Perplexity 出海增长复盘:把搜索做成可信答案入口1×0:0010:430:08开场0:59定位:答案入口不是聊天框1:58增长节点:从个人 Pro 到企业 Pro3:37渠道:借电信和企业销售补分发短板5:05商业化:引用带来信任,也带来成本6:30反面信号:当用户买的是确定性8:28方法论:出海 AI 产品能带走什么9:58收尾0:08主播上一期我们讲 Cursor,是把开发者工作流做成 AI 入口。这一期换一个完全不同的入口,Perplexity。它卖的不是写代码,也不是陪聊,而是一个更直接的问题:当用户想知道一件事,能不能少翻十个网页,直接拿到一段带来源的答案。这个切口听起来小,但它碰到的是搜索、媒体、订阅和企业知识管理四个市场的交叉口。0:35主播今天我会沿着四条线讲。第一,Perplexity 最早为什么能从传统搜索和 ChatGPT 中间挤出位置。第二,它怎么把消费端的使用习惯转成企业版和渠道合作。第三,它为什么必须处理出版商和广告这件麻烦事。最后,我们看它最近在社区里暴露出来的质量和信任问题,对出海 AI 产品有什么提醒。0:59主播先看定位。Product Hunt 上,Perplexity 的产品页把它写成「Where Knowledge Begins」,用户评价里高频出现的词是快速、干净、带来源。Product Hunt 对九十五条评论的汇总显示,用户最常夸的是 AI 搜索、替代搜索引擎、引用和快速响应;负面则集中在幻觉、引用错配、模型质量不稳定和上下文变弱。这说明它的第一批忠实用户并不是来闲聊的,他们要的是少点链接噪音,多点可核对的答案。1:32主播这个定位有一个很现实的增长好处。搜索是高频需求,用户不需要学习复杂工作流,打开就能问。但它也有一个隐性代价:用户对「可信」的要求比普通聊天更高。聊天机器人错一次,用户可能觉得只是模型发挥不好;搜索答案错一次,尤其引用看起来很正式,用户会怀疑整个产品是不是在包装不可靠的信息。1:58主播Perplexity 的第一个关键动作,是把个人用户的研究场景往企业里推。据 Perplexity 二零二四年四月发布的 Enterprise Pro 公告,当时它已经服务每月一亿六千九百万次查询,并推出第一款 B 二 B 产品,价格从每席每月四十美元起。公告里还提到,Stripe、Zoom、Snowflake、Databricks、Paytm、ElevenLabs、Vercel、Replit 等团队已经在试用或采用。2:28主播这一步的逻辑很清楚。个人用户证明「带来源的答案」有需求,企业客户真正愿意付钱的部分,是数据隐私、管理员控制、单点登录、数据保留和内部文件搜索。也就是说,Perplexity 没有只把 Pro 当成更高额度的个人订阅,而是把同一个搜索习惯包装成企业里的研究基础设施。对出海产品来说,这是一条常见路径:先让个人用户在日常任务里形成依赖,再把安全、管理和协作卖给组织。3:03主播融资和估值给了它继续扩张的资本。据 Reuters 转载在 Yahoo Finance 的报道,二零二五年九月,The Information 称 Perplexity 已获得二亿美元新融资承诺,估值二百亿美元;Reuters 同时说明自己当时无法独立核实该报道,Perplexity 也没有立即回应置评请求。这个细节要保留,因为融资传闻和正式公告的确定性不一样。可以确认的是,资本市场已经把它看成搜索入口竞争的一名重要玩家,而不是一个小工具。3:37主播第二条线是分发。Perplexity 自己的品牌很强,但面对 Google、OpenAI、Anthropic 这些对手,单靠官网自然增长不够。Perplexity 在 Enterprise Pro 公告里提到,SoftBank 和 Deutsche Telekom 的移动及宽带客户合计超过三亿三千五百万,它希望借这些电信合作把产品带到日本和德国用户面前。4:01主播到了二零二五年三月,Perplexity 又发布了与 SoftBank 的日本企业版合作。官方说,SoftBank 成为 Enterprise Pro 的首个授权经销商,并且 SoftBank 先在内部团队测试了六个月,再推给日本企业客户。这个动作比单纯投广告更重。它利用本地企业销售关系解决两个问题:一是信任,二是本地客户进入路径。对很多 AI 产品出海来说,本地化不是把界面翻译成日文或德文就完事,真正难的是谁来替你敲开企业客户的门。4:36主播这也解释了为什么 Perplexity 要快速把产品从「问网页」扩成「问网页、问内部文件、问付费数据源」。在日本企业版公告里,它强调可以连接 Google Drive、OneDrive、SharePoint,以及 Crunchbase、FactSet 这样的高级数据源。企业用户不是每天只问公开网页,他们还要查自己的合同、报告、客户资料和市场数据。答案入口要进入公司,就必须接住这些内部知识。5:05主播第三条线是出版商关系。Perplexity 的引用机制是它获得信任的核心,但引用也意味着它高度依赖媒体和网页内容。二零二四年七月,Perplexity 发布 Publishers Program,首批伙伴包括 TIME、Der Spiegel、Fortune、Entrepreneur、The Texas Tribune 和 WordPress.com。官方说,当 Perplexity 从引用某个出版商内容的互动中获得收入,出版商也会获得分成。5:33主播这里的关键不是「做了一个伙伴计划」这么简单,而是 Perplexity 承认了一个结构性问题:AI 答案如果截走了用户注意力,就必须重新安排内容生产者的利益。否则它越成功,和出版商的关系越紧张。出海 AI 产品如果建立在别人的内容、模型、数据或平台之上,增长越快,结算和授权问题来得越早。5:58主播二零二四年十一月,Perplexity 又解释为什么开始测试广告。官方说,广告会先在美国出现,形式包括赞助追问和答案旁边的付费媒体,并强调广告不会影响答案内容。更值得注意的是,它直接写到,订阅收入不足以支撑一个可持续的出版商分成计划,所以需要广告提供更稳定、可规模化的收入。这个表述很坦率,也很现实:如果你的产品承诺可信答案,就不能只想着用户付费,还要算清楚内容生态的钱从哪里来。6:30主播现在看风险。Perplexity 的社区反馈很有价值,因为它把增长压力翻译成了用户能感受到的问题。二零二五年三月,Perplexity CEO Aravind Srinivas 在 Reddit 发长帖回应用户不满。他承认公司和产品增长很快,需要提升基础设施来支撑规模;也承认最近的质量下降和透明度不足,并表示会暂时降低新功能发布速度,投入稳定性。6:58主播同一篇 Reddit 帖里,他解释了 Auto mode 的想法:让 AI 根据问题自动决定用快速回答、Pro Search、推理还是 Deep Research,减少用户面对按钮和模型选择的负担。他还提到,十五到二十个百分点的 Deep Research 查询因为耗时太长没有被用户查看,所以团队把部分 follow-up 切回更快的模式。但用户反感的地方也在这里:他们付费买的是可控性和确定性,不只是平均速度。7:29主播到二零二六年七月,Reddit 上还有用户问「现在买 Perplexity Pro 还值不值」。这个用户说,自己曾经很喜欢用 Sonnet 模型搜索相关内容,也几乎不再用 Google,但最近看到 Pro 体验下降和限额减少的反馈,所以犹豫是否继续付费。另一个二零二五年十月的 Reddit 帖则直接问,既然 ChatGPT、Gemini、Grok、Mistral 都已经集成网页搜索,Perplexity 今天的独特点还剩什么。7:58主播这两个问题抓住了 AI 搜索产品的信任边界。早期优势是「别人还没有的网页搜索加答案」。当所有大模型都接入搜索,Perplexity 必须证明自己在引用、速度、聚合多模型、企业知识和浏览器代理上仍然更好。更麻烦的是,一旦订阅用户感到模型被自动切换、额度更难理解、长对话记忆变差,他们不会把这看成技术路线选择,而会看成服务承诺缩水。8:28主播从 Perplexity 这个案例里,我会提炼四个检查项。第一,入口要选高频任务,但承诺要足够窄。Perplexity 没有从「万能 AI 助手」讲起,而是先把「带来源的答案」讲清楚。对早期产品来说,这比一开始覆盖所有场景更容易形成用户记忆。8:48主播第二,消费端增长和企业端商业化之间,需要有自然桥梁。Perplexity 的桥梁是研究、搜索、文件和数据隐私。如果一个产品在个人端很火,但企业端只能卖「更高额度」,那续费和采购会很吃力。企业愿意付的钱,通常落在权限、合规、管理、内部数据和可审计结果上。9:13主播第三,本地化要找到本地分发责任人。SoftBank 的例子说明,进入日本企业市场时,本地销售关系、内部试用背书和行业客户覆盖,比单纯翻译产品页更重要。对没有巨大品牌预算的出海团队,渠道合作可能比广告更慢,但信任密度更高。9:35主播第四,AI 产品的定价和额度规则必须让用户听得懂。Perplexity 的争议不是「用户不理解技术复杂性」,而是用户把搜索、模型、速度和额度当成一个整体服务来买。你可以用自动路由提高效率,但如果用户感觉自己失去控制,就要用更清楚的产品解释和更稳定的体验把信任补回来。9:58主播Perplexity 的增长给人的启发,不是「AI 搜索一定会替代 Google」这么粗的判断。更准确地说,它证明了一个新入口可以先靠高频、清晰、可验证的任务站住脚,再沿着企业安全、本地渠道和内容分成往外长。但这个案例也提醒我们,AI 产品一旦把「可信」写进核心卖点,后面每一次模型切换、限额调整和广告尝试,都会被用户当成信任测试。下周做产品决策时,可以先问一句:我们卖给用户的,到底是功能,还是某种确定性。