2026 年世界级 GTM 是什么样 | Jeanne DeWitt Grosser（Vercel、Stripe、Google）
What world-class GTM looks like in 2026 | Jeanne DeWitt Grosser (Vercel, Stripe, Google)
嘉宾：Jeanne DeWitt Grosser
全文文稿 · 按对话顺序保留完整内容，深入理解上下文。
本篇目录1 章节
§01原文文稿 · 00:00–1:25:35§01原文文稿 · 00:00–1:25:35
最近有很多人来找我，希望获得市场进入方面的帮助。
AI 让这种需求更加迫切了，因为有 10 家公司都在争夺同一个市场机会，所以，如何真正把产品推向市场、让自己与竞争对手区别开来，已经比过去具有更重要的战略意义。
我最近请 Jenna Abel 上过播客。她分享的建议之一是，不要把重点放在“这是我们要解决的痛点和问题”，而要关注“我们将如何比竞争对手做得更好”。
80% 的客户购买产品，是为了避免痛苦或降低风险，而不是为了获得更大的上行空间。这是创业者应该理解的一件好事。我们都喜欢谈论未来的各种可能，谈论将来能够实现的一切，但这种销售话术往往只会打动另一位创业者。对其他人，尤其是企业客户来说，他们是在避免下一季度无法完成营收目标的风险。
我听说过很多关于你如何把市场进入当作产品来思考的内容。
很多时候，我们购买东西是因为自己对它们的感受。如果产品在商户层面的差异越来越小，那么被销售的体验本身，就会越来越成为区分公司的因素，并推动购买决策。因此，你真正想要打造的是一段非常独特的客户购买旅程。
我从你共事过的很多人那里听到过一件事：你的超能力，是建立一个对工程师来说不像销售组织的销售组织。
我一直给销售团队的检验标准是：如果你是我团队中的一名客户主管，而我把你安排到公司的 10 名工程师面前，他们应该在 10 分钟内看出你不是产品经理。
今天的嘉宾是 Jeanne Grosser。Jeanne 曾任 Stripe 的首席产品官，在那里从零开始搭建了最早期的销售团队。她目前是 Vercel 的首席运营官，负责市场营销、销售、客户成功、收入运营和现场工程。Jeanne 曾在多家独角兽公司打造世界级的市场进入团队，还为数十家公司提供过相关建议。在这次对话中，我们将深入讨论世界级市场进入团队的样子，包括到底什么是 GTM、市场进入工程师的崛起，以及这个职位如何已经让她的团队能够以 10 倍速度运作；我们还会讨论许多提升市场进入能力的具体技巧、细分市场入门知识、如何像做产品一样思考市场进入流程、她最喜欢的市场进入工具，以及她对 PLG、销售薪酬和销售招聘的看法，等等。如果你想了解最新、最好的市场进入思维，这一集就是为你准备的。（00:02:34）：特别感谢 Claire Hughes-Johnson、Kate Jensen 和 James Ditt 为这次对话提出主题建议，也感谢 Kelly Schafer 牵线。如果你喜欢这档播客，请不要忘记在你常用的播客应用或 YouTube 上订阅并关注。这对我们帮助很大。如果你订阅我的 newsletter 年度会员，还能免费获得一整年众多优秀产品，包括 Devin、Lovable、Replit、Bolt、[无法听清 00:03:00]、Linear、Superhuman、Descript、WhisperFlow、Gamma、Perplexity、Warp、Granola、Magic Patterns、Raycast、ChatPRD、Mobbin 和 Stripe Atlas。请访问 Lenny's newsletter.com，点击 Product Pass。下面，在一段广告之后，为你带来 Jeanne Grosser。（00:03:14）：本集由 Datadog 赞助。Datadog 现在推出了 Epo，这是领先的实验和功能标记平台。世界上最优秀的公司中的产品经理都在使用 Datadog，工程师每天依赖同一个平台，把产品洞察与产品问题联系起来，例如缺陷、用户体验摩擦和业务影响。（00:03:32）：一切从产品分析开始。产品经理可以观看回放、查看漏斗、深入分析留存，并探索增长指标。其他工具止步于此时，Datadog 还能继续帮助你诊断漏斗流失、缺陷和用户体验摩擦的影响。确定实验重点后，验证哪些方案有效。我在 Airbnb 工作时亲眼见过这一点：实验平台对分析什么有效以及问题出在哪里至关重要，而在 Airbnb 搭建实验平台的同一支团队后来打造了 Epo。Datadog 还可以通过会话回放让你超越数字：通过热力图和滚动图，准确查看用户如何与产品互动。所有这些都由与实时数据关联的功能标记提供支持，让你能够安全发布、精准定位并持续学习。Datadog 不只是工程指标工具，它还是优秀产品团队加速学习的地方。（00:04:25）：更聪明地修复问题，更有把握地交付。请访问 datadoghq.com/lenny 预约演示。本集还由 Lovable 赞助。Lovable 不仅是历史上增长最快的公司，我也经常使用它，强烈推荐。如果你曾经有一个应用想法，却不知道从何开始，Lovable 就适合你。Lovable 让你只需与 AI 对话，就能构建可运行的应用和网站。然后你可以定制自动化功能，并将其部署到线上域名。它非常适合营销人员快速搭建工具、产品经理制作新想法的原型，以及创业者发布下一项业务。与无代码工具不同，Lovable 不只是静态页面，它能构建具有真实功能的完整应用，而且速度很快。过去需要数周、数月甚至数年的工作，现在一个周末就能完成。所以，如果你一直有一个搁置的想法，现在就是把它变成现实的时候。请访问 Lovable.dev 免费开始。（00:05:29）：Jean，感谢你来到这里，欢迎来到播客。
谢谢你的邀请，Lenny。
我希望这次对话结束时，能让它成为我们发给所有想提升市场进入能力、正在想办法把产品推向市场的人的那段对话。我们可以把它发给他们，而不是让他们花很多钱去聘请一个通常又很难找到的优秀人才，因为优秀的人都已经被抢走了。所以我们先从基础开始。当人们听到“市场进入”这个词时，它是什么意思？涵盖哪些内容？
我认为这个问题有两种答案。人们通常想到的是推动收入的最前端，也就是市场营销和销售。对我来说，市场进入指的是任何会接触客户或带来收入的职能。我在 Vercel 的职责范围就是这样，所以它包括市场营销、销售，以及所有技术销售岗位，比如销售工程师，或者我们在 Vercel 称为售后平台架构师的岗位；还包括客户成功、支持和合作伙伴关系。我之所以这样定义，是因为根据我整个职业生涯的经验，这些职能往往采用一种维恩图式的策略：市场营销在追求一件事，和销售所追求的内容有所重叠，但并不完全重合；销售又和支持所追求的内容有所重叠，却同样不完全一致。比如，它们可能采用略有差异的客户细分框架。（00:06:57）：所以，在当下这个阶段，你会希望看到更多职能形成真正一体化的生命周期。尤其是，我认为市场进入中的很多职能会被重新定义。我们经历了一段市场进入高度专业化的时期，具体有多少种职位取决于统计方式；我认为有人说现在市场进入领域有 17 种不同角色，而我推测其中很多角色会开始合并。因此，如果你更整体地看待市场进入，就可以回到这样的问题：从让潜在客户意识到你的产品开始，一直到让客户在平台上使用五年、获得高客户终身价值，这一整段过程中需要完成的任务是什么？你会希望把它完整地画出来，并像思考产品一样对它进行编排。
太棒了。我们会完整走过这段市场进入周期。但对于大多数公司，尤其是刚起步的公司来说，当他们说市场进入时，是不是可以简单理解为主要是销售，市场营销所占比例可能较小；然后随着公司变得更成熟、不断成长，客户成功、技术销售之类的职能也会加入？
是的，大多数公司可能确实是从销售开始。或者，坦白说，因为很多公司也是从 PLG 开始的，你可能会先从市场营销起步，等到需要销售辅助、最终需要销售主导的部分时，再逐步加入销售。所以，具体是市场营销、销售，还是二者的组合，要取决于你的产品和最初的目标市场。
太棒了。所以，简单来说，市场进入这个词告诉你我们在讨论什么：如何把产品推向市场，让人们意识到它、使用它，并持续使用它？
没错，完全正确。
过去几年，市场进入领域发生的最大变化是什么？你在 Google 和 Stripe 长期从事这项工作，搭建过销售团队，现在又在 Vercel 做同样的事。市场进入这门技能和艺术发生了哪些最大变化？
变化有很多。消费型商业模式出现后，我认为市场进入转向了更具咨询性质的方式，因为最初的落地通常只是客户旅程的起点，也只代表客户最终会在你这里完成的很小一部分。因此，你必须从交易式销售转向更深入地理解客户想做什么，最终才能把这些需求与产品对齐。我认为，AI 让这一趋势更加明显。现在每个人都知道自己需要改变，但不一定确切知道要改变什么，无论是面向客户的产品，还是内部生产力和工作流程。所以，你会看到更多市场进入组织投入到“可能性”和最佳实践上，像顾问一样帮助客户真正想清楚。（00:09:52）：因此，现在更常见的一种角色是前置部署工程师。某种程度上，它是专业服务的重新命名，但又不完全是。这个角色很大一部分工作是：进入客户的环境，和客户并肩工作，更好地理解他们想做什么，然后帮助他们把技术真正落地，同时一路学习。（00:10:18）：通常，你不仅要帮助客户成功，还要把所有这些经验带回产品和工程组织，弄清楚哪些内容具有普适性，应该纳入产品，哪些内容最终更适合长期作为专业服务。所以，我认为一个重大变化就是更加深入地嵌入客户。另一个变化也毫不意外，那就是把 AI 应用于销售流程。过去 18 到 24 个月里，市场进入工程师大概开始兴起。不同人对这个职位的定义略有差异，但它大致包括两点：第一，把技术能力运用到市场进入工作中，从而拥有更好的工具、数据应用等；第二，越来越多地使用 AI，重新设计工作流程，让与客户进行个性化互动变得更容易，同时还能实现规模化。
太棒了。那我们沿着市场进入工程师这个话题继续。过去的情况是什么样？这些工程师在公司里具体做什么？
我想讲一个有趣的故事。我在 Stripe 工作时，我们准备建立一个外呼销售开发代表（SDR）职能。Stripe 的外呼拓展一直保持精简。当时公司的运营原则是“效率就是杠杆”。所以，如果你看看我负责的销售组织，大多数公司可能会有 30 名 SDR，而我只能得到 4 名。我不可能采用典型的 SDR 方法并取得成功。于是我们问自己：能做什么？我们会极度依赖数据。然后我们开始构建 Rosland 项目。Rosland 是最初绘制 A-DNA 图谱的科学家的名字。这个项目本质上是一份公司宇宙，可以把它想象成一个巨大的数据库。每一行代表地球上的一家不同公司，每一列则是有关这家公司的一个属性，这些属性能帮助你更有针对性地向它销售。（00:12:39）：举例来说，在 Stripe，知道一家公司的商业模式是市场平台非常有帮助，因为这意味着你要向它销售 Stripe Connect，而不是普通支付服务。于是我们的目标是：能不能创建一个类似填空游戏的系统？我先准备一个预定义的电子邮件模板，但其中 80% 的内容根据客户的不同属性来填空。如果客户属于这个行业或采用这种商业模式，就调用这个客户案例，引用这个价值主张，把邮件发给这个用户画像，而不是另一个。我们在 2017 年尝试做这件事，当时非常困难，实际上并没有完全成功。我们无法把假阳性率降到足够低，还和 DSI 进行了深入合作，但始终没有真正做到。现在我们在 Vercel 重新做这件事，而且就像我们说话时一样，它已经能够真正运行，因为可以使用 AI。（00:13:41）：现在的不同之处在于，我们和 2017 年一样有一名数据科学家，但现在我还有一名市场进入工程师。过去，我只有一名系统人员帮我配置 Outreach 或 Salesforce；而现在，市场进入工程师帮助我构建一个智能体。我们会先思考：人类原本会采用什么工作流程？然后以 Vercel Workflows 为例，用实际代码把它编码出来，让其中一部分是确定性的，另一部分则由智能体去尝试复现人类原本会做的事情，从而生成这份填空式模板。
我很喜欢这个项目的野心。这是什么时候，八年前左右？
是的。
我喜欢这种宏大的思考：我们要绘制整个公司宇宙，然后思考如何向它们销售。只是我在想象没有 AI 时做这件事的样子。试图在没有 AI 的情况下做到这一点，简直难以想象，而现在甚至更容易想象了。
这件事最令人兴奋的地方是，先让我稍微 geek 一下：当时我和 Stripe 团队中的许多人一起做这个项目，其中有一位叫 Ben Salzman 的先生。他后来去了 ZoomInfo，最近又创办了一家市场进入初创公司，基本上把“公司宇宙”这个概念产品化，并在其上叠加 AI。他最终的看法是，AI 会发展到这样一个阶段：你不必再做外呼拓展，因为它会自动完成公司与产品的匹配。回头看 2017 年，一些参与这项工作的人现在去了 OpenAI，去了 Anthropic，也有人正在做市场进入工程。Ben 创办了一家完全 AI 原生的市场进入公司，而我现在在 Vercel 尝试做同样的事，这种演变很有意思。
好，有趣的是，这是一个正在出现的职位和技能。我觉得很多人还没有意识到它正在发生。我听到的一个例子是，这个职位本质上会自动化外呼邮件和外呼拓展。他们设计工作流程和智能体，确定应该联系哪家公司，以及应该如何向它传达信息。最后生成的会是一封针对这个潜在客户定制撰写的邮件吗？
这只是其中一种形式，实际范围更广。市场进入工程的完整职责，是逐一检查市场进入中的不同职能，拆解它们执行的各种工作流程，然后把这些流程转换成智能体，让 AI 在比人类更适合的地方完成相应任务。我们现在从入站流程开始，正在转向外呼，因为入站流程最容易被清晰描述。所谓容易描述，就是你基本可以把它写下来，它相对可复用，而且大部分是确定性的。因此，AI 更可能把它做好，我们也确实已经构建了智能体，并且仍然让人类参与其中。但从这里开始，我们正在研究外呼；在外呼方面，我们先从市场较低端的部分开始，因为那里通常需要的定制化略少，公司里往往只有一个决策者。（00:16:56）：不过，我认为要真正把这种方式用于大型企业，还需要一段时间。在那种场景下，我们可能会让智能体做研究，但未必让它一路执行到发送消息。这还只是拓展职能。我们还在考虑存量客户销售。在这种情况下，流程也更具确定性，因为你拥有关于客户正在使用和没有使用什么的优质内部数据，也知道下一步最佳行动，以及客户最应该从中获得价值的东西。因此，我们正从这里开始描绘理想的工作流程。但最终你希望达到这样一种状态：只要我从事销售工作，他们每年都会发布报告，帮助我们相互比较、进行基准评估。其中有一项数据是，销售人员真正面对客户的时间比例是多少。（00:17:44）：在我从事销售的 20 年里，这个比例一直在 30% 到 40% 左右。因此，销售人员真正与其他人交流的时间只占少数。我认为，随着智能体加入，我们正在进入这样一个阶段：理想情况下，销售人员最终有 70% 的时间都在与人互动。研究、跟进以及那些有些机械、无法充分发挥人类全部能力的工作，可以由智能体完成，然后让销售人员真正深入地与客户交流。
我喜欢这个例子，因为它很好地说明了 AI 如何以非常有意义、投资回报率很高的方式发挥作用，接手你刚才描述的、原本需要雇佣比如 50 名 SDR 才能完成的工作，而现在可以用更多杠杆来完成。这是 AI 带来杠杆作用的一个很酷的例子。但我知道很多人听到这里会想：好吧，我以后会收到更多这种很糟糕的推销邮件，这根本不会起作用，我一看就知道这是 AI 写的。你们学到了什么，怎样才能让人们真正收到能够转化、效果良好的邮件？
我们的流程始终让人在其中参与。所以我们通常从这里开始：让一名市场进入工程师跟随这个职能中表现最优秀的人。比如，他可以跟随一名 SDR，然后看到：哇，对方打开了七个标签页；在 LinkedIn 上查找这个人；阅读公司资料；在 ChatGPT 里处理某个问题；在另一个数据库中查找一组属性。我们正是通过这种方式来了解最初的工作流程。然后，我们让智能体做判断。在入站这个具体例子中，你必须判断这个线索是否可能符合资格，然后决定应该如何回应。我们会让智能体做出这两个判断。（00:19:44）：之后它会做深入研究，从我们的数据库中调取大量信息，并拟写回应，但我们会让人审阅所有回应，并实际点击发送。目前，我们原本有 10 名 SDR 负责这个入站流程，现在只需要 1 名来对智能体进行质量检查。其余 9 人被部署到外呼工作中，也就是让他们承担更高价值的工作。我认为，最终我们会达到这样的程度：人工审核者足够多次地表示“可以”，让我们有信心认为邮件符合品牌、目标精准等。但目前我们仍在训练智能体，它会吸收我们拒绝、编辑等反馈。
你还分享过，这已经产生了很大影响。正如你所说，你们原来有 10 名 SDR，现在只需要 1 名就能完成 10 个人的工作。
在做出这个调整之前，还有一件同样令人难以置信的事：构建线索智能体的人是一名市场进入工程师，他大概只投入了 25% 到 30% 的时间。我们用了六周，才有足够信心把人员从 10 人减到 1 人。所以这不是一个需要多个季度的流程，而是非常快地取得了进展。现在，我们只是让智能体管理者继续与智能体合作，把它训练到我们可以说“好，准备上线”的程度。在整个过程中，我们也跟踪了通常会要求 SDR 对其负责的所有关键指标。我们观察线索到商机的转化率，也观察完成转化所需的触达次数。最终，我们能够让线索到商机的转化率保持不变。也就是说，智能体和我们的人类一样好；但由于它回应得快得多，不会让线索不可避免地积压在队列里，也不会因为线索在夜间进入而无人处理，它实际上减少了完成转化所需的触达次数。这就是我们知道可以撤下 9 个人、把他们调到外呼工作的时刻。
太不可思议了。好，这很有意思。所以你们把他们调到了外呼。我喜欢这一点：正如你所说，现在负责这项工作的 SDR 可以做自己更喜欢的事，更多地与客户交流，而不必进行这些漏斗顶部的机械工作。我不想展开讨论 AI 和工作的整个话题，但一直有人说，AI SDR 基本上会取代 SDR。大家似乎都认为这件事未来百分之百会由 AI 完成。但我从你的描述中听到的是，它给一个 SDR 带来了更多杠杆，而且显然仍然需要人来负责整个过程。你怎么看？你觉得 AI 最终会取代所有这些工作吗？到那时是不是就不需要销售人员了？
我认为在潜在客户开发方面，AI 可以取代相当一部分工作，因为普通 SDR 原本就不会进行特别复杂的研究。正如我提到的，我认为最后才会被取代的是深度企业客户拓展：你可能要在组织结构图的多个层级开展工作，要在不同业务线之间做选择，还要把这些信息三角验证起来。但我确实认为，对于那些更重复、学习和上手通常不需要太长时间的工作，AI 会很擅长。在我看来，没有人大学毕业时会说：“太好了，我上了四年大学就是为了成为一名 SDR。”更多时候是：“好吧，这是你被迫开始的地方。”但我认为，普通 SDR 完全可以直接进入外呼工作，或者直接进入中小企业客户的成交岗位。所以，我们现在做的基本上是把人们转移到能够从一开始就更充分发挥其全部能力的工作上，而不是让他们被迫沿着晋升阶梯逐级向上。
太棒了。很多听众不是销售人员，对销售也没有太多背景。我们已经用到了 SDR 这个词，还有 AE。你能不能帮大家理解一下，SDR 是什么、他们做什么，AE 又是什么，以及 AE 上面的职位是什么？
当然。SDR 通常负责创造销售管道。他们需要与潜在客户交流，让对方达到值得投入时间、进入销售流程的程度。SDR 通常有两种：一种是入站 SDR。客户来到你的网站，填写“联系销售”，他们会先打电话确认，这个客户是否确实值得让成本更高的客户主管来推进销售流程。另一种是外呼 SDR。当你希望增长速度超过入站需求时，就会采用这种方式。此时，你大概已经判断出产品市场匹配所在的领域，因此他们会针对市场的那一部分，尝试唤起那些原本不会主动表示“我想和你聊聊”的人的兴趣。（00:24:54）：这基本就是销售开发。销售管道的创造之后，客户主管负责成交。他们的工作，是把一个客户从“我有兴趣了解你的解决方案，我确实有一个问题，也许可以做决定”，带到“我现在相信你的产品是市场上最适合我的产品，而且我愿意为它付费”。然后，客户主管会根据公司所面向的细分市场，例如小企业、中端市场、企业客户等，逐步进入更高层级的销售。销售小型企业或初创公司通常更偏交易型，往往只有一个决策者；接着是中端市场或商业客户，这时可能会有一名经济买家，比如财务人员，以及一名技术买家，比如工程师；再进入企业客户场景，就会涉及采购部门和委员会，需要 10 个人参与决策，还必须帮助他们降低从更复杂的旧系统迁移过来的风险，这需要大量协调工作。
这非常有帮助。所以，SDR 就是创造销售管道，也就是成交前的角色。这样理解非常简单。回到 GTM 工程师这个话题，我想替那些可能想在公司尝试这件事的人问几个问题：你认为公司发展到什么规模，才适合开始招聘这个职位，让一个人自动化市场进入流程？
有趣的是，这会迫使公司更早、更严格地对待销售流程。初创公司从创始人主导销售转向招聘第一名销售人员时，无论招聘的是有销售经验的客户主管，还是一个聪明、全能、能够自己摸索的人，创始人常常会想：“销售不就是和人聊天吗？过去几年我不就是这么做的吗？”但销售不止这些。它和写代码、建立财务模型一样是一项技能，核心是需求发现：提出所有正确的问题，识别客户的挑战、痛点和付费意愿，然后通过一个流程处理异议，展示足够的价值，让客户最终愿意交钱。（00:27:24）：很多初创公司，尤其是产品市场匹配很强的公司，可以在没有可重复流程的情况下发展到相当大的规模。但除非你明确什么才是最佳实践，否则无法真正应用 GTM 工程。因此我认为，这会迫使公司从一开始就建立更完整的销售手册：什么有效、什么无效？能不能记录下来？销售流程的不同阶段是否都有内容？完成这些之后，也许团队达到 10 人左右，就可以让 GTM 工程师把流程转成智能体。也可以想象，如果创始人想招聘一个全能型、且有技术头脑的人，那么这个人可以同时担任客户主管和 GTM 工程师，先找出最佳实践，再把它转成一个陪伴自己工作、提高效率的智能体。（00:28:26）：我还没有关于最佳规模的明确结论，但我一直建议创始人比自己想象得更早引入收入运营，因为数据和流程能让创始人知道什么有效、什么无效。我认为 GTM 工程同样会越来越适合尽早加入，并从一开始就考虑如何让智能体服务于流程。
既然谈到这里，我顺便问一个问题。我通常听到的建议是，等到年度经常性收入接近 100 万美元、拥有可重复的流程之后，再招聘第一名销售人员。这样就可以把任何事情教给他。你觉得这个建议对吗？你会怎么推荐？
我认为这大致正确。作为创始人，你应该和客户保持深度联系，把公司发展到一定规模，并达到你所说的具有某种可重复性的阶段。很多创始人没有意识到，自己本来就是非常出色的销售人员：他们能说服风险投资人和天使投资人拿出大量资金，所以显然也能鼓舞别人购买。但如果你达到 100 万美元 ARR 时，现有客户彼此完全不像，你仍然是在做依靠个人号召力的创始人销售。相反，如果你可以说：“我现在已经有一个 ICP，也就是可以写下来的理想客户画像。我们的产品适合员工少于 100 人、通常在开发 SaaS 应用的初创公司。”那你可能就准备好交出接力棒了。创始人还要记住真正交接，而不是只把责任丢出去。你必须让新来的人掌握你做得好的地方、使用的内容、提出的需求发现问题和处理异议的方法，这样知识才能转移；但也不要完全离开。你仍然要和客户保持联系，因为还需要继续研发，弄清产品下一步会在哪些地方产生共鸣，以及规模扩大时哪里会出现问题。
最后回到 GTM 工程师这个话题：理想的 GTM 工程师，尤其是第一名，应该是什么样的人？
我们的经验是，有 GTM 经验的人往往效果很好。在 Vercel，最初的 3 名 GTM 工程师其实都是销售工程师。Vercel 招聘技术能力很强的销售工程师，他们在进入销售之前都是前端开发者。于是我们对其中 3 个人说：“恭喜，你们现在是 GTM 工程团队的创始成员。”这样做的好处是，他们理解什么是好的 GTM，也知道流程应该是什么样。最近很有意思：我和负责 GTM 工程的人一起检查线索智能体并做质量保证。我看到智能体发出的一些回复后发现：“我不会这样写。”原因是我有 20 年销售经验，而我们是用团队里最优秀的人来建模线索智能体，但那位优秀销售只有 2 年经验。所以，理解销售的艺术和科学，以及怎样应用最佳实践，非常重要。要么你做过销售，知道一些最佳实践；要么你就要真正钻研销售，读很多书，学会一些方法，并把它们融入智能体开发。
这很有意思。所以这个人来自销售一侧，而不是工程一侧。我想这对销售人员来说是一个非常酷的机会，他们可以做完全不同的事情，更接近工程。
是的，我们做得很开心。尤其在 Vercel，我们基本上可以充当“零号客户”。我们构建的所有智能体都运行在 Vercel 的 AI 云上。这些智能体会经过多个步骤，我们使用 Vercel 的 Workflow SDK 和工作流产品，也使用 AI Gateway 调用不同模型，进行深入研究或其他数据增强。对我们来说，这很棒：我们可以不断试用工程团队正在构建的一切，在真正交付给外部客户之前，先成为挑剔的客户。
活在这个时代真有意思。从你的描述中，我能听出你们有多享受这件事。（00:33:29）：Stripe 为全球增长最快的许多企业处理巨大的规模和复杂性，其中包括《福布斯》AI 50 榜单中 78% 的企业，以及超过一半的《财富》100 强企业。Atlassian、Figma 和 Urban Outfitters 等公司使用 Stripe 创建完全品牌化、可定制的结账页面，并接入超过 125 种全球支付方式。我之所以在这档播客中邀请过最多 Stripe 领导者，是有原因的：他们知道如何构建能扩展、也让人喜欢的优秀产品。Stripe 远不只是支付服务，它还有业内领先的账单解决方案，以及专门为提高结账转化率而优化的结账体验。加入 Salesforce、OpenAI 和 Pepsi 等行业领导者的行列，用 Stripe 更快增长并推动全球 GDP。请访问 Stripe.com，了解 Stripe 如何帮助你的业务增长。回到你刚才提到、正在使用的工具，我想从更宏观的角度问：GTM 技术栈中有哪些先进工具是你喜欢、愿意推荐的？
这个问题我会给出一个有趣的答案。我先推荐一个工具。它未必算最先进，也不是贬低它，只是它已经存在一段时间、很多人都在用，但我认为 Gong 在过去一年变得有意思得多。我的回答后半部分会谈到，我认为自建和购买之间的计算方式正在改变。先说 Gong：它现在可以运行智能体，因此非常强大。我们把所有 Gong 通话记录放进一个叫 deal bot 的智能体中，它可以做很多事。最开始，我们让它复盘流失商机。Q2 刚结束时，我们按交易规模列出季度内损失最大的商机，再让它分析这些商机，结果非常有意思。（00:35:39）：那一季度损失最大的交易，客户主管认为原因是价格。但当智能体分析了每次 Slack 互动、每封邮件和每通 Gong 电话后，它说真正原因是你从未接触到经济买家。当你和客户讨论 ROI 和总拥有成本时，对方的反应很明显，说明他们并不相信你的计算。因此真正的原因是无法证明价值。回头看，我需要把 Vercel 的价值量化方式建立起来；这正是销售这个产品时我喜欢的地方，它其实很容易量化，但必须把方法写进 GTM 团队的工作体系。现在，我们会分析所有流失商机，更好地归类真正失败的原因。（00:36:38）：然后把结果反馈给工程团队，或反馈给市场和销售领导者，回答“销售流程哪一环做得不够好”。但输掉交易并不好玩，所以我们把分析提前了：从 lost bot 变成 deal bot，让它实时运行并把洞察发到 Slack。Vercel 大量使用 Slack，每个客户，无论是商机还是现有客户，都有一个频道。于是它会提醒：“销售流程已经进行到这里，但还没有和经济买家沟通，应该考虑这件事。”或者：“你刚和经济买家通完电话，听起来进展不太好，可以考虑这样跟进。”（00:37:34）：我们还处在一个时代，迭代速度前所未有。我在科技行业 20 多年，从未见过这种速度。对 GTM 团队来说，这很难，因为如果你每隔一天就发布一次东西，团队很难及时得到培训。因此，这个机器人还可以分析通话和互动，诊断我们在哪些地方没有做好异议处理、客户卡在哪里。每周末，我们可以开会讨论智能体发现的所有销售低效点。之后，我们会像工程团队一样做冲刺：这些就是 GTM 流程中的 bug，不应该存在。下一周，我们会在异议处理内容中加入指导、补充需求发现指南，或找出需要改变演示的地方。现在还处在早期，但这就是我们正在把 GTM 组织带向的方向。
Jeanne，你从很多方面都让我大开眼界。这听起来太有意思了，我听你这么说时的感觉是，你们一定会赢。太不可思议了。我喜欢的一点是，你们构建的这个 AI 工具、这个智能体看到了人类没有看到的东西。你们竟然得出了完全不同的结论，而且自己也感到意外，这件事意义重大。这就是 AI 的全部承诺：它会完成一些我们甚至没有想到、也没有能力完成的事情。
确实如此。Vercel 正在做的一件事很有意思：我们有一个 AI 云，客户可以用它把 AI 原生功能放进面向客户的应用，也可以用它构建内部应用，提高生产力或结果。我们正在和一家大型航空公司交流。这家航空公司当然会收到大量支持咨询，所以最直接的想法是用 AI 回答这些咨询，降低支持成本。但更有意思的谈话来自一位 C 级高管。他说：“我们还会把每一通支持电话都转录下来。我真正想知道的是，他们为什么打来？怎样才能让下周打电话的人更少？”有了 AI，你可以快速处理所有这些内容，比让员工在 CRM 中手动选择一个状态更快地发现本周客户打给航空公司的原因，以及下周能做什么来减少这类来电。
我想，很多听众会觉得：“我需要一个这样的 deal bot 和 lost bot。”这些都是你们自己构建的内部产品吗？
是的。
关于如何把这些机器人做得这么好，你还学到了什么？能不能分享一些打造优秀销售机器人的建议？
可以。其实这正是我刚才回答的后半部分，只是忘了说。
太好了。
这大致涉及自建和购买之间的权衡。我们的一个经验是，构建这些智能体并没有那么难，成本也没有那么高。我提到过，线索智能体由一个人投入三分之一的时间，用了 6 周完成；deal bot，也就是最初的 lost bot 版本，我们基本上讨论了两天，他在 40 小时后就做出了原型。现在我们还在继续完善它，用于前面提到的其他工作。还有一点很有意思：不管这对 Vercel 是好是坏，完整运行在 Vercel 上的线索智能体一年大约只需 1,000 美元。如果你还记得，我说过 SDR 团队原来有 10 个人，仅从薪资角度看，我每年为他们支付的费用远超 100 万美元。（00:41:57）：后来我把人数降到 1 人，背后再配一个每年成本 1,000 美元的线索智能体。总成本因此降低了 90% 以上。现在市面上有很多智能体软件。我们正在学习的一点是，这个领域还很早期，企业自身独特的上下文、内容和工作流程，往往才是释放智能体能力的关键。因此，尝试自建内部智能体很有价值。随着时间推移，我们可能会转向更好的一体化智能体平台，也可能看到 CIO 的角色从软件采购者越来越转向软件构建者，在公司内部平台上运行 1,000 个智能体。我现在还不能确定。但我确定，自己试一试很有价值，因为你可能会发现它比想象中容易得多，而且很快就能获得回报。
所以我的理解是，你发现市面上没有可以直接插上就用的工具。真正的优势在于自己构建。
我认为这只说对了一部分。现在工具大量涌现，也会带来一个长期存在的问题：最后你可能会拥有 20 个工具，分别完成 20 项工作，而不是拥有一个能整合完成这些工作的统一平台。我现在和客户交流时经常听到这一点：他们部署 AI 最大的问题，其实是如何通过采购流程，因为公司有了 AI 任务，预算几乎变成了一张空白支票。我最近听到有人把它叫作 ERR，而不是 ARR，也就是“实验运行率收入”（experimental run rate revenue）：大家都会说“我们先试用一年”，一年后是否继续还不确定。结果就是，你要采购 20 个不同的东西。大多数工具刚刚起步，只解决相对狭窄的问题，未来会改变。但我认为可以先判断公司内部哪里有更具体的工作流程。对于这些流程，自建智能体可能值得；而对于更通用的事情，则可以购买现成工具。
有没有哪些平台或工具值得推荐，能让人这么快地构建智能体？我知道它们运行在 Vercel 上，先给 Vercel 一个推荐。但你会把人们指向什么工具？这些 SDR 和 GTM 工程师以前都是销售人员，他们是在学习写代码吗？他们是通过 vibe coding 来构建智能体吗？具体是怎么做的？
我们的销售工程师都有计算机科学学位。他们本来就是以销售身份工作的工程师，因此会写代码；这些智能体也是直接在 Vercel 上构建的。这里有可以调用不同模型的 AI Gateway；运行不受信任代码时可以使用 sandbox；workflows 可以帮助你构建流程；fluid compute 则能在只需要少量计算时高效使用计算资源。我们就是从底层把这些东西搭起来。再说一次，构建并不难，但确实需要写代码。现在也有很多 vibe coding 工具提供更多工作流构建器，介于完全所见即所得、几乎像拖拽一样的方式和更偏代码的方式之间，类似工具有很多。不过，我们发现 Vercel 的 GTM 工程团队之所以能这么容易地构建智能体，其中一个原因是 Vercel 平台让人很容易使用我们的框架寻找基础设施，并快速把智能体部署到生产环境。
你们拥有这样做的一个很酷、也很不公平的优势。
是的，这很有趣。我确实认为，这家公司比我见过的任何公司都更擅长使用自己的产品。大家一直在践行一句话：Vercel 用 Vercel 构建 Vercel。所以大家总是在寻找办法：我们怎样使用自己的产品来完成需要做的事？这样一来，我们既能理解客户想要什么，也能发现产品中缺少什么，并进一步把它做好。
沿着这个思路，你描述这些事情时已经多次提到把市场进入当作产品。我刚才说过，很多听众都是产品构建者，所以这是一种很好的思考方式。我猜你已经谈到了其中一些要素，但具体应该怎样把市场进入当作产品来思考？
我大约在十多年前的职业生涯中形成了这个认识。大学毕业后的第一份工作是 2004 年参与 Gmail。Gmail 在 4 月 1 日上线，我 6 月 1 日加入。你应该还记得，Gmail 当时是一项不可思议的创新，是当时几乎不存在的大型 JavaScript 应用，而且提供了 1GB 存储。Yahoo Mail 花了一整年才追上它，Hotmail 和其他服务花的时间更久。这就是 Gmail 与第二名之间的技术差异。十年后，云计算又让人们能够完成过去根本做不到的事情。于是我开始觉得，软件正在逐渐商品化。当技术差异缩小时，还有什么能够让公司彼此区分？（00:48:01）：我开始跳出科技行业思考。我们购买很多东西，是因为它们带给我们的感受。因此我形成了一个观点：如果产品之间只有边际差异，被销售的体验本身会越来越能区分公司，并推动购买决策。相信这一点，就应该打造一段非常独特的客户购买旅程。我们在 Stripe 做过很多这样的尝试，现在也想在 Vercel 复制。举个例子，很多公司的销售流程是：客户通过资格审核、确认值得进入销售流程后，第一通电话就是需求发现，也就是问一堆问题，寻找痛点和购买权力等。（00:49:03）：这对客户来说有时很无聊，因为他们只是在电话里被盘问。于是我们在 Stripe 把第一次会议改成白板会议，让客户画出自己的支付架构以及底层支持收款和客户结果的其他部分。通过这种方式，我们能了解客户技术栈中有什么、需要和谁竞争或替代、价值在哪里；客户也能学到很多，因为他们往往从未画过自己的架构图。他们离开时手里有一份成果物，也会觉得“这个人真的在协作，并且认真帮助我建立理解这个问题的思维模型”。我们还做了其他类似的事情。（00:50:00）：这就是我理解的“像做产品一样做市场进入”：从客户第一次知道公司存在开始，一直到成为在平台上广泛使用、长期留存五年的客户，为整个过程设计一组体验。这些体验可以是交易式、平淡而无聊的，也可以是真实、个性化且独特的。我们会把这些体验画出来，思考如何让产品参与其中、让过程更有人情味，并最终希望赢得长期客户。
我很喜欢白板会议这个例子。你们还做过哪些事情，能让这种方式真正运转良好？
另一个原则也是我们在 Stripe 形成、后来带到 Vercel 的，就是无论客户是否购买，都要在每个接触点提供价值。即使客户这次没有购买，你也会发现，如果只是错过了这一轮购买周期，三四年后他们进入下一轮购买周期时，往往还会回来。我在 Stripe 工作了 9 年，亲眼见过许多当时流失的客户，五年后又回来并购买。因此我们在 Vercel 做的一个例子是：互联网上有很好的数据，可以帮助人们了解网站性能，而网站速度会影响 SEO，SEO 又会影响 AEO，现在大家都在思考 AEO。所以我们联系客户时，会立即提供关于其绝对性能和相对同业表现的洞察。理想情况下，这会激发兴趣，让对方想进一步了解我们；即使没有，客户也会获得一些原本可能不知道的信息，并思考自己的配置是否已经达到最佳。
所以我的理解是，把它当作产品，就是像产品经理思考产品体验那样，设计整个客户旅程。先画出第 1、2、3、4、5 步，然后思考怎样让每一步都很棒，让客户继续走下去。你关注的是从潜在客户的角度，怎样让旅程中的每一步都很棒，让他们继续向前。
对。要思考的是，怎样让它成为一种体验，而不是一笔交易。
而不是让客户觉得销售人员不断找上门，只是想把东西卖给他们？
对。
沿着保持战术性的方向，我还想再深入一些。对于那些想更成功地吸引别人关注并购买自己产品的人来说，你现在认为哪些市场进入策略特别有效？
我会说，一个策略是思考你能为产品，或者客户可能处于的非最佳状态，带来哪些独特洞察。因此，投资数据来找出这些洞察是一件事。另一件简单却经常做得不够好的事是，许多优秀公司会投入精力写文档，这很好，但到此为止了。尤其是向稍大公司销售时，可以制作类似 AWS 所说的“架构良好指南”或蓝图。很多客户，特别是大客户，真正想知道的是：结合他们特定的配置，究竟应该怎样实施你的产品。Stripe 就是一个很好的例子。Stripe 在市场平台方面非常出色，Lyft、Instacart、DoorDash 等大多数市场平台都使用 Stripe。（00:54:07）：因此 Stripe 当然知道市场平台应该怎样设置支付，因为他们见过所有这些案例。当你去向一家市场平台销售，只说“我们有文档，你去看看”，客户并不喜欢，因为他们会说：“每个市场平台都运行在 Stripe 上。我不想看通用文档，我想知道市场平台应该怎样设置支付。”因此，尤其当你的目标客户不再只是单个开发者、初创公司创始人时，提供这种具体的最佳实践非常关键。（00:54:39）：我不知道这是否算一个策略，但我也想提醒仍处于创始人主导销售阶段的创始人：高质量需求发现非常重要。我经常看到创始人兴奋地介绍自己的产品，客户刚问一个问题，他们就抓住机会说“我能帮你解决这个”。但优秀销售人员在对话中通常说话不到一半时间，因为他们会不断提问、追问，并经常帮助客户自己得出结论。学习使用“连续五个为什么”，深入探索，而不是立刻进入解决问题模式。如果客户提出问题，你经常应该先针对这个问题继续提问，再做回答。学会做好这一点，我认为就是区分优秀销售人员的关键。
最后一个建议，我觉得大家都能从中学到东西：多听，少说。
没错。
关于刚才分享独特洞察、指出客户处于非最佳状态的建议，你能不能举个例子？比如你们销售 Stripe 或 Vercel 时，怎样让客户意识到自己有所缺失，以及这种产品如何帮助他们变得更好？
以 Vercel 为例，具体来说，在性能方面，你可以查看网站的核心 Web 指标，了解网站中哪些部分加载很快、哪些部分运行正常等，任何人都能查到这些数据。但我们还能进一步帮助客户与同业进行基准比较。这是我们一直在做的一件大事。我们还花了很多时间帮助客户理解 MCP 服务器，以及什么时候适合使用它们。现在大家都在谈 MCP，但很多人不知道怎样把它放进自己的产品中。我们也深入研究了这一点。与前一点相关的是，答案引擎优化（AEO）其实和 Vercel 有些间接关系。（00:57:09）：我们推动性能，性能影响 SEO，而 SEO 又是 AEO 的输入。但我们花了很多时间分享 AEO 洞察，因为我们自己非常重视它，也认为自己比很多人更了解它。因此，作为建立信任关系的一部分，客户可能先从这些 AMA 或内容中获得帮助，然后想：“很好，你们教会了我很多，所以我希望 Vercel 帮我改善性能。”但在很多情况下，他们也可能只是觉得：“这家公司很有洞察力，似乎是一个值得学习的对象。”于是他们会更多关注我们，随着时间推移，也许某件事会触发他们，决定现在该进一步了解 Vercel 的某个方面了。
太棒了。所以我听到的很多内容都很有共鸣。我最近请 Jenna Abel 上过播客，主题就是销售技能和如何销售。
不错。
她的一个建议是，不要专注于“这是我们要解决的痛点和问题”，而要专注于“你将如何比竞争对手做得更好”。你能获得什么巨大差距和优势。如果使用 Vercel，你就不会错过速度，也不会在 AEO 方面落后；或者，你可以把整个支付系统架构得更好。这种说法与你的经验相符吗？
我听过一个这样的统计数字。它是四舍五入后的数字，所以我不认为完全准确，但大致来说，80% 的客户购买产品，是为了避免痛苦或降低风险，而不是像另外 20% 的客户那样为了获得上行收益。这同样是创业者应该理解的一点。我们都喜欢谈论未来的各种可能、将来可以实现的一切，这很令人兴奋，大家都是有远见的人，但这种销售通常只会打动另一位创业者。对其他人，尤其是企业客户来说，他们是在避免下一季度无法完成营收目标的风险、被竞争对手超过的风险、品牌受损的风险等等。对许多初创公司来说，这种转变其实很难，因为它感觉不符合品牌调性；但让客户意识到自己可能没有准备好，或者通过高质量提问让客户准确知道自己哪里没有准备好，并说明你可以帮助他们，确实会带来更多购买行为。
这是一个非常重要的统计数字。这个播客以前也讨论过，购买在很大程度上是为了降低风险，避免伤害自己的职业发展或伤害公司。它对购买决策的影响，比“我有一个要解决的问题，而你正好解决了它”更大。April Dunford 来节目时也谈过这一点：引入产品 X 是一个巨大的职业押注。假设我们要采用 Stripe，这是一个重大决定。如果结果不好，你的职业会受影响，经理会责怪你，公司也会因此倒退。所以很多购买决定其实是在说：“我只是不想把事情搞砸。”
没错，完全正确。
说到策略，我知道你很喜欢、也经常帮助别人思考的一个主题是客户细分。
是的。
很多创始人在这件事上都很挣扎。他们知道自己需要制定细分策略，却不知道要去哪里。能不能给大家做一个细分入门介绍，说明它为什么重要，以及可以怎样着手？
细分本质上是：怎样把地球上存在的所有公司划分成不同部分，从而判断哪些公司的购买方式不同。我用 Stripe 和 Vercel 的例子说明。最常见的公司细分是小型、中型和大型，这是合理的。小型公司通常只有一个决策人，中型公司可能有一个小团队，大型公司则流程复杂，需要委员会决策。因此，中小企业、中端市场和企业客户的购买流程确实不同。但如果停在这里，就会遗漏其他影响销售方式的因素。在 Stripe，我们还从两个维度进一步切分。可以把细分想成一张图：横轴是规模，纵轴是增长潜力。增长潜力对 Stripe 很重要，因为它是按用量计费的业务。一个预计年增长 200% 的客户，比年增长 8% 的客户对 Stripe 更有价值，因此我们会投入更多时间和资金去争取前者。另一个维度是商业模式：客户是 B2B、B2C、B2B2B（例如平台），还是 B2B2C（例如市场平台）。B2B 客户需要企业支付、ACH 和电汇，可能还有重复性业务和 Stripe Billing；B2C 客户需要消费者支付和 Apple Pay；平台或市场平台则会购买 Connect。这样我们就能制定更有针对性、可重复的销售流程。Vercel 的情况类似：我们也按规模和增长潜力划分，因为同样是按用量计费；此外还会观察网站流量等可见指标。
几百万。
……也就是 Jeanne 所说的网站流量。即使是一家小公司，只要流量特别高，销售就会更复杂，Vercel 也会从中获得更多收入，因此我们会把它提升到更高优先级。OpenAI 就是一个例子。我不记得它现在有多少员工，假设是 3,000 人，可能更多；按很多公司的标准，它最多算中端市场客户，但它是互联网上流量排名前 25 的网站之一。因此对我们来说，它会进入企业客户范围，需要更深入的销售流程。我们还会加入工作负载类型。电商公司会使用完全不同的语言，谈商品列表页、商品详情页和后端订单管理系统；加密货币公司则可能从头到尾运行在 AWS 上。这样，我们就能为客户准备完全不同的购买内容。
所以，你做的事情本质上是把这个公司宇宙划分开来，回到你最初在 Stripe 的故事，借此判断哪些公司最可能购买产品。你找出的就是与潜在客户质量和购买可能性相关的属性。
没错。
你建议用这种 X、Y 轴方法，而不是其他方法吗？比如做一张有 5 列的表格。我不知道应该怎样开始。
X、Y 轴可能确实有道理。规模大概会影响大多数购买决策，如今也有很多按用量计费的业务，所以其中一些因素可能具有普遍性。但我加入 Vercel 时，面对的是一个新的产品市场和新的市场，我有很多东西要学习，而细分是我前 30 天做的第一批事情之一。我和负责数据科学的 Abhi 坐下来问：哪些客户信息可以事先观察到，从而判断这个客户可能付给我们 10 万美元还是 100 万美元？这应该成为细分框架的一部分。哪些属性可以把反复赢单的客户聚成一类？我们最终发现，CrUX 排名非常重要，因为客户支付给 Vercel 的金额与流量相关；工作负载类型同样重要。我们还发现，电商领域的渗透率很高，这并不意外，因为我们能提供高性能网站，而电商非常看重速度。但当时企业 SaaS 的渗透率不高。虽然前端云面向开发者，看起来软件公司应该会使用我们，但很多企业在 Vercel 出现前就建好了 SaaS，把 200 万行代码迁移到 Vercel 是一项很大的工作。这个分析让我们理解了哪些地方赢得多、哪些地方赢得少。现在，企业 SaaS 客户对 AI 云很感兴趣，因为他们更早采用“给现有 SaaS 应用增加 AI 原生功能”的方式。
所以，你是在分析哪些事情有效，再找出与成功最相关的属性。我经常建议创始人，如果想知道应该关注哪里，可以先用三个属性缩小范围，例如一家由天使投资人主导、处于 A 轮、做市场平台的公司。把三个属性作为起点，你觉得这是一个好的经验法则吗？
我认为超过三个就会变得很细。现实地说，如果你只有 5 名销售人员，难道要把每个人放进 5 个不同的细分市场吗？所以三个属性是可以推理和执行的数量。我还想强调一点：很多人把细分看作 GTM 的事情，但我认为它属于整个公司。在 Vercel，我会在每名新员工入职第一周讲解 KYC，也就是“了解你的客户”，介绍我们的细分框架以及客户如何对应到不同细分。这样，新产品经理离开时，构建新产品就会思考：我做的后端产品是面向企业还是初创公司？我是否清楚自己想在哪里赢，以及为什么？如果一开始就这样做，产品团队就更容易和 GTM 团队使用同一种语言，共同决定怎样配合其他动作把产品推向市场。
这是一个很好的转折。我还有几个问题想聊。其中一个是，我从许多和你共事过的人那里听说，你特别擅长建立能和产品、工程团队很好合作的 GTM 组织。我来读一段你前同事 Kate Jensen 的话：她说，你的超能力是建立一个对工程师来说不像销售组织的销售组织。所以她建议我问：做到这一点需要什么？建立一个让工程师和产品团队真正喜欢合作的销售组织，需要哪些要素？
我一直给销售团队的检验标准是：如果你是我团队中的客户主管，而我把你安排到公司的 10 名工程师面前，他们应该在 10 分钟内看出你不是产品经理。我想说明的是，你必须具备极深的产品知识。原因有两个：第一，这会让你在产品和工程团队面前更有可信度；第二，我相信世界上最好的 GTM 组织，应该一半负责创造收入，另一半则像研发团队一样工作。之所以强调后者，是因为产品管理组织可能有用户体验研究团队进行研究，产品经理当然也应该和客户交流。如果我有 20 人的销售团队，想想他们一周会和多少客户交流。如果我们能把这些反馈很好地转化为信号，再输入产品路线图，销售就能成为产品管理组织的延伸。但这要求你善于区分信号和噪声，知道哪些只是应该通过销售异议处理克服的问题，哪些才是真正的市场机会。
作为一名产品经理，也许是曾经的产品经理，我非常喜欢这一点。我甚至不知道自己现在算什么。销售人员和产品经理让人难以区分，这个想法很棒。最经典的问题是，销售组织会提出一大堆功能要求，而产品经理必须不断反问这些要求是否适合整体产品。因此，这种深度理解似乎是其中很重要的一部分。
你希望销售组织能像总经理一样思考，而不只是想办法完成交易，而是试图帮助建立一项业务。因此，他们要知道什么时候应该说不，什么时候应该处理异议，也要知道什么时候可以说：“我在最近 3 次电话中都听到了这个需求，我认为它会成为一个巨大的突破，让我们更有竞争力，而且是一个市场上没人提供的新东西。”所以，你要寻找既有销售技能、又能用产品思维思考的人。
我很喜欢。还有一段来自 Claire Hughes Johnson 的话。她曾来过这个播客，是一位非常出色的销售领导者，也曾在 Stripe 和你共事。她说了类似但更具体的话：在她见过的人里，Jeanne 可能最擅长连接产品和工程、深入理解产品，并为合作伙伴提供最有价值的输入。这里的另一个要素似乎是，销售真正把产品和工程当作伙伴，而不是只说“帮我做这些事”，而是确实像伙伴一样合作。
归根结底，公司战略就是产品战略与市场进入战略的结合。作为 GTM 负责人，我一直在想怎样更高效地赚更多钱。通常，你需要一个在市场上有竞争力、并且商业化做得很好的产品。因此我会深入思考产品战略和定价战略，因为如果这两点是最佳的，你就会更常赢单，销售阻力也会更小。作为收入负责人，你要戴上总经理的帽子，不只是思考怎样销售，而是要思考怎样利用不断与客户交流获得的洞察，让公司战略更有效。
说到产品，换一个方向。产品驱动增长（PLG）曾经非常热门，大家都说“必须做 PLG，这是唯一的胜法；销售不可能成功；未来属于 PLG”。现在这种说法似乎淡去了。当然，很多公司仍然通过 PLG 增长。你怎么看 PLG？如今什么情况下，公司应该认为自己可以靠它增长一段时间？
除非你明确是在为企业客户打造产品，否则许多公司在起步阶段都适合 PLG。比如 Sierra，他们非常明确地要争取全球 2000 强或类似客户，从第一天就要赢得 8 位数的交易，PLG 对他们不会特别有用。但很多产品一开始面向初创企业，之后不断增加功能，最终向更高端市场扩展，所以 PLG 仍然非常重要。它是 Vercel 增长的主要驱动力，也是 Stripe 增长的重要动力。人们容易忽略的是，PLG 通常有上限。客户一般不会通过自助流程给你 100 万美元，因此如果想维持增长率，交易规模最终必须越来越大。很多公司卡住的地方是太晚加入销售：建立可重复的销售流程需要时间，最初它通常由入站线索供给，之后还要加入外呼，而把外呼变成可预测的引擎需要很长时间。因此，公司撞上增长墙，往往是因为没有足够早地加入销售环节。
所以，本质上每家公司最终都要建立销售组织。有些公司先做产品驱动增长，再加入销售；有些公司则从一开始就做销售。
是的，我同意。也许有一些大型垂直 SaaS 平台主要面向中小企业，但即使它们最终也会建立高速度的销售团队。所以，我想不出一家市值 1,000 亿美元、完全只靠 PLG 的公司。
即使增长很快，只靠 PLG 也感觉像是把钱留在桌上。我知道 Atlassian 长期是 PLG 公司，但最终也转向了销售。我不确定这样说是否准确。你刚才提到定价。我知道你对定价和定价策略有很强的看法。对于正在考虑如何给产品定价的人，你会分享哪些建议？
这和前面的话题有关，但我认为第一点是要像设计产品一样思考定价。产品如何定价非常重要。你是否真正理解客户会在哪里获得价值？你是否真正理解自己的成本在哪里？你有没有聪明地把这两点对齐？很多公司的定价严重偏低，因为害怕收取自己实际提供的价值。还有很多公司把免费增值默认加入产品，却没有把它当成真正的策略。Stripe 多年前推出 Stripe Billing 时，采用免费增值只是因为“大家都这么做”。后来我们发现，接入 Stripe Billing 本身就需要一些工作，完成接入后客户很可能会留下来，于是我们取消了免费试用，结果完全没有负面影响。（01:17:56）：Vercel 也经历了类似的转变。我们最终是按用量计费，但起初把它打包成看起来像 SaaS 的价格。随着功能越来越多，这种方式不再奏效，于是我们做了拆分。去年 8 月，我们进行了较大的定价调整，设置了 Enterprise 和 Pro 方案。Enterprise 之所以叫 Enterprise，就是为了卖给企业。但我们发现，大约一半购买 Enterprise 的其实是初创公司，这说明企业方案中有些功能正是初创公司想要的。于是我们把很多功能从 Enterprise 中拆出来，让客户可以在线自助购买，结果确实有人这样买。现在这明显推动了 PLG 漏斗增长：对初创公司来说，自助购买很高效；对我们来说，也不需要人工介入。把这些定价旋钮调准，是同时获得良好客户体验和最佳收入结果的关键。
在进入令人期待的闪电问答前，我还有一个问题。这是一个组合问题：我听说你对销售薪酬有一个与众不同的看法，也想知道招聘销售人员时应该雇用什么样的人。你能谈谈你的观点吗？
我对销售薪酬很纠结，因为它强调按绩效付薪，这一点我当然赞成，但它会降低组织的灵活性：你必须提前 12 个月决定自己重视哪些事情，而在当前环境下，重点可能会变化。比如我们为 Vercel 制定今年销售计划时，AI 云还不存在。我们当时销售前端云和 v0，AI 云在年中才推出。我们仍然有办法激励团队去销售它，但我认为企业需要能够创新和转向；如果销售计划设计得过于固定，这就很困难。我的一个强烈看法是：怎样既保留销售薪酬激励人的上行空间，又能在必要时改变方向。销售是一项定量职能，这很好，但现在很多公司都难以做年度规划。至于人员画像，我一直重视多元组合。我坚信销售是一项技能，所以团队中需要真正有销售经验的人；但也应该和具有非传统背景的人搭配，尤其是咨询或投行背景的人。他们很擅长销售中的定量和分析部分，也能加强咨询式销售。混合之后，咨询或投行背景的人会意识到销售是一项自己尚未掌握的技能，于是向客户主管学习；客户主管则能学习如何思考损益表、如何和 CFO 沟通、如何更有效地展示总拥有成本分析。这样就会形成更丰富的学习环境，让大家彼此交流。
太棒了。我很喜欢这个策略。最后一个问题：在进入令人期待的闪电问答前，还有什么想分享、想留给听众的吗？
天哪，我觉得我们已经聊得很全面了。
好，谢谢你。
是的，你把我问住了。
好，这正是目的。Jean，我们进入非常精彩的闪电问答。我会尽量快速，因为我知道你还有事情要做。我只问两个问题。
好的。
第一个问题，我先跳到你的人生格言。你有没有一条经常想起、对工作和生活很有帮助的人生格言？
有。我后来发现，大家都知道我经常说一些话，只是我自己未必意识到；当你离开一个组织后，人们往往会告诉你哪些话留在了他们心里。但有一句是我从小就听妈妈说的，我想大家也知道我常说：当事情变得艰难时，坚强的人会继续前进。在销售中，总会有某个季度进度落后于目标，所以我经常会想起这句话。妈妈还总说“有志者事竟成”，这也是它的另一种表达。因此，即使前进方向并不清晰，你总能选择一条继续前进的路。
我很喜欢这两句话。最后一个问题。我读到过，你大学早期曾是一名非常有竞争力的跳水运动员。我很好奇，那段经历有没有教会你什么，并一直帮助你取得今天的成功？
首先要说明的是，我通常是我们队 3 个人里排第 3 名。
第 3 名也不错。
我确实在大学参加了跳水，但那就是这段运动生涯的全部。跳水是一项讲究精确、也需要反复练习的运动。它还有一个特点：当你背部拍在水面上，甚至在你游向泳池边时，背上已经开始出现淤痕，你仍然总是、百分之百必须立刻回到跳板上，再做一次完全相同的动作。因此，我认为这对工作和销售有很多可迁移之处。我对卓越有一种执着；而在销售中，关键是可重复性：怎样带来可预测的结果？你的预测能力有多强？我会把这种要求带进销售工作。同样，销售中会遇到很多拒绝。一位销售导师在培训中曾对我说：“答应很好，拒绝也很好，模棱两可会害死你。”所以，你要学会真正接受“不”：它提供了数据，现在你可以利用这些数据采取行动。
这是结束对话的一种非常鼓舞人心、让人充满力量的方式。Jean，非常感谢你来到这里。
非常感谢你的邀请，Lenny。聊天很愉快。
大家再见。（01:25:37）：非常感谢大家收听。如果你觉得这期节目有价值，欢迎在 Apple Podcasts、Spotify 或你常用的播客应用上订阅节目。也请考虑评分或留下评论，这会帮助更多听众找到这档播客。你可以在 lennyspodcast.com 找到所有往期节目，或进一步了解这档节目。我们下一期再见。