Lessons from Wispr Flow & Superhuman | Matt Swulinski
20VC · 2026-08-16
SaaS增长要像电商，团队却该越做越小
Matt Swulinski 曾在 Superhuman 与 Wispr Flow 负责增长，如今加入 Victor.com。他不是只会买量的媒介人：从电商、SaaS 到企业 B2B，他直接操盘过付费投放、创意、归因和自动化系统；在 Wispr Flow，他一人覆盖过 300 万到 500 万美元预算的执行工作。这期的核心不是“哪个渠道更便宜”，而是怎样把产品价值、创意生产、数据追踪和预算实验接成一台会自我学习的分发机器。
这期回答了 8 个问题：
- 为什么 SaaS 不该等品牌和自然流量成熟后，才开始投放？
- 一笔早期投放预算，怎样才能验证 PLG，而不是沦为烧钱上瘾？
- 为什么多数公司说“付费无效”，问题其实出在归因，而非渠道？
- Meta 的定向能力为什么正在从媒介购买，迁移到创意生产？
- 何时该猛踩预算，何时该承认增长并不增量？
- 付费墙和推荐奖励，怎样卡在用户最愿意掏钱或分享的时刻？
- AEO 时代，PR、YouTube 和 Reddit 为什么比自家内容更关键？
- AI 会如何重写增长团队的招聘标准，又为何至今难以真正落地？
被问到从 Superhuman 的创始人推荐式增长中带走了什么时，Matt 先肯定了产品本身的力量：Superhuman 的每个细节都被打磨得很精细，早期靠创始人圈层的口碑和推荐，确实能长出来。但这条路有一条看不见的天花板。它最初瞄准的创始人和早期技术用户并不是无限人群，推荐会越传越慢，产品再好也无法自动扩大触达面。
在 Grammarly 收购 Superhuman 前，他把电商打法带进 SaaS：每一笔广告支出都要对应购买或加购；用大量 UGC，也就是用户风格内容创作者，生产不同人物、场景和表达方式的素材；再把 Meta、Google 等渠道放在一起管理。后来，这套方法又被复制到 Wispr Flow。"distribution to me is the only moat."（对我来说，分发才是唯一的护城河。）
这意味着，功能领先越来越像一张入场券。今天同类产品可以迅速模仿页面、文案甚至功能轮廓，真正拉开距离的是：你能否持续、可测量地把产品送到正确用户面前。反面也很明确：扩大分发不能代替产品调整。Superhuman 若想跨出创始人圈层，仍要为销售等新 ICP，也就是理想客户画像，提供新的价值理由。
被问到早期公司何时开始投放时，Matt 的答案是“立刻”，但这个“立刻”不是产品刚上线就盲目砸钱。PLG，即产品驱动增长，首先要证明用户会自己发现价值、愿意留下甚至愿意推荐。Matt 给出的最低启动线是：已有自然流入用户，且关键转化动作累计约 50 次。这个动作可以是下载、试用，也可以是订阅，取决于产品漏斗。50 次的意义在于让广告算法至少有一批样本可学习。
如果公司融了 300 万到 500 万美元，他认为约 10 万美元可以作为起始验证预算，前提是 ARPU，即每用户平均收入，以及单位经济模型撑得住。"paid is the easiest way to validate that you have PLG that you have a product that can scale in any way, shape or form, right?"（付费是验证你是否拥有 PLG、产品能否以任何形式规模化的最简单方式。）
内容、播客、访谈和用户调研当然要做，但它们反馈慢。付费投放可以在一周内同时试消息、素材、落地页和定位。通常两到三周就能看出能否开始“印钱”，完整测试则要给约三个月。边界是，广告无法凭空造出需求；没有真实喜欢产品的人，买来的只会是昂贵访问量。
被问到创始人怎样判断 10 万美元投放是否有效时，Matt 泼了一盆冷水：多数 SaaS 在开投前，根本还没有能力回答这个问题。电商有 Triple Whale、Elevar 这类现成工具，接入像素、广告花费和新客收入，约 15 分钟就能处理 Meta、Google、生命周期营销之间的重复归因。SaaS 往往没有这条捷径，得自己搭数据库、BI 分析层、首触和末触归因，以及产品内外的转化追踪。
问题不只是报表难看。以 Meta 为例，若订阅用户的 match rate，也就是平台能匹配回广告触达记录的比例，只有约 50%，另一半用户对平台就是“幽灵”。平台不知道谁最终订阅，也就学不会该去找什么人，只能随机找人，CAC，即获客成本，自然变高。"Before you spend your first scent, have everything set up."（在花出第一分钱之前，先把一切搭好。）
这意味着，“Meta 不适合我们”常是误诊。先要有营销分析负责人和分析开发人员，让网站、产品、广告平台接收同一套关键转化信号。Matt 估计，90% 的公司没有把它当成第一步。代价是，SaaS 的增长起跑线比电商更靠前：你得先补数据和工程能力。
被问到早期公司该花多少钱做 Instagram 等渠道创意时，Matt 的判断很直接：早期创意投入至少应与广告花费同等重要。原因是 Meta 的 Andromeda 更新改了游戏规则。过去，广告主靠广告组设置人群包，媒介买手在后台微调定向；现在，平台更多通过分析创意内容，判断这条广告适合展示给谁。"the creative is the targeting."（创意就是定向。）
因此，一个每月在 Meta 花约 10 万美元的账户，通常每月需要 400 到 500 条新创意，否则很快撞上疲劳和竞争。Victor 的做法是同时运营数百名创作者、5 家代理商和内部创意团队；创作者每周产出 3 到 4 条视频。Matt 提到，有些 17、18、19 岁的创作者，只要做出几条能持续跑量的广告，一个月就能赚 2 万到 3 万美元。
这意味着，增长团队的核心资产从“谁最会调后台”变成“谁能稳定生产足够不同的内容”。不同年龄、性别、场景、开头和表达都要有。AI 可以快速改背景、衣服和版本，但纯 AI 视频目前仍容易像低质量拼贴，最多适合占账户约 5%，不能替代真人带来的真实感。
被问到一个已经跑通的投放项目该不该继续加钱时，Matt 的方法听起来很激进：故意把系统推到极限，然后观察它在哪里坏掉。在 Wispr Flow，他曾在一个月内把预算直接提高到原来的 5 倍。目的不是证明“预算越多越好”，而是快速测出渠道、受众、创意和落地页的真正上限。
这次压力测试带来了具体结论：Meta 应排在 Google 之后；有些 newsletter 和 podcast 根本不值得继续投。"go as hard as you absolutely can and then see it blow up and then understand where and how it blew up."（尽你所能地猛冲，看看它在哪里崩掉，再理解它为何、如何崩掉。）
这意味着，预算失控有时不是事故，而是一种实验设计。创业公司没有六个月时间，慢慢观察每月 30% 到 40% 的增长。更有效的做法是追踪总花费与获客之间的弹性，同时考虑“今天花钱、14 天后才转付费”的滞后，再看 ARR，即年度经常性收入，是否同步上升。
但猛踩油门的前提是归因可靠。否则 CAC 变差时，你无法判断是创意疲劳、受众饱和、渠道无效，还是新增花费本来就没有带来新增用户。没有第三节那套测量系统，压力测试只会变成高价烟花。
被问到付费墙该放在哪、推荐怎么做时，Matt 给出的原则不是“注册后第七天弹窗”，而是寻找用户第一次真正被产品击中的时刻。先让用户尽快经历 aha moment，也就是“原来这东西真能解决我的问题”的瞬间；不要立刻打断，但也别让这份兴奋完全冷却。"Because the moment you have one that goes, \"This is gamechanging.\" Pay wall, right?"（当用户出现“这改变游戏规则了”的瞬间，就该设置付费墙。）
Superhuman 的推荐机制很简单：送一个月，得一个月。有人带来数百次推荐，几乎终身不用付费。Wispr Flow 则把推荐入口放在用户接近 2,000 词额度上限时：分享给朋友并促成注册，自己就得到下个月免费使用。用户刚感到“这个工具帮了我”，又马上面临资源耗尽，分享的理由和收益都很清楚。
这意味着，转化和裂变都该嵌入使用行为，而不是塞进统一的营销流程。不要只送无关痛痒的 swag，也不要设计二十层任务。用户需要立即看懂“我做什么、能得到什么”。反过来，如果产品没有可重复识别的惊艳时刻，提前付费墙或提高奖励，只是在放大用户的迟疑。
被问到 AEO 时代还要不要做 TechCrunch、Product Hunt 和传统 PR 时，Matt 的答案不是取消，而是换一种期待。AEO 是 Answer Engine Optimization，意思是让 ChatGPT 等答案引擎在回答用户问题时更可能提到你。产品发布时上 Product Hunt、争取 TechCrunch 报道，仍然像一张“公司已经上地图”的可信度证明；但不要期待一篇报道带来持续流量洪峰。
真正重要的是外部可信来源长期、正面地谈论产品。"the most important thing is YouTube Reddit and like the the social narrative."（最重要的是 YouTube、Reddit，以及围绕你的社会叙事。） Matt 特别建议早期公司投资高质量 YouTube 评测。长视频能吃到长尾搜索，也更容易成为答案引擎引用的第三方材料；Reddit 讨论、产品评测和媒体报道共同构成“不是你自己说自己好”的证据。
这意味着，内容目标正从把人拉回官网，转为让外部世界帮你建立可信叙事。有些公司每周生成 100 到 200 个页面，但 Matt 认为纯批量 AI 内容只是 slop，低质量堆料。页面数量不是答案；信息本身不可靠时，AEO 只会把低质量内容扩散得更远。
被问到近一两年增长人才的标准如何变化时，Matt 对“资深专家”的定义明显变了。他早年从企业咨询离开、创办代理公司，被迫自己学会电商、SaaS 和企业 B2B 的全链路执行。到 Wispr Flow 任增长负责人时，他曾一人执行 300 万、400 万乃至 500 万美元预算对应的工作。过去，他会优先找有 10 年 Meta 经验、操盘过数亿美元的媒介买手；现在更看重 AI native 和系统思维。
"hyper specialists are dying a slow death."（过度专门化的人才正在慢慢失去价值。） 所谓系统思维，不是会用 ChatGPT 写几句文案，而是能退一步画出工作全貌：输入是什么，输出是什么，哪些环节相互依赖，哪些是重复行政，哪些是报告，再把适合的部分交给 AI 或 agent。
这意味着，未来稀缺的是“专长型通才”：有一项特别强的能力，但也懂从创意、投放到数据的反馈链路。只会一个渠道的人仍能完成任务，却难以判断任务在整套系统里是否真的创造结果。边界也很清楚：这不要求人人会编程，但要求人人能说清自己的工作究竟如何运转。
被追问能否靠少数系统型人才建立团队时，Matt 没有把 AI 描绘成已经可直接采购的万能员工。他估计，达到他要求的系统化深度的候选人不足 1%。他早期用 Claude Code 时，模型经常出错，文案质量不高，流程也会断。他不是买了一套工具就得到结果，而是每天把实际工作喂进去、不断给反馈，才逐渐搭出可用系统。
"80% of our work is still manual, 20% is agents."（我们 80% 的工作仍是手工完成，只有 20% 由 agent 完成。） 他的押注是约三年后反过来：20% 是策略和思考，80% 的执行由 agent 完成。比如一家大公司的 influencer marketing 团队，今天可能需要 3 到 5 人，未来或许变成一个极强的人加一套 agent 系统。
这意味着，AI 原生团队短期首先是组织能力差距，不是软件采购清单。能领先的团队要能忍受早期错误，持续给系统反馈，并主动重构流程。现实的张力在于：agent 执行层还不成熟，而真正能搭建、维护这套系统的人又极其稀少，不能把愿景当成当前人力预算。
在快问快答里被问到最被低估的渠道时，Matt 选了 affiliate，也就是联盟分销。它和产品内推荐不同：推荐依赖现有用户；联盟分销面向的是还不是客户、却拥有网站、受众或内容分发能力的人。他们可以写评测、做视频、向自己的客户推荐产品，并按带来的收入持续分成。
"it is the highest ROI channel"（它是 ROI 最高的渠道。） 在 Wispr Flow 和 Victor，Matt 都把 affiliate 视为最高 ROI 渠道。Victor 每月约有 10% 到 15% 的获客来自联盟伙伴，并提供 10% 到 15% 的收入分成。按他的例子，一位伙伴带来一家每月支付 1 万美元的客户，若分成 15%，这位伙伴每月可拿 1,500 美元；有些联盟伙伴每月收入已到 2 万至 3 万美元。
这意味着，分发网络不必只从广告账户和现有用户里长出来。只要激励足够清晰，外部人会主动为产品创造内容、背书和线索。但账也得算清：产品客单价和毛利必须支撑长期分成。分得太少，伙伴没动力；分得太多，获客看似漂亮，单位经济模型却可能被掏空。
Matt 的主线不是“Meta 好还是 Google 好”，更不是“AI 能不能裁人”。从“分发而非功能才是护城河”，到“投放失败往往是归因系统让算法失明”，他讲的是同一件事：增长是一套可学习的分发系统，而不是一组孤立渠道。
产品先制造清晰的惊艳时刻，付费墙和推荐机制才有抓手；归因先把真实转化信号送回平台，预算实验才知道自己是否真的带来新增；创意供给持续更新，Meta 才能持续找到新人群；YouTube、Reddit、PR 和联盟伙伴，则让产品在自有官网之外被更多人验证。AI 会压缩执行人力，但它不会替你判断用户是否真喜欢产品，也不会自动修复一套错误的数据链路。
对正在做增长的人，最实际的问题或许不是“我该不该加一个渠道”，而是：你现在每花一笔钱，是否知道它带来了谁；每得到一个好素材，是否能复用其中的学习；每一次用户惊叹，是否被产品流程接住。若这些环节仍彼此断开，团队再大也只是更快地重复劳动。
