参与公司生死攸关的问题，也关注眼前的渠道选择。他经常发现，问题并不是缺少一个尚未发现的渠道，而在于产品市场契合度，或产品方向和范围。

在快问快答中，Grenier 说自己已不再认为每家公司都需要增长团队。他还批评当时 Twitter 的推荐过度强调用户的表面兴趣，主张突出让这个服务与众不同的即时性。

他认为，Clubhouse 早期迎合了一个人们渴望晚宴式交谈的时刻，后来随着行为和市场变化，契合度出现偏差。这是他的判断，并非对公司发展轨迹的定论。

被问及 TikTok 的前景时，Grenier 在 2023 年预测它会继续存在，也不预期会被禁，同时承认存在不确定性。谈到招聘，他再次提醒，公司不应把增长招聘当作人们真正想要的产品的替代品。

Grenier 将自己跨经验连接想法的能力部分归功于即兴表演和喜剧学习。他欣赏 Epic Games 将 Unreal Engine 平台与平台上的游戏结合起来，并认为这可能与早期应用平台和新兴 AI 公司有相似之处。

Stebbings 感谢 Grenier 参与讨论；Grenier 在结束时说，他很享受这次对话。