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。
1. 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。
2. 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。
3. 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。
4. 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。
5. 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。
6. 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
7. 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
8. 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
9. 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
10. 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。