即刻App年轻人的同好社区
下载
App内打开
酷乐米米
111关注9被关注0夸夸
酷乐米米
1年前

生姜iris: Thanks to @JKtheSeeker @High寧 带来的万字长文,字字珠玑,疯狂记笔记(且疯狂点头❗️) 北美SaaS生态真的非常扎实/踏实/思路清晰,且敏捷迭代。 印象最深刻的一句话是:「找到自己的增长模式,并用科学的手段和方法论,没有奇技淫巧,一点点改善。并且,多看多听外面一切资源,取长补短。」 做深/做穿,去预测和洞察用户的行为路径,给用户提供他们需要的价值。 好的产品体验都是靠不断的努力/精细化调整/持续灵活迭代/扎实深入细节打磨来的。 Global是一个好的市场,要有躬身入局的勇气,更要有吃苦耐劳的决心。 更多精选摘录如下(客户成功那段写的太好了,疯狂截图保存): 1️⃣ 「总体来说,这次 SaaStr 大会我们第一感受是:讨论商业本质的话题明显增加,包括定价、GTM(Go-to-market)、垂直场景(Vertical)以及产品设计等。」 2️⃣ 「真正理解美国市场是“全球天花板”:企业级客户依旧有钱有预算,而 SMB 的预算也在恢复。同时,尽管决策者转移至 CFO 等更高层,但始终相信方法论和重视产品差异化。SaaS 从创始人到投资人一致重视人效。」 3️⃣「“获得一美金比失去一美金要难多了”,老客户的留存和后续“Land and expand”比以往更重要,甚至是业务“出海”的敲门砖,因为他们会是你打开本地垂直场景最合适的“大使”。」 4️⃣ 「“ROI、盈利能力、现金流”等同时体现业务和财务健康度的词组,现阶段出现频次盖过了“未来、千亿、巨头”。在零利率政策后,市场来到了脚踏实地比仰望星空至少同等重要的关键时刻。即使是走融资路线也没有例外,因为投资人可能比你还要关注!」 5️⃣ 「可预测性:Predictability 这个词被反复提到,能否在收入和利润两方面持续“达到甚至超过”市场预期(据统计约80%的 SaaS 上市公司可以做到,这就是产品化和订阅制的魅力!)」 6️⃣ 「我们到底要在多久之后看到企业对 AI 投入的 ROI 有明确的结果?他给出了预期,大概在 18 到 24 个月。」 7️⃣ 「一家高效的 SaaS 公司画像被定义成了“700人团队撑起2亿美金ARR”,也就是28万美金人效。为了实现这个新常态下的高人效,Jason Lemkin 推出了一个新词: Hyperfunctional SaaS(超级功能 SaaS)。 这个 “Hyperfunctional” 背后有很多含义: * AI是各大SaaS必攒的筹码,在此基础上让产品进入超级自动化时代。 * 其次产品要更好用,并在此基础上推进多产品战略,步步向平台级公司迈进。 * 在控研发和销售成本,多产品线创收的基础上,人效便自然提升。」 8️⃣「超级功能 SaaS 绝不仅是我们联想到对产品功能的”All-in-one“,而是结合 AI 和自动化,进一步满足企业级客户的预期: * 用AI替换30-50%的劳动力。 * 把所有非结构化数据立刻变得结构化、企业级可搜索。 * 用简单平直的提示词就能驱动所有功能甚至流程。 * 用完全的自动化替代复杂的新手教程。 * 基于一个核心平台辅以插件与单点工具来完成全部工作流。」 9️⃣ 「先用 Freemiun 模式来扩大第一层用户漏斗,但是重心从单纯的“拉新”转变为“新用户留存”导向。这意味着: * 针对尚未使用产品的用户,应着重展示产品的独特价值和优势。 * 针对已使用产品的用户,努力增加复购率和忠诚度。」 🔟「Apollo 升级后的增长模型: * 每个环节都要让用户可以自助运转起来(而非完全依赖销售)。 * 确保用户先用起来,再向他们收费和转化。 * 关注留存!重视留存!提高留存!」 1️⃣ 1️⃣ 客户成功的关键:「净收入留存 (NRR, Net Revenue Retention) 如何解构?」「同期用户总收入留存率(cohort-level GRR, Gross Revenue Retention)是多少?」「你的业务有哪些“早期预警指标”?」「如何证明你的用户粘性?」「有哪些运营策略来提升留存?」「如何向用户展示你的产品价值?」「谁是你的“铁粉”?」「根据 Gainsight,客户成功的成本占 ARR 的比例通常低于10%,中位数与 ARR 规模整体上呈负相关,但在5000万美金~1亿美金这个区间返升至10%,而当 ARR 超过10亿美金,中位数降至2.5%。」「如何提升客户成功规模化投入的效率?一个最直观的指标就是,平均一个客户成功经理管理的客户数量。」 1️⃣2️⃣ 「没有什么比这句话更有说服力:“我们有20家客户,其中三家通过我们的解决方案实现了200%的投资回报率”」 1️⃣3️⃣「Tim 总结了在起死回生那三年中最大的收获,最重要的依旧是无论团队多小,遇到多大困难,只要在一个需求真实存在的市场:找到自己的增长模式,并用科学的手段和方法论,没有奇技淫巧,一点点改善。并且,多看多听外面一切资源,取长补短。」 1️⃣4️⃣「作为一家“出海”到美国公司的德国 SaaS 企业,这里面最重要的就是则是如何从公司层面去完全“适应”本土文化和做事原则,这其实很容易被创始人忽略,所以才在后面强调了几条“术”,包括: * 建立系统性的一套招聘原则,他也分享了在公司内部的招牌模版来完善人员配置。 * 建立强大完整的面向销售的资源网络,让每个新员工感到无时无刻得到“支持”。 * 重视现有客户的拓展,先找到已经合作客户的海外团队,是了解当地文化最好的入口。 * 最后,“卷”起来!为共同目标快速迭代,重视事的“Urgency(急迫度)”,要比总部还要快。」 1️⃣5️⃣ 「招聘经理和领域专家(Subject Matter Expert)须懂得与本地“共情”:这必须成为招聘的优先事项。首先,招聘经理也必须来到本地客户那里,表达支持,感受痛点。Motiwala 在 Twilio 的经验是,他任命领域专家成为 Onboarding 团队的一部分,至少有几年的时间,连续数周让总部派专人飞来,从总部带来新的知识和技能,及时传达给当地团队。」 1️⃣6️⃣ 「团队搭建过程中,千万不能忽视庆祝哪怕非常微小的胜利。因为作为一个新地区,你无法一开始就完成10万美金的交易,更不用说百万美金。需要庆祝面前的一切。当时在北美地区,团队完成了第一笔交易,价值约3万美金,Motiwala 对全公司说美国团队完成了第一笔交易,大家互相庆祝。这是很重要的本地文化之一。」 1️⃣7️⃣ 「总是记住“失去一美金比获得一美金要容易得多”。如果你不与现有客户交谈,不亲自与他们在一起,你的竞品就会马上行动,与这些客户在一起。因此,保护已有收入的扩张,并且如果你有一个净正值的NRR(Net revenue retention),这些公司会与你一起成长,他们自然会容忍你。DeepL 今年很多收入都来自那些现有的客户。」 1️⃣8️⃣ 「Tunguz 介绍到当他刚开始创立新基金时,对基金和目标投资轮次(A轮)的出资规模进行了建模,当时平均 A 轮融资的规模大约在1000万至1200万美金之间。而随着美联储加息继续,筹集资本的成本随之上升,公司筹集的资金难度进一步加大。所以在过去两年中,早期公司估值和 A 轮融资规模均增长了42%,出现了巨大的通胀。这对他来说也非常意外,大部分 VC 的反应就是当前资本市场环境对基金来说更为严峻。」 1️⃣9️⃣「根据调研,大多数公司还没有见到 AI 利用对销售周期带来的可量化的效果。于是对公司来说,重新定位理想客户画像,并且制定合适的 GTM 和合理的定价策略就更加重要。」 2️⃣0️⃣ 「现在 AI 公司甚至提供了三层定价模式: * 第一个涉及深度授权的订阅制基础费用。 * 第二个是基于使用的消费模式。 * 第三个为解决方案级别,定价基于交付的最终结果。据她观察,大约60-65%的公司结合了这三个层次中的至少两个。」 2️⃣1️⃣「定价里面还有很多学问,但Hegde希望大家关注的,不是最终收入或者客单要取得多大成绩,而是回到产品的定位,怎样才能将对用户的价值放大,成为更大更好的公司,并且对这个过程中的成本变得更有预测性。」

00
酷乐米米
1年前
#读书笔记
听完《反骚扰的最高法院之战:法律如何撼动不平等的权力结构》,我找了麦金农的《迈向女性主义的国家理论》来读。对以下两句话,我深有感触:
00
酷乐米米
1年前

Erix: 最近一周时间在上海、深圳、北京见了近20位一线AI从业者,其中包括投资人,大厂AI业务&模型厂&应用厂的员工,独立开发者,founder。很累,收获也很多。总结一下我觉得重要的共识和非共识,以下内容没有优先顺序,想到哪写到哪: 1.关于竞争:大厂、模型厂、应用厂 大厂没有逃脱局部兵力不足的问题,越是铺得广的厂这个问题越严重,字节的遍历填格子打法在业务相似度低的时候是人才密度不够的,战术上重视就行。反而阿里的通义因为更研究院模式,没有主核,分布式创新使得反而跑出来一些模型和应用侧有意思的东西,这个很值得大厂内部思考一下。 模型厂基于GPT-5迟迟不到,可能也判断出了,算力未必是万能解药,开始卷差异化,差异化对于tob的竞争尤为重要。但国内的模型厂还有一个不得不卷应用的任务,但不基于模型差异化的应用很难卷出用户体验增量,各位厂里的小伙伴都在努力地拉齐共识和内部创新的过程中。 应用厂,AI搜索的共识形成得太快了,其实没有留下太多保护期,大明牌的卷度会很激烈。反而是AI+every thing因为去年的过分乐观到今年的幻灭,留出了大量的创新保护窗口,给不迷信AI解决一切问题,但试图先用AI对具体领域做一些用户体验提升的公司留下了机会。 额外补一个硬件厂,世界上还有大量的数据没有被搜集,每个带有数据收集器的硬件厂都有属于自己的机会,但硬件厂目前很少有软硬一体的能力。补齐短板的玩家会可能会跑出来新东西。 2.关于模型能力 GPT-4o展示了快非常重要,快是核心体验之一,那么moe就必须得卷了,groq这种加速的基建也会变得非常有价值。如果大规模的智力代差比如3.5->4不会卷得那么快的话,代差之间可能更多是成本和速度的竞争。 长上下文很牛,但低成本的长上下文才有意义,基于长上下文成本急剧下降这个假设,能解决很多当前的用户体验问题。 多模态暂时在应用层的优势不明显,不考虑终态世界模型之类的,当前可能主要体现在一些之前没覆盖到的小CV场景。 fine - tuning不是净提升,是某类问题解决的更好,但通用问题更差的trade off,可以通过调整尽量降低负面影响,但从技术成本和数据成本来考虑,暂时很难作为可普及的常用武器库。 更细分的卷法,卷RAG,卷function call,卷代码能力,卷交互理解,卷情绪理解等等 可能真正值得卷的是意图识别,意图识别才是ai的推荐系统。 3.关于投融资 国内目前的情况是:创业者说市场温度低难拿钱,投资人说好项目少没法投。回到本质还是大家想用钱干什么,如果是为了加速市场形成,烧出一个煊赫盛世应该是不太可能了,因为各有各的难处,但如果真的想要构建一个未来5-10年在AI世界有独特社会分工的企业,大家还是很认可的。但目前市面上能持之以恒解自己的题的人很稀缺。 海外听到了多种说法,鉴于没有一手信息就不评价了,但如果做海外市场,还是建议谨慎考虑融资动作。 4.关于用户需求 PMF对还是TMF对?还是前者对,但现在加了一层技术可行性的约束,使用门槛很高,但体验提升巨大,也有机会。 工具效率/工作流,这是目前AI落地得最好的部分,但目前最大公约数已经挖完了,而AI目前远达不到数字员工的级别,很长一段时间基于某个职业的AI工作流copilot应该都是主要落地形式。tob和toc在这个领域都能持续跑出来赚钱的东西。 情感陪伴/内容消费,成本下不来,质量上不去,商业模式讲不清楚(付费逻辑只有hs内容能跑通,免费逻辑留存一直上不去)。 AI也不是唯一主线,AR眼镜等硬件对原本手机场景的分割,电话、拍照、翻译。还有web3。基于满足用户需求来思考,AI未必是唯一的锤子。 5.关于长期主义的优劣势 这回出来有一个比较深的感受是,基本上可以把founder分为偏长期主义和不偏长期主义两类,而这两类似乎都有其生存空间和价值。 因为我的个人偏好,所以说明一下长期主义的优劣势: 优势是,长期主义在各类决策上,难度都会降纬,因为长期主义代表你对于未来世界是有一个大概想象的,你知道五年之后想要什么,所以对于判断做什么不做什么会变容易,对于招谁不招谁也会变得容易。单一目标的决策总是比多目标的决策好做。 劣势是,早期找PMF切入点可能会非常难且漫长,对于耐力、定力和资源的要求会更高,是的,长期主义是更消耗资源的,因为反馈周期会更长。

00
酷乐米米
5年前
来到即刻的第一天。
10