摘要

Matt Swulinski 的核心判断是：“电商打法才是 SaaS 的正确打法”：数百名 UGC 创作者、海量素材，以及要求“每一分钱都必须带来一次购买或加购”的付费投放。他在 Grammarly 收购前的 Superhuman，以及后来的 Wispr Flow 都用这套方法扩大付费投放——“这才真正让它登上地图”——因为当你每天打开 X，看到“100个新产品，其中5个属于你的品类，还有2个几乎把你的网站原样抄了”时，“对我来说，分发是唯一的护城河”。
面对把付费投放视为“容易上瘾的危险药物”、主张延后的共识，Swulinski 的建议是“立刻开始”——“付费是验证你拥有 PLG 的最简单方式”。 在300万–500万美元的种子轮融资规模下，拿出约10万美元集中投放 Meta 和 Google，同时启动 lifecycle，1周内就能验证消息、漏斗和定位；但90%的公司没有先把 martech 搭好，最后给 Meta 的是“幽灵用户”，再把糟糕的追踪误诊为“付费对我没用”。
Andromeda 之后，“素材就是定向”——手动设置受众和反复调媒体采买的空间大幅收缩，素材策略成为核心工作。 每月10万美元的 Meta 预算，需要“每月至少400–500条新素材”，否则就会触及平台期、被竞争对手超越；Victor 运行着一个按广告支出比例付费的创作者计划，“有些17、18、19岁的孩子，只是每月给我们做几条广告，就能赚2万、3万美元”。完全由 AI 生成的视频是“垃圾内容”，最多只应占账户的5%左右。
在扩大投放时，要有意把引擎推爆：Wispr 曾把预算从一个月到下个月直接提高5倍，用来摸清上限，然后带着一张增量地图撤回。 Google Ads 是 Wispr 最好的渠道——“在那里什么都有效”；YouTube 教育视频为非品牌搜索和 PMax 输送流量。X Ads 则是反向案例：“我至今没遇到过哪个 SaaS 增长负责人或效果营销人说 X Ads 能印钞。”
推荐和联盟计划必须有切实回报、与使用场景对齐，并放在“神奇的啊哈时刻”出现，随后立刻设置付费墙——“因为这时你才会愿意掏钱”。 Victor 的推荐计划可以把被推荐公司的营收分成以 credits 形式返还，示例比例为20%；单独的联盟计划按营收分成10%–15%，部分联盟伙伴每月赚2万–3万美元。联盟渠道贡献每月获客的10%–15%；免费试用 credits 必须计入“完全载入 CAC”，否则“你根本没有算清获客成本”。
他对团队的激进判断是：“可能应该解雇营销团队里大多数不是系统思考者的人”——岗位描述已经变了，而公司还在“用蛮力把人塞进这些新岗位”。通过他标准的候选人不到1%（“和这个东西聊天不叫工作流”）；他曾独自通过 Claude Code 的“营销操作系统”执行 Whisper Flow 全部300万–500万美元预算，并预测3年内公司会变成“董事会”式结构——20%由人负责战略、80%由 agent 执行，营销领域的独角兽人才可能拿到类似机器学习研究员的薪酬。
他指出一个与投资人直接相关的缺口：SaaS 没有电商 Triple Whale/Elevar 那样开箱即用的归因与转化追踪体系——“我在等填补这个缺口的创业公司出现”；Stebbings 则表示愿意“今天就拿几百万美元”资助一个 AI 系统训练营。与此同时，健康的规模化渠道结构应有35%–45%来自自然增长；如果关掉付费投放就让增长坍塌，“那说明你还有其他问题”。

精读

1. 电商打法才是 SaaS 的正确打法

Swulinski 从 Superhuman 得出的主线是：产品打磨得极其完善，但增长主要靠创始人驱动的推荐；与此同时，“电商一直在做 UGC 计划，一直在制作数十万条广告”，而公司内部对付费投放的抵触确实存在。他最终形成的判断是：“我的理念是，电商打法才是 SaaS 的正确打法”，要求“每一分钱都必须带来一次购买或加购”，并在 Superhuman 后期、Grammarly 收购前开始应用，随后在 Wispr Flow 全盘落地——“这才真正让它登上地图”。
这套方法的竞争理由很直接：“对我来说，分发是唯一的护城河”；你每天打开 X，都会看到“100个新产品，其中5个属于你的品类，还有2个几乎把你的网站原样抄了”。
对于 agent 化转型，他认为 PLG 的纪律可以直接迁移：过去是把自助式人工漏斗做到完美，现在则要用同样的严谨度回答“agent 如何做研究、如何选择工具和 API”。因此，“现在专注 PLG 的最佳公司，也会是最有能力进入 agent 层的公司”。

2. 立刻开始付费投放——这是手上最快的验证引擎

Stebbings 提出的质疑是：所有人都说要等一等，因为付费投放是“一种容易上瘾的危险药物”。Swulinski 的回答是：“立刻开始……付费是验证你拥有 PLG 的最简单方式。” 品牌和自然增长“耗时太长”；而通过付费投放，“1周内就能优化消息、测试素材、测试漏斗、测试定位”。
渠道上，任何获客引擎的核心三件套都是 Meta、Google 和 lifecycle，分别覆盖视频意图、搜索意图，以及由邮件、SMS、push 组成的 lifecycle“渔网”。“只靠这三件事，就能把 ARR 做到第一个100万美元、1000万美元。” 其他渠道——TikTok、Reddit 等——都是 agent 的陷阱：“如果你铺开100万个渠道，却每个都做得很差，不会对你有任何帮助。”
预算方面，在300万–500万美元的种子轮融资规模下，约10万美元是一个“很好的起始预算”，足以验证“如果我们投钱，用户是否真的想要我的产品”；具体金额还要根据 ARPU 和漏斗长度调整。

3. 花出第一分钱之前：90%的公司都在“对着空气花钱”

他指出的市场缺口是：电商有 Triple Whale，可开箱即用地完成互斥归因，去重 Meta、Google 和 lifecycle 的重复计数；也有 Elevar 式的转化追踪系统，15分钟即可完成部署。但在 SaaS，“每一家创业公司都要自己搭这一切”——ClickHouse、Hex、first-click/last-click 归因，全都由工程师从头开发。“我在等填补这个缺口的创业公司出现。”
失败机制在于，平台只会按照你提供的信号行动。如果 Meta 的匹配率只有50/50，或者 Google 的 enrichment score 没有拉满，真正转化的人在平台眼里就是“幽灵用户”；算法开始随机定向，CAC 飙升，最终你会说：“付费对我没用。” 但大多数时候，公司在得出这个结论前，根本没有完成正确的基础设置。

4. 只优化一个事件，并诚实面对完全载入 CAC

选择最重要的单一事件，围绕它购买流量：在 Flow，目标事件是下载——桌面客户端加 iOS 让追踪变得更复杂；在 Vanta，目标则是漏斗深处的行为，即把 Vanta 加入 Slack 或 Microsoft Teams。由于 ARPU 较高，即使 CAC 达到几千美元，“单位经济模型仍然成立”。早期应纯粹关注获客成本，留存由产品团队负责。
关于指标比例，1:1 的 LTV:CAC 是否可接受，取决于公司已经融资多少——“你希望先按1:1运行，让尽可能多的用户尽快使用你的产品、相信你的产品”；最终目标约为3:1。但有 token 成本时，LTV:CAC“通常不够用”：应看 LTV 毛利，并把 Modal 和 inference 成本算进去，而不是只看“我的 Anthropic 账单”。同时要有一位优秀的财务负责人逐项核验成本。
值得写进承销模型的一句话是：“我们把这叫作完全载入 CAC。免费试用 credits 要和营销支出相加。如果你不这么做，就没有真正算清获客成本。”

5. Andromeda 之后，素材就是定向——每月需要400–500条

Meta 的 Andromeda 更新“改变了定向算法：素材就是定向”；手动设置受众、让媒体采买人员反复调整的做法“被彻底淘汰”，工作重心转向素材策略。按照他的量级规则，“假设你有10万美元 Meta 预算，那么每月至少需要400–500条新素材，否则就会触及平台期、被竞争对手超越”。
Victor 的做法是建立一个按广告支出比例付费的创作者计划：创作者每周制作3–4条视频，规模达到几百人；此外还有5家代理商和内部团队。“有些17、18、19岁的孩子，只是每月给我们做几条广告，就能赚2万、3万美元。” UGC 不会出现在创作者自己的主页上，因此任何人都可以制作；约30%的支出应投向 partnership ads。80/20 定律依然成立——“算法就是这么运行的：它找到最好的广告，然后把全部预算都推给它。”
真正有效的是打破模式：“镜头出现一次看起来像失误的粗糙晃动，但它抓住了你的注意力。” 不过，真正的作战单位是素材组合：要覆盖“不同年龄、不同性别、不同场景、不同 hook……如果你只盯着有效的素材、不断给它加预算，表现最终会崩掉”。
对于 AI 素材，Stebbings 提到 Cliff Weitzman——他称其为 Speechly 创始人——可以把一条广告变成数千个变体。Swulinski 认为，变体是 AI 在创意领域的“超能力”；但完全由 AI 生成的视频“就是垃圾内容”，最多占账户的5%左右。双方都认同，算法可能会降低 AI 内容的优先级：“你说得100%对。”

6. 落地体验、页面速度，以及2–3周后的判决

上线前的前置条件包括分析系统、转化追踪，以及至少已有50个转化在持续流入，让算法知道什么是最佳客户。之后，“2–3周内……你就能说‘我今天可以开始印钞了’，或者‘我得回到绘图板前重做’”。但完整系统要给足3个月，因为广告、文案、落地页、页面速度和 App Store 截图都是会复利的“微杠杆”。
Stebbings 讽刺 PostHog 的网站像“北京版 UI”，但 Swulinski 为其辩护：“这对他们来说是一种打破模式的东西……目标受众欣赏这种怪异感。” 不过一般标准非常残酷：“如果我除了 headline 之外什么都不读，我能知道你是做什么的吗？” 主 CTA 也不能藏在“滚动1.5屏”之后。
页面速度同时影响 AEO 和 SEO：爬虫会“很容易判断你的页面需要多长时间加载”，而这又是进入排名前10的核心因素；“每提升1秒，转化率都会出现大幅跃升”。

7. 尽可能猛地加码，直到引擎爆掉——再带着地图撤回

Wispr 的方法是：“尽你所能地猛推，然后看它爆掉；接着弄清楚它在哪里、如何爆掉，撤回来，再把这些当成信息。” 与其慢慢调优，他们选择把预算从一个月到下个月提高5倍——当你需要每月增长30%–40%时，没有6个月可以慢慢试——并由此得出结论：“Meta 必须排在 Google 后面……这些 newsletter 很糟，这个 podcast 不行。”
把总支出与获客量、ARR 画在同一张图上，同时考虑支出到转化之间的滞后——Matt 举的例子是14天——然后再问：支出与收入之间的关系到底有多大弹性。
Google Ads 是 Wispr 的增长引擎：“非品牌搜索、PMax、YouTube Ads，所有东西在那里都有效。” 与 Andromeda 之后的 Meta 相比，Google 提供了更细的控制能力，例如可以区分印度和美国的 CAC。对于“我说话，它变成文字——但文字去哪儿了？”这种难以解释的产品，他们制作了30秒到1分钟的 YouTube 教育视频，获得数亿次曝光，随后“进入非品牌搜索、PMax……所有环节协同运转”。
YouTube 值得单独建立一套计划：最好的广告是16:9 格式，因此 Victor 让 Victor 开发了一个应用，把任意 Story 格式的 UGC 视频包进一个静态模板，加入客户 logo、G2 评分和 CTA。“我们把所有 Story Ads 都变成了 YouTube Ads……欢迎来到 YouTube。” 脚本和拍摄团队与 UGC 团队分开。
核心纪律问题是：“你的支出有多少是真正增量的？” 一旦投放开始有效，“很容易把它从10分拨到13分”，把免费资金交给 Meta 和 Google。月支出超过100万美元后，应通过 holdout 运行 MMM；规模化之后，自然增长占比应为35%–45%。如果关掉付费投放就让增长死亡，“那说明你还有其他问题——你忘了工作的另一半”。

8. Superhuman 为何触及增长上限，以及“人人的 AI employee”定位之争

Superhuman 的上限来自几个因素：产品定位高端、立即设置付费墙，以及创始人 ICP——“早期采用者科技创始人不是一个无限大的受众”。破局方式是主动拓展 ICP，例如把 Superhuman 变成销售引擎；他最喜欢的功能是“recent opens”。当 Harry 拿他称为“Fixed Scale”、Matt 称为“Fixer”的邮件竞品与 Superhuman 比较，并问 Superhuman 是否“把付费投放搞砸了”时，Matt 先回答“是”，随后又强调两者所处市场不同、Meta/电商打法不同，且后者还有企业交易和销售驱动增长。值得注意的是，在 Flow 还没有一个 AE 之前，“ARR 中非常大的一部分就已经来自企业”，依靠的是自助式团队许可。
规模化必须逐个受众推进：Victor 有意先广泛上线，观察哪些人主动出现——代理商、电商品牌、SMB——然后按顺序处理这份名单，为每个 ICP 建立可复用的漏斗。如今的 ICP 研究可以直接写成 prompt：“模拟这个人——他读什么、如何做决策？” 然后围绕这个人搭建素材、落地页和 onboarding。
作为该公司的投资人，Stebbings 对“AI employee for everyone”提出质疑：“人人的 AI employee，我他妈不知道这是什么意思……你是在帮我报税吗？” Swulinski 的辩护是，面对 Claude 和 ChatGPT，“没有其他定位真正说得通”；而现在他们已经积累了足够多的使用案例，可以反过来讲：“我雇了 Victor，这是他做成的事情。”

9. 推荐与付费墙：回报要有触感，出手要在神奇时刻

Superhuman 的“送1个月、得1个月”之所以有效，是因为回报具体、容易发现；有些用户攒下了“几百个月，而他们永远不可能真的付钱”。推荐请求要与使用限制对齐：在 Flow，用户接近2,000字上限时就展示推荐入口——“这个 k-factor 就决定了成败”。Victor 按 CPM 以 credits 的形式支付创作者在 LinkedIn 上发帖的报酬，并把被推荐公司的部分经常性营收按比例返还为 credits，示例比例为20%。当“8人团队每月花1.5万、2万美元”时，这种模式是合理的，而 Victor 也愿意承受1,000–2,000美元 CAC。
失败模式正好包围着中间的最佳区间：一端是缺乏实感的奖励——“推荐你的朋友……送你一些周边”；另一端是“20个层级、极其复杂”的游戏化机制，没人会真正使用。
付费墙应放在“神奇的啊哈时刻”：快速把用户带到那里，让他们停留在蜜月期；“当你拥有一个工作流，用户突然觉得‘这改变了一切’——就在那一刻设置付费墙。因为这时你才会愿意掏钱。” 这正是推动 Flow 在 LinkedIn 上出现火箭式自然增长的机制。

10. AEO 靠 YouTube 评测驱动；X 是污染严重的渠道；联盟是隐藏赢家

AEO 最重要的输入并不是页面工厂——有些公司每周产出“100–200个页面”的“生成式 AI 垃圾内容”——而是 YouTube、Reddit 和社交叙事。长篇 YouTube 评测能够“覆盖长尾搜索”，也是“ChatGPT 上非常高权重的引用来源”，因此是早期最重要的杠杆之一。TechCrunch 和 Product Hunt 仍然有价值，但更多是“创始人入场仪式”和引用燃料，而不是主要流量来源。
TikTok 方面，“到目前为止我待过的3家核心公司里，它都还没跑通”。X 是他见过污染最严重的渠道：一模一样的震撼式发布视频，“花在发布视频上的时间远多于花在产品上的时间”。而且，“我至今没遇到过哪个 SaaS 增长负责人或效果营销人说 X Ads 能印钞。如果有人遇到过，请告诉我。”
最被低估的渠道是联盟：由拥有受众、但不是客户的外部人士推广，并按10%–15%的营收分成付费。在 Victor 这里，联盟是“ROI 最高的渠道”，贡献每月获客的10%–15%，部分联盟伙伴每月赚2万–3万美元；“如果他们觉得即使在成为你的客户之前也能赚钱，他们最终就会成为你的客户。”

11. 解雇不懂系统思考的人：1个人加 agent 胜过5人团队

他的招聘标准在180度转变。一年前，他会想要一个拥有10年规模化经验、全球最强的 Meta 媒体采买人；现在，一个“AI 原生的系统思考者，加上经验”，会胜过一个“只有经验”的人。他的激进判断是：“可能应该解雇营销团队里大多数不是系统思考者的人……停止用蛮力把人塞进这些新岗位。” 团队内部的信号也很明显：“A 级选手正在变成 S 级，B 级选手正在变成 D 级。”
招聘门槛接近工程师面试：候选人要说明如何使用 AI 工作流，包括如何用于个人生活。糟糕的答案是一个可以聊天的 ChatGPT project——“和这个东西聊天不叫工作流”。好的答案是会自我改进的闭环，例如他的 Whisper newsletter 系统：Claude Code agent 对赞助商邮件进行分流、谈价、录入合同、写文案、生成追踪链接，并基于70–120家 newsletter 供应商的历史表现决定是否续约。通过这道门槛的候选人不到1%——但这没关系，因为“今天一个3人、4人、5人的 influencer 团队，就是一个真正优秀的人加一套惊人的 agent 工具”。
概念验证是：截至2025年12月，他在 Whisper 负责“300万、400万、500万美元预算上唯一的执行工作者”——Google 每月100万美元、数十万关键词——并通过自己搭建的 Claude Code 营销操作系统，让“90%–95%的工作都跑在 AI 上”。他当时还不会写代码，却在9月、Claude Code“还没变好用”之前就开始采用。其复利技巧是一个“session end”技能：把每次会话提炼后存入 Obsidian vault，让“每次会话都产生复利”。“你保存在电脑上的 AI 输出是什么……那会是未来几年的宝藏。”
Victor 背后的宏观判断是：今天的工作结构是80%人工、20% agent；“3年后，公司基本会变成董事会——20%负责战略和思考，agent 负责80%的执行。” 不理解这一点的传统 B2B CMO 会眼看增长“停滞不前”，而采用者持续抢占份额。像 Tobin 这样的营销独角兽——他在 Polymarket 之前打造了 Whisper 最初的 UGC 病毒式增长计划——可能在“未来1年”迎来类似机器学习研究员的薪酬时刻。Stebbings 最后表示，他愿意“今天就拿几百万美元”资助一个为期6周、收费1万美元的 AI 系统训练营；Swulinski 回应：“你说得100%对……你可以边做边理解，而不是坐在房间里学习。”

核验说明

访谈文字稿交替使用“Whisper Flow”和“Wispr Flow”；邮件竞品则被记录为“Fixed Scale”/“Fixer”，因此这里不再对这些名称做统一处理。

对话前DeepMind曹原：AI for Science爆发，一个新时代到来了 Anthropic的2万亿美元IPO、Zuck的AI宣言、Nvidia的5000亿美元AI押注、Grok王者归来