摘要

Pollo AI 数月做到约 400 万月访问、所在公司约 90 人且达到千万美元级 ARR，增长核心不是 SEO 奇技，而是较早入场与 SEO、红人、Google/Facebook 广告“三板斧”的叠加。阿彪说，外界看到的是让人吃饱的“第十个包子”，前九个来自此前多年出海和多款产品的积累；内部也没有单一爆发事件，流量只是稳定爬升。他估计营销“应该还是能够占一半”，同时强调时机重要，产品交互也还不错。
Pollo 的 SEO 方法论首先是规模化建设可承接意图的页面，再用产品体验、内容和权重把排名做起来。 页面分为主体功能、小工具、模型和文章四类，“一百个页面，每个页面十个流量”就能形成每天一千访问；可灵、Runway、Sora 等模型页还能承接品牌词，以及模型方未覆盖的多语言搜索流量。最关键的细节是落地页无需登录即可使用，登录前保留介绍、案例和教程供 Google 理解，登录后则隐藏内容、进入沉浸式功能区。
SEO 不是免费流量，也不是即时见效的万金油，正常反馈周期要三到六个月。 文章、功能页、PR 和外链都要花钱，且内容、网站结构、URL、关键词难度等任一环节都可能拖累结果；外链要模拟网站自然成长，不应一开始就全部采用高价链接、突然撒下 10 万美元，频率也要平滑。阿彪对深层 SEO 的一句话定义是“满足用户的意图”，但也明确说单靠它不可能撑起千万美元乃至更高收入。
红人营销的真正约束不是找到多少 KOL，而是产品有没有值得点赞、争论和转发的“爆点”。 Pollo 作为聚合模型的“套壳”产品缺少自研模型 buff，早期只能硬推；后来改推有趣特效，但用户往往“点个赞，然后就走了，他不付钱”。阿彪至今也承认 ROI“很难很难去衡量”，目前只能用 CPM、播放量和预算约束投放，并尝试强化“一站式全家桶”的卖点。
选品时就要判断时机、差异化切口和决定成败的关键变量，否则营销越努力，学费可能越高。 阿彪曾在电子签名产品上做了大半年、亏掉数百万元，却事后才看清该品类依赖品牌、信任和合规，创业公司又面对 DocuSign、Adobe Sign 等成熟对手；在线 PDF 编辑同样缺乏时机与切口。AI 音乐则败在 MiniMax、天工 API 成本高、用户只买最低档，而 Suno“又更好，又比我们还便宜”，剩下的只能是“捞死鱼”。
阿彪不否认 Pollo 当前没有硬护城河，真实应对是把产品做快、让追赶者吃力，再把营销“加满一点”。 他也不认为多产品路线是错误：自己偏爱从零到一，虽然因此没有把某款产品从十做到一百，但是否专注要看产品属性和天花板——偏 B 端可能值得长期深挖，偏 C 端工具做一年后未必还有足够纵深。HIX.AI 在 2023 年 5 月才启动，被他视为错过红利；真正抓准节奏的是 Monica。
在创始人不懂的领域，阿彪主张直接招高级人才，并找可信的外部专家协助面试。 “一定不要招中级的”，因为便宜人选的试错成本最终由公司买单，而高级人才的学费往往已由前雇主支付；过去一年，公司最正确的组织决策就是补齐红人和广告技能树。另一方面，他不再靠逼人加班换取一两周进度：“产品方向选对了”，在正确坡道上早一点、晚一点到达差异不大，应该“放过自己，也放过他人”。

精读

1. Pollo 把“全家桶”当作扩市场，而非技术护城河

阿彪 1991 年出生，毕业于中山大学，曾在万兴科技工作；2018 年离职，经历两年自由职业后于 2020 年组建公司。团队现约 90 人，累计做过不下 20 款产品，收入达到千万美元级 ARR。
Pollo 的目标是“一站式 AI 创意创作平台”：各家模型只是可选择的工具，平台还要覆盖素材管理、社区、生成和编辑。专业创作者对应 Studio 式工作流，泛用户则由图片、视频特效承接，“全家桶”是把市场从垂直创作扩大到泛娱乐的办法。
主播追问这种双重定位是否必然臃肿；阿彪承认“确实可能会有这样的问题”，并以剪映 App 同时覆盖特效和剪辑、Web 端专注专业创作为参照。Pollo 当时仍准备在 Web 端兼容两类人群，再靠交互分层；按录制时点，新版本预计约一个半月后、即 6 月左右出现。

2. 视频先于战略跑出来，产品才沿创作链补齐

Pollo 并非宏大规划的产物。团队同时试做 AI 音乐和 AI 视频，原本更看好音乐、也先做音乐，结果视频反而跑得更好；2024 年八九月，他们通过内部关系成为较早接入可灵 API 的一批产品，最初想法就是“套个壳，然后试一下”。
第一轮认知迭代是做“视频领域的 Poe”，陆续接入市面上开放 API 的视频模型。团队最初甚至没有在产品中显著展示底层使用可灵，随后才把多模型聚合作为明确形态。
第二轮迭代来自真实工作流：用户更多是图片生成视频，而非文字生成视频。于是 Pollo 补齐图片模型，再加入超清、擦除、去背景等轻编辑；生成视频后继续提供背景音乐、音效、慢动作和超清，把图片生成、编辑与视频生成串成一条链。

3. 美国最肥也最难，先吃多语言市场的低垂果实

七年出海经验让团队上线时默认采用英语加多语言，而非先押单一国家。阿彪当然想攻美国这块“最肥的蛋糕”，但当地竞争更强、KOL 对产品要求更高，也缺乏线下关系；一个套壳产品并非花钱就能让头部红人认可，砸 10 万或 20 万美元也不保证做成。
现实打法因此是全市场铺开，把各国能合作的红人先做一遍，“把最低垂的果实先摘一遍”；每个国家贡献一些收入，合计也能形成规模。等产品和实力足以获得高调性头部 KOL 认可，再集中突破核心市场。

4. 约 400 万月访问是三板斧叠加，不是 SEO 单点爆破

面对 Pollo 数月做到约 400 万月访问的说法，阿彪首先纠偏：公司同步推进 SEO、红人和广告，广告又分 Google 与 Facebook，“三板斧”同时作用。他用“第十个包子”比喻结果——观众只看到最后一个，没看到此前九个包子的积累。
内部增长曲线也没有某个突然拉升的里程碑，而是相对稳定地向上。阿彪把它归因于三类渠道持续叠加，而非一次发布、一个关键词或一位红人带来的爆发。
SEO 的大框架是先建设主体功能、小工具、模型和文章四类页面，再用 PR、外链提升网站权重与信任。其算术很朴素：“一百个页面，每个页面十个流量”，一天就有一千个访问；没有承接意图的落地页，流量也无处落下。

5. 可直接使用的落地页同时服务用户与爬虫

主播指出上述框架像入门教材、并无神秘技巧；阿彪的回答是，差距主要藏在细节。Pollo 的关键设计是用户进入某个功能页便能直接使用，无需先看展示页、点击 Try it now、登录后台，再花时间寻找原来的功能。
登录前后页面主体“都长这样子”，但信息密度不同：未登录时，上半部是功能区，下半部保留文字介绍、案例、用法等 SEO 内容；登录后则隐藏下方内容，转为沉浸式功能区。阿彪认为这同时照顾了 Google 的理解与用户体验，而“SEO 的核心也是用户体验”。
模型页覆盖可灵、Runway、Sora、Lumina、海螺等用户会直接搜索的品牌词。美国大词未必排得上，但同一英文词在澳大利亚、新西兰、新加坡可能获得更好排名；若模型方未做西班牙语等多语言页面，Pollo 还能承接其遗漏的本地语言流量。

6. AI 写作只能当副驾驶，SEO 本身也从来不免费

团队写 Blog 时采用“一半 AI、一半人工”，因为用户变得更挑剔。阿彪偏好的开头不是机械罗列“十个最佳 AI 视频工具”，而是以测试者身份说清自己试过什么、发现哪些问题，像朋友一样“娓娓道来”。
他的判断是，AI 可以辅助，但“直接做甩手掌柜是不现实的”；当机器内容普遍一板一眼、缺乏人情味时，人的经验和语气本身就是差异点。
另一个常见误解是 SEO 不花钱。文章生产、页面与功能开发、PR、外链都需要预算，它不是“纯薅谷歌的羊毛”，只是相较其他获客方式，ROI 可能更高。

7. 外链要像自然生长，SEO 反馈至少等三到六个月

Google 原则上不允许购买外链，也可能直接让可疑链接失效。阿彪建议从网站生命周期反推：新站先出现 Medium、Quora 等普通链接，随后关注度提高，才逐渐获得更高质量链接，这比一开始全是昂贵权威背书更自然。
新站早期做三五条每条上千美元的链接通常不至于受罚，因为搜索引擎需要容忍度，否则竞争者很容易互相攻击；但突然撒下 10 万美元、全部购买高价外链，就可能适得其反。频率同样要平滑，每月十几到二三十条，远好于首月一百条、连续两月归零、第四月再来一百条。
SEO 通常要三到六个月才看见效果，中间改动也缺少即时反馈。内容、站点结构、URL、外链、关键词方向与竞争度共同决定结果；经验不足的人做满六个月仍无成效，“有较大可能”，这种无力感并不反常。

8. SEO 高手的分水岭是架构思维，但这棵技能树有天花板

面试 SEO 人才时，阿彪首先让候选人讲清一个网站从零到一的完整思路；只会找关键词、做页面、发外链，说明认知仍浅。再向上一层，核心答案是“满足用户的意图”——无论用户要信息还是要完成一个具体任务。
顶尖人才还要理解产品定位和未来方向，兼具营销与 SEO 能力，把用户体验、页面承接和整体增长脉络放进同一架构，而非只优化某个模块。
阿彪公司的 SEO 员工入职前往往没有相关经验，由他通过内部文档培训。他推荐 Ahrefs、Semrush、Authority Hacker、Backlinko 的英文文章：“看一百篇文章”足以补齐理论，再拆解 50 至 100 个优秀网站的架构、写法、URL 与布局，建立案例直觉。
但 SEO 绝非万金油，也不适合每个行业；它有明确流量天花板，不可能单独撑起千万美元乃至更高收入。真正的全局判断，是先知道每种营销方式的上限和适用边界。

9. 红人传播先要爆点，播放量不等于付费

Pollo 的红人营销难点在于既没有自研模型带来的技术 buff，也缺少争议、噱头和新奇交互。阿彪认为用户刷短视频是来找“好玩”的：GPT-4o 图片功能此前的交互更新本身虽好，但若只有这个还不足以达到同样的传播量级；吉卜力风格玩法才把传播推上更高量级；数字人产品靠“郭德纲说英语、外国人说中文”出圈也是同一逻辑。
早期团队机械化硬推，交了学费后改为推广好玩的特效，但新矛盾随之出现：“他点个赞，OK，他跑了，他不付钱。”近期又尝试强调 Pollo 能一站式使用最新视频模型，不过阿彪没有断言效果已经得到证明。
对红人 ROI，他的诚实答案是“即使是现在我也不知道”，因为归因很难。团队主要以 CPM、播放量和预算判断是否继续合作，而非建立了精细的收入回收模型。

10. 不懂投放就先买高级人才，渠道适配在选品时已经决定

被问到广告投放技巧时，阿彪的答案只有一个：招高级投手，并请懂行的朋友付费协助面试。在完全陌生的产品、营销、技术或具体开发栈上，“一定不要招中级的，一定要招高级”；高级人才的学费通常已由以前的公司支付，便宜人选的试错则由创业者买单。
过去一年，他认为最正确的公司决策正是补齐红人和广告技能树。自己从 SEO 出身，正因为清楚单一渠道的局限，才不再让公司只依赖一种获客能力。
渠道适配往往在选品那一刻便已确定：电子签名拿去做红人既无聊又缺少爆点，买广告又要面对每次点击数美元且资金充裕的上市公司；跨境电商行业也不适合 SEO，阿彪以希音主要依靠广告投放为例。三板斧不是要求每个产品平均用力，而是找到最匹配的那一把。

11. 时机与产品属性决定该多押注还是深挖

阿彪主动否定了外界对其“总能踩准时机”的想象：HIX.AI 到 2023 年 5 月才启动，那时 ChatGPT 已火过几轮，真正吃到红利的是 Monica。近期 Manus 又让他看到，融资、引入更优秀人才后，团队确实可能做出更有创新性的产品。
他寻找机会的方式并不神秘：持续关注新产品、技术动态和开源方案，再思考如何嵌入现有产品或形成新场景。因为自己不是技术出身，他常通过国内 AI 自媒体获得 GitHub、Twitter 和大公司新闻的二次加工，先做记号，上班后再深入研究。
多产品路线的代价是没有哪款产品真正从十做到一百，但阿彪并不遗憾；从零到一会令他兴奋，也能增加新思路落地的概率。主播以另一位创始人事后后悔不够专注作对照，他的回应是要看前提：偏 B 端产品可以长期做深，偏 C 端工具可能一年就“做到头了”，还要判断天花板是否值得专一。
对创业目标，他没有给出融资式口号：“创业它就是我的生活。”成就感、自豪感、同行认可都重要；至于做几十亿美元公司的野心，他宁愿“隐藏在自己的内心，默默守护”，并欣赏雷军功成名就后仍在一线做汽车。

12. 数百万元学费换来三个选品问题

阿彪现在评估新品先问三件事：是不是正确时机，有没有与现有产品不同的切入点，以及决定该品类成败的关键究竟是产品力、品牌、信任、合规、营销还是广告。“选择比努力重要”，因为关键变量若超出创业公司的能力，执行再勤奋也难逆转。
电子签名是最痛的一课：团队做了大半年、亏了数百万元，营销投入也不少，事后才意识到用户最在意品牌信任和合规。市场上已有 DocuSign、Adobe Sign、HelloSign 等成熟玩家，时间点、差异化和关键能力三个维度都不成立，选择时几乎已注定失败。
随后开发的在线 PDF 编辑同样时机不佳、没有不同切口且竞争激烈。阿彪补充，在 AI 之前，新场景稀少，软件市场往往要么巨头林立、要么空间太小；AI 技术持续变化，才重新制造出可与大公司站在相近起跑线上的窗口。
AI 音乐的失败机制不同：团队使用 MiniMax 和天工 API，成本较高，用户又基本只买最低档；相比 Suno，产品既不更好也不更便宜，更没有品牌优势。剩下的用户只是偶然不知道 Suno 的“小虾米”，阿彪把这种生意叫作“捞死鱼”——也就是“瞎猫碰上死耗子”。

13. 没有硬护城河时，阿彪押注速度、迭代与组织能力

主播把最尖锐的问题直接摆出：Pollo 是否谁都能做、没有护城河？阿彪回答“目前没有”，承认别人完全可以复制，也暂时拉不开明显差距；他的办法是持续把产品做好、相对更快，让后来者“赶得有点吃力”，再把营销“加满一点”，并期待后续交互迭代形成差异。
在同类产品中，他最佩服剪映的系统能力：功能、运营、增长都“非常系统无敌”，这种团队放到任何产品都能打；但 Pollo 不想也“不敢”正面竞争，押注的是偏 AI 的用户心智。对于 Krea AI，他质疑其约 8,300 万美元累计融资、800 多万美元 ARR、5 亿美元估值存在水分和泡沫，同时承认其影响力无疑，可能有团队暂时不知道的产品发展方向或思路。
中国团队的优势是工程师成本相对海外便宜，收入美元还有汇率优势；劣势则是难以洞察强 B 端场景，也不擅长海外本地销售和商务。ChatGPT 是阿彪眼中的分水岭：此前出海圈玩家有限，AI 之后“万物生花”，新场景让国内创业者有机会与大公司站在大概同一个起跑线上。
他反对把能力边界固化为“基因”：“基因就是你限制了自己”，公司能否做云、模型或海外业务，取决于创始人是否持续蜕变。管理上他也从要求员工多加班转向“张弛有度”：公司设置一个半小时午休及下午 20 分钟集体休息；若方向正确，为提前一两周达标逼人通宵意义有限，应该“放过自己，也放过他人”。

Bucky Moore @ Lightspeed Venture Partners：不做 Pre-Seed，就做不了 VC AI 控制：与 Buck Shlegeris、Redwood Research 探讨如何安全使用不可信系统（80,000 Hours 播客）