产品增长SaaS增长营销PLGNewsletterElena VernaEmily KramerGergely OroszKevin Kelly

四份顶级 Newsletter 的共识:AI 时代做 SaaS,先建系统再谈流量

融合 MKT1(Emily Kramer)、The Pragmatic Engineer(Gergely Orosz)、Recomendo(Kevin Kelly 等)、Elena's Growth Scoop(Elena Verna)四份 Newsletter 的观点,压缩成 7 条 SaaS 创业与推广公式,附按阶段使用的行动清单。

10 min read

四份 Newsletter,四种知识生产者:

Newsletter 作者 领域 输出什么
MKT1 Emily Kramer(Asana 首位营销、Carta 营销负责人) B2B 营销 框架
The Pragmatic Engineer Gergely Orosz(前 Uber、Skype 工程经理) 软件工程 证据
Recomendo Kevin Kelly(《连线》创始执行主编)、Mark Frauenfelder、Claudia Dawson 工具策展 判断
Elena's Growth Scoop Elena Verna(Dropbox、Miro、Amplitude,现任 Lovable 增长负责人) 产品增长 系统

领域不同,结论一致:生产变便宜了,判断和系统变贵了。

AI 让生产变便宜,没有让判断变便宜。

7 条公式,先看全貌

# 公式 出处
1 定位 > 推广;PMF → 数据 → 增长 Emily Kramer、Elena Verna
2 渠道 = 你的用户在哪 Emily Kramer、Gergely Orosz
3 营销 = 燃料 × 引擎 Emily Kramer
4 循环 > 漏斗 Elena Verna、Recomendo
5 增长 = 信任 Elena Verna、Recomendo、Gergely Orosz
6 95% 创新 / 5% 优化 Elena Verna
7 衡量影响,不衡量忙碌 Gergely Orosz

一、定位 > 推广;PMF → 数据 → 增长

客户看不懂你是什么,投多少广告都是放大噪音。

Emily 的定位四问:

问题 写出来
给谁用? 一类具体的人或公司
是什么? 一句话品类
为什么更好? 相对替代方案的差异,不是功能清单
跟谁比? 竞品、Excel、外包,还是「不做」

Elena 从增长侧说同一件事。她的《Five Laws of Growth》公开的前三条:

定律 一句话
PMF → 数据 → 增长 顺序不能反。产品没准备好就扩量,只会流失得更快
框架 > 黑客 一次性技巧不能复制,框架能
循环 > 漏斗 漏斗靠持续灌流量,循环靠产出再投入(见第四条)

判断标准: 老用户不会自己回来,就先别投放。

二、渠道 = 你的用户在哪

「成功公司都靠一个主渠道起家」——Emily 不同意。她的 Channel–Startup Fit:渠道由受众、产品、商业模式决定,没有通用最优解。

Gergely 的版本更短:没有通用建议。大厂有效的流程,搬到十人公司可能有害。

看别人的增长案例,先过三道筛:

问 因为
用户是同一类人吗? 渠道就是用户在哪
客单价差多少? 客单价决定获客成本上限
是哪年做的? 两年前的打法可能已失效

三、营销 = 燃料 × 引擎

  • 燃料:内容、观点、定位——说什么。
  • 引擎:渠道、分发、数据——让谁看到。

是乘法,不是加法:任何一边为零,结果就是零。

症状 缺什么 做什么
内容多,流量少 引擎 停写新内容,把好内容分发出去
流量有,不注册 燃料 重写定位、首页,补案例和对比页
每月换打法 两边都没建 停下,回到第二条

反面教材叫 Random Acts of Marketing(随机营销):今天发推、明天投广告、后天办活动,彼此无关,永不积累。解法:一次只测一个大动作。

营销的问题很少是做得不够多,而是做的事情之间没关系。

四、循环 > 漏斗

漏斗:停止灌流量,增长就停。 循环:用户的产出 = 下一批用户的入口。

循环 怎么转 例子
内容循环 用户内容被搜索收录 → 新用户 模板库、公开分享页
病毒循环 使用即展示或邀请 协作邀请、作品水印
付费循环 收入回投获客 回本周期短才转得动

两个例证:

  • Lovable:给黑客松、活动送免费额度几乎不犹豫——免费额度 = 营销投入,不是成本。用户做出作品分享出去,就是下一轮燃料。
  • Recomendo:每周 6 条推荐、90 秒读完,靠「推荐靠谱 → 转发 → 新读者」循环了近十年。Kevin Kelly 的 1,000 True Fans:一千个铁杆付费用户就够活。换算到 SaaS:1,000 个用户 × 每月 30 美元 = 年收入 36 万美元。

五、增长 = 信任

三个人,同一个结论:

  • Elena:「Growth is a trust problem now.」产品每个接触点都要讨人喜欢,口碑才会自转(Product-Led Brand)。
  • Recomendo:只推亲自用过的。标准四个字:tried and true(经过检验)。
  • Gergely:只用一手资料。2026 年一份读者问卷收 900+ 份,别人抄不走他的数据。
低信任内容 高信任内容
「十大工具」,自家排第一 公开测试方法,承认不适用的场景
改写别人的文章 自己的用户数据、问卷、案例
夸张截图 带时间点、可复现的数字
AI 一分钟写出一篇像样的文章,所以像样不值钱了。值钱的是只有你才有的数据和经验。

六、95% 创新 / 5% 优化

Elena 在 Lovable 的增长构成:约 95% 来自发布新功能和新产品,5% 来自优化漏斗。 她 2026 年的判断:60%–80% 的增长战术已失效,因为产品迭代太快,旧打法跟不上。

推论:

过去 现在
测按钮颜色 测定价、产品体验等结构性改动
打磨激活漏斗 高频发布新功能
一个活动拆给五个专才 Gen Marketer:一个通才 + AI 端到端负责(Emily)
写代码是瓶颈 验证、安全、判断该不该做才是瓶颈(Gergely)

合起来是一种团队形态:人更少,职责更宽,迭代更快,判断更重。 对独立开发者是好消息:过去 10 个人跑的增长流程,现在 1–3 个人能跑。

七、衡量影响,不衡量忙碌

Gergely 和 Kent Beck 反驳 McKinsey 的「开发者生产力衡量法」:数提交、数代码行 = 数活动量,还会把团队带偏。该看的是影响。

在数活动量 在看影响
本周发了几篇文章 带来几个付费用户
发了多少条推 哪个渠道的用户 30 天后还在
做了多少 A/B 测试 哪个改动真正改变了留存或客单价

Elena 补一刀:不是什么都要 A/B 测试,每件事都做实验是「让人瘫痪的病」。上线是为了验证假设(ship to validate),不是上线就完事(ship to release)。早期流量小,样本不够,测了也不准。


行动清单:按阶段用

阶段 做 不做
0 → PMF 定位四问;盯回访;亲自聊前 20 个用户 投放;同时试五个渠道
找第一个渠道 按用户所在选渠道;一次一个大动作;诊断燃料还是引擎 照搬爆款打法
建循环 让用户产出可分享;免费版和免费工具当获客渠道 只靠买量
做内容 一手数据、真实案例、公开局限 批量改写、夸大效果
规模化 小团队 + 通才 + AI;高频上新 死磕漏斗微调
每月复盘 留存、付费、渠道质量 发文数、实验数

一句话

四个人都拒绝零散技巧:Emily 要系统,Elena 要循环,Gergely 要证据,Recomendo 要亲测。

别再问「现在什么渠道最火」,先问「我的系统缺哪一块」。


出处:定位、Fuel & Engine、Channel–Startup Fit、Gen Marketer 见 MKT1;增长定律见 Five Laws of Growth(后两条在付费墙后,未列);「Growth is a trust problem now」见 Growth.Talent 专访;60%–80% 战术失效见 Optimizely 活动回顾;95% / 5% 来自 Lenny's Podcast 的第三方摘要;Gergely 的观点见 AI 对工程师的影响 2026 与 对 McKinsey 的回应;Recomendo 见 Boing Boing 2017 访谈。

这篇文章对你有帮助吗?匿名投票,一秒钟

0 条讨论

有问题、有补充,或者想看什么主题,都写在这里
还没有人留言来写第一条——你想问的,多半也是别人想问的