# OpusClip 增长秘诀：如果每个阶段只让我选一件事做 | 对谈 Opus 前增长产品负责人君陶 42章经 · 2025-10-25 · 53 min · https://www.xiaoyuzhoufm.com/episode/68fb18780156720321d444eb?utm_source=rss ## 逐字稿 曲凯 There's something there. 君陶 非常感谢曲凯老师的邀请。这一期我会从我的视角讲一下：在每一个阶段，增长可以做的事情都非常多。如果每一个阶段只让我选一件事情，我应该去做什么？ 先大概介绍一下我的背景。我在过去的两年中，负责 OpusClip 的增长产品，也做了一些主产品和 B2B 产品的工作。我是 2023 年加入 OpusClip 的，也比较有幸在公司刚开始商业化的时候加入。当时招我进去，主要就是去做支付系统、商业化和增长，见证了这家公司从 0 到 1，再到 1 到 100 的整个增长周期。可能也因此积累了一些拙见，想跟大家分享一下，希望这是一次比较详实、大家能带一些东西回去的分享。 ### Cold Start Needs Real Users 前几天我还跟一个刚开始做视频产品的朋友聊了一下。他们刚发布了一个视频产品，发布之后进入了 go-to-market 和冷启动阶段。当时他们带着一些问题来找我：他们尝试做冷启动，联系了很多推广 AI 工具的创作者，但在合作过程中遇到了很多问题。比如，他们发现很多创作者其实在买粉、刷单，最后得到的结果数据和创作者承诺的不一样，很难建立信赖关系。 他们也尝试过和比较靠谱的代理机构合作，但这样同样很难精准把控投放效果，因为没有和达人一对一沟通，无法明确自己想要的视频效果和宣传效果是什么样的。还有一个问题是，这些合作带来的用户，他们不确定是不是符合自己的 PMF。因为这些用户的背景很杂，他们创建的项目很多时候也不知道是用来做什么的，所以很难确定自己是否找到了 PMF。 针对这样的问题，我的第一个反问是：你们找的这些合作达人，是不是你们工具的真实用户？ 这个问题其实对产品初期非常重要。在产品冷启动阶段，你要找的第一批用户非常重要，他们应该是你的合作伙伴，而不是 affiliates。我们可能需要区分一下，早期寻找的宣传合作伙伴和 affiliates 之间的区别。 ### Partners Beat Affiliates Affiliates 是一群希望通过你的产品直接赚取金钱收益的人，一般合作方式可能以佣金或销售提成为主，也有按照播放量收费的。但你和他们的关系更侧重于短期转化和销售，他们不一定是产品的深度用户，也不一定真的能给你很多关于产品和用户的洞察。所以，这类用户我不太建议在早期大量合作。 我更倾向于寻找真正的合作伙伴。尤其是视频产品的合作伙伴，应该是产品的真实用户。他们不一定现在就能在工作流里使用你的产品产生价值，但他们能看到产品未来的潜力、愿景和发展方向。这些人可以在前期帮你提供深度反馈，参与产品共建。如果他们认同你的愿景，其实会愿意以比较低廉的价格帮你推广、为你背书。这才是你想要找的第一波推广用户。 这就涉及获客这一块。我看到有人问，视频产品应该怎么做冷启动？从我的视角，以及 OpusClip 的发展经验来看，如果视频产品真正找到了 PMF，它本身就具有很强的破圈能力。因为你的用户，特别是内容创作者，天然就是最好的市场推广渠道。 视频创作者天生就会围绕 KOL，也就是意见领袖，形成圈层。如果你通过早期用户打入这些圈层，就能很好地建立用户群。通过早期用户打入用户群还有一个好处：早期认同你的 KOL，他们自己的影响力其实就是你品牌的背书，而品牌背书在这种依靠圈层传播的产品里非常重要。 但在合作过程中还有一个需要注意的点：尽量早一点与这些创作者形成经济上的共赢关系。要么是签一些年度框架协议，早点和他们建立正式的经济关系，而不是仅仅靠他们对产品的热爱，让他们为爱发电。 这种共生关系长期来看对创作者和产品团队来说都是共赢的。创作者之所以成为意见领袖，意味着他们在视频，尤其是 AI 视频领域，能够持续创造话题，持续为听众提供价值。分享新的产品、最前沿的工具和使用方法，其实就是他们提供价值的一种方式。如果你的产品真的能为他们创造价值，他们把这些工具分享给自己的社群和观众，也是在为观众创造价值，同时获得话题和关注。 对于产品方来说，获得的则是更精准的用户。如果宣传产品的人本身就是我们的用户，那么他的听众和受众很可能也是我们的用户，我们获得的用户就会比较精准。相对来说，通过比较广泛的推广渠道获得的用户可能充满噪音。早期如果获得大量充满噪音的用户，而你又不确定工具是否真的为他们产生了价值，不确定他们用工具创造出来的内容有什么用途，这对产品迭代是很致命的。 所以，聚焦在少量和你有共同愿景的创作者，让他们帮你破圈、宣传和获客，对于创作者和产品来说，都会形成正向反馈。 我们可以看一下 OpusClip 的例子。OpusClip 很早的时候就有一个 Brand Partnership Program。这个项目其实就是我们早期通过展示产品能力，找到第一批跟着我们的创作者。 在这个项目创立的 3 个月内加入的创作者，很多都跟了我们很长时间。比如 John U Share，虽然他是很大的创作者，但很早就看到了我们产品的价值，愿意一直给我们反馈，之后合作也越来越深入。现在，他所有的短视频剪出来之后都会放上 “Edited with OpusClip”，我们在很多活动上也深度绑定，很多 co-marketing 也深度绑定。这得益于我们之前提到的寻找深度合作的 brand partners，而不是通过 affiliates 去宣传产品。 还有一个误区是，冷启动产品时，应该去找尽可能多的宣传渠道和 affiliates。我们觉得这可能并不是特别高效的方法。给我们带来很多自然流量的 brand partners，我们对他们有很深的运营动作，也投入了很多资源，但直到两年后的今天，brand partners 可能也只有十几个人，十几个人和我们签了年度框架合同，合作产出宣传内容，帮助我们推广。 归根结底，冷启动时需要帮你宣传的达人，不在于数量多，而在于质量高，在于他们是不是精准用户。比如我们的剪辑产品，主要瞄准播客用户，所以我们会在播客这个圈子里进行宣传。 现在比较火的 AI 生成内容、模型生成视频产品，其实也是一样。比如 AI 视频导演圈子，就是非常好的圈层。你应该先找到真实用户，同时这些用户自己又有影响力，是 KOL。然后从这个点出发，寻找第一批种子用户和第一批 KOL。 ### Pricing Unlocks Conversion 冷启动之后，大家想得更多的一个问题就是：我怎么更快地通过传统广告渠道，或者传统增长方式，快速提升营收和用户数量？ 做增长，大家都知道付费转化是增长的基石。为了能够更大规模且可持续地增长，保证 ROI 为正，提升付费转化率非常重要。提升产品质量，是最终、最长期的抓手。但在产品早期，我们可能还在摸索阶段，肯定希望快速找到一些抓手，让转化率得到初步优化。这样我们才能获得更多用户，然后更好地提升产品质量。 大家一般都会卡在这个地方：我们完成了冷启动，但用户数还不足以帮我们建立产品迭代的飞轮。这时候应该怎么提升转化率，保证可以更大规模地投广告？ 我个人的思考是，一个灵活且精准的定价策略，是一个很好的抓手。一开始发布产品之后，我跟很多创始人聊，发现大家没有注意到一点：定价并不是一成不变的，可以根据产品阶段和用户需求动态调整，而且它其实能带来很大的收益。 从视频产品的角度来看，我建议定价的修改可以围绕“定制化”这个主题进行更深入的调整。用户使用视频产品，本身的初衷就是产出内容，而这些内容要为听众带来价值。这个价值的核心在于内容的独特性。 对于创作者来说，产生独特性的一个简单方法就是拥有自己的 branding。这个 branding 要么是自己的真人出镜，要么是自己的声音，要么是和品牌相关的元素。我们把它叫作 brand kit，也就是品牌工具包。你可以把自己的 logo、习惯使用的字体等打包成一个工具包，用来塑造整个内容的品牌。 我非常喜欢举的一个例子是 Runway ML。Runway 的定价很好地抓住了创作者的一个需求：从普通的尝鲜型视频创作者到专业视频创作者，他们内容上的核心区别就在于对定制化的需求。 我们可以看到，Runway 的 Standard 和 Pro 两个套餐之间，最大的区别除了更便宜的 credits 之外，就是允许用户创建自己的 custom voice。用户可以上传自己的声音进行 voice-over，也可以做 lip sync，把自己的脸和内容绑定起来。这其实就是视频生成模型最简单的定制化方式。 还有一个我很喜欢、也建议大家去看一下的产品，是 Higgsfield。这是我最近关注比较多的产品，大家可能知道 Higgsfield 现在增长也很快。它除了自己的超写实图片模型、非常强的视频 LoRA 和 LoRA Remix 之外，做得最大的一点就是把定制化做到了极致。 它最核心的功能之一，是用户可以创建一个 character，上传 20 多张图片，然后让他们微调一个属于自己的 LoRA 模型，从而保证生成出来的照片和上传的真人一模一样。他们直接把这个功能设置成付费项目，普通用户完全无法试用，但这个功能很好地带动了整体增长。 从这一点也可以看出来，尤其是在视频和创作者生态里，怎么让用户生成定制化内容，是一个非常大的付费点。我们在做 OpusClip 的时候，也会把很多和 brand 相关的东西作为让用户付费的节点。测试下来效果非常不错。 调整定价是一项很精细的操作。很多产品上线之后，大家很害怕调整定价，因为觉得用户对付费很敏感，担心调价之后出现不好的公关，或者用户抱怨。 这里有几个核心考量。考虑清楚这些事情之后，就可以放心大胆地对定价进行灵活调整。OpusClip 进行过很多次定价调整，这也是我一直在主导的部分。我们在尝试了很多次定价调整之后，总结出了几个比较重要的注意事项。 首先，如何保护老用户的利益非常重要。不管是原来只有一个 plan，现在要做 price discrimination，还是要拆成两个 plan 来应对不同用户、增加 plan 的数量，在这个过程中，一定不要让老用户的利益受损。要尽可能保证他们拥有现有权益，甚至非常大方、慷慨地给他们更多权益，来保证老用户的口碑。 这里有两个方面。第一，从数字上来讲，老用户的留存是长期增长的基石。已有的用户 base 能够留存多少，是 ARR 能做到多大的关键因素，这之后我们会谈到。第二是口碑。口碑对产品非常重要，虽然它不太可量化，但归根结底，口碑就是老用户如何看待你的产品。新用户会来来去去，但老用户才是真正口碑的基石。 所以，不管做什么样的定价调整，即使是涨价，也应该把老用户单独划出来，保证他们的体验和权益不受到影响。 第二，做定价调整非常需要团队具备全生命周期 A/B 测试的能力。但这个能力其实比大家想象的简单很多，搭建起来是一个很快的过程。 第三，我想强调的是，UI 传递给用户的信息也是定价的一部分，而且是非常容易被忽略、却很有价值的一部分。比如定价弹窗什么时候弹出，弹出时上面写什么文案，放哪些重要 feature，这些都会影响用户如何理解定价。用户如何理解定价，本身就是定价非常重要的一部分，大家很多时候低估了这一点。 我看过不下 100 个产品的定价策略，发现真正把这件事情做得很好的公司很少。Runway 是其中一个，Higgsfield 也是。建议大家仔细研究一下它们的定价策略，看它们是怎么展示产品定价的。 有了前面提到的 A/B 测试基建之后，做这方面的优化可以马上看到很大的收益。比如调整付费弹窗的弹出时机，调整上面的文案，很简单就能拿到 10% 到 30%，甚至更多的转化率提升。大家可能觉得不可思议，但这里确实有这么大的潜力。 当然，如果是 B2B 业务，席位数量也是非常重要的定价因素。大家感兴趣的话，我们可以线下再聊。 ### Retention Drives Compounding Growth 下一章是前面提到的老用户和留存。我想聊一下为什么我觉得留存是增长上最重要的指标。前面我们谈到了两个章节：第一个是怎么通过找到真正的用户，帮助你宣传，完成冷启动；第二个是怎么快速提升转化率，然后扩量。 第三个，也是长期增长最重要的东西，就是留存。因为留存决定了你的付费规模能做到多大，是最有决定性的因素。 打个比方，如果忽视用户留存去做增长，就像拎着一个漏水的桶去打水。不管投入有多大，很难有水流下来，最后桶里还是只剩下桶底的水。 我们可以看两个例子。一个流失率为 10% 的公司，和一个流失率为 20% 的公司，在 6 个月以内，如果一个公司的流失率是 10%，另一个是 20%，最后剩下来的用户可能接近 2 倍。 另外需要注意的是，用户量越大，留存就越重要。用户量越大，每天流失的用户也会越来越多。你积累下来的老用户并不会全部留下来陪着你，其中一部分会每个月流失。随着付费基数越来越大，流失用户也会越来越多。 但新用户并不会随着用户规模扩大而快速增长。我们知道，在一段时间内，每天新增的用户数会趋于平稳，不会无限制地指数增长。这样就会导致一个问题：流失率越高，每天流失的用户数和每天新增的用户数达到相同数字的时间就越早，也就是更早进入零增长阶段。 所以，高留存是实现产品复利式增长的基石。 ### Feedback Builds Retention 但我们应该怎么提升留存率？OpusClip 的留存一直做得不错，这也是我觉得我们能够长期保持营收增长的一个重要原因。我认为核心就在于以用户为中心搭建运营策略。 我很喜欢 Stripe 创始人 Patrick Collison 说过的一句话：大约 70% 的新产品想法来自倾听那些有良好判断力的用户，这些用户可以提供宝贵意见，帮助你迭代产品；另外 30% 则是一些本应该受大众欢迎、但没有被用户明确提出要求的事情。 这句话有两个关键点。第一个关键点印证了一个核心思想：如果要做好留存，就应该以用户反馈为中心搭建运营策略。大多数产品需求，用户都会告诉你，70% 的产品迭代功能其实都是基于用户反馈。 下面我会讲一下我们在 OpusClip 是怎么搭建反馈机制的。 另外一点也不能忽略，就是那 30% 本应该受大众欢迎、但没有被用户明确提出的需求。这是很多团队会忽略的事情。你搭建好用户反馈机制之后，可能会被用户反馈淹没。 比如客服和市场团队每天接触用户，会收到很多负面反馈。他们推进的项目可能更多是如何改进这些用户反馈。但同时，产品团队应该有自己的长期产品愿景，把那 30% 本该受大众欢迎、但没有被明确提出的需求也做好。因为这 30% 决定了差异化。 所以在大方向上，我觉得大家需要注意两件事情。接下来讲一下怎么以用户为中心搭建反馈闭环。 首先，你需要从不同渠道收集用户反馈，因为用户在不同场景下会给你不同反馈。以我们自己的使用情况为例，Discord 更多是社区互动和即时反馈，大家会讨论产品的未来，帮助你构思产品。 Intercom 是我们的客服支持工具，主要用来处理用户，尤其是付费用户遇到的 bug 等问题。Canny 则是用来结构化地收集功能需求，也就是用户想要、但我们还没有实现的功能。我们会通过 Canny 把这些需求收集起来，同时展示给用户，让他们看到我们有哪些 roadmap。 最后是社交媒体。社交媒体上的反馈，可能来自潜在用户对产品观点的看法。比如你发布 social post 时，用户会给出什么样的反馈，这也是监控品牌口碑非常好的渠道。 有了这些不同的用户反馈机制之后，我们还要在团队内部搭建一套体系。以 OpusClip 为例，我们非常重视客服团队。团队可能只有 30 个人的时候，客服团队就有一支 5、6 人的美国全职客服团队。也就是说，我们会花很大一部分成本去把客服做好。 首先，我们会让客服团队有一份周报，每周汇总所有渠道里用户提到的 top feature requests 和 top complaints，也就是最重要的功能需求和最主要的投诉，然后定期分享给用户。 第二，我们会有专门的工程团队和产品团队帮助客服做自动化，保证他们在处理大量工单的同时，还能有效地产出洞察。客服团队每周可能人工处理数千张工单，但同时又能快速、准确地给产品团队和研发团队提供有效、可执行的洞察。 其次是闭环。对于产品团队来说，所谓闭环就是明确公示产品路线图，让面对客户的人了解到，他们提出的 top feature requests 已经被我们收录，现在每一项的优先级和进度是什么。 对于研发团队来说，就是快速响应和修复 bug，把 bug 纳入 sprint，建立一个快速机制，在修复后及时通知客服团队，保证和用户之间形成快速反馈。 这就是一整个闭环：从收集用户反馈，到在团队内部闭环，让收集到的反馈真正创造价值。 ### Data Guides Growth Decisions 前面提到了很多 A/B 测试，也提到了给客服团队搭建数据基础设施。这是大家非常好奇的一点：怎么做到数据驱动决策？ 在创业公司里，大家会非常在意这个问题，因为创业公司资源有限。你怎么决定在有限资源的情况下，投入多少资源建设数据基础设施？ 这里有一个洞察：洞察是除了获客、转化和留存之外，贯穿整个生命周期的一件事情。你怎么通过数据更好地洞察用户需求，同时辅助自己做决策？ 在产品早期，我们肯定会更多关注高收益、确定性强的事情，做一些确定性强的 A/B 测试。比如前面提到的定价 A/B 测试，可以获得确定收益，同时也能逐步建立团队对数据和 A/B 测试的信心。 很重要的一点是定义转化漏斗，对每个环节进行更深入的测试。我建议从简单的前端 A/B 测试开始，随着数据基础设施逐渐成熟，再做更复杂的测试。 简单来说，前端 A/B 测试更多是转化实验、功能渗透率实验，这些比较容易做。但留存实验，以及需要跨端的注册率实验，相对来说会更困难。 这里提几个案例。第一个是付费弹窗。前面也提到过，付费弹窗是早期最直接、最简单，收益也最高的一类测试。你可以测试不同的触发时间点，也可以测试不同的 UI 和文案。 这个过程不仅是在帮助你提升付费转化率，也是在履行 A/B 测试的另外一个职责：帮助你学习。做 A/B 测试的过程就是一个学习过程。你在测试过程中也能更了解用户，比如在什么情况下、哪个节点弹出付费弹窗，更容易让用户转化。 这些节点可能就是你正在寻找的 Aha Moment。你不仅可以从产品逻辑上倒推 Aha Moment，也可以在不断的实验中获得真实数据反馈，了解用户有哪些 Aha Moment。 即使在初期，你可以获得用户数据的渠道也很多。通过合理运用这些数据，合并不同的数据源，就可以用于用户挖掘。 举两个例子。第一个是邮箱后缀，这是挖掘潜在用户和意想不到的用户群体的一种很好方式。我们通过查看用户邮箱后缀并进行数据分析，发现很多美国的教会和房产中介其实都在使用我们的产品。 我们定位到这些用户，发现他们的 use case 之后，也慢慢把这些用户加入了最核心的理想用户画像中。 另外，我们做的是视频工具，很重要的一点就是查看用户关联的社交账号，找到有影响力的创作者，联系他们，和他们达成长时间的合作。联系一个正在使用你们产品的用户，肯定比 cold outreach 一个陌生人容易得多。这也是我们自己摸索出来的一些经验。 下一个大家比较关注的问题是，应该投入多少精力在数据上。 创业公司经常会问我：最早的时候，如果要做数据基础设施，需不需要招数据基础设施方面的人？需不需要招一个数据科学家？ 我的答案是，数据驱动虽然非常重要，但早期不一定需要投入大量资源招聘专门的数据人才，也不一定需要复杂的基础设施。根据我们的经验，早期有一个懂一些数据的产品经理和工程师，稍微自学一下，再使用一些 SaaS，就能把 A/B 测试基础设施搭起来。 中后期我们才会考虑招聘数据科学家。你得有一个足够复杂的团队，才会有足够复杂的数据需求，需要专人处理。团队人数到 50 人左右时，可能会开始出现比较复杂的数据需求，比如成本削减、LTV 计算等。那些复杂的基础设施，可能足够支撑一个全职数据科学家的工作量了，这时候可能就是招聘数据科学家的时间点。 在这个时间点，简单分析就能解决的 low-hanging fruits 基本也采摘完了。到了非常后期，才会考虑招聘数据仓库方面的人。 根据我们之前的经验，招聘数据仓库方面的人，更多是为了 SOC 2 合规，或者降低对第三方数据源的依赖，从而减少成本。早期肯定没有这么强的必要，所以要合理规划数据投入，确保把资源用在刀刃上。 总结一下，今天我们简单聊了我对获客、转化、留存和洞察的一些想法。 获客上，最重要的是早期理解用户，和用户共同增长，完成冷启动。核心是找到对的人，追求少而精。 转化上，可以把定价作为短期增长抓手。核心是不要伤害老用户的利益，其次是修改 UI、UX 和 copywriting，做这些测试，让用户更好地理解你的定价。 留存上，要围绕客服建立反馈闭环和迭代链路，永远让用户感到你们在积极响应他们的诉求。但同时不要忘记那 30% 用户没有提出、却非常重要的需求。这样才能保证产品不断变得更好，更符合用户需求。 最后是洞察，就是 be resourceful，努力用上所有可以收集到的数据，但不要超前规划。数据基础设施可以长期保持在毛坯状态，够用就行。 这大概就是我在增长方向上的一个小结。接下来看看曲凯老师有什么问题。 曲凯 ### Growth Needs A Team 现在创业公司想招的，一般是我们说的 go-to-market 负责人，对吧？所以跟他们聊完之后，从实际落地和增长的角度来说，他到底应该在什么阶段招一个什么样的人？ 君陶 这是个好问题。我可以先说一下，我们当时在 OpusClip 做增长时有哪几块负责人，以及他们分别是怎么合作的。 为增长目标负责的其实并不只有投放负责人。做投放等于 direct-to-consumer，也就是直接把产品卖给潜在客户。我们还有一个 KOC 和 KOL 负责人，也就是 head of partnerships，负责谈商业合作，寻找最适合 OpusClip 的长期合作伙伴，和他们签年度框架协议。 曲凯 你刚才讲的两个部分，其实就是大家理解的典型投放，对吧？第一部分是各个平台的投放，只要花钱在平台上投，然后不断优化目标。第二部分更偏内容营销，就是投各种 KOL、KOC。 君陶 还有其他几个部分，包括 go-to-market。在 OpusClip，go-to-market 更接近 product marketing 的角色，负责我们对外的事情，比如建立自己的社交媒体，更多是针对已有用户做 product marketing 和 go-to-market。 创业产品其实是在不断更新的，已有用户群体在后期对你的价值会越来越大。当投放越来越饱和、你在整个市场的占比越来越大之后，已有用户群体会有更多召回方式。因为他们在你这里注册过，也留有数据，你可以更好地理解他们、触达他们，再去转化他们，或者提升他们的留存。 还有我做的 growth product 这一部分。一方面，我们在产品内部通过 A/B 测试提升转化率，这会服务于投放团队，帮助他们提升投放的 ROAS。另一方面，也会给他们搭建一些基础设施。 比如 product marketing、go-to-market 在宣传新功能时，肯定需要和产品部门直接合作，把这些东西更好地传达给用户。现在大家也很流行做 creator partners。如果想要一个很好、很紧密的创作者群体，就需要和他们进行比较顺畅的分账，搭建 affiliate program，或者提供各种能给他们的粉丝群体带来好处的运营工具。这些也都需要通过 growth product 去做基础设施，和他们合作，把整个流程跑通。 其实更像是一个 teamwork：大家为了同一个目标共同合作。 曲凯 明白。这里面还有一个小角色你没提，就是 SEO。你们也是专门有人做吗？是拆开做，还是怎么样？ 君陶 SEO 是 head of growth 一起做的。SEM、SEO，以及这些投放方向的事情，还有 direct sales，都是由他一起负责。 曲凯 明白。你觉得这些角色是同时招、同时做的吗？还是有先后顺序？ 君陶 其实都是需要的，因为不同产品最适合的增长方式不一定一样。比如 Higgsfield 这种产品，可能完全依靠社交媒体，因为它自己能建立一个很强的 creative team，自己做社交媒体就能主要靠这个引流。 对 OpusClip 来说，一开始主要依靠的是早期的一些 partners。 曲凯 但你做的这块更多是和产品相关的增长方式，对吧？所以你这边其实是零预算，我可以这么理解吗？你是通过不花钱的方式，在内部构建产品来做增长，或者支持其他部门？ 君陶 对。 曲凯 所以我的第一个问题是，对于绝大多数公司和个人来说，是不是一开始 PMF 都还没有找到，产品功能也不齐备，那用得上 growth product 这个事情吗？ 君陶 ### Testing Reveals Product Market Fit 其实做 growth product 也是寻找 PMF 的一个很好过程。为什么这么说？因为有一件事很有必要一开始就做，就是不断测试定价策略。用户愿意付费的付费点，代表着你的 PMF 究竟在哪里。 比如在 OpusClip，我们一直在做的第一轮 A/B 测试，就是上付费墙之后马上做的一件事情。当上游有一定数量、持续进入的注册用户之后，你可以做付费弹窗的 A/B 测试。用户产生某个行为之后出现付费拦截，就能测试出在现有 feature set 里，用户最愿意为什么东西付费。 这其实也是一个学习过程。你们在学习用户什么时候达到 Aha Moment，而这些 Aha Moment 就是核心价值。通过这些点，你能更好地理解用户，找到他们的 PMF，然后进一步迭代产品。 曲凯 我在想，A/B 测试在你的经验来看，很多人会觉得需要很完善的技术设施，需要做很多工程工作，才能支持小流量、小用户量的 A/B 测试。你实际操作下来是怎么样的？ 君陶 作为一家创业公司，要多用 SaaS。尤其是北美，有很多很成熟的 SaaS 工具，比如 Statsig。这些 A/B 测试平台基本上是即插即用的，把整个流程跑通可能不到半个小时。 这类工具对创业者一般都很友好，因为它们的盈利模式通常是先为小创业公司提供基本上免费的服务。当你依赖上它们的平台、公司发展壮大之后，它们再让你付费。所以初期其实可以重度依赖这些平台，而且不花一分钱。 曲凯 明白。付费相关的我们刚才提到了一些，还有没有其他你们跑过的实验、踩过的坑，或者一些认知？ 君陶 从我的角度来看，付费点也是最早、最简单可以测试的事情。 这里有一个我特别喜欢的产品，叫 Arcade Software，是用来做 product demo 的。进入这个 app 之后，你可以录制视频，它会直接把视频转换成 product demo。它的付费点是在你完成 3 个视频之后：第 4 个视频你仍然可以录，但当你要把这个项目变成公开可见的项目时，它会要求你付费。 这个付费节点抓得非常准。当时我考虑了不到 1 分钟就付费了。这就是他们测出来的用户愿意在哪个节点付费。 我觉得这是一个很好的例子。现在很多 to-C 产品，用户决定付费的时间线特别短，肯定在 1 个小时之内，甚至 10 分钟之内就会决定付费。所以在这段时间里，用户会有比较频繁的操作，也就有很多可以测试的空间。 你可以做很多不同 variant 的测试。在这个过程中，你会不断学习用户的行为和思考方式，越来越能像用户一样思考。 曲凯 我觉得现在大家做的可能更多是拍脑袋，或者猜用户。比如我对用户有一个大概的了解，对自己的产品也有预期，觉得最主要的付费点可能在哪里，很多人设定的可能都是下载之类的。 所以你们测试下来，有没有什么反直觉的部分？就是测完之后发现，原来结果是这样，和之前想的完全不一样。 君陶 有。我觉得最好的 A/B 测试，其实不是验证了你的想法，而是结果和你的想法完全不一样，然后你们从中学到了完全不同的事情。 在 OpusClip，我们做短视频，会有很多字幕模板。我们只是在做一次设计改版时，把字幕模板样式的露出做得更强了一些，但一下子带来了非常高的转化率提升。 从逻辑上说，这件事是讲得通的，因为短视频用户非常在意字幕模板。但我们之前并不知道这是一个多大的机会点。这就是在一次 A/B 测试中学到的东西。 怎么设计 A/B 测试，其实也决定了怎么保存测试过程中的数据，方便后续分析。当你看到一个意料之外的结果之后，能够溯源，也能够通过进一步迭代 A/B 测试，把这件事验证清楚，找到它的根源。 曲凯 关于付费这件事情，你做完 A/B 测试之后，有没有什么核心结论？ 君陶 Price discrimination 这种实验非常值得做。 曲凯 我们之前和 A Studio 的 Joe 录过一期播客，聊到他们后来定了一个增长目标，发现最有效的达成手段就是直接涨价。 君陶 对。 曲凯 你觉得是不是绝大多数现在的 AI 公司定价都偏保守？是不是都有很大的涨价空间？ 君陶 我觉得是。关键在于毛利率的问题。AI 产品和一般的 SaaS 产品其实挺不一样。一般 SaaS 产品可以做到 70% 甚至 80% 的毛利率，但 AI 产品很难做到高毛利，因为大部分成本都在模型厂商那里。 所以我觉得，怎么探索更好的产品形态，让用户有很高的付费意愿，是一个很核心的问题。 我最近听到一个比较熟悉的产品，叫 Listen Labs，是做用户调研的。我们最早接触 Listen Labs 的时候，它可能是订阅制产品，完全 to-consumer，一个月几百美元，价格也挺贵。 曲凯 作为 SaaS 产品还好。 君陶 他们最近有过一波大涨价，现在变成每年大概 3 万到 5 万美元。可能是通过研究目标用户和他们的付费意愿，最终找到了这个价格。我觉得 AI 产品怎么找到适合自己的定价，肯定是一个比以前更大的问题。 曲凯 大家还有一个纠结点：到底应该是周付费、月付费还是年付费？也可能有季度、半年，这几种付费周期之间到底应该差多少钱？你有什么经验吗？ 君陶 我觉得不用把这件事情想得特别复杂。如果你的产品想依靠留存，长期实现比较稳健的增长，那就把付费周期延长。 在 OpenAI，我们的定价策略是月付费，年付费则是提升整体留存的一种方式。年付费可以给比较大的折扣，把很多人引导到年付费。年付费用户的留存更高，所以整体上是可以把账打正的。 折扣本身也是一个测试点。你可以测试在成本允许的范围内，怎么通过年费折扣把尽可能多的人引导到年付费。 曲凯 所以我听起来，这些东西都是一个长期测试的过程。比如一上来到底定 10 美元、20 美元、30 美元还是 50 美元，可能没有那么重要，不断测试就好了。可以这么理解吗？ 君陶 我是这么认为的。唯一的考量因素是产品本身的成本，包括毛利率能做到多少，以及需要开放多少试用。试用成本必须计算到整体收益里。 现在很多 AI 产品的问题就是试用成本太贵，导致它们没办法像 SaaS 产品那样大量投流，获得试用用户。 曲凯 我还好奇，付费测试这件事情，你们做了多久？它是一个持续的过程，还是测到一定时候觉得差不多就可以了？ 君陶 看需求。我们一直在做这件事情。我们会 brainstorm 很多增长相关的项目，付费项目永远都会包含在里面。 曲凯 明白。就像你讲的，付费这件事和产品埋伏直接相关，对吧？只要有新产品功能，就可以测试。 君陶 甚至不一定要有新的产品功能。比如你可以测试把一些功能的限制设得更严格，减少给用户的免费权益。视频产品的水印就是一个非常明显的例子，你可以测试加水印之后能带来多少收益。 这通常会带来巨大的收益。包括免费试用次数，也都可以在不同阶段根据不同需求进行调整。 曲凯 但单说付费这件事情，它的指标提升必然会和转化、留存等指标产生矛盾。比如付费率提升得越猛，可能上了水印之后付费率一下翻番，但用户体验变差，用户就流失了。 这种时候只能综合考量，最后大家主观商量出一个结果吗？还是怎么样？ 君陶 你说的应该是付费率和留存率之间的 trade-off。 这个其实可以做比较长期的 A/B 测试，甚至不用做得特别复杂。大厂可能会做反转 A/B 测试之类的复杂实验，但如果要做这些复杂的 A/B 测试，那些 SaaS 工具也都支持。 如果不做得那么复杂，可以把时间周期拉长，比如跑半个月到 1 个月的 A/B 测试。观察付费率提升了多少、流失率提升了多少，然后计算最后的收益是什么样子。 曲凯 你刚才讲的客服和数据这部分，我听起来觉得也挺适合用 AI 做辅助和提效。你们在这个过程中有没有使用 AI 的方法，或者什么巧招妙招？ 君陶 Growth 团队永远是一个比较小的团队。和其他主产品团队相比，你要做的就是用最小的力量办最大的事情。不可或缺的一点是，如果能借助已有的 SaaS，就能把 impact 做得很大。 比如我们首先用 Mintlify 做 help center。help center 做好之后，再接入 Intercom，相当于有了一个自动客服机器人，每周可能处理 1,000 多条用户投诉。 和留存相关的也做了很多。比如订阅产品里的 past-due payment，就是一大块。自动收款时会有很多支付失败，但其中可能有 40% 到 50% 的支付是可以通过重试成功的。要实现重试成功，可能需要接 Stripe 自己的功能，或者接入一些 SaaS。我们也通过 SaaS 把这些事情做起来。 曲凯 你说的自动扣款失败，不是用户主动取消订阅，而是流程和技术上的问题。你说有 40% 到 50% 都是这种问题？ 君陶 非常多。Past-due payment 和用户主动取消订阅，可能是一比一，甚至更多。 很多时候是用户卡里没钱了，但他们之后会再往信用卡里充值，然后系统会再次 retry。你如果不做优化，重试成功的概率可能只有 20% 到 30%；如果做一些优化，可能达到 40% 到 50%。 曲凯 但我在想，你刚才说的场景里，如果是信用卡没钱了，不同方案重复扣款的区别在哪里？ 君陶 区别就在成功率上。这些 SaaS 更多是有一些特殊的触达用户的手段。比如在产品内部提供比较简洁的弹窗，让用户更改付款方式；或者在发送 retry email 时，触达的时间点和方式不太一样。这些都能带来增长。 曲凯 我听起来你们真的用了很多第三方 SaaS，大概有多少个？ 君陶 我自己用的可能不下 10 个。 曲凯 最后，如果你回头看 OpusClip 这几年，你觉得做得最正确的几件事情是什么？ 君陶 ### Brand Builds The Moat 我觉得 OpusClip 在品牌搭建上做得特别好。我现在发现，只有 3 种方式可以让你长期获得比较好的流量和获客。 第一种，是把自己定义成一个 category definer，也就是定义一个新品类。现在很多人吐槽，出来一个 AI 产品就说自己是全球首款什么产品，对吧？ 曲凯 对。 君陶 因为大家都想做这件事情，但真正做到的很少。我觉得能做到这一点的，Mantis 是一个，OpusClip 其实也算。你只要做长视频转短视频，大家第一个想到的就是 OpusClip。 怎么做到这一点？其实就是把品牌做好。增长的核心在于，你知道你的用户是谁，这些用户在哪里，以及应该怎么和他们接触。 简单类比一下，为什么咖啡店永远在大商场的转角处？因为它非常清楚自己的用户定位，也知道用户应该在哪里被找到。 咖啡店的用户肯定有等人的需求。我不会在餐厅里等人，因为太重了；也不会在商店里等人，因为没有椅子。我肯定会在一个轻消费的咖啡馆里等人。那这些人会出现在哪里？他们会出现在进入商场之后的地方。所以星巴克永远在商场入口和拐角。 互联网产品也是一样。对于 OpusClip 来说，它定义的第一批核心用户就是 podcasters。知道自己的客户群体之后，下一步就是定位这些 podcasters。 他们会发现，podcaster 社区围绕一些 KOC 互相学习，形成了这样的网络。第一个打入的方式，就是和这些 KOC、KOL 达成长期合作，把这一小群人打透。 当这小群人想到长视频转短视频时，唯一想到的就是 OpusClip。这样，你就把品牌和品类定义的壁垒打出来了。 曲凯 所以你强调的是，OpusClip 主要的成功来源于品牌打造。你觉得它并不是投放、内容之类的驱动，而是品牌建立这件事情，可以这么理解吗？ 君陶 投放也服务于品牌。不一定所有产品都是这样，有的产品投放纯粹就是算转化，但对 OpusClip 来说，我们内部从内到外的理念，都是围绕品牌去做的。 曲凯 这还挺像美国打法的。很多美国公司都很重视品牌，因为品牌确实能带来用户黏性和忠诚度。 最后聊聊视频市场。OpusClip 很早就开始做视频，而且做得很成功。这两年整个视频生成和剪辑又出现了各种新玩法，比如 AI 剪辑、各种 AI 特效，也开始出现更多视频类产品。你现在怎么看整个 AI 视频相关的市场？ 君陶 ### AI Video Is Still Early 我觉得现在还是比较早期的阶段。真正可用的东西可以分成两个角度：一个是从生成模型角度看可用性，另一个是从 Agent 角度看可用性。 从 Agent 角度来说，现在单个生成模型还没有办法直接把它变成一部成片，你还需要把很多内容拼凑在一起。这个拼凑如果不是人来做，就需要由 Agent 来做。 这两件事情可能都是从今年 4 月开始慢慢成熟的，所以我觉得大家还处在比较早期的探索阶段。 我比较看好的产品包括 Pix Field，Pixverse 我也挺看好。 曲凯 AI 特效类产品会有一个问题：它的厚度到底怎么样？是不是更多偏玩法？或者说，这个方向的竞争会不会非常激烈？ 君陶 竞争肯定会激烈。至于是不是偏玩法，要看怎么定义。 曲凯 大家可能玩一下就结束了，并不是用来产出内容。 君陶 对，它有点像内容消费。 曲凯 过去 10 年，包括移动互联网时代，不断有各种修图软件出来。某个软件只要突然有一个特效火了，就一下冲到排行榜前面。我印象中，修图软件排行榜的变化是最快、最频繁的。AI 特效会不会也有点像这个东西？ 君陶 我觉得 AI 特效更多是做了一个工具出来。比如你看 Kicksuit，很多用户其实是专业创作者。它和其他特效产品拉开距离的地方在于，首先它针对运镜等专业场景做了很多 LoRA 模型，这些模型可以真正用于生产，我觉得这是一个区别点。 它们抓得比较准的还有 character。为什么大家对真实性和一致性的要求这么高？因为你需要一致性，其实就是想做更专业的内容，想通过这些内容经营一个 IP。你能通过这些东西做 IP，它就能给用户带来商业价值，不再仅仅是一个玩具。我觉得这就是它们能做得这么好的原因。 另外，它现在开放了很多免费权限，说明它们看到了一个新的创作群体正在成长。这些创作者并不都是内容消费群体，很多其实是专业创作群体。 曲凯 假设我们不把 AI 特效定义成一种完全 AI-native、AI 生成视频的产品，你觉得在什么时间点，AI 生成视频产品会以什么样的形态出现？ 君陶 这是个很好的问题。翻译一下，可能就是：什么时候能看到一个类似 Premiere Pro、Adobe 那样的专业一站式工具，不管是做图还是做视频，都能在里面完成？ 曲凯 它不一定是个工具，也有可能是下一个抖音。 君陶 我总体觉得，现在大家对于 AI 生成视频这件事的使用还是很局限。 所谓 AI 剪辑，包括 OpusClip 的长视频转短视频，其实里面也没有太多生成的部分，更多使用的是理解能力。AI 特效也是从图片生成一个很短的视频，并不是更 native 的视频生成。 当然，这可能是因为视频生成模型还不如图像生成模型成熟，或者现在成本太高。你真的让用户完全用起来，可能成本还承受不起。 君陶 但从专业创作者的角度来说，成本其实不高。你要看它替代的是什么。我觉得它替代的其实是很多高价值场景，比如影视拍摄棚，以及需要专业摄影师拍摄的那些素材。 我觉得现在很大的一个卡点，是怎么让传统影视创作者更好地使用生成式模型。生成模型除了成本之外，还有一个问题：它仍然是一个需要比较专精知识的工具。 所有这些视频模型和图片模型，从技术上来说都不是真正的多模态模型。它们可能依靠一些语言模型，把自然语言和最终生成的素材串联起来。这个过程对于传统影视创作者来说，学习成本很高。他们需要熟悉模型，还要学习 prompt engineering。 另外，不同模型擅长的场景不同，导致很多创作者的工作流非常割裂。这也是为什么现在有这么多集成平台，而且它们仍然会很受欢迎。 第二点是，即使帮他们完成了集成，他们仍然需要面对学习成本。这个领域还在不断变化，新模型出来之后，他们还要学习新的东西。但对传统影视创作者来说，这并不是他们想经历的事情，也不是他们的主要工作流。 所以需要有一个产品，最好以 Agent 的方式，把这些东西全部打包起来，让他们可以通过自然语言、画布，或者其他更符合操作直觉的方式，更好地使用这些能力。 这就是为什么现在会出现很多一键成片或画布式产品。我觉得它们应对的就是这两个需求。 曲凯 明白。最后听下来，包括你讲的东西，以及 OpusClip 的整个历程，好像没有什么是大家一听就觉得特别神奇的，对吧？ 君陶 对。 曲凯 只是说在很多应该做的地方，把事情做得更科学、更好。比如做更多 A/B 测试，日常进行更多测试，更关注用户反馈，把客服链条闭环。就是把基础工作用科学的方式做得更好，可以这么讲吗？ 君陶 我觉得很多团队的问题在于，想到一个东西和真正做到之间有很大的 gap。就拿闭环这件事情来说，我们自己做起来也很痛苦，花了很多时间。 曲凯 所以这些点可能说起来简单，做起来其实挺难。而且我感觉这几个点都需要很好的人去推动和落地，才能把它做好。 君陶 对。我觉得好的人是一点，另外一点是创始人也很重要。很多事情是一把手工程，需要他认可并且支持推动，才能真正落地。 很多时候也需要创始人自己先尝试，了解团队现在做不到哪一点，然后明确需要什么样的人去完成什么样的事情。 曲凯 好，行，那我们今天就到这。 君陶 好，谢谢。