从 SaaS 到 AI 出海，我所经历的那些 10x 增长时刻｜Linkloud沙龙第十七期实录精选

在流量越来越贵的时代，对于 SaaS 或者小工具来说十倍的增长可能已经并不常见，今天 Monica 的COO Henry和我们分享一些他经历过的那些 10 倍增长瞬间，可能大的方法论认知已经比较耳熟能详，但是具体在不同策略的优化里，Henry 依然给出了很多自己的思考。

这篇文章是 Linkloud 出海沙龙的第十七期，文章本着更加原汁原味的展现给更多的朋友，所以尽可能的还原 Henry 的分享，希望这篇文章对你所有帮助。enjoy

#1 我的创业之路

今年我们的创业的第十年，不过却还是我们出海的第一年，所以在座的各位都是我前辈，作为新人，我可能还没有什么特别多围绕出海更加深入的洞察，所以我今天就更务实一些，分享一下这些年我所经历的10倍增长时刻。

我在 2015 年加入了今天所在的团队，作为一个在学生时期就开始创业的团队，当然少不了几轮不靠谱的项目经历。

最开始，我们尝试做类似于美国 Yik Yak 这样的基于地理围栏的校园匿名社区APP，但因为中美文化的不同，当时并没有在国内的学生群体里跑通。

经历了第一次创业失败后，正值毕业季，我们发现学校里的二手交易很旺盛，且当时我们对于新兴的公众号有一定的开发和运营经验，于是当时就做了个服务于高效公众号运营者的工具，可以帮助运营者在公众号里快速创建一个二手交易集市。意想不到的是，这个产品在短短几个月的时间里，我们几乎是零成本就收获了几百万的学生用户，覆盖了一千两百所的高校，几乎一半的大学生都在使用我们的产品。尽管当时我们的产品增速很快，但是因为并没有很好的商业模式，所以这个项目也很快宣告结束。

不过也得益于这段经历，我当时加了几百位高校里的公众号运营的负责人，所以当时观察到了许多围绕公众号运营的痛点和需求，例如如何更快更好地排版图文、如何定时和分组群发、如何批量导出分析数据报表。

于是我们就开始思考如何帮助公众号的内容创作者赋能，于是在一个黑客松活动上，我们做了一款基于浏览器插件形态的微信编辑器——壹伴助手。微信编辑器领域里，在 2013 年已经有许多非常优秀的产品了，比如秀米、135 等，我们推出壹伴已经是 2016 年年底了，进场已经至少晚了 3 年。但今天来看，壹伴也算是在这领域里的非常知名的一款效率工具了。

通过接触大量的公众号运营者用户，我们发现其实我们的公众号运营者客户群体核心的经营目标还是「在微信上做客户管理和经营生意」。所以，2019年的那个我们得知企业微信要打通微信并且计划开放API的当天，我们就果断开始投入资源开始做基于企业微信的客户管理工具，目标是让企业里的销售、运营、客服角色都拥有一个 copilot 辅助沟通和客户信息管理，也就是后来的「微伴助手」。微伴在很短的时期里，就获取了几十万的企业客户，这个在中国的To B领域里还是比较少见的。

2023年，借着 AI 的东风，加上我们对插件技术的了解，以及对于 Copilot 产品形态的经验，我们推出了 Monica，一款由AI技术驱动的浏览器插件 Copilot。

#2 两个思考的问题

在分享这些 10 倍增长的故事之前，我想先分享一个我的认知，我经常思考几个问题：什么样的工具能够让用户越使用产品的同时，也能带来更多的新用户。

我的结论是这样的几个点：

1. 产出结果是个性化的，新颖的

2. 产出结果是所见即所得的

3. 产出结果有被分享的必要

4. 制作时间成本低

如果一个产品具备上述这几个点，可能就意味着他具有一定的增长属性。比如我们在做上边提到的二手交易集市产品的时候，它就是具备这样的一个特点的产品。它帮助每一个公众号生成一个专属的校园集市，每一个校园集市都是独立的站点，可以立即被发布和分享，这样其他用户也可以进来进行访问和交互；作为这个公众号的运营人员，他使用我们产品的出发点就是要给用户/粉丝搭建一个 Market Place，所以运营者一定要把这个站点（链接）分享出去，制作这样一个圈子集市的成本非常低，可能只需要两三分钟就可以配置好一个。

那这个产品的传播结构就变成了：A 创建了集市，然后进行发布，用户进行访问和交互，被更多的同行看到或者学习，就会有更多的人体验这款产品，最后在运营者的圈子里广泛传播，带来更多的使用这个产品的用户。所以我们当时得到最核心的认知就是，如果你的产品能够服务于这类核心的传播者，那么你的增长几乎是零成本的。

同类的产品还有比如日历、会议、表单、美颜相机、朋友印象墙等这些产品，都符合上面说到的特征。用户获得好的体验就能够带来更多增长。这类产品借助好的用户体验，并在产品里加上 powered by 或者水印，这样当你的用户使用并分享的时候，增长过程就相当丝滑。

当然，这里我提到的一点很重要，就是你的产品提供的体验是需要是新颖的。很简单，当用户已经知道麦客表单、金数据之后，你就算再做一个体验一样的表单类产品，用户传播的裂变系数就会大打折扣。

而今天AI技术其实提供了一个很好的变量，通过AI技术是有可能在这类产品上做出全新的用户体验，从而获得这种裂变范式的增长。

我思考的第二个问题是：当我们选择做产品的时候，到底是优先考虑做用户还是做收入？举个例子，一个 0.2 美金能买到一个用户和 20 美金买到一个用户，哪个用户成本更贵？

这里其实没有个特别正确的标准答案，因为可能这个用户很便宜，但是他根本不会为你的产品付费，或者这个用户成本很贵，但是他也会为产品付出更多的钱。所以当我们去评价自己的获客成本到底是贵还是便宜的时候，其实更应该关注 ROI。

当你去买量的时候，要关注你的投入回报，这是一个基本的常识。但是在 2016 年我们作为经验不足的创业的团队来说，我们完全意识不到要去关注用户的人均收费情况，渠道付费情况等，在当时确实没有很敏锐的观察。

当时做壹伴助手的时候，每天自然新增大概在几百个用户（纯口碑用户），一天的收入在也就小几千人民币。这个收入只能勉强支撑几个人的小团队。当时我们一个竞品选择的商业化路线是靠广告和流量变现，他们围绕公众号运营者群体搭建了一个广告和商品分销平台，收入确实在我们之上。

我们也尝试也做了这方面的一些验证，但是后来发现其实靠这种方式变现，特别依赖头部的广告主和头部的流量主，这并非我们的所长，所以我们还是继续回归到关注产品价值上，做用户价值，通过做会员功能的变现。这个过程其实是非常艰难的，几乎整整三年时间，我们都在跟竞对拼功能和细节的体验上，但叠加功能只能带来微弱的收入增长，而且每一次功能创新都会面临被快速跟进的风险。

做功能带来的边际收益越来越低时，我们开始尝试做一些数据分析，看看到底如何进一步优化。当时我们运营后台有一个非常简单的数据后台，开发同学帮忙写了一些指标上去，我们就每天在观察这些数据，每次有新的想研究的问题和指标，就需要麻烦技术同学在上边加数值，一般一次迭代需要一周左右。

后来有天，当时正好有空，我就想了解一下有没有办法我自己能够直接查数据。于是我就调研到类似 Superset、Metabase 这种的开源 BI 软件，我自己用一个 Mac 可以直接部署，连上数据库就可以开始做研究了。

于是我们就彻底摆脱了对技术的依赖，然后通过更多的数据我们那发现一个重要的信息，原来我们一个用户人均LTV竟然是我们先前广告CAC的3倍。于是我们迅速加大了广告投放，同事继续打磨产品的 landing page 和 onboarding 流程。最显著的变化就是每天的用户增长就能从 几百到数千，收入也到了十几倍。

所以我现在的理解是，工具产品的首要事情还是应该优化单用户的LTV，一个很朴素的推理叫做更好的用户的单元经济。单个用户能付更多钱，意味着有更多的弹药去买到更多的流量，当ROI越高意味着买量和经营的容错率更高。

#3 数据分析如何提高产品增长

我整理了一下我们自己在数据分析这件事情的上几个纬度的变化。最初阶段的时候我们是偏离线分析的状态，基本都要靠口头去找技术问数据或者使用 Excel；到了第二个阶段则是通过技术人员来写看板做开发来获取数据信息，第三个阶段，也就是现在这个阶段我们有了数仓、BI系统，数仓解决的问题是我要以任意维度在数亿条数据里取任意列的时候，它依然能够在秒级内得到结算结果，BI 系统解决的问题是非技术人员，比如业务员也能够很敏捷的随时查看自己关注的指标以及分享给同事。

其次，就是在数据维度层面，一开始的时候我们只关心我们的业务数据库里有什么样的数据，然后拿现成的数据做数据分析，比如用户、收入表、功能使用表，后面我们开始有意识的搭建各种的数据进行分析，做一些埋点规划，尽可能多的让用户的行为留存下来，做一些更深入的分析。

再后来我们开始接入各种第三方数据，比如广告的实时报表等等，拿我们的数据库里的数据做一些关联和交叉分析。在指标层面，我们一开始只关心一些显而易见的基本指标，比如收入、增长等，再后来开始去关注整不同维度下的用户的增长情况，比如分国家、地区、语言、广告群组、首次进入的落地页等等。现在，我们会更关注一些用户同期的指标，比如10周前的某组用户在未来每一周的表现。

在数据产出的角色上，我们也从只有技术同学可以去写查询指标，到运营同学去写查询，现在有专门的数据分析师来写，通过这样的方式降低查询的口径偏差。

我们现在的数据平台里面向各种不同成员的看板就有百来个，涵盖的指标有几千各。

当我们希望通过数据驱动增长时，我关注的是数据的全面性、准确性、时效性、主动感知。这里我特别想强调主动感知，当数据有异常变化时，能够以主动推送的方式让业务同学感知到。

#4 关于 ROI 的优化

关于 ROI 优化的，我也可以分享一些我到目前为止的基本感受，叫做收入的各类因子与主观权重。

注册流程对我们的用户 LTV 我的主观感受是起码有两倍的影响。

我前几天还在问另外一个 SaaS 团队，「你们的用户有多少比例的付费是在注册后 24 小时内完成的」，他们算了下，大概是 80% 的用户是在 24 小时内完成付费决策的，他们的产品是一款网页端的AI产品，平均停留时长也就五分钟左右，所以他们的用户来到网页上，可能几分钟就做了付费决策了。所以对当时就建议他们可以重点优化下用户的onboarding流程，尽可能在前几分钟就将产品价值最大化地去向用户呈现。

另外交互和视觉会占一倍的影响，这是我们在其他海外产品身上观察到的一个小的优化。比如在付费界面，大家的年付都会在月付的基础上做一些折扣，比如7折，比较常规的做法就是付费版本上加一个小角标，写明7折。但这个产品就额外做了一个交互，就是弹出一个礼包窗口，引导用户点击拆开，拆开后弹出7折的offer。虽然你价格没变化，同样也传达了 7 折 offer 这个信息，但是付费率可能就会提高一倍以上。有时候我们需要一个更恰当的交互去传递价值感受。

还有就是收款渠道，我们先后接入过多个不同的收款平台在其他变量什么都不改变的情况，光收款渠道的变化也会对收入也有一倍的影响。

这里最后想和大家分享的就是关于定价策略，你需要先想清楚到底是让用户月付还是年付？在不同的付款周期里给多少相应的折扣等等。我还看到过一款产品，他的定价就有三个版本：普通、进阶和企业级版本，三个版本的能力和用量是逐级递增的，有意思的是它的普通和进阶这两个版本里价格几乎是相同的，就让人有一种不买进阶就是要吃亏的感觉，其实这时候普通版本实际上就是一个价值锚定，是为了引导用户购买另一个版本而设置的。

其实在价格锚定策略里，还是有非常多可以「玩」的事情，比如你是不是要做本地货币展示、做本地货币的计价等方案，总之定价策略对收入的影响会是非常大的，这方面可以多多尝试和实验。

#5 关于营销

在这部分我想分享一个核心感受就是，短期的营销也会带来长效的增长。我们一开始理解的营销就是新媒体营销，比如我们做国内的公众号，做过公众号的大家可能都经历过，你们发公众号 24小时内的流量占到了 80%，基本上都是这个规律。当然现在微信做了一些搜索侧的算法在里面，可能比例会有一点变化，但是整体来说，24 小时内的内容热度一定是最高的，所以我长时间都是带着这个固有的观念在理解营销。

但是我下面想分享两个故事，颠覆了我之前的一些观点。

在 2020 年 1 月份的时候，微伴助手已经上线了，每天大概几十个企业客户的自然增长，在 2020 年 5 月 20 日晚上七点钟，我记得非常清楚，那天晚上我们销售同事说发现突然很多人在打开我们的产品介绍的网页链接（当用户打开这个介绍同事就会收到提醒），问了一下原来是当年一个基于个人微信的自动化软件被封禁了，大量的运营人员都在开始寻找替代方案。

我们当时就决定写一篇文章，告诉行业里的所有运营者可以用我们的合规工具作为一个替代性的方案，那天我们大概准备到了凌晨三点钟，把文章发出来了。

第二天我们醒来的时候，40万人的文章阅读数，而且大家知道公众号的阅读数是按照 UV 来计算的，所以这意味着 40万的阅读数有差不多百万级的 PV，所以当天微伴助手差不多有数千家的企业新增，虽然过了 24 小时的高峰期，文章阅读数没有在持续增加，但是后续微伴每天的用户新增稳定在数百企业。

第二个故事和大家分享一下 Monica 早期投放增长的故事，去年我们做了一些网红投放。我们会记录网红视频发布后7天播放数据。发现 CPM 整体比较高，不太符合预期。

直到去年年底我们跟一个专业的网红营销机构合作的时候，对方通过专业的工具帮我们去分析了一遍之前所有投放的 KOL 数据，令我感到震惊的是，在投放后3个月内，这批视频的播放量已经是我们当时记录的7日数据的3倍了，后来我们归因为短视频品牌的推荐算法的长尾流量其实非常可观。

以上就是我的分享，感谢。

- End -

点个在看 一起上云