如何发现产品中隐藏的增长机会｜Albert Cheng（Duolingo、Grammarly、Chess.com）
How to find hidden growth opportunities in your product | Albert Cheng (Duolingo, Grammarly, Chess.com)
Guests: Albert Cheng
Full transcript · Read the full conversation in order, with its original context.
Contents1 chapter
§01原文文稿 · 00:00–1:24:58§01原文文稿 · 00:00–1:24:58
增长的工作，是把用户与产品的价值连接起来。增长有时会被认为只是单纯地钻指标的空子。
你曾在全球最成功的三款消费者订阅产品中的三家工作过。你认为，人们在打造成功的消费者订阅产品时，最容易忽视的关键是什么？
对消费者订阅公司来说，用户留存就是黄金。如果留不住用户，很多压力就落在让他们第一天就付费这件事上。
Noam Levinsky 说，我一定要问你：你在 Grammarly 发现过的最大变现突破是什么？
大多数免费用户实际体验到的 Grammarly，只是一个帮他们纠正拼写和语法的产品，因为展示给他们的都是免费建议。如果我们抽取若干付费建议，穿插在免费用户的写作过程中，会怎样？一下子，人们发现 Grammarly 比此前想象的强大得多。
在组建团队方面，你学到过最违反直觉的一课是什么？
我见过一些最出色的人，他们主动性极强、行动速度快、精力充沛，却未必在相关领域有深厚经验。经验有时反而会成为拐杖，尤其是在 AI 让环境快速变化的当下。你过去学到的很多习惯，其实需要有意识地舍弃。
今天的嘉宾是 Albert Cheng。Albert 被誉为全球顶尖的消费者增长专家之一。他先后在全球三款最成功、最受喜爱的消费者产品 Duolingo、Grammarly，以及如今的 Chess.com 负责增长和变现。职业生涯早期在 YouTube 时，他参与过流媒体和游戏功能的开发，服务用户超过 2,000 万人。（00:01:32）他独特的增长方法融合营销、数据、战略和产品管理。本期我们会聊到很多内容，包括他用于发现增长机会的“探索与利用”框架；他在 Duolingo、Grammarly 和 Chess.com 最重要、最有趣的增长成果；他如何用 AI 加速增长工作；他如何重新认识品牌和社群对增长的力量；他最推崇的实验方法；为何他的目标是在每家公司每年完成 1,000 次实验，等等。（00:02:02）非常感谢 Erik Allebest、Noam Levinsky 和 Jorge Mazal 为这次对谈提供选题。如果你喜欢这档播客，别忘了在常用播客应用或 YouTube 上订阅和关注，对我们帮助很大。另外，如果你订阅我的年度通讯，就能在整整一年内免费使用 15 款出色产品，包括 Lovable、Replit、Bolt、n8n、Linear、Superhuman、Descript、Wispr Flow、Gamma、Perplexity、Warp、Granola、Magic Patterns、Raycast、ChatPRD 和 Mobbin。（00:02:33）请前往 lennysnewsletter.com，点击 Product Pass。接下来请出 Albert Cheng。我的播客嘉宾今晚很爱聊工艺、品味、主观能动性和产品市场契合度。你知道我们不爱聊什么吗？SOC 2。于是 Vanta 就派上用场了。Vanta 借助行业领先的 AI 自动化和持续监控，帮助各种规模的公司快速实现合规，并持续保持合规。无论你是要完成首个 SOC 2 或 ISO 27001 的初创公司，还是管理供应商风险的企业，Vanta 的信任管理平台都能让这件事更快、更容易、更可扩展。（00:03:08）Vanta 还能帮你以高达五倍的速度完成安全问卷，让你更早赢下更大的交易。根据 IDC 最近的一项研究，Vanta 客户每年节省超过 50 万美元，生产率提高到三倍。建立信任不是可有可无的事。Vanta 让它自动发生。访问 Vanta.com/lenny 可优惠 1,000 美元。本期节目由 Jira Product Discovery 赞助。构建产品最难的部分其实不是把产品做出来，而是其他所有事情。（00:03:41）包括证明这项工作有价值、管理利益相关方，以及尝试提前规划。大多数团队花在应对反应上的时间多于学习，忙着追进度、为路线图辩护，不断排除阻碍来维持工作推进。Jira Product Discovery 让你重新掌握主动权。借助 Jira Product Discovery，你可以捕捉洞察，并为高影响力创意排定优先级。（00:04:01）它足够灵活，能适应团队的工作方式，帮助你建立促进一致而非引发疑问的路线图。而且它构建于 Jira 之上，你可以在一个地方追踪创意从战略到交付的全过程，少些追赶，多些时间思考、学习并做好正确的事。前往 Atlassian.com/lenny 免费使用 Jira Product Discovery，即 Atlassian.com/lenny。Albert，非常感谢你来参加节目，欢迎。
谢谢邀请，Lenny。很高兴来到这里。
我更高兴你能来。和每期播客一样，我联系了一批和你共事过、很了解你的人，想知道该问些什么、哪些话题值得多花时间。Jorge Mazal 在我的圈子里很有名，因为他写过一篇通讯文章，长期是我通讯中最受欢迎的一篇。如今已经被别的文章超过了，但它在榜首待了很久。他是这么写的：“Albert 怎么能做到他所做的事，对我来说是个谜。我真的很期待听这一期，向他学习。”
这话太暖心了。谢谢你，Jorge。我从他身上学到了很多。我是那种有点怪的人，喜欢赶在孩子醒来前起床，打开一堆浏览器标签看实验。Jorge 把我带进了 Duolingo 的增长世界，我从中学到很多最佳实践，他人也特别好。谢谢你，Jorge。
我们已经开始聊这些战术了，我很喜欢。先说说我希望这次对谈达到什么目的：我想帮助大家学会为自己产品发现增长机会的工具和思维模型，也就是了解你带入所服务公司和产品中的增长思维。（00:05:48）我想先了解你是怎么走到今天的。我发现近期很多嘉宾都有一个有趣的共同点：他们年轻时钢琴弹得很好，而且非常认真。例如 ChatGPT 负责人 Nick Turley 差点成为职业爵士钢琴家。你职业早期也曾非常认真地学习钢琴。能否简要说说，你如何从钢琴家变成全球顶尖的增长专家之一？
这太抬举我了，但我很感谢。是的，我从小弹很多钢琴。父母是来自台湾的移民，而我是他们的第一个孩子，所以我确实感受到那种强烈的鼓励，如果你愿意这么说的话：要多学东西、认真对待、努力读书，而我也确实这么做了。虽然父母不擅长音乐，但他们非常热爱古典音乐。（00:06:45）所以我算是那种睡觉时听莫扎特的典型宝宝。我至今还清楚记得，家里有一架雅马哈立式钢琴，钢琴最上面放着一个从 90 分钟开始倒计时的计时器。我童年每天都练琴，真的非常规律。（00:07:04）一开始我很讨厌那个东西，但长大后，我越来越欣赏音乐。不过，真正加速我对钢琴的兴趣和能力的原因，我觉得像是中了彩票：我有绝对音感。因此我能很快判断自己弹得对不对，也能很快学会音乐。
绝对音感究竟是什么意思？是指你能辨认正在响的是哪个音吗？
没错。
好的。
没错。
哇。
所以我听一首歌时，能非常清楚地知道应该从哪个音开始，也能知道自己哪里弹错了。这非常有帮助。
太不公平了。
确实不公平，当然。总之，我高中时钢琴已经弹得相当不错，甚至考虑过去音乐学院学习。但当时我对音乐的内在驱动力并没有那么强，所以最后选择了工程学院，不过那会是截然不同的一份职业。至于你最初提到的音乐和增长之间的关系，我直到最近才真正思考过。（00:08:12）我有个四岁的孩子，开始教他随便敲敲琴键。有两件事很突出。第一，我认为音乐和增长都依赖持续的重复。你不断犯错，反馈循环极短，必须对一直犯错保持很强的韧性，并且知道学习正是通过这些错误发生的。这是我很早就学到的。第二，它们都有结构性的基础。（00:08:45）增长有增长模型、指标、实验、渠道之类的东西，但日常也需要创造力，需要想出有趣的解决方案或可测试的假设。音乐也是如此。你有音阶等乐理知识，但要创造优美的音乐，还需要热情、情感和流动感。所以我觉得两者的结合非常美妙。
说个有趣的事，最近父亲节时，我妻子送我钢琴和声乐课，我已经深深迷上了这些。现在我在学最基础的钢琴，也在学习辨认音高，并用嗓音唱准音。
不错。
真是个奇怪的新世界。
可能会成为你的下一个表演项目。
有可能。我可以反过来，成为职业钢琴家。天哪，不，它实在太有趣了，但也太难了。我的手指都在问：你怎么能同时按四个该死的键？我一直在想，“这到底是怎么回事？”好，进入正题吧，我想谈增长。（00:09:42）我们聊天时，你提到了一个非常具体的框架，我觉得大家听到并向你学习会很有帮助。你称它为“探索与利用”。我想其中有很多不同的思考方式。请谈谈这个框架，以及它如何影响你对增长的思考。
是的，我最初是通过 Grammarly 的工程搭档 Nermal 想到，或者说听说“探索与利用”这个概念的。我想他上过一些 Reforge 课程，所以它的最初提出者或许是 Brian Balfour，我知道他上过你的播客。但不管怎样，这是个很棒的概念。（00:10:13）大意是：处于探索模式时，可以把它看作寻找值得攀登的山；处于利用模式时，则是集中资源，高效地爬上那座山。我认为要警惕的是，有些公司会把太多时间花在光谱的一端。探索太多，团队会变得过于散乱，只是在尝试一百个随机点子。（00:10:40）其中的主线是什么？策略是什么？如何从中识别成功模式？而利用过度，也是增长团队常见的做法，会带来饱和和停滞，因为你只是在局部最大化一件事。虽然“探索与利用”通常被理解为宏观原则，我更喜欢在洞察层面和团队使用它。我举个具体例子。（00:11:07）我在 Chess.com 工作，我们的一项优先事项是鼓励棋手进步、学习和提高。我们的一位产品经理 Dylan 负责所有学习功能。产品中使用最多的学习功能叫“对局复盘”。下完一盘棋后，虚拟教练会告诉你最差的着法、最佳着法等等。他的工作是提高用户参与度和留存。（00:11:34）因此他处于探索阶段，试图弄清如何推动更多这类行为。他观察到，实际复盘对局的用户中，80% 是在获胜后复盘。这与我们最初开发该功能时的直觉完全相反。我们以为人们会在输棋后使用它，查看错误并加以改进。但从人类心理和实际数据来看，事实并非如此。因此我们改变了产品体验。（00:12:04）现在，当你输掉一局时，我们不再先展示你的昏招和糟糕表现，而是反过来：展示你的妙手、最佳着法，让教练说些鼓励的话，例如“输棋只是学习的一部分，继续加油。”诸如此类。仅这一项改变就带来了相当显著的效果。（00:12:22）对局复盘增长了 25%，订阅增长了 20%，用户留存也大幅提高。这当然很棒，但重点是不止于此。你必须把这个洞察广泛分享到全公司。现在，负责谜题等相邻产品的产品经理就可以思考：“我怎样审视产品里这些冷冰冰的模式，并让它们更积极？”（00:12:48）我可以修改成功评分、调整一些文案、改变按钮颜色。这样，你就能把这个实验的成功在组织内放大十倍，这就是利用阶段的含义。做得对时，你会在两者之间来回切换，直到利用模式趋于饱和，再鼓励团队重新头脑风暴，恢复更多创造力。
太精彩了。这里有很多值得追问。一个核心建议是：当你发现某个方法特别有效，就要想办法继续建立在这项认知之上。一方面，可以说“团队们，这是我们意外学到的一个洞察，或许对你们也有帮助”；另一方面，也可以继续在同一领域发现更多、运行更多实验。我想这也是其中一部分。
对，完全正确。以我的经验，典型的实验成功率，我不太喜欢用“成功率”这个词，往往在 30% 到 50% 之间。通常你会尝试很多事情，许多假设最终并不成立，消费者产品就是如此难以预测。但一旦你发现某个能突破噪音的东西，即便它是一个损失巨大的实验，也同样很有价值。（00:13:58）要把这些发现呈现在全公司面前。最初运行该实验的产品经理不一定要负责弄清产品体验其他部分该怎么做，但他有责任清楚说明自己的假设是什么、发现了什么。这样，作为增长负责人，我就能鼓励大家围绕这个发现一起行动，尝试很多不同点子，从而提高成功率和影响力。所以就是在两者之间来回切换。这才是灵丹妙药。
我从你的话中想到的另一点是：一个领域中的成功机会往往比人们预想的更多。你可以长期在同一个方向继续找到增长成果。
完全正确。归根结底，公司内部有时会采取一种孤岛式做法，把产品体验拆成 50 个不同部分，分给不同团队，并假设用户会以不同心态使用每项功能。但很多时候并非如此。你有时会发现一种更基于人类心理的洞察，能够在整个产品体验中引发共鸣。一旦找到它，就可以加大投入。
听众可能会觉得：“好，找到一个大成功，再找更多。”你有没有什么方法，能帮助判断何时该探索、何时该利用，或者判断利用是否已经过头？比如一些经验法则，或帮助人们走完探索与利用过程的方法？
在 Chess.com 这样规模的公司，我会关注一件事：我们每年大约运行 250 个实验。我们不是行业里最多的，但数量相当可观。因此我会投入建设实验探索工具。我们也可以谈谈 AI，它是发现和提取这些洞察的另一种方法。总之，这些探索工具让我能查看正在进行的所有实验。（00:16:08）我会试着判断假设和学习结果之间是否存在模式。如果我开始看到越来越多统计上不显著的实验，可能就是一个信号：“好，我们可能把利用推进得太远了，已经没有多少价值可挖。大家回到桌前头脑风暴，让思考更发散一些吧。”
那我们就顺着 AI 的话题谈谈。你如何利用 AI 帮助自己判断这些事？这很酷，请展开说说。
我们最近在尝试的一项能力是文本转 SQL，确实非常强大。我们有个数据请求 Slack 频道，长期以来，直到今天也一样，人们会往里抛出各种一次性问题：南非有多少订阅用户？某人上个月玩谜题玩了多久？（00:17:07）这些临时问题通常要耗费很多人工时间。数据分析师得给它排优先级，挤出时间跑查询。你当然可以投入自助工具来改善这件事，但我发现 AI 也很擅长先给出第一轮答案。所以我们正在训练一些 Slack 机器人，让它们充当这些答案的第一提供者，这能让整个公司更以数据为依据。（00:17:39）另一个有趣之处在于人性：如果你有个问题，觉得问出来有点尴尬，或者不想打扰别人，你就不会问。有了这些工具后，问题数量实际上会大幅增加。我觉得在 ChatGPT 上也能看到这一点：有个能让你自在对话的对象，差别非常大。
这太酷了。所以这是你们自己做的东西吗？本质上是一个给出 SQL 查询的 Slack 机器人，还是它会实际完成分析？
不，它会完成分析。
哇，太酷了。你们会发布它吗？还是说，每家公司都应该自己做一个？
我们应该做。这是个好主意。
好，好。这可能又会成为一集评论区里人人都喊“把它开源”的节目。看看会不会再发生。这很酷。你们做过或见过其他类似的例子吗？
一个相近的例子是，很多产品经理现在都在试用各种原型工具，把一个想法变成可供讨论的解决方案。如今，从一个想法到写规格、评审、设计等过程，仍然需要很多人参与。我相信你采访过很多谈这个具体问题的人。（00:18:52）我们做了一些投入，至少把产品体验中的主要界面，比如新手引导流程、首页和棋盘，做成使用 V0、Lovable 等工具构建的 AI 原型。有了这些基础组件，就能分享给公司其他人，让他们以此为起点叠加自己的想法。这样，这些想法更容易讨论，也希望能较快进入测试。
在这方面，你们的 AI 工具栈里有什么？
产品经理主要在用 V0。设计师很喜欢 Figma，在用 Figma Make。工程师现在使用组合工具，包括 Cursor、Claude Code、GitHub 和 Copilot。营销团队使用各种工具做翻译、字幕、内容改编等。客服用 Intercom。因此全公司使用的工具相当多。（00:19:50）不过令我困扰的一点是，我们还没有像我希望的那样，顺畅地把试用探索衔接到工作流程。每个职能小组都不一样。虽然现在普遍认为 AI 会抹平这些职能标签，但根据你的经验，你可能仍会更倾向于使用某类工具。如果这个工具与之后需要交接、真正投入生产的其他工具不够互通，至少在我们这个规模上，就会有问题。（00:20:24）我认为小型创业公司当然可以让产品经理直接上线，但我们仍要在职能间进行一些交接。我预计这会随时间变化，我们也在投入设计系统组件、MCP 等，让衔接更容易。不过这是一项投资，需要时间把流程理顺。
我想稍后再回到变化和工作方式的话题，聊聊你作为产品人和增长人，在不同公司中如何工作。但先说另一个发现增长和变现成果的例子。Noam Levinsky 是 Grammarly 的首席产品官，你在 Grammarly 工作时和他共事过一段时间。他说我必须问你：你在 Grammarly 发现的最大变现突破是什么？你又是如何发现这个机会的？
我很荣幸能在 Grammarly 与 Noam 及其产品团队共事。先为不用 Grammarly 的人介绍一下：Grammarly 是 AI 驱动的写作助手。人们通常把它作为 Chrome 扩展或可下载的桌面客户端使用。它基本上会在你的写作内容上叠加许多不同的——
我在用，我是忠实用户。我用它——
更正一下，所以你是忠实用户。
……它救了我的命。
太好了，很高兴听到这个。Grammarly 采用免费增值商业模式，也就是说，超过 90% 的用户使用免费服务，其余用户基本上是付费订阅，对吧？其中有个团队负责订阅转化，产品经理是 Kayla。这个团队很棒，他们的工作是找出从免费到付费订阅的路径。（00:21:54）我们首先意识到，对于用户收到的各类建议、用户看到付费墙的频率等事件，其实追踪得并不好。这是第一步，我们必须补上这些埋点。第二步是，我们注意到了——不过先解释一下逻辑。（00:22:18）免费用户在写作中会看到这些下划线。如果接受全部建议，就会看到付费墙，系统借此鼓励你订阅更细致的功能。免费用户主要获得的是拼写和语法建议，基本属于正确性方面；付费用户则还能获得如何让语气更富同理心、如何让写作更清晰等建议。（00:22:40）还能重写整句，诸如此类。从这些追踪和数据中观察到的行为是，实际上只有很小一部分免费用户会决定接受全部建议。更多人是边写边挑选，我想你的体验可能也是这样。
绝对是。我总会想：“等等，别把所有内容都重写。这一部分错了，我会改。”是的，我非常喜欢挑着用。
没错。
纠错型用户。
第二件事同样，甚至更加有趣：我当时正在公司经历生成式 AI 的变革，而这场变革显然仍在继续。坦率说，无论公司的品牌形象，还是多数免费用户实际体验到的产品，Grammarly 都只是一个改正拼写和语法的工具，因为我们给用户展示的免费建议就是这些。（00:23:34）于是我们决定彻底反转这个逻辑：“如果我们抽取一些不同的付费建议，穿插到免费用户整篇写作中呢？”它们会和免费建议混在一起，让用户有限地体验付费服务所能提供的内容。表面看，合理的担忧是：如果给得太多，人们还会订阅吗？（00:23:58）我们发现完全不是这样。人们突然发现 Grammarly 比之前想象的强大得多，仅这一改变就让我们的升级率几乎翻倍。我认为这是一个有意思的现代变现经验：特别是做免费增值产品时，尽量让免费产品反映产品能够提供的全部价值。当然，有些付费功能会产生一定成本，但如果你能展示出产品最好的一面，通常是能回本的。这对我们非常有效。
我想这就是让我变成 Grammarly 付费订阅者的原因。哇，真是天才之举。所以本质上是：这里有一堆改进，但你最多能获得三个，然后就提示：“好了，现在请升级。”
它基本上是实时发生在写作过程中的反向免费试用，而不是按时间计算的试用。我们借鉴了业内一些模式，但把它们改造成适合 Grammarly 具体使用场景的形式。
对，我正想问：这并不是完整试用，而像是有上限的试用。你获得一定数量的功能，用完后会刷新。我发现似乎是每天刷新一次之类的。
对，你说得没错。
对，Grammarly 最擅长，也最“狡猾”地做追加销售。我总会想：“该死，我马上就能看到这个改进了，只要升级就行。”它就在那儿，就在我的鼠标旁边。
是啊，我不以狡猾为荣，不过……
但它确实让我买了。干得好。叫什么来着，Kayla？Kayla，干得漂亮，效果很强。我喜欢这个。关于免费试用，我不知道你有没有什么建议。免费增值模式总有这个问题：送出一些东西，然后有 Pro 账户；有按时间试用，也有一些功能受限。对于消费者订阅产品，你有没有一种推荐的做法？
我认为首先要问的是，为什么一开始就要做免费增值订阅？我加入的这些公司都是免费增值订阅模式。我喜欢它的什么呢？第一，它和这些公司中许多人的使命导向非常契合。通常你想让产品覆盖尽可能广的用户，因为创始人创造它本来就是为了这个，对吧？（00:26:22）你是在通过 Duolingo、Grammarly 或 Chess.com 改善教育。这些产品本就面向全球，价值主张广泛。显然，阻力最低的方式就是提供免费产品。这只是其中一部分。另一部分是，许多这类产品主要靠口碑增长；特别是如果能在产品中建立网络效应，比如 Duolingo 有许多社交功能，而 Grammarly 也有一定的 B2C2B 模式。（00:26:54）你会看到团队和公司在使用 Grammarly。即便用户处于免费方案，他们仍然提供了不少价值，让同事或团队成员有理由购买 Grammarly。因此我通常倾向于确保提供给用户的核心价值主张免费且永久免费，再叠加对部分高级功能的试用或体验。这通常是我见过的甜蜜点。（00:27:26）至于试用和反向试用，我认为很大程度取决于具体情况。尤其如果你有存在一定锁定效应的 B2B 功能，反向试用会非常有力。你只需让用户进入使用状态，不必索要信用卡，因为他们在使用你的 CRM，或投入了相当多时间来搭建资料和内容。当那个窗口期结束时，他们会觉得：“天哪，我大概该留下来开始付费了。”对很多消费者产品来说，这就更难奏效。因此我通常看到的常态，还是普通的免费试用。
我们继续聊消费者订阅产品。我觉得这是每个独立开发者都梦想打造的品类，因为看起来很容易做：好，我做个应用，加个付费墙。但随后他们会发现，这比想象中难得多。从分发、获客成本和增长等角度看，这是否就是人们打造成功消费者订阅产品时最容易忽视的关键？
是的，对消费者订阅公司来说，用户留存就是黄金。如果留不住用户，很多压力就落在让他们第一天付费上，这非常难。你面对的就变成了完全不同的商业模式：为获客付费，并试图在用户与产品形成任何习惯性使用模式之前，强力向他们追加销售。（00:28:53）很多应用自然会这么做，因为这是它们打破常规、让第一批用户付费的方式。但我有幸是在那个初始阶段之后加入这些公司的。尤其是 Duolingo 和 Chess.com，它们是由自然口碑驱动的业务，并且都是从小得多的市场中把市场做大，而不是处于一个激烈竞争、彼此争夺份额、竞价抢排名的空间。我觉得这很有意义。
所以我听到的是，要有成功机会，就得找到靠口碑增长的办法，而且留存必须很高。你有没有一个经验标准：留存要达到什么程度，才有机会做成成功的消费者订阅业务？
消费者公司通常会追踪两类主要留存。其中一种偏向新用户，比如 D1、D7 等。我认为，消费者应用的次日留存如果在 30% 到 40% 左右，就相当扎实。如果远低于这个水平，我有时会怀疑用户的意图，或者从数学上说，是否有能力获取足够多的用户，进而增长出足够大的日活用户基础。
这比我预期的低。
是的。
所以理论上感觉是能做到的。
理论上能做到，但市场上的选择太多，人们也感到应用和产品太泛滥了。
确认一下，你是说有 20% 到 30% 的人会在第二天回来吗？
是的，30% 到 40%。
30% 到 40%。
40% 的话，我认为你处在不错的位置。更重要的是，开头你提到 Jorge，他写过一篇非常受欢迎的文章，讲增长模型以及当前用户留存率对他们是最重要的因素。我认为，尤其当产品具有日使用频率时，最关键的留存其实是已形成习惯的现有用户群的留存：产品的黏性有多强？正是这种留存率会不断累积，形成每日习惯。（00:31:04）因此随着时间推移，特别是公司逐渐成熟后，你会把大部分精力放在现有用户的留存机制上，会发现这是大得多的杠杆。一个例外是 Grammarly，它属于不同类型的产品。用户安装它后，不会每天主动打开它。这对我很有意思，因为我原以为始终应当关注现有用户留存，但对 Grammarly 这样的产品来说，激活、安装后的“啊哈时刻”才极其关键，并能让用户长期持续使用。
这很有道理。统计可能把一个人算作日活用户，只因为他在打字，但对 Grammarly 而言这不是准确的衡量方式。我在成功消费者订阅产品中看到的另一个有趣趋势是，它们开始时总是很精干，在成本和投入上非常节省。我想是因为它们要花很长时间才能找到有效的方法，而它们基本靠留存与增长成本之间的余量存活。
对，就是这样。
留存这一点说得太好了。我的通讯就很符合这种情况：每天有多少人加入，有多少人离开？这是一条艰难的跑步机，因为人们想省钱，想把钱花在 Netflix 之类的服务上。所以无论你做得多么出色，总会有人离开。关键是怎样让进来的人多过离开的人。
以 Chess.com 为例，我想我们的日活或周活用户中，大约 80% 是当前用户或既有用户，我会再核对数字，但大概如此；新用户和重新激活、或者说“复活”的用户，规模则大致相近。对我们这个规模的公司来说，尽管新用户体验受到很多关注，但挺有意思的是，成熟到一定程度后，活跃用户构成并不会特别偏重新用户。
能再解释一下吗？
可以。经过一段时间后，产品中会累积许多不活跃用户，也会累积一些零星用户。他们可能没有每日习惯，但会每周用一两次，或每月用一两次。最终这样算下来，可能有数亿休眠用户回来。因此值得花时间确保这种“复活”，姑且这么称呼，回到产品后的体验足够好，并找到新颖的办法把他们带回来。（00:33:38）Duolingo 就很擅长利用社交通知。例如用户进行了通讯录同步，你可能会收到推送，说某个最好的朋友刚开始使用 Duolingo，这可能会促使你回来、重新使用产品。回归之后，可能出现这样的情况：你三年前学法语，但现在已经忘了大部分。因此当你再次打开应用时，它会鼓励你重新进行分级测试，把你安排到合适的位置。对于更成熟的公司来说，这些机制可以带来相当不错的投资回报。
明白了。本质上是，已经有那么多人过去试过产品，所以要增长，就得让曾经使用过的人重新回来。因此要思考的，几乎是一套面向回流用户的用户体验。
正是如此。
好，我们稍微拉远一些。你曾在全球三款最成功的消费者订阅产品中工作过。这三家公司各自的运营方式有什么不同？我认为成功的路径很多，但它们看起来非常不一样。每一家是如何运转的，核心特点是什么？
首先，它们显然有许多相似之处，但我会集中谈差异。Duolingo 最令我印象深刻的是，他们非常讲究，拥有一种渗透到公司所有人的产品开发方法。他们还为此写了一本手册，叫《Green Machine》，你可以查查看。那真的是我最成功的一条推文之一。
我刚发了一条推文，说 Duolingo 刚发布了他们的手册。我截了一张猫头鹰屁股的图，又截了一页内容，结果收到了大约 5,000 个赞。
太好笑了。
对，对，继续。抱歉。
但这就是公司的精神气质。他们基本上从大学毕业生中招聘很多聪明、精力充沛的人，给他们非常好的实验工具，也很重视公司的行动速度。所以这里有大量创造力和创意。（00:35:46）Duolingo 的产品体验实际上每天会为每位用户改变多次，这很惊人。我之前从没在这样的地方工作过。令我印象深刻的是公司一贯的运作方式：他们为产品开发周期每一步都制定了规格和流程，而且执行得极其严格。
好，所以这是 Duolingo。
对，这就是 Duolingo。再说 Grammarly。这家公司很有意思：起初它是面向学生的付费产品，后来逐步扩展为面向所有人的免费增值模式，并越来越聚焦职业人士。随着积累更多职业用户，他们发现了某些模式：“我们看到许多营销团队、销售团队、客服团队等，某些公司里的特定职能，正在大规模采用 Grammarly。”（00:36:41）于是，他们能够叠加更成熟的企业托管销售模式。我在那里的工作重点是消费者自助模式，但两者并不是彼此孤立的，而是互相交织。因此我的重要工作不仅是增长自助收入和自助活跃用户，还包括找出适合让需求生成和销售团队去接触的团队、职能和公司。（00:37:12）这是很有意思的产品驱动型销售工作，也让我学到很多。此外，随着生成式 AI 的变革，以及他们近期收购 Coda 和 Superhuman、成为更完整的生产力套件，公司正快速演进。能成为其中一员，并从外部继续观察，对我来说都很令人兴奋。但这也意味着，与 Duolingo 相比，它核心上是一份截然不同的增长工作。
本质上是 B2B 业务，而不是纯消费者业务？
对，也需要做更多重要的战略决策。
嗯。
此外，作为增长团队，我习惯于梳理用户完整经历的旅程：获客、激活、参与，等等。通常，如果资源充足，增长团队能够做足够多的事情，推动这些不同杠杆。问题只是先后顺序，以及优先做什么。但 Grammarly 的独特之处在于，核心产品体验本身才是驱动重复使用的因素。（00:38:18）我前面提到的现有用户留存，最主要的驱动因素，是用户每天收到建议的频率和质量。这是个有趣的教训：我组建了增长团队，试图影响这个指标，然后意识到，其实我只是在妨碍事情。这真正是核心产品团队影响最大的领域。我应该去和核心产品负责人谈，然后把这件事转交给他们。所以，这是一次非常有意思的经历。
然后是 Chess.com。
Chess.com 最独特之处，是他们对国际象棋极其狂热。
很合理。
疯狂吧。你不该感到意外，毕竟公司名字就是这样。但他们一直从全球招聘，公司始终完全远程。他们只雇热爱国际象棋的人。他们整天下棋、看直播。我们的 Slack 总是被大家的棋步、棋局之类的讨论刷屏。我想谨慎地说，Duolingo 虽然提供的是语言学习产品，但它最初创办公司的精神内核，我认为更多是在解决动机问题。（00:39:29）习惯最难的部分，是如何建立每日习惯。我从很多方面把语言学习看作他们的第一个载体。他们真正的超能力是动机、习惯等。这是 Duolingo。Grammarly 也类似。大家因拼写和语法修正认识它，但它真正独特之处，是它集成在非常非常多的应用中。（00:39:55）很少有产品这样运作，这很独特。所以现在，如果你听他们的新 CEO Shishir 谈 AI 超级高速公路之类的内容，就会发现他们能借助这项技术提供远不止语法写作的价值。我的意思是，Chess.com 百分之百关乎国际象棋，这融入了公司的精神气质。每个人都疯狂热爱它，这意味着我们总在亲自使用产品。公司里有一种惊人的能量，大家不断使用产品、想出点子。我很喜欢这种环境，对我来说很有趣。
太酷了。我喜欢你所说的一点：没有唯一的对错答案。这些公司都做得非常成功。我想 Duolingo 市值大约 100 亿美元，并且还在增长，我马上查一下。Grammarly 也估值很高，而 Chess.com 发展得非常好。所以一个很有意思的收获是：你可以通过许多不同方式获得成功。
是的。
我刚才听你讲 Duolingo 时想到一点很酷的地方：这种高度结构化、系统化的构建方式居然如此有效。听到这里，人们可能会说：“哦，我不想在这么僵硬的方式下工作。”但它的巨大成功说明，这种做法确实非常有效。找到有效的方法后，就该顺势深入。
对。结构很严谨，但想法绝不僵化。你见过他们的超级碗广告、各种梗、游戏化手法等等。这是一个非常有趣、有创造力的环境。所以“僵化”其实是最不适合的词。我只是说他们很一致：每件事都有流程，产品评审只有 10 到 15 分钟，人们进进出出。这种高速而又始终如一的工作方式，形成了一种近乎超现实的环境。
很棒。他们市值 120 亿美元，实际上不久前还高得多，现在略有回落。说到 Duolingo，人们会想到它的品牌、猫头鹰，以及它在 TikTok 等平台上的成功。我很好奇，作为一个极其关注增长的人，你如何看待增长、实验、数据与营销、爆款 TikTok 视频、吉祥物等之间的关系？
我以前以为两者是对立的，现在意识到它们能结合得非常好，能成为增长的火箭燃料。作为产品人，我加入过很多本来就在我手机主屏幕上的公司，我也喜欢使用它们。我自认不是那种容易被广告或电视广告说服去买东西的人。（00:42:28）因此，职业生涯的大部分时间里，我对营销都抱有一定怀疑。但加入 Duolingo 这样的地方后，你会看到猫头鹰 Duo 如何通过推送通知和产品体验形成了人格；再看到营销团队如何在 TikTok、YouTube 和社交媒体上利用这种人格，顺着这些梗来做内容。然后我们会在产品里追踪“你是怎么知道我们的？”（00:42:58）把所有渠道都列进去。有些日子你会发现，天哪，它在任何一天都带来了 20% 到 30% 的新用户。因此两者真的相辅相成。过去五年在 Chess.com 的经历更强化了这一感受。这家公司最初大约 15 年一直很低调。全球有 8 亿人下国际象棋，但大部分在线下棋盘上进行。（00:43:25）直到最近，线上下棋其实并不那么多。但五年前一切改变了：疫情、《后翼弃兵》、许多 YouTube 和 Twitch 主播、很多在学校下棋的孩子，等等。正是这些因素的结合让它起飞。增长实验更像是一种缓慢而稳定，或者我该说快速而稳定的方法：持续迭代，改善产品体验；但每隔一段时间，就会涌来一波大浪。你可能一夜之间让注册量翻四倍，若不利用这个机会就太傻了。
我最近就在 Chess.com 下棋。这个周末我在咖啡店，看到一家三口，爸爸、妈妈和女儿在点餐。爸爸坐在桌边等着，偷偷打开 Chess.com，在手机上下棋。天哪。
我不会承认，也不会否认自己以前做过这种事。
但我想不出还有什么比这更健康的消遣了。坐着等的时候做这件事，太棒了。
我四岁的孩子已经会摆好棋子了，这很不错。所以他很喜欢这项游戏。
天哪，这个四岁孩子已经是钢琴家，又会下棋。
没错。
真是个小能人。本期节目由 Miro 赞助。每天都有新的新闻标题，用 AI 将如何抢走工作来吓我们，造成许多焦虑和恐惧。但 Miro 最近的一项调查讲了不同的故事：76% 的人相信 AI 能让自己的岗位受益，但超过 50% 的人难以判断何时使用它。Miro Innovation Workspace 应运而生：这是一个智能平台，让人和 AI 在共享空间中协作，完成出色的工作。（00:45:08）十多年来，Miro 一直帮助团队将大胆想法变成下一个大成果。如今，它通过释放 AI 与人类潜力结合的力量，站在帮助产品更快上市的前沿。这档播客的嘉宾经常分享 Miro 模板。我也一直用它和团队头脑风暴。团队尤其可以利用 Miro AI，将便签、截图等非结构化数据在几分钟内转化为可用的图表、产品简报、数据表和原型。（00:45:37）你不必是 AI 专家，也不必再切换一个工具。你已经在 Miro 画布上做的工作就是提示词。借助 Miro，帮助团队完成出色工作。访问 miro.com/lenny 了解详情，即 M-I-R-O.com/lenny。好，你刚才零星谈到了一些 AI。（00:45:55）我想顺着这个话题继续。作为增长负责人，我想 AI 肯定从许多方面影响 Chess.com，因此这里有两个方向：AI 如何改变产品，比如国际象棋和你此前工作过的其他地方？以及，AI 如何影响你作为增长负责人的工作？请从一个或两个方向分享。
我按顺序说。先谈国际象棋，因为我对这一点或许有个稍微独特的看法。国际象棋和 AI 已经交织了近一个世纪。一些早期计算先驱觉得：“国际象棋是个有趣的游戏，我们可以用它测试机器智能，写一些算法。”然后快进到 1997 年，IBM 的 Deep Blue 击败了当时的世界冠军 Garry Kasparov。（00:46:43）那是一个令人震惊、让人重新思考的时刻：“天哪，AI 会接管吗？人类还会有工作吗？”这已经是 30 年前的事。幸好我们都还在，而且下棋的人比以往任何时候都多。因此，国际象棋这项游戏，尤其 Chess.com，已经学会利用棋类引擎的力量来增强人类对弈体验。这绝对是强大的 AI 形式。要明确的是，它不是大语言模型；如今有 Stockfish 这样的引擎，实力远超世界顶尖特级大师。
已经到这个程度了吗？我记得它打败人类时的情景，现在已经强得多了？
强得多。
哇。
我想有一种比较相对棋力的评级体系。普通棋手大约是 1,000 分，高一些可能到 1,500；像 Magnus Carlsen 这样的顶尖特级大师大约是 2,800；而 Stockfish 及类似引擎大约是 3,600。
哇。
这样比较的话，对。
至少不是 10,000 或 100 万。我甚至不知道那是否可能。
不，不是 10,000。但可以这样类比：即使棋类引擎少了一枚重要棋子，比如一辆车，仍能与最强棋手抗衡。
这是 Elo 分数吗？术语是这个？
对，Elo 分数，Elo 等级分。
Magnus 是你说的大约 2,800，Stockfish 则是 3,600，对吗？
对，确实如此，因为计算能力太惊人了，而且有很多技术可用于深入评估特定棋局变化。它们每秒可以计算数千万种局面，人类不可能与之竞争。不过，观看这些棋类引擎下棋，反而打开了很多创造力、新策略、新变化，也让人更欣赏这项游戏。Chess.com 的方法是把这项技术带给每个用户。（00:48:36）甚至从未移动过棋子的人也能用。我前面提到的对局复盘产品，就是这样做的。我们在后台运行棋类引擎，对你走出的每一步给出评估。然后我们用用户的母语，以简单易懂的方式，甚至配上音频，把结果转化给用户。至于人格化表达、向用户说话的部分，则使用大语言模型。（00:49:07）所以我的重点是，国际象棋和 AI 一直紧密交织。但对我们而言，最重要的是始终把用户作为北极星。我们不是因为大语言模型是新的热门事物就套用它；必须把正确的技术用于正确的功能，为用户提供价值。我们尽量不忘记这一点，也不被热潮带得太远。
这真的令人惊讶。人们原本可能以为，一旦 AI 能击败所有在世的人类，国际象棋就会衰落。但它现在正处于历史高点，人们还想继续下棋，而且参与人数比以往都多，真没想到。
有意思的是，大语言模型本身很不擅长下国际象棋。它们会编造走法，擅长识别模式，却不擅长在一个具体棋局问题上进行极深的推演。如果你在 ChatGPT 上试过生成或查看棋盘图片，会发现很多图的格子数量不对，摆放也不正确。不过我不想过度否定它们。（00:50:09）我相信它们的推理能力会强得多。事实上，Google 最近赞助了一场比赛，让所有顶级大语言模型相互对弈，看起来很有趣。它们正在进步，但国际象棋这种游戏，拥有训练充分、深度计算能力的专门引擎，仍会比大语言模型强大得多。
不想在这个话题上走太远，但以击败顶尖围棋棋手闻名的 AlphaZero，它是专门针对围棋训练的吗？显然不是大语言模型，但它是一个围棋专用模型？
对。据我了解，那部纪录片非常棒，顺带一提，我不知道你有没有看过《AlphaGo》。他们把技术上那么深奥的内容做得如此有情感、如此有人味，真令人惊叹。我想这其实也是我们看待 AI 和所做产品的核心。但就你说的这一点，我的理解是，AlphaZero 的主要训练方式是不断与自己下棋。通过神经网络，它每次都会变得更聪明。因为它可以重复十亿次或万亿次，我不知道确切数字，但肯定会变得非常厉害。
好，我们回到原来的主线。刚才谈的是 AI 如何影响 Chess.com。那么 AI 如何改变增长负责人的工作？
我喜欢这样定义增长：它的工作是把用户与产品价值连接起来。为此，我会再次思考用户旅程，并围绕旅程的每个环节配备团队。这些团队有具体指标目标、路线图等，然后围绕这些目标推进。（00:51:52）这就是组织方式。我认为 AI 可以用于加速这个实验循环中的一些环节。一个例子是产品发现。与核心产品不同，核心产品通常周期更长，可能会做深入的用户研究或市场研究，更基础、更着眼第一性原理等。增长不太一样。（00:52:18）你会运行大量实验，而任何一个实验的输出都会成为下一个点子的输入。从前，或者说仅仅几个月前，我们还会手工撰写许多分析文档。你得读它们、理解想从中获得什么洞察，再写一份规格把想法转化出来。这种事至今仍有一定程度的存在，但我认为正是 ChatGPT 等工具特别有帮助的地方。（00:52:56）你可以把别人写的分析放进去，让它为你总结，再给出值得尝试的点子建议。因此，构思和研究循环快了很多。我也提到过，原型制作比过去快得多。我们还没到产品经理亲自把代码上线的程度，但它大大缩短了构想一个尤其大胆的点子所需时间。（00:53:27）所以我前面说“探索与利用”时，很多探索工作过去更难做，现在容易一些了。你可以把更宽泛的概念可视化，再发给团队，让大家点击体验，这会带来巨大不同。这只是我想到的几个例子。
很棒。我想回到你这个回答开头的一句话，我觉得它很有帮助：你认为增长的工作，简单说就是把用户与产品价值连接起来。
对。
你能多谈一点吗？我觉得这是很好的说法，能澄清增长的角色是什么。
这句话让我深有共鸣，因为我觉得增长有时被认为只是单纯钻指标的空子：我们是冷冰冰的一群人，只想把某个指标抬上去，会不顾一切地加墙、加付费墙、在各处增加摩擦。从理论上说，这或许能在某个具体功能或指标的微观层面奏效。但我认为，对公司最健康的做法，也是我想在能够长期发展的公司工作的原因，是整体地看待用户。（00:54:42）当你以“把用户与产品价值连接起来”来界定增长时，用户感受到的价值会随时间变化，这也很自然地与旅程相吻合。尚未成为用户的人需要理解的价值主张，与使用超过三年、已养成习惯的用户所需要的东西完全不同。负责这些环节的团队应从这个角度思考，再逐步落到需要解决的具体问题、假设等。
顺着这个思路再问一点。听众可能会想：“如何更擅长做实验？怎样运行更多实验？怎样把这件事做得更好？”你觉得团队在提升实验能力时，有哪两三条大家需要听到、却未必完全意识到的建议和最佳实践？
我认为第一件事就是从某处开始。我刚读了一份 Atlassian 的产品现状报告，大约 40% 的产品团队基本上完全不做实验。这可能有一些合理原因，可能是理念问题，或者你的业务更偏 B2B，等等。我理解。但我认为，很多情况下，尤其是在具有一定规模、用户使用频率也不低的消费者产品中，你能收集足够的数据。（00:56:05）而且我发现，我可以整天做模式匹配。我在很多公司工作过，对吧？但我一直会错。消费者行为可能非常善变，尤其当你在一家公司工作时，自然会成为重度用户。有时你会忘记，对一个全新用户来说，真实的使用体验是什么。如果你连实验都不尝试，就会错失很多机会。（00:56:27）所以我鼓励大家迈出第一步：做一个 A/B 测试，找一个能快速集成的第三方工具，或者干脆和工程师合作搭建点东西。先学爬，再学走，然后再跑。
顺便问一下，你有偏爱的工具吗？有没有你首选的工具？
我们在 Grammarly 使用过 Statsig。我看到他们最近被收购了，这是令人兴奋的消息。Duolingo 和 Chess.com 都采用内部自建的实验方案。
太好了。
两种做法各有利弊。显然，Duolingo 是一台实验机器，因此拥有一套专门为实验而打造、表现出色的自有工具，极大地加快了我们的进展。但我通常不会鼓励公司从第一天起就自建实验平台。到了一定规模，这样做或许合理。有些公司是在 15 年前创立的，当时还没有这些工具，所以它们只能自己做。
你曾在 Chess.com 跟我提到，你们的目标是一年运行一千个实验。你说目前做到 250 个。能谈谈为什么把这个目标当作北极星指标吗？
是的，团队成员对国际象棋极其热爱，这让公司只为自己和社群开发产品，也能走得很远，而不一定会十分重视实验和数据。问题在于，增长可能会比较起伏不定。我加入公司的一个令人兴奋之处，就是帮助把这种增长变得更平稳，并带来实验思维。2023 年之前，公司几乎完全不做实验。去年做了大约 50 个，今年预计会做到大约 250 个。明年，我们设下了一个雄心勃勃的目标：一千个。这个数字是我编的吗？是的，完全是我编的。但它仍是一个目标，是让团队去思考的一件事。光做一千个实验却没有学到东西、没有产生影响，其实是在浪费时间。设定目标的重点，是围绕“要真正达成这个目标，需要具备哪些条件”展开讨论，从而获得洞见。实际上，不能只有产品管理和工程团队来做实验。我们可以在生命周期营销上做实验，调整推送通知和邮件文案；也可以测试应用商店截图、关键词等。我们有各种内容营销团队，等等。工程团队还可以让某些页面支持无代码配置。想想首页或定价页，我们可能希望在这些页面上做大量无需工程支持、可以自行配置的测试。我们也许还要追踪进度，不时查看，并确保具备恰当的可观测性。总之，相比真正达成那个数字，这些才是重要的事。所以别告诉团队：即便最后没有做到一千个，我其实也不太在意。但如果我们能接近这个目标，并完成其中一些建设，我们的状态就会非常好。
好，我们会确保团队里没人看这一期。我觉得 Chess.com 是个很酷的例子：一种文化从完全不做实验，剧烈转变到听起来两年后要做一千个实验，也就是每天三个。虽然有多个团队并行做实验，但这仍然很多。你觉得最有助于推动这种文化转变的是什么？只是 CEO 说“以后我们就这么做”吗？你从把文化从“不做实验”转为每年一千个实验这件事中，学到了什么？
是的，CEO 以及 Erik、Danny 等联合创始人功不可没，他们非常出色。用实验来推动公司增长不是他们直觉上惯用的思路，但他们思维灵活，也乐于演进，把实验加入公司的工具箱。他们和我一样站在最前线，倡导产品驱动增长与实验。你提到这一点，我很高兴，因为对我而言，加入一家公司时不与创始人及公司既有做法对立，至关重要，绝对是关键。我想本期播客开头举过复盘棋局的例子，也提到其中的积极反馈及其分享方式。这类事情才真正能激励人。人们需要亲眼看到它在实践中奏效。
成功案例。
对，需要有成功案例，也必须庆祝它们。人们会从学习中感受到成就感，而且这种做法适用于方方面面。我想谁会不因此受到鼓舞呢？所以，你不能凭空设定目标，再自上而下地强行推行。人们必须看到它确实有效。它奏效时，指标会改善，大家学习得更快、交付得更快，身处这样的环境很棒。
你们做的第一个实验是什么？你还记得吗？
我不知道，其实那是在我加入之前。
明白了。所以在把你招进来之前，他们已经开始走这条路了？
他们已经做过一些实验。
很好。对于大规模成功开展实验，你认为还有哪些人们需要了解的重要经验？
系统和任何单个实验同样重要，甚至可能更重要。关键是先建立增长模型，理解公司本来是怎样增长的，以及你会利用哪些渠道。你必须确保产品各处都埋好数据，否则会做出结果失真的实验。我不会说是哪家公司，但我曾经所在的一家公司有自建实验工具。我入职大约三个月时，我们正在做一些实验，却发现用户留存的配置实际上反了。也就是说，所有正向结果其实都是负向结果。
天哪。
这就有点尴尬了，而且以后绝不会再发生。
那你们只要把所有实验撤回，留存率就会提高。
很奇怪。我们看到用户更频繁地使用这些功能，为什么留存率却在变差？这类事情我有很多恐怖故事，不过，是的。
说完这些恐怖故事，换个角度。你分享了不少很棒的实验成功案例。你还能想到一个自己特别自豪的，或者真正改变了轨迹的例子吗？无论是在 Duolingo、Grammarly 还是 Chess.com。
我已经分享了一个 Chess.com 的例子和一个 Grammarly 的例子，也可以说说 Duolingo。你之前请 Jackson 上过播客，对吧？你们谈过连续打卡。
对，谈过连续打卡。
我也不想抢他的风头，因为我本来就想讲这个。通过承诺机制、把连续打卡放到日历上，以及让人们先开始行动，而不是一开始就追求某个巨大里程碑，我们学到了很多，这一点影响很大。我觉得我们还做了一件有趣的事：组建了一个病毒式传播团队。对我来说，病毒式传播是个很模糊的概念。我认为很难刻意在产品中制造病毒式传播，但 Duolingo 的确常被分享。因此我们投入了一些时间，在应用中短暂加入截图追踪，只是为了找出用户在哪些地方截图最多。其他应用也会这样做，这不一定是什么可怕的事。我们做了一段时间后，就能明确地说：“好，连续打卡的里程碑显然是一个热点。”Duolingo 体验中那些非常有趣的挑战，也被大量分享。进入排行榜前三名也是一个时刻。总之，你能找到这些用户乐于分享的时刻。然后我们为这些时刻配备插画师和动画师，打造非常令人愉悦的体验，效果好得惊人。与其违背人的直觉，试图让他们分享原本并不太想分享的内容，不如更顺着他们的行为走：抓住用户本来就在自然截图的时刻，把这些体验做得好得多。这样也能带来 5 倍或 10 倍的提升，并推动大量增长。这不完全是一个实验，更像是产品的核心工作，但它让我觉得很有意思。
这和你的“探索与利用”方法有关：先找到或探索已经发生的事情，再以一种友好、积极的方式加以利用。
正是如此。
说到这里，你提到 Duolingo 非常擅长养成习惯和激发动机。从感觉上看，国际象棋也很擅长这一点。你在这两家公司都工作过。关于如何激励人、如何培养习惯，你学到了什么？
同样地，Duolingo 从第一天起就建立在这个洞见之上。他们的目标就是聚焦动机，并构建了许多这类机制。Jorge 有一个关于游戏化模式的模型，基本分成三个支柱：核心循环、元游戏和个人资料页。我们也是这样思考的。核心循环就是你完成一节课程，获得一些奖励，延长连续打卡，第二天再收到一条推送通知。这是产品的核心循环，把它打磨得足够紧凑非常重要，因为人们需要一个可以坚持的习惯。接着你需要元游戏，对 Duolingo 来说是学习路径，也包括排行榜和成就。它们是你长期努力的目标，给你继续做这件事的长期动力。个人资料页也很关键，因为你会随着时间积累出一份个人资料。它体现了你在产品体验中的投入。当这三件事都做好时，就能形成一段相当成功的长期学习旅程。再说 Chess.com。我们发现，超过 75% 的新用户会把自己归为“我完全不会下棋”或“我是初学者”。遗憾的是，如果你刚开始学国际象棋，作为初学者去下实时对局，体验不会特别愉快，数据也印证了这一点：这些用户中实际赢下第一局的不到三分之一。而输掉一局时的用户留存，比赢下一局时低 10%。
这不算特别糟，但放到规模上看就很糟了。
对，而且还可能更糟，确实如此。很多手游通常会把游戏做出一个极度简化的版本。国际象棋很难这么做，因为我们不想改变规则。但这让我大开眼界：当你尝试学习某件事，无论是语言、国际象棋还是其他什么，最初的几步往往充满自我怀疑，也不断让你觉得自己不擅长它。因此，有意识地设计体验，引导用户避开这些感受，是值得的。
我忍不住想问：有没有什么做法能改善这一点？
有。比如我们正在试验的一件事是：如果你说自己刚开始学国际象棋，我们就为你设计一个更愉悦的“学习如何下棋”体验，而不是直接把你丢进实时对局。另一个做法是，前五局先隐藏你的等级分，这样你不会眼看着自己的等级分暴跌。你可以用的技巧有很多。
我在想象一个小向导，说：“这样你就能赢。”
对，或者和教练下、和朋友下、和机器人下。可以走很多不同的路径。
我最喜欢的设想是，和真人下棋时系统告诉你这里该怎么走。就像：“嘿，我们在这里帮你赢。”
像实时提示一样？
对，对，对。
那我可不想跟你下棋。
好，再问你几个问题。有一个稍微拉高一点看：在你工作过的许多公司里，关于打造产品或组建团队，你学到的最反直觉的一课是什么？
我已经谈了很多产品，那我换到团队这一面说说。我认为标准的招聘和组建团队方式是：写一份职位描述，列出一大堆你要找的特质。你通常会找到几家和自己公司比较相似的公司，然后试着从那里招人。我觉得这是很多公司的默认路径。但我在一些较小的创业公司工作过，或者以 Duolingo 为例，反复看到最出色的一些人都有极强的主观能动性、很快的节奏和充沛的能量。他们当然关心使命，但不一定需要在那个领域有深厚经验。事实上，有时经验反而会成为某种拐杖，尤其是在这个被 AI 快速改变的世界，很多习得的惯性其实需要被有意识地抛弃。面对这类事情，你需要保持初学者心态。所以我觉得，如今比以往任何时候都更应该寻找反应快、行动快、思考更快、行动也更快的人。我愿意押注在学习速度最快的这类公司身上。我认为它们最终会生存下来并蓬勃发展。
我们来深入谈谈“高主观能动性”这个概念。如今“招聘高主观能动性的人”很流行。你提到了一些特征，我们帮大家把你看到的东西拆开说说。其中一个是节奏快，也就是他们思考快、行动快、学习快。还有什么？你还会观察什么，以判断一个人是否具有高主观能动性？
有趣的是，很多判断其实发生在面试流程之外。比如他们会问什么问题，他们是否真的试用过你的产品并深入研究过。还有推荐人反馈、他们为了安排面试而进行的沟通，以及他们在交谈中带来的能量。随着时间推移，你其实能从这些特征里捕捉到许多软信号。你得学会识别这些模式。我不敢说自己做得完美，但相比过去只照着问题清单和评分标准提问、完全不在意其他事，我现在更会平衡地考量这些因素。
对，这里面有一种气场因素。这也支持用工作试用来面试，而不只是聊天式面试。比如让候选人实际和你合作一周之类的。
说得很好。
还有一个问题。你在不同规模的公司工作过，从创业公司到 Grammarly，我不知道该不该称它为大公司，或者更大的公司。Duolingo 有多大？
大约一千人。
好，很好。
不过我职业生涯起步时也在 Google 工作过。
哦，对。关于什么规模的公司会让你感到快乐，你学到了什么？在帮助你交谈过的其他人判断什么规模适合自己时，你又学到了什么？
我绝对相信，每个人都有自己最能发光的公司阶段。我亲身经历过从大科技公司到极小极小的创业公司，最后落在中间。我把那里看作是自己的“目标锁定区”。我之前说过，真正让我充满能量的，是能够看到一家公司的整体努力，同时公司也要小到让我能钻进细节，能与具体团队合作。我可以阅读实验结果，也可以盯着像素看。所以我发现，这两件事的平衡通常最适合中型公司，但这只是我自己。在 Google 这样的巨头，你面对的是巨大的规模，这本身就很有意思。你能从同事那里学到许多最佳实践。他们拥有你可能想学习的一切工具和职能，但它们往往行动较慢，事情也更难交付上线，这最终让我有点抓狂。另一端是极小的创业公司，它们行动快得惊人，但我的白头发全是在那些小创业公司里长出来的，因为没人知道你的公司，你得一个一个地招人，也得一个一个地获取用户。所以，你确实能快速学习、交付很多东西；但如果想对世界产生很大影响，在极其极其小的创业公司里做到这一点会相当艰苦。当然，其中一些会实现超高速扩张并走出来，显然我不会贬低这条路，因为我也尝试过很长一段时间。但对我而言，我最喜欢的区间，是我能在规模上做出贡献，同时也能按日、按周而不是按月、按季度的节奏执行。
你说的中型，大概是多大规模？
我们在这期播客中谈到的公司，大约有 500 到 1000 人。通常这类公司已经存在 10 到 20 年。它们很有韧性，最好还能盈利，有很好的领导团队，但仍有很多维度需要摸索。许多公司正处于关键拐点，因此绝不停滞。你也得找到一个有活力的地方。
有意思，成立 10 到 20 年，我不知道有多少人会觉得那是自己想去的地方。我很喜欢你找到了好几家自己喜欢工作的这类公司。最后一个问题，我们要进入播客中的固定环节，我称之为“失败角”。人们听到这些实验故事和你工作过的公司，会觉得它们都一路高歌向上。实际上，你也提到了，很多事情并不会顺利。你能分享一个事情出错、你失败了，以及它教会你什么的故事吗？
首先，在增长领域你一直都在失败。所以我不选一个具体的增长故事，因为那类事不会太伤我的自尊。职业生涯早期，我做过很多核心产品工作。我曾在一家叫 Chariot 的创业公司工作。不知道你有没有在旧金山住过，不过……
有，就是那个很厉害的巴士服务。
那种蓝色通勤接驳车，大约能坐 15 个人，基本上会从不同街区开往旧金山市中心。它解决的是介于公共巴士和 Uber、Lyft 之间的通勤需求。我在那里工作过一段时间，负责产品。用户非常喜欢核心服务，它可靠、快速，价格也足够亲民。但我们开始对一个想法很感兴趣：如果提供更像 Uber 和 Lyft 的动态路线，也许可以提高利用率，也许能让服务更有创新性。司机本来跑固定路线，但如果有空余时间，能否绕路去用户家接一个人，再继续行驶？于是我们尝试了，叫它 Chariot Direct。这是一次很有意思的尝试，但我从中学到很多，因为它最终没有成功。第一个教训是，这有点像在为一个方案寻找问题。你永远不该只是追逐“要是我们这么做，不是很好吗”，而要从“这就是我们的用户、这就是我们要解决的问题、这就是它为什么会让他们满意”出发，这是第一点。第二，特别是在这类更像双边市场的业务中，你必须考虑不止一种终端用户。我们把大量注意力放在乘客端应用上，却没意识到司机和运营团队也承受了这套体验的大部分压力。司机感到困惑或不满时，就会让产品的整体体验变得棘手。这是第二点。第三，我们在服务推出前做了很多公关，只为了让消息传出去。公关有其合适的时机，但在验证客户确实想要这项服务之前就做，风险很高。一旦公开推出，也可能带来大量沉没成本，因为你会想把它做到底，也希望它成功。这是十年前的事了。老实说，我在那家公司过得很开心，但我至今仍记得很清楚，因为其中包含至少三个关键教训，后来我打造许多产品时都一直带着它们。
对，感觉你后来走到了完全相反的一端：先把一切都拿来做实验，再告诉任何人。
没错。
对，我记得 Chariot 的巴士开到 Airbnb 办公室时，人们都在说：“这到底是什么？”
没错。
太棒了，我不知道你在那里工作过。Albert，我们聊了很多，几乎涵盖了我希望谈到的一切。在进入非常精彩的快问快答环节前，还有什么你想谈的，或想留给听众的吗？
没有了，这次很棒。希望对你的听众有用。我要说的是，过去几天准备这期节目时，我其实有点焦虑：我是否需要想出足够深入、足够独立的框架？但忠于自己在这些公司的真实经历后，我发现自己学到的许多教训，是建立在其他人尝试过类似做法并取得成功或失败的基础上。我觉得重要的是让自己的心智像海绵。你可以尝试很多不同的事，吸收它们，马上付诸实践，抛弃没用的部分，再根据自己和公司的需要加以演进。我不知道，这只是我在思考这期播客时意识到的事。我想这也部分解释了为什么我过去没有做太多公开演讲。
我完全明白你的意思。我离开 Airbnb 时，第一次在连续工作了 30 年之后停下来，之前一直是上学、工作不停歇。我当时就在想：我到底真正学到了什么？我从没坐下来想过“这是我学到的事”。于是我写了一篇在 Medium 上反响很好的文章，讲我在 Airbnb 学到的东西，那基本上引出了我现在所做的事。所以，这其中很有力量。我很喜欢这能成为一个理由，让你认真想清楚自己具体学到了什么、能分享什么。
没错。谢谢你这么说。
对，所以每期播客开始录制前，我总喜欢问嘉宾：你的目标是什么？你想从这次对话中得到什么？通常答案会是“我们在招人，希望大家了解我们的公司”，或者“我们想获得用户”。而你的回答只是：我想回馈自己学到的东西。我很喜欢这一点。
就是这样。
而你做到了。接下来进入非常精彩的快问快答环节。我有五个问题，你准备好了吗？
准备好了。
你最常向别人推荐的两三本书是什么？
其实，我不只有一个四岁的孩子，还有一个一岁的孩子。所以这些天我读的大多是儿童书，想尽办法逗他们笑。
等等，有特别喜欢的童书吗？因为我已经有三个两岁的孩子了。
你说你刚开始唱歌。有一本书叫《依偎的小狗》，里面有一首歌，会把我女儿逗得哈哈大笑。
天哪。
这让我觉得很温暖。不过，最近我在工作中推荐过的一本书是《奥格威谈广告》。你知道这本书吗？
我不知道这本书，不过见过其中那些营销原则之类的内容。
对，很有意思。它已经有 40 年历史了，但书里装满了关于有效文案和创意的各种实用案例，都是老派广告。不过他采取了非常实验导向的方法，就是不断尝试许多事。我觉得这本书很好地提醒了我们：最终重要的是促使用户采取行动，对他来说就是购买产品。重点不只是做出聪明的广告或性感的创意，而是做能促成那个行动的事。我觉得这对我们的许多产品和生命周期团队都非常适用，所以我把它当作一个有趣的推荐分享给大家。
有没有你最近看过、特别喜欢的电影或电视剧？抱歉，你刚才是不是还要分享另一本书？
对，其实还有。
哦，好，请说。
Chess.com 的一位联合创始人叫 Danny Rensch，他在国际象棋圈相当有名。他正在出版一本回忆录，叫《黑格》，非常引人入胜。他在一个施虐的邪教中长大，是国际象棋神童。这是一个难以置信的故事。我刚读到一半，它提醒我：有时你和别人一起工作，却不会意识到他们的过去有多么深重。但这本书不同寻常。我想等这期播客发布时，它应该已经出版了。
它叫《黑格》？
《黑格》。
既指棋盘上的黑格，我猜也指那段艰难的过去。
完全正确。
哇，真酷。好，你最近看过特别喜欢的电影或电视剧吗？
现在是橄榄球赛季，所以我满脑子都是我最喜欢的球队，以及我最爱吐槽的球队的各种热评。
你支持哪支球队？
旧金山 49 人队。我有季票，经常去看。我们去年赛季很艰难，希望今年能扭转局面。
好，很酷。你最近发现过什么特别喜欢的产品吗？
过去大约 20 年里，我搬过很多次家，但一直住在步行可到咖啡馆的地方。去买杯咖啡就像一种仪式，它开启我的一天。两年前我买了房，人生第一次住得离咖啡馆不近。我因此低落了一阵子。所以我最喜欢的产品是 Bread Bowl Barista，它为我的一天开了个好头。我喜欢用它做很糟糕的拉花。我想这也提醒了我：最能影响我的产品，大概就是那些我总在用、已经成了日常习惯的产品……
而且咖啡因最多。
对，咖啡因也最多。没错。
太棒了。你有没有一个常用在工作或生活中的座右铭？
我在想自己的钢琴故事时，也想起我妈妈以前常说的一句话：“没有什么比你的声誉更重要。”她以前常这么说。我觉得对这句话一个善意的理解是：你每天做出的许多小决定，比如你怎么对待人、你以什么状态出现、你的品格如何，都会不断累积，以许多令人惊喜的方式为你打开大门。很多我实际加入过的公司，都是通过相对不深的关系促成的。即使只是参加这期播客，我想也会在节目之外见到一些以前共事过的人。所以我觉得，做正确的事、建立好声誉，能让你走得很远。反过来，声誉也很脆弱。如果你做错了事，要花很长时间才能修复。它一生都留在我心里。我觉得这是一个很有意思的人生座右铭。
最后一个问题。你在 Chess.com 工作，棋下得怎么样？
和非常非常认真的棋手相比很差，但和休闲棋手相比还不错。我的快速棋等级分大约是 1800。
听起来真的……
超快棋大约 1500。对，不过我每天会下很多次。
超快棋就是快棋吗？
超快棋是更快的棋，一局三分钟。快速棋更像一局十分钟，也还是相当快。
你说每天会下好几次？公司会留出时间吗？是不是像……
会的。
好。在 Patagonia，有一本创始人写的名书，叫《让我的员工去冲浪》。Patagonia 的规则是，如果浪况很好，你可以去冲浪。Chess.com 也是这样吗？
当然。
好。
国际象棋一直都很有趣。所以我们总在下棋，公司甚至有棋类教练。
是员工吗？也就是说你可以预约？
可以预约。所以我每两周上一节课，这在帮助我进步。
哇，好。这会为你们带来很多招聘。你把这个留到最后才说。Albert，这期太棒了。非常感谢你来，也非常感谢你回馈大家、分享这些故事。最后两个问题：如果大家想就这些内容继续关注你或联系你，怎样找到你？听众又可以怎样帮到你？
对，谢谢你的邀请。这次很棒。你可以在 LinkedIn 或 Twitter 上找到我。我不算特别活跃的发帖者，但经常看。如果我今天说的某件事引起你的共鸣，而你想联系、交流想法，欢迎来找我。
他们可以在 Chess.com 找到你，和你下棋吗？
可以。
好。你愿意分享用户名吗，还是不想？
我很乐意。
不。好。
我刚提过我是 49 人队球迷，所以我的用户名是 Go9ers。
哇。
我肯定会收到很多对局邀请。
来了，来了。1800。好，Albert，非常感谢你来。
对，非常感谢。
大家再见。非常感谢收听。如果你觉得这期节目有价值，可以在 Apple Podcasts、Spotify 或你喜欢的播客应用中订阅。也请考虑给我们评分或留下评论，这确实能帮助其他听众发现这档播客。你可以前往 lennyspodcast.com 查找所有往期节目，或了解更多节目资讯。下期再见。