Lenny's Podcast 精华 | EP.012 — Amol Avasare:Claude 的增长飞轮,不靠少数按钮,而靠把用户带到真正的用法1×0:0011:440:08开场1:14一:增长的起点,是把用户带到正确用法2:22二:小优化还要做,但大赌注变得更重要3:50三:CASH 不是口号,是增长实验自动化的雏形5:21四:工程变快之后,PM 反而更紧张7:08五:Anthropic 的增长飞轮,来自 coding 和 B2B 的长期聚焦8:19六:安全不是公关词,而是增长团队的红线9:44七:文化的细节,是让 AI 更懂公司的资料层10:39收尾0:08主播今天这集,表面上是在聊 Anthropic 怎么增长;但听完之后,我觉得更像是在看一家高速飞行的公司,怎么给自己装刹车、仪表盘和方向舵。Lenny 这次请到的是 Amol Avasare,Anthropic 的增长负责人。0:29主播先把尺度放出来:节目里提到,Anthropic 在二零二五年初是十亿美元年经常性收入,十四个月后到了一百九十亿美元。Lenny 还拿 Atlassian、Palantir、Snowflake 做对比,这些十五到二十年的公司,ARR 大概在四十五到六十亿美元量级,而 Anthropic 几个月就会新增这么多。0:54主播这不是一般的增长课。普通公司问,怎么把转化率多提一点;Amol 面对的是,当产品能力每几个月换一层地基,增长团队还怎么判断什么该优化、什么该押注、什么坚决不能碰。1:14主播第一个 highlight,是 Amol 对激活的看法。他说 AI 产品最大的难题之一,不是模型没有能力,而是能力提升太快,用户来得太慢。很多人打开一个强得离谱的模型,第一句还是问:旧金山天气怎么样。1:33主播这就引出他的核心判断:AI 产品的激活,不只是缩短路径、减少步骤。真正重要的是,把正确的人带到正确的功能前面。Claude 的 onboarding 会问用户是谁、关心什么、想做什么,看起来多了摩擦,但 Anthropic 的数据证明,这种摩擦是有用的。1:58主播Amol 在 Mercury 也吃过同样的甜头。银行开户流程本来又长又烦,他的团队没有一味砍步骤,而是花一个季度提升流程质量。最后,开户完成率明显提升。他的总结很直接:删掉让人烦的摩擦,保留能帮用户理解产品的摩擦。2:22主播第二个 highlight,是 Anthropic 增长团队的资源分配。传统增长团队常见做法,是六七成精力放在小到中型实验,二三成放在大项目。Amol 说 Anthropic 几乎反过来,至少一半,很多时候七成资源,会放在更大的赌注上。2:45主播原因不是他们看不起百分之一的提升。以 Anthropic 现在的规模,一个百分点也很大。但他们更在意:如果产品价值在指数增长,两年后的市场可能是一百倍、一千倍,只盯今天的漏斗微调,就会错过明天的主战场。3:06主播他举的例子是 agentic coding。一年半以前,这个市场还不像今天这样存在;现在,智能编码的价值已经大过过去许多 AI 编码场景的总和。对这种产品来说,增长团队不能只守着旧页面改按钮,而要提前判断下一块市场在哪里。3:29主播这也是为什么增长团队会去做 Chrome extension 这种更像核心产品的东西。Amol 说,如果这是一家普通公司,他未必会让增长团队碰这种事;但在 AI-first 产品里,增长和产品边界会被拉开,谁看见机会,谁就得先动手。3:50主播第三个 highlight,是 Anthropic 内部的 CASH。这个名字有点故意好笑,全称是 Claude Accelerates Sustainable Hypergrowth,也就是让 Claude 加速可持续的超高速增长。Amol 特意说,名字不是他起的。4:10主播它做的事,是把增长实验拆成四步:发现机会,搭建功能,测试质量,分析数据。现在它还很早期,主要跑一些文案调整和小的界面改动,但已经能产生正向结果。Amol 说,它的胜率大概接近工作两三年的初级产品经理,离资深 PM 还有距离。4:36主播这点很关键。它没有神化 AI,也没有说 PM 明天就没了。相反,Amol 把边界讲得很清楚:小实验会最先被自动化,因为数据闭环明确,代价也低;但大项目还有一块 AI 很难直接吃掉,叫跨职能对齐。4:57主播他和设计负责人开完一次难会之后,对方半开玩笑地说:就算我们有了通用人工智能,让六个人在一个房间里达成一致,可能还是不容易。这句玩笑挺真实。AI 能越来越会建议做什么,但人和人之间的协调,短期内仍然是硬活。5:21主播第四个 highlight,是角色变化。Amol 的观察很具体:Claude Code 之类工具让工程师的杠杆提升最大。原来五个工程师的团队,现在有效产出可能像十五到二十个旧世界的工程师。PM 和设计也变快了,但没有快到同一个倍数。5:44主播结果就是,PM 和设计被挤压。不是因为他们不重要,而是因为工程端突然能做太多东西,路线、优先级、用户理解、跨部门协调这些工作压力更大。Anthropic 的应对办法之一,是让产品感强的工程师承担小项目的 PM 角色。6:09主播他们有个简单规则:如果一个项目少于两周工程时间,默认工程师自己负责推进,包括找安全、法务、相关团队沟通;PM 更多是顾问。超过两周,或者争议很大,PM 再完整接手。6:27主播这背后不是「PM 去写代码才有价值」。Amol 反而提醒,在大公司里,如果一个 PM 面对的是二十个被 AI 放大的工程产能,他最有杠杆的工作,可能不是自己再多 ship 一个小功能,而是把团队的方向感提高百分之五。6:48主播所以未来的好 PM 不是纯信息搬运,也不是只会写提示词的半吊子工程师。他更像一名放大器:让工程师更会判断问题,让设计更早进入场景,让组织少在错误方向上跑很快。7:08主播第五个 highlight,是 Anthropic 为什么早早押注 coding 和 B2B。Amol 说,这不是后来才总结出来的战略。早在二零二一年,公司刚开始不久,创始人 Ben Mann 就写过一份文档,解释为什么应该聚焦 AI coding。7:30主播这件事有两层意义。商业上,coding 是高价值场景;研究上,coding 会加速模型进步。模型越会写代码,研究和工程迭代越快;迭代越快,模型又越会写代码。这个飞轮跑起来之后,就不是一个单点功能,而是公司能力本身在加速。7:55主播Amol 还补了一句背景:早期 Anthropic 其实资源很少。它没有 Meta、Google 的现金流和分发,也没有 OpenAI 的先发优势。约束反而逼出了聚焦。对一个通用技术公司来说,什么都想做很自然,但在资源不够时,窄反而是活下来的方法。8:19主播第六个 highlight,是安全和增长的关系。Amol 说,Anthropic 从公司结构上就是 public benefit corporation,也就是可以在法律上不把股东利益最大化当作唯一目标。公司存在的理由,是让强 AI 的过渡对人类有净正向结果。8:40主播落到增长团队,规则也很直接:有些测试不管结果多好都不跑,因为它碰到安全、品牌或用户体验的红线。另一些测试只是让人有点不舒服,那就要求回报足够高,才值得试。9:00主播Amol 用了一个很产品的说法:增长团队要愿意把钱留在桌上。短期少赚一点,保护安全、品牌和用户体验,长期反而更可能成为优势。这个判断容易被说成漂亮话,但结合 Anthropic 的数字,它至少不是一个低增长公司的自我安慰。9:22主播这段对创业者也有借鉴:不是所有增长都值得要。你今天为了一个指标把边界往外推一点,明天组织就会把这条线当成新的正常。增长最难的地方,常常不是找到一个有效实验,而是在有效的时候决定不做。9:44主播最后一个 highlight,是 Anthropic 的 notebook channels。Amol 说,Slack 像一座迷宫,每个人都可以有自己的 notebook channel,像内部 Twitter,一边记录想法,一边公开讨论。员工甚至可以直接在 Dario 的频道里挑战他的说法。10:03主播这听起来像文化设计,但在 AI 公司里,还有另一层用途:这些公开想法会变成 Claude 的上下文。新员工能通过它理解领导者在意什么,AI 代理也能通过它理解增长团队、安全团队、研究团队各自的判断标准。10:24主播换句话说,未来公司的知识管理,不只是让人读文档,也是在给代理喂上下文。你把原则写清楚,它才有机会替你提前发现错位、冲突和风险。10:39主播如果要用一句话收束这集,我会说:Anthropic 的增长,不是把更多用户推进同一个漏斗,而是在模型能力、组织能力和安全边界之间,持续找到下一条可用路径。10:56主播Amol 这集最值得带走的,不是某个增长技巧,而是一个判断顺序:先问产品价值会怎样变化,再问组织该押哪里;先帮用户理解能力,再追求更短路径;先划清不该做什么,再讨论能多快增长。11:17主播今天的 Lenny's Podcast 精华就到这里。下一次你看到一个 AI 产品突然变强,别只问它的模型升级了什么,也可以问:它有没有把用户、团队和公司原则一起升级。我们下期再见。
围绕这条内容继续补充观点或上下文。