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

There's something there.

非常感谢曲凯老师的邀请 。 这期就会从我的视角去讲一下， 就是在每一个阶段里 ， 增长可以做的事情都非常多 。

如果每一个阶段让我去选一件事情 ， 我应该去做什么 。 我先大概介绍一下我的背景吧 ， 就是我在过去的两年中是在 OpusClip， 就是一个在海外增长还不错的视频剪辑产品负责增长产品 ， 然后也做了一些主产品和 B2B 产品的一些工作 。

我是 23 年加入的 Opus， 然后也比较有幸就是在刚开始商业化的时候 ，因为招我进去就是去做支付系统和去做商业化 ， 然后去做增长的 ， 见证了这个公司从 0 到 1 的再到 100 的整个增长的周期 ， 然后可能也就积累下了一些拙见吧 。

我想跟大家分享一下， 希望是一个比较详实 、 然后大家能带一些东西回去的一个分享吧 。 然后我前几天还跟一个刚去做了视频产品的一个朋友去聊 ，他们刚发布了一个视频产品 ，在发布了之后， 然后进入了 go to market 和冷启动的阶段 。他们当时是带着问题来找我的 ，他们提出的问题就是说 ， 我们做了这个产品之后， 我们尝试去冷启动 ， 我们联系了很多推广

AI 工具的一些创作者 ，但和他们去合作的过程中， 我们遇到了很多问题 ， 比如就是我们发现很多创作者他其实在买粉刷单 ， 然后我们得到的结果数据和他们保证的东西不一样 ， 就我们很难搭建这种信赖关系 。

然后我们也尝试过和比较靠谱的代理机构去合作 ，但是这样也很难去精准把控投放效果 ，因为我们没有和达人一对一地去沟通我们想要的视频效果和宣传效果是什么样子的 。

然后还有一个问题就是 ，他们带来的这些用户其实我们不确定是不是符合我们的 product market fit，因为带来这些用户他们背景很杂 ， 然后他们创建的那些 project 其实我们很多时候也不知道他们是用来做什么的 ， 然后我们很难去确定我们是否找到了 PMF。

针对这样的问题 ，其实我的第一个回复的问题就是 ： 你们找的这些合作的达人是不是你们工具的真实用户 ？

这个问题其实就是对于产品初期很重要的一个事情 。在产品冷启的阶段 ， 你要找的第一批用户是非常重要的 ，他们的画像应该是你的合作伙伴 ，而不是 affiliates， 就是我们可能要区分一下早期你寻找的宣传的合作伙伴与 affiliates 之间的区别 。affiliates 其实他们就是一群希望通过你的产品去直接赚取金钱收益的一些人， 一般合作方式可能以佣金或销售提成为主 ， 然后也有比如说去用播放

量进行收费的 ，但你和他的关系其实更侧重于短期的转化和销售 ，他们不一定是你产品的深度用户 ，也不一定真的能给你很多关于产品和用户的一些洞察 。

这种用户其实是我早期不太建议去打量合作的 。其实我倾向于的合作伙伴方式其实就是你去找一些真正的 ， 尤其是视频产品的合作伙伴 ， 应该是你的产品的真实用户 ，他们不一定现在就能用你的产品在他们的工作流里产生价值 ，但他们能看到你产品的未来的潜力和愿景和发展方向的 。

这种人其实他们可以在前期帮你去提供深度的反馈 ， 然后参与产品的共建 。 如果他们认同你的愿景的话 ，其实他们会愿意去以比较低廉的价格帮你去进行推广 ， 对你进行背书的 。

这个其实才是你想要找的这些真正的第一波推广的用户 。 这个其实就是走到我们获客的这一块 ， 就是我看到有人问到就是视频产品应该怎么去做冷启 。其实在我的视角里 ，也从 Opus 我们的一个发展的经验里来看 ， 视频产品如果真正找到了 PMF 的话 ， 它本身就是具有很强的破圈能力的 。

就因为你的用户 ， 特别是这些内容创作者 ， 天然就是你最好的市场推广渠道 。 然后因为视频创作者们 ，他们天生就是围绕着他们的 KOL，他们的意见领袖 ， 然后去形成这样的圈层 ， 然后你如果通过你的一些早期用户去打入他们这些圈层 ， 就能很好地去建立你的用户群 。

然后其实通过这些早期用户去打入用户群还有个好处 ， 就是早期认同你的这些 KOL，他们自己的影响力其实是你品牌的背书 。

品牌的背书在一个这样的靠圈子去传播的产品里面其实是非常重要的 。 但在这个合作过程中 ，其实还有一个需要注意的点 ， 就是尽量早一点与这些创作者形成一个经济上的共赢关系 。

就要么是你去签一些年框协议 ， 然后跟他们早点去有这种正式的经济关系 ，而不是仅仅靠他们对你产品的热爱让他们去为爱发电 。

这样的共生关系其实长期来看对创作者和对产品团队来说其实是一个共赢的关系 。 它体现在这样几点 ： 首先是创作者 ，他之所以成为创业领袖 ， 就等于说他们是在视频 ， 尤其是 AI 视频领域 ，他是能持续创造话题 ， 持续去为他的听众去提供价值的 。

一种提供价值的方法其实就是通过分享新的产品和最前沿的一些工具和使用方法 。 如果你的产品真的能为他们创造价值 ，其实他们把这些工具去分享给他们的社群 ，他们的观众 ，也是在为他们的观众创造价值 ， 然后获得话题与关注 。

然后对于产品方来说 ，其实就是获得了更精准的用户 。 因为如果为我们宣传产品的人 ，他本身就是我们的用户的话 ， 那他的听众受众其实也是我们的用户 。

我们获得用户就是精准的 ，而比较广泛的推广渠道获得的用户其实他可能是充满噪音的 。在前期如果你获得大量的用户都是充满噪音 ， 然后你不太确定你的工具是否真的为他们产生了价值 ，不太确定他们用你的工具创作出来的内容有什么用途的话 ，其实对于产品的迭代是很致命的 。其实这样聚焦在少量的跟你有共同愿景的一些创作者 ， 然后让

他们去帮你破圈去宣传去获客的话 ，其实对于创作者 ， 对于产品都是有一个正向反馈的 。 我们可以看一下从 Opus 的一个例子来看 ， 这个是怎么样实现的 。

就 Opus 很早的时候 ， 我们就有一个 brand partnership program， 这个 program 其实就是我们早期通过展示我们的产品能力去找到第一批跟着我们的创作者 。其实在创立这个 program 三个月内 ， 加入的创作者跟我们跟了很长时间 ， 比如像 John yourshare 这些虽然是很大 V，但他们其实在很早就看到了我们产品的价值 ， 然后愿意一直给我们反馈 ， 然后再到慢慢地合作越来越深入 。

比如说 John yourshare 现在他的所有的短视频剪出来之后， 都会放 edited with OpusClip， 然后我们在很多活动上也是深度绑定的 ， 很多 co-marketing 也是深度绑定的 。

就是得益于之前我们提到的那种去寻找深度合作的 brand partners，而不是去通过 affiliates 去宣传产品这样的一种策略 。

然后其实还有一个误区就是 ， 你在冷启产品的时候应该去找尽可能多的那种宣传渠道 ， 尽可能多的 affiliates。其实我们觉得这可能并不是个特别高效的方法 ，因为其实给我们带来很多自然流量的这些 brand partners， 我们对他们有很深的运营动作 ， 然后有很多的投入 ，但其实直到两年后的今天 ，brand partners 可能我们也才十几个人， 十几个人跟我们签了这种年框合同去跟我

们去合作产出宣传内容 ， 去帮我们去做推广 。 这个回归到点就是 ，其实冷启时候需要的帮你宣传的达人不在于有很多的数量 ，而在于说他们的质量 ，他们是否是你们精准的用户 。

比如说像我们剪辑产品 ， 我们就会因为我们主要是瞄准的是播客的这些用户嘛 ，他们都是在播客这个圈子里去进行宣传的 ，但其实就比如说像现在比较火的 AIGC 内容 ， 然后模型生成视频这些产品其实也一样 。

比如说一些 AI 视频导演圈子 ，其实那些是非常好的一些圈层 ， 然后也应该去先找到你的真实用户 ， 然后这些用户同时是自己有影响力的 KOL。

然后从这个点出发 ， 然后去寻找你的第一批种子用户和你的第一批 KOL。 然后在做冷启之后 ，其实大家想的更多的一个问题就是 ， 我怎么更快地去通过比如说一些传统的广告渠道 ， 或者是通过一些传统的增长方式 ， 然后快速地去提升我的营收 ， 提升我的用户数量 。

做增长其实大家都知道 ， 就是付费转化是增长的基石 。 我们为了能更大规模且可持续地 ， 就是能保证我们的 ROI 是打正的 ， 那其实提升付费转化率是至关重要的 。

提升你的产品质量是最终最长期的一个抓手 。 但是比如在产品早期的时候 ， 我们可能还在摸索阶段 ，但我们肯定想要快速地去找到一些抓手 ， 让我们可以快速地把我们的转化率有一个初步的优化 ， 那样我们才可以获得更多的用户 ， 然后才能更好地去提升我们产品质量 。其实大家一般都卡在这个地方 ， 就是我们冷启了 ，但是我们的用户数还不足以帮

我们去建立起那种产品迭代的这种飞轮 。 那这种时候我们应该怎么去提升我们的转化率 ， 来保证我们可以去更大规模地投广 。

我个人对于这方面的思考就是 ，其实一个灵活且精准的定价策略是一个很好的抓手 。 就其实一开始你去 launch 完一个产品之后， 我跟很多创始人聊 ， 大家没有注意到一点 ， 就是其实你的定价它并不是一成不变的 ， 可以根据产品阶段和用户需求进行动态调整的 ， 然后它其实能带来很大的收益 。

从视频产品的角度来看 ， 定价的修改 ， 我的建议是可以围绕定制化这一个主题去进行更深的那种修改 。

因为考虑到用户使用这些视频产品 ， 它本身的初衷其实就是在于说它要产出内容 ， 然后这些内容为他的听众带来价值 。

这个价值核心其实就是在于说这些内容的独特性 。 而对于创作者来说 ， 去产生独特性的一个很简单的方法就是有自己的 branding。

这个 branding 要么是他自己的真人出镜 ， 要么是他自己的声音 ， 要么就是跟他的品牌相关的一些元素 。 我们叫 brand kit， 就是一个品牌的工具包 ， 你可以把自己的 logo， 把自己的习惯内容的字体什么的打包成一个包 ， 然后用来塑造你的整个内容的品牌 。

我非常喜欢举的一个例子就是 RunwayML。Runway 的定价其实我觉得就是很好地抓住了创作者他一个需求 ， 就是从一个普通的常鲜的视频创作者到 professional 的一个视频创作者 ，其实他的内容区域的核心就在于说他们对于定制化的需求 。其实我们可以看到 ， 比如 Runway 是一个很好的例子 ， 就它的 standard 和 pro 这两个 plan 之间的最大的区别 ， 除了更便宜的积分 credits 之外 ，其实就是让用户可以去

创建自己 custom voice， 就是可以上传自己的声音 ， 然后进行 voice over， 然后也可以有 lip sync， 就等于说他可以把自己的脸和他自己的内容进行一个绑定 。其实就是视频生产的模型最简单地去做定制化的一个方式 。

还有一个产品我很喜欢 ，也建议大家去看一下， 就是 Higgsfield。 这个是我最近才关注比较多的产品 ， 大家可能知道 Higgsfield 它的增长现在也很猛 。其实它在定价上做的 ， 除了它自己的超真实的图片模型和非常强的那些视频 LoRA 和它的 LoRA 的 remix 之外， 它做的最大的一点就是把定制化这个东西做到了极致 。

它最核心的一个功能其实就是你可以去创建一个 character， 你上传可能二十几张图片 ， 然后他们去给你微调一个自己模型的 LoRA， 就可以保证它生成出来的那些照片和你上传出来的真人一模一样 。

然后它直接就定档把这个作为一个付费项目 ， 然后就等于说普通用户完全无法适用 。 但它们这一个功能其实很好地带动了它们整体的增长 。其实从这一点也可以看出来 ， 就是尤其做视频和创作者这个生态的时候 ， 怎么让用户可以生成定制化的内容是一个非常大的付费点 。

然后我们在做 OpusClip 的时候也是 ， 很多跟 brand 相关的东西 ， 我们会把它作为一种去让用户付费的一些付费节点 ， 然后测试下来是非常不错的 。

调整定价其实就是一项很精细的操作 。 大家可其实遇到一个问题 ， 可能就是很多产品在上了之后， 大家很怕去调整定价 ，因为感觉用户对付费是很敏感的 ， 然后很怕调整定价之后有不好的 PR， 或者是会有用户去有抱怨这些问题 。

所以就有几个核心的考量 ， 大家考虑这些事情之后， 然后就可以放心大胆去对你的定价进行一些灵活的调整 。

因为 Opus 有过很多期定价的调整了 ，也是我一直在主导的一些部分 。 这个其实就是我们在尝试了很多定价调整之后， 总结出来的几个比较重要的需要注意的点 。

首先一个很重要的是如何去保护老用户的利益 ， 就是你在调整定价的时候 ，不管你是开发出来 ， 比如说你原来只有一个 plan， 然后你要去做 price discrimination， 你要去做两个 plan， 然后去应对不同的用户 ， 去增加 plan 的数量 。

但在这个过程中， 你一定不要让老用户的利益受损 ， 就是你要尽可能想办法保证他们拥有现在的他们这些权益 ， 甚至是非常大方慷慨地给他们更多的权益 ， 来保证老用户的口碑 。

因为有两个方面 ， 就是从数字上来讲 ， 老用户他的留存其实是你长期增长的一个基石 。 就你已有这个用户 base，他的留存其实是你的 AR 能做到多大的一个非常关键的因素 ， 这个之后我们会谈到 。

另外就是一个口碑 ，因为口碑其实对于产品是一个非常重要的东西 ， 它也不是特别可量化 ，但其实口碑归根到底就是老用户如何看待你这个产品 。

因为新用户是来来去去的 ，但老用户才是你真正口碑的基石 。 所以不管你做什么样的定价调整 ， 你即使是做涨价什么的 ， 你应该就是把老用户单独划出来 ， 然后去保证他们的体验或者权益不受到影响 。

第二个就是做定价调整 ， 非常需要你的团队有做全生命周期的一个 A/B 测试的这样一种能力 ，但这个能力其实是比大家想象的要简单很多 ， 它其实搭建起来是一个很快的一个过程 。

第三个我想强调的就是 UI 给用户传达的那种信息 ，其实也是定价的一部分 ，而且是非常滴水的果实 。 比如说你的定价弹窗在什么时候弹出 ， 然后弹出的时候它上面有什么样文案 ， 你放了哪些重要的 feature 上去 ， 这个都是用户如何理解定价 ，也是定价非常非常重要的一部分 。

大家很多时候低估了这一点 ，因为我发现就是我看了可能不下上百个产品的定价策略 ，在这个过程中我发现真的把这件事情做得很好的公司就很少 。Runway 其实就是其中的一个 ， 然后 Higgsfield 也是 ，也建议大家可以去仔细研究一下他们定价策略 ， 然后看一下他们是怎么去展示自己产品的定价的 。

然后其实有了我们之前说的 A/B 测试的那种基建 ， 你要去做这方面的优化 ， 能马上看到很大的收益 。

就比如说你去调整你的付费弹窗的弹出的时机 ， 然后去调整上面的文案 ， 很简单就能拿到 10% 到 30%， 甚至更多的那种转化率的提升 。

大家可能听着不可思议 ，但其实就是有这样很大的潜力在这里 。 当然还有就是如果 B2B 业务的话 ， 席位数量也是一个非常重要的一个定价因素 ， 然后这个大家感兴趣的话 ， 我们可以到线下然后再聊一聊 。

然后下一章就是之前提到了老用户和留存 ， 我想聊一下为什么我觉得留存其实是增长上最重要的指标 。

我们之前谈到了两个章节 ， 第一个章节是你怎么去通过找到你的真正的用户去帮你做宣传达到冷启 ， 然后第二个是你怎么去快速地提升你的转化率 ， 然后来去扩量 。

然后第三个其实就是长期增长最重要的东西就是留存 ，因为留存是决定了你付费购物能做到多大的一个最决定性的因素 。

打个比方就是 ， 如果忽视用户留存去做增长的话 ，其实就像你去拎着一个漏水的桶去打水 ， 就不管你的投入有多大 ， 然后很难有水去流下来 ， 你的桶里到最后还是只剩下那一个桶底的水 。

就比如说我们看两个例子吧 ， 第一个就是如果我们去看一个 10% 的流失率的公司和一个 20% 流失率的公司 ，其实在 6 个月以内 ， 如果你是有一个 10% 的流失率 ， 对比 20% 流失率 ， 你的剩下来的用户可能是将近两倍的这样一个概念 。

另外需要注意留存的一个点就是 ， 你的用户量越大 ， 你的留存就越显得重要 。 因为你的用户量越大的话 ， 每天其实你在流失的用户也是在变得越来越多的 。

因为你去积累下来的老用户 ， 老用户也不是都会留下来陪着你的 ，也有其中一部分会每个月流失掉 。在随着你的付费基数越来越大之后， 那你的流失用户也越来越多 ，但是你的新用户并不会随着你的用户规模越来越大而扩大得很快 。

因为我们知道获客在一段时间之内 ， 你每天的新的获客数其实都会趋于平稳 ， 它不会一直指数型的增长 。

那就导致一个问题就是 ， 流失率越高的话 ， 你每天流失的用户数和你每天新增的用户数达到完全一样的数字 ， 它就会更早 ， 等于说你就会更早地到一个零增长的一个阶段 。

所以高留存其实是实现产品复利式增长的一个基石 。 但是我们应该怎么去提升留存率呢 ？Opus 留存一直是做得不错的 ， 这个也是我觉得我们能有这么长期的在营收上增长的一个非常重要的点 。其实我觉得一个核心的点就在于说 ，以用户为中心去搭建你的运营策略 。

这里我很喜欢的一句话 ，其实是 Stripe 创始人 Patrick Collison 说的一句话 ， 就是 " 大约 70% 的新产品想法来自于倾听那些有良好判断力的用户 ， 这些用户可以提供宝贵的意见 ， 帮你去迭代产品 ，而 30% 则是一些本应该受大众欢迎的事情 ，但没有被用户明确地提出要求 。"

这句话有两个关键点 ， 第一个关键点就在于说印证了一个核心思想 ， 就是你要做留存的话 ， 你就应该以用户的反馈为中心去搭建你的运营策略 。

因为其实大多数的他们需要的产品需求 ，他们都会跟你说 ， 你 70% 的产品迭代的功能其实都是基于用户的反馈 。

下面我就会讲一下在 Opus 我们是怎么去搭建这样一个反馈的机制的 。 然后另外一点也不要被忽略的就是 ，30% 本应该受大众欢迎 ，但是没有被用户明确提出的需求 。

这一点其实就是很多团队他去忽略的事情 ， 就是你在去搭建好一个很好的用户反馈机制之后， 你可能就会被用户的反馈淹没掉 。

就比如说客服和市场团队 ，他们每天接触的就是用户 ，他们会收到很多用户的负面反馈 ， 然后他们推进的项目可能就是更多关于怎么去改进这些用户反馈的 。

但是同时产品团队应该有自己长期的一个产品愿景 ， 去把 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 。

这就是大方向上我觉得大家可能需要注意两件事情 。 然后往下就是讲一下怎么去以用户为中心搭建一个反馈闭环呢 ？

首先你需要从不同的渠道去收集用户反馈 ，因为用户在不同的场景下他会给你不同的反馈 。 以我们自己的使用的例子吧 ， 比如说 Discord 更多就是社区互动和即时反馈 ， 大家就是更多地去讨论产品的未来 ， 更多帮你去构思这个产品 。

然后 Intercom 就是我们的客服支持 ， 它主要是用来处理我们用户 ， 尤其是付费用户的一些 bug 相关的问题的 。

然后 Canny 的话就是我们会用 Canny 去结构性地收集功能需求 ， 就是用户想要的功能 ，但是我们现在还没有实现 ， 然后我们会通过 Canny 这个工具 ， 然后去把这些收集起来 ， 然后也展示给用户 ， 让他们看到我们有怎么样一个 roadmap。

最后是社交媒体 ， 它就是一些你的潜在用户看到你产品的一些观点 ， 就比如说你在发 social post 的时候 ， 用户给什么样的反馈 ， 然后也是你非常好地对你的品牌口碑进行监控的一个渠道 。

所以有这些不同的用户反馈机制 ， 那我们有了这些之后， 我们怎么在我们的团队内部去搭建一个体系呢 ？

我们看一个案例就是在 Opus，其实我们非常重视客服团队 。在我们可能只有 30 个人团队的时候 ， 客服团队就是一个五六个人的在美国全职的客服团队 ， 就等于说我们会花很大一部分成本去保证我们做好客服一件事情 。

就首先我们会让他有一个周报 ， 就是每周他们去汇总上我们提到的那些所有的渠道用户提到的 top feature request 和 top complaints， 就这两种主要的东西 ， 然后每周定期去分享给用户 。

第二个是我们会有专门的工程团队和产品团队帮助客服去做自动化 ， 来保证他们在处理大量工单的同时， 又能去有有效的那种洞察的产出 。

我们的客服团队可能每周能人工处理数千张的人工工单 ，但同时又能非常快和准确地给产品团队和研发团队一些非常有效可执行的一些洞察 。其次就是闭环 。

所谓的闭环对于产品团队来说就是要明确公示产品的路线图 ， 让面对客户的这些人了解到他们提出的 top feature request 被我们收录了 ， 然后现在每一个东西是什么样的优先级和什么样的进度 。

然后对于研发团队来说就是快速响应修复 bug， 然后把 bug 纳入到他们 sprint 里面 。 然后有一个非常快的机制就是修复后及时通知客服团队 ， 然后来保证和用户的有一个快速反馈 。

这就是一整个闭环 ， 就是你怎么从收集用户反馈的数据 ， 然后再到在团队内闭环去让这些收集到的反馈真正地创造出价值 。

然后之前提到了很多做 A/B 测试 ， 然后也提到了给客服团队去做数据基建这样的跟数据相关的东西 。

这我觉得是大家非常好奇的一点 ， 就是我怎么去做到数据驱动决策 。 这个其实在一个创业公司我觉得是大家会非常在意的一个点 ，因为创业公司资源有限 ， 你怎么决定在有限的资源的情况下有多少投入到数据的建设里面去 。

这个其实就是洞察这一点 ， 就洞察它是除了我们刚才提到的获客 、 转化和留存之外， 它是贯穿你整个生命周期的一件事情 。

你怎么去通过数据去更好地完成对于用户需求的洞察 ， 然后也去辅助你去做决策 。在产品早期肯定是我们会去关注更多高收益确定性强的事情 ， 然后去做一些确定性强的 A/B 测试 ， 比如说我们刚才提到的针对定价的一些 A/B 测试 ， 然后他能拿到确定的收益 ， 然后其实也能逐步建立起团队对于数据和 A/B 测试的信心 。

然后很重要的也是怎么去定义你的转化漏斗 ， 然后对每一个部分进行更深入的测试 。 我会建议从简单的前端 A/B 测试开始 ， 然后随着数据基建逐渐成熟做更复杂的测试 。

从 rule of thumb 来说 ，其实就是简单的 A/B 测试更多就是像转化实验测试 ， 然后像功能渗透力实验这种实验其实就是很容易去做 ，但比如说像留存实验和那种需要去跨端的这种注册力实验会相对来说更困难 。

这里提到几个案例吧 ， 第一个是付费弹窗的案例之前也提到过 ， 就是付费弹窗是早期最暴力也最简单 、 收益也最高的一些测试 ， 然后就去测试不同的触发时间点 ， 然后测试不同的 UI 文案 。

然后这个过程不仅仅是在帮你去提升付费转化率 ， 还是在履行 A/B 测试的一个另外一个职责 ， 就是帮你去学习 。其实做 A/B 的过程就是个学习的过程 ， 你在做 A/B 的过程中你其实也能更了解你的用户 ， 比如说他在什么样的情况下 、 哪个节点下你去弹付费弹窗 ，他更容易去转化 。

那其实那些就可能是你在找的一些用户的 Aha Moments，其实你不仅可以从产品的逻辑去倒推这些 Aha Moments， 你也可以在不断的试验中去获得真实的数据反馈 ， 然后了解有哪些 Aha Moments。

即使在初期你可以获得用户数据的渠道也很多 ， 然后你可以通过合理地运用这些数据 ， 然后去合并不同的数据源 ， 然后可以用于用户挖掘 。

举两个例子 ， 第一个就是其实邮箱后缀是一个非常好的去挖掘潜在用户和一些你意想不到的用户群体的一种方式 。

就比如说 Opus 我们就是通过去看用户的邮箱后缀 ， 然后进行一些数据分析 ， 然后发现很多美国的教会和房产中介其实都在用我们的产品 ， 然后我们去定位到这些用户 ， 发现他们 use case 之后， 也就慢慢地把这些加到了我们最核心的理想用户 profile 中 。

然后还有就是我们做视频工具的嘛 ，其实很重要的就是去看用户的关联的社交账号 ， 然后去找到高影响力的创作者 ， 联系这些创作者 ， 去和他们达成长时间的合作 。

因为去联系一个正在使用你们产品的用户 ， 肯定是比你去 cold outreach 一个陌生人要容易太多了 ， 这也是我们自己摸索出来的一些经验吧 。

下一个大家比较关注的就是有多少精力应该投入在数据上 。其实对于一个创业公司来说 ， 大家经常会问我在最早的时候如果我要做数据基建的话 ， 那我需不需要招数据基建的人， 或者去招一个数据科学家 。

我的答案是数据驱动虽然是非常重要的 ，但是它其实在早期不一定需要投入大量的专精的数据人才和复杂的基建 。

早期的话其实我们的经验来看就是有一个懂一些数据的产品经理和工程师去稍微自学一下， 再用一些 SaaS 就能把 A/B 测试的那些基建给搭起来 。

中后期我们才会去考虑去招一些数据科学家 ， 就是你得有一个足够复杂的团队 ， 才会有足够复杂的需要专人处理的数据需求 。

差不多人数到 50 人左右的时间 ， 你会开始有比较复杂的数据需求 ， 比如说你想做成本的削减 ， 然后还要去计算一些 LTV 相关的一些数据 ， 那些复杂的基建可能足够支撑一个饱满的数据科学家的工作量了 。

然后这时候可能是你去招数据科学家的一个时间点 。在这个时间点其实简单分析就能解决的那种 low hanging fruit 在这一段时间也采摘完了 ， 到非常后期才会考虑去招一些速仓的人。

其实速仓从我们之前经验的角度来看 ， 我们招速仓更多是用于比如 SOC 2 的合规和降低对于第三方数据 SaaS 的依赖 ， 从而减少成本 。在早期的话肯定是没有非常强的那种必要的 ， 所以就是合理规划数据投入 ， 然后确保把资源用在刀刃上 。

总结一下来说的话 ， 就是我们今天其实跟大家简单过了一下我对于获客 、 转化 、 留存还有洞察上面的一些想法 。

从获客上其实最重要的我觉得是早期理解用户并和用户共同增长去完成自己的冷启 ， 核心是找到对的人， 然后追求少而精 。

转化的话其实是以定价作为短期的增长抓手 ， 核心是不要伤害老用户的利益 ，其次是修改你的 UI、UX 和 copywriting， 做这些测试 ， 然后让用户更好地去理解你的定价 。

第三点留存其实就是如何围绕客服去建立闭环的反馈 ， 再加上迭代链路 ， 就是永远都要让你的用户感到你们是在积极响应他们诉求的 ，但同时不要忘记你们剩下的那 30% 用户没有提出来但是非常重要的需求 。

这个就能保证你的产品是不断地变得更好 ， 然后更符合用户的需求的 。 最后是洞察 ， 就是 be resourceful， 就是努力用上所有可以收集到的数据 ，但不要超前规划 ， 就是数据基建可以长期保持在毛坯状态 ， 够用就行 。

这个大概就是我在增长方向的一个小结吧 。 然后看曲凯老师有什么样的问题 。

你看现在创业公司其实他想招的 ， 一般我们现在讲就是 go-to-market 的负责人， 对吧 ？ 所以你跟他们聊完 ， 你给他们的建议是什么呢 ？

就从实际的落地和增长角度来讲 ，他到底应该在什么阶段招一个什么样的人 ？

这是个好问题 。 就我可以先说一下就是我们当时在 Opus 的时候做增长有哪几块负责人， 然后分别是怎么样合作的 。

为增长目标负责的其实并不只有做投放的 ， 做投放它就等于说是 direct to customer， 然后你直接把产品卖给潜在客户 。

我们还有一个 KOC 和 KOL 的负责人，head of partnership，他会去负责进行商单的谈下， 然后去找一些最适合 Opus 的长期的一些合作伙伴 ， 和他们签一些年框啊什么的 。

你刚才讲的两个部分其实就是大家理解的典型投放的东西 ， 对吧 ？ 第一部分是各种平台的投放 ， 就是你只要花钱在平台投就好了 ， 然后不断地优化内容目标 。

第二部分更偏内容营销嘛 ， 就是投各种 KOL、KOC 的 。

还有其他几个部分 ， 就包括像 go-to-market 其实是在 Opus 是一个 product marketing 的角色 ， 就是负责我们自己对外的 ， 比如说像我们自己的社媒的建立 ， 更多是对已有用户去进行 product marketing 和 go-to-market。

因为我们创业产品你其实是在不断更新的嘛 ， 你自己已有的那个用户群体 ， 它在后期是对你的价值越来越大的 。在投放越来越饱和 ， 你在整个市场的占比越来越大之后 ，其实你已有的那些用户群体你有更多的召回方式 ，因为他在你这注册了 ， 然后他在你这留有数据 ， 然后你可以更好地去理解他们 ， 更好地去触达他们 ， 然后再去转化他

们或者是提升他们的留存 。 还有就是我做 gross product 这一部分 ， 一方面是在产品内部我们通过 A/B test 提升转化率 ， 然后这个会服务到比如说做投放的 ， 然后去提升他们投放的 ROAS， 然后也能去比如说给他们去做一些基建 ， 就是各种类型的合作 ， 比如说 product marketing、go-to-market， 然后他们需要去对一些新的功能去进行宣传的时候 ， 肯定也是需要通过和我们产品部门直接合作 ， 然后去

把这些东西更好地去传达给用户 。 然后像那种 KOC、KOL 现在大家都很流行去做 creative partners 嘛 ，但你如果想要一个很好的很紧密的一个这个群体 ， 那你就是需要比如说和他们进行比较流畅的分账啊 ， 然后像 affiliate program 或者是给他们的那些各种运营工具 ， 就是他们能给他们的粉丝群体带来的好处 ， 这些东西也都是通过 gross product 去做一些基建 ， 然后和他们合作 ， 然后去

把整个流程跑通的 。其实就是更像一个 teamwork， 然后大家为了同样一个目标然后去合作的 。

明白 。 然后这里面有一个小角色你没提的 ， 就 SEO 你们也是专门有人在做吗 ？ 是拆开的吗还是怎么样 ？

SEO 我们就是 head of growth 一起去做的 ， 就是相当于 SEM、SEO 然后这些投放向的东西 ，direct sales 这种东西就他一起就负责了 。

明白 。 然后你觉得这几个角色你们是同时招同时做的吗 ？ 还是他有什么先后顺序 ？

早期都是需要的 ，因为不同产品其实你最适合的增长方式都是不一定的嘛 ， 比如说像 Higgsfield 这种产品它就完全靠社交媒体 ，因为它自己能建一个非常强大的那种 creative team， 自己去做社交媒体就能主要靠那个引流 。

那可能对于 Opus 来说一开始是主要靠我们早期的一些 partners。

明白 。 但你做的这块更多的是跟产品相关的一些增长方式 ， 对吧 ？ 所以你这边其实是零预算的 ， 我可以这么理解吗 ？

你是靠不花钱的方法通过内部去构建产品来做增长或者支持其他部门 ？

对 。

所以我第一个问题是我觉得对于绝大多数公司跟人来讲 ，是不是一上来的时候 PMF 都还没找到 ， 产品功能都还不齐备 ， 那用得上增长产品这个事情吗 ？

其实你去做增长产品也是很好的去找你的 PMF 的一个过程 。 为什么这么说呢 ？ 其实就是一个有必要一开始就做的东西 ， 就是你去不断地去测试你的定价的策略 ， 用户愿意付费的付费点代表着你的 PMF 究竟在哪里 。

就比如说像我们在 Opus 的时候 ， 我们其实一直在做的第一轮那些 A/B test，也就是我们上了付费墙之后马上去做的一件事情 。

就当你上游有一定持续进入的注册用户之后， 然后你去做一些付费弹窗的 A/B test，在用户有这个行为之后， 然后有一个付费拦截 ，其实就能测试出来在你提供的这一个 feature set 里面用户最愿意去付费的是什么样的东西 。

也其实就是一个学习的过程 ， 你们也在学习用户什么时候能达到 Aha Moment， 然后那那些 Aha Moment 其实就是你们的核心价值 ， 然后通过这些点你就能更好地去理解你的用户 ， 去找到他们的 PMF， 你才好更多迭代嘛 。

然后我在想 A/B test 在你的经验来看 ， 就因为很多人觉得说 A/B test 需要很完善的一个基础设施 ， 对吧 ？ 需要做很多工程的工作才能够支持很多比如小流量的 、 小用户量的 A/B test 啊之类的 。

所以在你实际操作中你看起来是怎么样的 ？

这块其实我想提到的就是作为一创业公司你要多用 SaaS， 尤其北美有很多很成熟的 SaaS 工具 ， 像 statsig 然后这些 A/B 测试平台其实就是即插即用的 ， 你去把它整个跑通其实可能就需要不到半个小时的时间 。

这种工具一般对于创业者来说其实很友好 ，因为他们的一般盈利模式是通过对于小的创业公司进行基本上全免费的一些服务 ， 然后当你去依赖他们平台之后， 然后当你长大了之后再让他们付钱 。

所以你在初期的时候其实是可以重度依赖这些平台而不花一分钱 。

明白 。 所以在付费相关的我们刚才提到的一些 ， 还有什么别的你们跑过的实验和一些踩过的坑啊认知啊之类的 ？

从我的角度来看 ， 付费点这个东西是最早最简单可以去测的事情 。 这里有一个产品我特别喜欢 ， 就叫 Arcade Software， 它是用来做 product demo 的 。

你进入这个 app 之后你可以做的事情就是你去录视频 ， 然后把这个视频它就会直接转成一个 product 的 demo， 然后它的付费点是在你完成了三个视频之后， 然后第四个的时候也会让你去录 ，但你要把这个东西变成一个公共可见的一个项目的时候 ， 它会让你在那会儿去付费 。

这个付费节点抓得非常准 ， 当时我考虑了不到一分钟 ， 然后我就付费了 。 这就是他们测出来他们用户愿意在哪个节点去付费的 。

我觉得那是个很好的例子 。 现在很多 too prosumer 的产品用户决定付费的时间线特别短 ， 肯定在一个小时之内甚至在 10 分钟之内他会决定付费 。

所以在这个时间期间内他会有比较频繁的操作 ，其实也就是有很多可以测试的空间 ， 你也可以做很多不同 variant 的那种测试 ， 然后在这种过程中你会真的是不断在学习你的用户的行为是什么样子 ，他们是怎么思考的 ， 你就越来越能像你的用户一样去思考了 。

我觉得现在大家做的可能更多的就是拍脑门 ， 或者说是我去猜用户 ， 就是说我应该是有一个大概的对用户的了解跟直觉 ， 我应该对自己的产品大概也有一个预期 。

我觉得可能最主要的付费点在哪里 ， 比如说很多人可能设定的都是下载之类的 ， 所以你们测起来你觉得有哪些是反直觉的部分吗 ？

就你测完发现哦原来结果是这样的 ， 跟之前想的完全不一样 。

这个是有的 。 我觉得最好的 A/B test 其实并不是说验证了你的一个想法 ，而是它跟你的想法完全不一样 ， 然后从那之中你们学到了一个完全不一样的事情 。在 Opus 来说其实就是我们因为我们做短视频嘛 ， 会有很多字幕模板 ， 就是我们只是在做一个设计改版的时候 ， 然后去把字幕模板样式的露出做得更强了 ，但一下带来了非常高的转化率的提升 。其

实这个就从逻辑上是走得通的 ，因为短视频的用户他就非常在意字幕模板嘛 ，但我们之前就不知道这是一个多么大的机会点 。

但也就是在一个 A/B 测试中然后学到的东西 ， 你怎么去设计 A/B test 其实就是怎么去把 A/B test 过程中的数据给保存好 ，也方便你后面的分析 。

当你看到一个意料之外的结果之后， 你能给它去溯源 ， 或者你能再去通过再迭代 A/B test， 然后再去把这件事情验证清楚 ， 就找到它的那个根源是什么 。

关于付费这件事情呢 ， 你有什么 A/B test 的以后的核心结论吗 ？

就是 price discrimination 这种实验其实是非常值得去做的 。

对 ， 我们之前跟那个 A Studio 的 Joe 录过一期播客嘛 ， 讲的他们后来发现他们定了个增长目标 ， 最后发现最有效的达成手段就是直接涨价 。

你觉得是不是绝大多数现在的 AI 公司定价都是偏保守的呀 ？ 就其实都有蛮大涨价空间 ， 可以这么讲吗 ？

这个我觉得是的 。 点就在于说你的毛利率的问题 ，因为我觉得 AI 的产品和一般的 SaaS 产品它其实挺不一样的 。

就你一般的 SaaS 产品你都能做到 70% 甚至 80% 的毛利率嘛 ，但是你 AI 产品其实很难做到高毛利 ，因为你的大部分的那些成本都是在那些模型厂商那儿嘛 。

就我觉得怎么去探索一个更好的产品形态 ， 然后让用户有很高的付费意愿 ， 我觉得是一个很核心的点 。

我最近听到一个我比较熟悉的产品 ， 它有一次大涨价 ， 那个产品叫 Listen Lab， 它是做那种用户调研的 。

我们最早接触 Listen Lab 的时候 ， 它可能就是一个订阅制的产品 ， 就是完全 too prosumer 的那种 ， 就是几百刀一个月那样的 。

那也挺贵的 ， 几百刀一个月的 。

作为 SaaS 产品来说还好 。他们最近有一波大涨价 ， 现在变成大概 3 万刀到 5 万刀一年的那种 。 就是通过可能研究他们的目标用户和他们付费意愿 ， 我觉得就是 AI 产品怎么去找到合适自己的定价 ， 肯定是我觉得比以前更大的一个命题 。

明白 。 然后我们遇到大家还有个纠结点在于说我到底是应该比如订阅型的是周付费还是月付费还是年付费 ， 对吧 ？

可能也有什么季度啊半年啊 ， 然后这几个付费之间到底应该差多少钱啊 ， 这种你有什么经验吗 ？

我觉得不用把这个事情想得特别复杂 。 如果你的产品是想好好留存 ， 然后再长期去有比较稳健的增长的话 ， 那其实你就把你的付费周期去延长 。

从我在 Opus 我们的定价策略就是月付费 ， 然后年付费是作为一个提升整体留存的一个方式 。 就是年付费你可以去进行一个比较大的折扣嘛 ， 然后去把很多人引到年付费 ， 然后年付费的人他的留存是高的 ， 所以你是可以把这个打正的 。

然后那打折的东西又是一个测试点嘛 ， 就是去测一下在成本允许的范围内 ， 然后怎么尽可能去通过年费的打折 ， 然后把尽可能多的人引到年费去 。

所以我听起来其实这些东西都是一个长期测试的过程 ， 对吧 ？ 比如说一上来到底我定 10 刀 、20 刀 、30 刀 、50 刀 ， 可能甚至于没有那么大所谓 ， 我就是不断测就好了 ， 可以这么理解吗 ？

我是这么认为的 。 我觉得唯一考量因素就是你产品的本身的成本是多少 ， 一个是你的毛利率可以做到多少 ， 另外一个是你需要开放多少试用的成本 。

试用的成本是必须计算到整体的收益里面的嘛 。 就比如说现在很多 AI 产品我觉得更多问题就是试用的成本太贵 ， 然后导致他们没有办法大量地去像比较像 SaaS 产品那样去投流 ， 然后去获得试用用户 。

然后我还好奇 ， 比如说就是付费测试这件事情 ， 你们是做了多久 ？ 它是一个持续的过程还是说我测到定时候觉得差不多了就 OK 了 ？

看需求吧 。 我们是一直在做这件事情的 。 我们会脑包很多那种增长相关的项目吧 ， 就是付费项目永远都是包含在里面的 。

明白 。 就像你讲的 ，其实付费这件事就是它和测 PMF 其实是直接相关的 ， 对吧 ？ 所以只要新出产品功能其实就可以去测的东西 。

甚至不一定是有新的产品功能了 。 你就比如说想去测我把一些功能框定更死 ， 去减少那种超用户的一些福利 ， 比如说像视频产品水印就是一个非常明显的东西嘛 。

你就测了一下一个水印之后能有多少收益 ， 就是真的是一个巨大的收益 。 包括就是你给它的免费试用的次数啊 ， 这些东西也都可以在不同阶段根据你的需求不同地去调 。

对 ，但是比如我们还是就单说付费这件事情 ， 它的一些指标的提升必然和你的比如说转化 、 留存等等会有矛盾的嘛 ， 对吧 ？

但这种时候就只能是综合考量 ， 最后大家主观判断出来一个结果吗 ？ 还是怎么样 ？

你谈到的应该就是付费率和留存率之间的那个 trade off 嘛 。 就是你可能付费率提升得越猛 ， 比如说我就上了一个水印 ， 然后付费率可能一下就翻番了 。

对 ，但用户体验就变差了 ， 用户就流失了嘛 。

那这个其实你可以做比较长期的 A/B test， 甚至都不用做很深 。 如果在大厂的话 ，他们肯定就会做比如说反转 A/B test 的那些 ，但其实首先你要想做这些比较复杂的 A/B test 的话 ，其实那些 SaaS 工具也都是支持的 。

不过不做那么复杂的话 ， 你比如把那时间周期拉长 ， 去比如说跑一个半个月到一个月的一个 A/B test， 然后去通过观察你的付费率提升了多少 ， 你的流失率提升了多少 ， 然后你去计算一下， 你就能计算出来你最后的收益是什么样子的 。

明白 。 然后你刚才讲的客服跟数据这部分 ，其实我听起来我觉得它还挺适用于用 AI 做辅助和提效的吧 ？

我不知道你们在这个过程里面有一些什么 AI 做的事情 ， 或者有些什么巧招妙招之类的吗 ？

因为 Growth 团队它永远是一个比较小的团队嘛 ， 和其他的那些主产品的团队相比 ， 你其实就是怎么用最小的力量去办最大的事情 。

那不可离开的就是你如果能借用一些已有的 SaaS 去做的话 ， 你能把那个 impact 做得很大 。 比如说我们昨天是去做我们的 Help Center， 就用 Mintlify， 然后这个 Help Center 做好之后， 然后你接到 Intercom 里面 ， 然后变成了相当于有一个自动客服的一个机器人， 可能每周处理 1000 多条的那种用户 complaints。

跟留存相关的也有做很多 ， 比如说像支付 ， 就是如果你去做订阅产品的话 ，Pass Due Payment 其实是一个很大的一块 ， 就是自动去收款的时候 ， 它有很多那种会支付失败嘛 ，但这其实里面可能有 40% 到 50% 的那种 payment 你是可以去把它再重试成功的 。

重试成功就可能需要去借一些要么是 Stripe 自己的功能 ， 要么是去借一些 SaaS， 我们也通过一些 SaaS 去把这些东西给做上去 。

你说那个自动扣款失败这件事情 ， 所以这里面自动扣款失败不是因为它主动的不定了 ，而是一些流程跟技术上的问题 。

对 。

你能有四五十都是这种问题是吗 ？

非常多 。 就是 Pass Due 它可能跟用户自动主动取消的可能得有 1:1 这样的 ， 甚至更多 。 很多时候就是用户卡里面没钱了 ，但他们也会再往信用卡里再充钱 ， 然后他会再去 retry， 然后 retry 成功的几率可能你如果不做优化的话 ， 可能做到 20%、30%， 然后你如果做一些优化可能 40%、50%。

对 ， 那我在想 ， 比如就你刚才说的一个常见 ， 我信用卡里就是没钱了 ， 那你不同的方案去重复扣款的区别在哪呢 ？

就是成功率上的区别 ， 就是那些 SaaS 他们其实更多的是比如说会有特殊的一些去接触用户的手段 ， 比如说在你的产品内部它又会有些比较简洁的让它去更改它的付款方式的那种小弹窗啊或者什么的 ， 或者抓的那些发送 retry email 那些点不太一样 ， 它就能带来一些增长 。

我听起来你们真的用了蛮多第三方 SaaS 的 ， 大概多少数量啊 ？

反正我自己用的就可能大概不下 10 个吧 。

OK。 然后最后你如果再回头看 Opus 这几年， 你觉得做的最正确的几件事情是什么 ？

我觉得 Opus 它在品牌搭建上做得特别好 ，因为我现在发现只有三种方式可以让你长期地去获得比较好的流量和那个获客 。

第一个是你把自己定义成一个 category definer， 就是你去定义一个 。

新品类嘛 ， 就现在很多人吐槽说出来一个 AI 产品就是全球首款什么的是吧 ？

对 ，因为大家都想做那件事情 ，但真的做到了很少 。 我觉得能做到这点 Manus 是一个 。

当然 。

然后 Opus 其实也算了 ， 就是它把自己定义成就是你去做长简短的东西 ， 你就肯定第一个想到的就是 Opus。

怎么做到这一点其实就是把品牌做好 。其实我觉得增长的核心点就是在于说你知道你的用户是谁 ， 这些用户在哪里 ， 然后你应该怎么和他们接触 。

简单类比就是为什么咖啡店永远是在大商场的一些转角处 ，其实就是他们非常清楚自己用户定位是什么 ， 然后他们应该在哪里被找到 。

咖啡店的话 ， 那它肯定是等人的需求 ，因为我不会在餐厅里等人， 太重了 ， 我也不会在一些商店里等人， 没有椅子 ， 那我肯定会在一个轻消费的咖啡馆去等人。

那这些人会出现在哪里 ？ 他会出现在你一进入商场的地方 ， 所以星巴克永远在商场的入口和拐角 。其实对于互联网产品也是一样的 ， 对于 Opus 来说 ， 它定义的第一波核心的用户就是 podcasters。

它知道自己的客户群体是这样的之后， 那它怎么去定位到这些 podcasters？ 就是他们会发现这个 podcasters 的社区群体 ，他们是围绕着一些 KOC 去互相学习的 ，他们有这样的网络 。

然后那第一个打入的就是去和这些 KOC 和 KOL 达成一种长期的合作关系 ， 它把这一小群人给打透了 ， 然后这一小群人， 那当他们想到长简短这个事情的时候 ，他们唯一想到的东西就是 Opus。

那这样其实就是你把你的整个品牌和你的品类的定义的壁垒就给打出来了 。

就是你其实强调的是 Opus 主要的成功来源于它品牌成功的打造 ， 所以你觉得它并不是一个比如说投放啊什么内容啊这种驱动的 ，其实就它是我要品牌再建立的一个事情 ， 可以这么理解吗 ？

就是你的投放什么的也是服务于你的品牌的吗 ？

不一定 。 有的产品投放纯粹就是算术 ， 对吧 ？ 就是我就是算转化 。

对 ，但对于 Opus 来说 ， 我反正内部从内到外的一个理念反正就是都是围绕着品牌去做的 。

OK， 这个还挺美国打法的 。 很多美国公司就是搞品牌 。

因为品牌确实能带来用户粘性和忠实度 。

然后最后聊到视频市场吧 ，因为 Opus 其实是很早就开始做的 ，而且做得很成功 。 然后这两年的整个视频生成和剪辑等等又有各种新的玩法 ， 对吧 ？

有 AI 剪辑 ， 然后有各种 AI 特效 ， 然后也开始出来一些视频类的东西 。 所以你现在是怎么看整个 AI 视频相关的市场 ？

我觉得其实还是比较早期的阶段吧 ，因为真正可用的东西可用分成两个嘛 ， 一个是从生成模型角度去看可用性 ， 另外一个是从 agent 角度去看 。其实 agent 角度也是因为现在单个生成模型你没有办法去把它变成一个成片 ， 你还需要去把它拼凑在一起 。

拼凑这个东西不是人做的话就 agent 做嘛 。 这两件事情也都是可能今年 4 月开始慢慢成熟的嘛 ， 所以我觉得都还都比较早期探索的一个方向吧 。

那我可能比较看好的产品其实就包括 Higgsfield， 然后 Pixverse 其实我也挺看好的 。

有 AI 特效类的 。 但 AI 特效类其实就会有一个问题 ， 就是它到底厚度怎么样 ， 它是不是更多的偏玩法 ， 或者它是不是竞争就是会很激烈 。

对 ， 我觉得竞争肯定是会激烈的 。 然后看怎么定义偏玩法吧 ， 觉得大家就是来玩一下之后并不是用来产出 。

对 ， 它有点像是内容消费嘛 ， 对吧 ？ 就是你看过去 10 年， 包括移动互联网时代 ，不断地有各种修图软件出来 ， 可能某一个软件只要突然一个特效火了 ， 它就一下子到排行前面了 。

我印象中就修图软件的排行的那个变动是最快最频繁的 。 所以 AI 特效这件事是不是也会有点像这个东西 ？

我觉得 AI 特效更多它只是做了一个工具出来 ， 就比如说你看用 Higgsfield 很多其实是专业创作者 ，因为它和其他特效拉开的距离就在于说 ， 首先它做了很多针对运镜的专业场景的一些 LoRA 模型 ，其实这些是可以用到真正生产里面 ， 我觉得是一个区别点 。

然后他们抓的比较准的还有就是他们的 character， 就是 soID， 就是为什么真实性和你的一致性要求那么高 ，其实你去需求一致性的其实就是想去做更专业的内容 ， 可以去通过这些去经营一个 IP 了嘛 。

就你能通过这些东西做 IP，其实它就给用户产生商业价值 ， 它就不再是仅仅是一个玩具了 。 这我觉得就是为什么他们能做得那么好 。

还有就是它现在开放很多免费的权限嘛 ， 就是其实他们看到了有一个很大的一个新的创作者群体正在成长嘛 ， 然后那些创作者群体并不都是消费的群体 ， 很多其实就是一些专业的创作群体 。

那你觉得就假设我们不把 AI 特效定义成一个真的是完全 AI native 的 AI 生成视频的一种产品吧 ， 你觉得在什么时间点 AI 生成视频的产品会以大概什么样的形态出现 ？

这是个挺好的问题 ， 就是可能反映一下这个问题 ， 就是什么时候能看到一个类似于 Premiere Pro、Adobe 这样的专业一站式的 ，不管是做图还是做视频的一个这样的工具 ， 对吧 ？

它不一定是个工具嘛 ， 它有可能是我不知道 ，有可能是下个抖音 。 就是我总体是觉得说现在大家对于 AI 生成视频这件事用的还是很局限嘛 ， 对吧 ？

就是所谓的 AI 剪辑 ， 包括 Opus 长简短 ，其实里面也没有太多生成的部分 ， 它更多用的是理解 。 然后 AI 特效也是图片去生一个很短的视频的感觉 ，也不是一个更 native 的一种视频生成的东西 。

当然它背后是说视频生成模型可能还不 ready， 或者说现在仍然是成本太高 ， 对吧 ？ 你真的让用户完全用起来 ， 可能这个钱就是还烧不起 。其实成本你要作为专业创作者的角度来说 ， 它其实不高 。

就你看它替代的是什么样的东西 ， 我觉得它替代的其实还是有很多高价值的场景的 ， 就比如说影视的拍摄棚 ， 然后需要专业摄影去拍的那些素材 。

我觉得其实现在很大的一个卡点就是怎么让原来传统的那些影视创作者 ，他们能更好地去使用生成式模型 。

因为其实现在生成模型一个除了成本之外的问题在于说 ， 它还是一个需要比较专精知识的一个工具 。 因为你所有的那些视频模型啊 ， 还有图片模型 ， 它其实从技术上来讲 ， 它都不是真正多模态的嘛 ， 它可能就靠一些语言的插件 ， 然后去把你的自然语言和它的最后生成的那些素材给串联起来 。

这个过程对于传统影视创作者来说 ，他们就需要有很高的学习成本 ，他们需要去熟悉那些模型 ， 去学 prompt engineering。

然后还有就是不同的模型都有不同擅长的场景 ， 导致其实我们去聊下来很多那些创作者 ，他们的工作流是很割裂的 。

所以就为什么现在还有那么多集成平台 ， 然后他们还是会很火嘛 。 第二点是帮他们集成之后 ，他们还是要需要面对学习成本 ， 然后还有就是这个 space 它是不断地在变化的嘛 。

那你有新的模型出来之后 ，他们要学新的东西 ，但对于他们来说 ， 这个不是他们想要经历的东西 ， 这不是他们的主要的工作流 。

那就需要有一个产品 ， 最好是 agentic 的方式 ， 然后去帮他们去把这些东西全都打包出来 ， 让他们可以通过比如自然语言或者画布 ， 或者是其他更符合他们操作直觉的东西 ， 然后去让他们可以去更好地使用这些东西 。

所以就是为什么现在你可以看到很多一键成片或者是画布式产品出来 ，其实我觉得就是应对的就是这两个需求 。

明白 。其实最后我听起来呢 ， 你包括你讲的东西 ， 包括 Opus 整个历程 ，也没有什么东西是大家一听就觉得说多神奇的 ， 对吧 ？

只是说在很多应该做的地方把它做得更科学更好 ， 比如说做更多的 A/B test， 日常地去做更多的测试 ， 比如说更关注用户的反馈 ， 然后把客服的链条怎么样闭环啊等等 ， 对吧 ？

就是把基础的工作用科学的方式做得更好 ， 可以这么讲吗 ？

我觉得很多团队问题就是你想到一个东西跟你真正做到它之间是有挺多的 gap 的 。 就像闭环这件事情 ，其实我们自己做也做得很痛苦 ， 花了很多的时间 。

对 ， 所以这些点可能就是说起来简单 ， 做起来其实挺难 。 而且我感觉这几个点都需要很好的人来去推动和落地 ， 才能把它做好 。

对 ， 我觉得很好的人是一点 ， 另外一个点就是创始人其实也挺决定 。

对 ， 很多东西是一把手工程 ，他要很认可而且也很支持去推动才能落地嘛 。

很多时候也需要他们自己去先尝试之后， 然后明白哪一点自己现在团队是做不到的 ， 就很需要去明白他需要什么样的人去完成什么样特定的事情 。

好 ， 行 ， 那我们今天就到这 。

好啊 。

谢谢 。

每次走过这间咖啡屋 ， 忍不住慢下了脚步 。 你我足迹像是在这里 ， 揭开了相约的序幕 。 今天你不再是座上客 ， 我也就回复了孤独 。

不知什么缘故使我俩由情侣变成了陌路 。 放下你咖啡 ， 飘满小屋 ， 对你的情感依然如故 。 不知道何时再续前缘 ， 让我把思念向你倾诉 。

我呀走过这间咖啡屋 ， 忍不住慢下了脚步 。

屋里再也不见你和我 ， 美丽的往事已模糊 。