- On: 2026-08-06 13:21:53
- By: admin
1. 给Instagram创始人发冷邮件，拿到了一个不存在的岗位
"我是他唯一通过冷邮件招进来的PM。"
他是Claude的深度用户，使用过程中判断Anthropic明显缺一个增长团队。公司当时确实没有任何增长岗位在招，但Amol还是给Mike Krieger发了冷邮件。巧的是，Krieger内部恰好在考虑组建增长团队。
Amol是创业出身，冷邮件是他多年打磨出的技能。他的方法论几个要点：邮件标题决定打开率，他有一套高转化的写法但没有在播客里公开。关键一步是避开LinkedIn和工作邮箱，这两个渠道回复率天然偏低，找到对方的个人邮箱更有效。
正文极短，就三件事：我是谁、为什么我合适、我们聊聊。如果真的在意这件事，就持续跟进，直到对方明确说"请停止"。Krieger第一次就回了，但Amol说如果没收到回复，他会一直发下去。
主持人Lenny评价说，一个增长高手擅长冷邮件这件事本身就是一种面试：你能不能让我想读这封邮件？
2. 40人增长产品团队，和一个曾经只有1人的增长营销团队
Amol带的增长产品团队约40人，由工程师、设计师、PM和数据分析师组成。结构分两层：横向是增长平台和商业化团队，负责跨产品的通用增长问题，比如定价、免费转付费、跨产品的激活流程；纵向是按受众划分的增长小组，包括B2B增长、Claude Code增长、知识工作者增长、API增长等。
这种混合结构的考量是产品线太多。如果只按漏斗阶段分团队（获客、激活、变现），不同产品的用户群和内部协作对象差异太大，会失焦。比如Claude Code增长团队需要和Boris、Kat等Claude Code核心团队紧密配合，这个协作关系在纯漏斗结构下很难维持。
增长产品改产品本身来让用户留下来、付更多钱；增长营销花钱买流量把人带进来。这是两支不同的队伍。
2026年3月，一条推文引爆了科技圈：Anthropic整个增长营销团队曾经只有一个人，而且干了10个月。这个人叫Austin Lau，没有任何技术背景，加入时连终端怎么打开都要搜索。Claude Code发布后，他用一周时间自学搭建了两套工作流：一个Figma插件，点一下就能批量生成广告素材变体；一套Google Ads文案流程，通过自定义斜杠命令自动生成符合品牌调性和字数限制的广告文案，导出可直接上传的CSV文件。单条广告的制作时间从30分钟降到30秒，创意产出量提升了10倍。
Amol在播客里也提到了这个梗。他说外界看到的"一个人搞定所有增长"是夸大了，但Anthropic确实在践行自己宣扬的理念： 用自家的AI工具把人均产出拉到极限。
3. "成功带来的灾难"：70%的时间在救火
Amol说这是他职业生涯中最难的工作，比创业和投行都难。
他用了一个说法叫 success disasters：增长太快导致其他环节崩溃。所有图表都是绿色的、一路向上的，但团队的情绪可以非常紧绷，因为获客、激活、变现每个环节都在同时着火。他估计自己70%的时间花在这种救火上，只有30%用于主动型增长工作：决定对哪些产品集中投入资源，规划长期的定价和打包方案，以及为新产品确定增长团队什么时候该介入。
"你需要退一步提醒自己，我们能有这些问题其实是幸运的。" 他说。但这并不让工作本身变得更轻松。在一家每周营收都在刷新纪录的公司，"紧迫感"这个词的含义和其他地方完全不同。
4. 模型快到AGI了，用户还在问天气
Amol提出了一个他认为全行业最大的产品问题： capability overhang，模型能力的提升速度远超产品侧把能力传递给用户的速度。
即便是Anthropic内部，新模型发布时员工也要刻意腾出时间去搞清楚"这个模型能做什么、我之前的认知哪些需要更新"。放到普通用户身上，这个问题被放大了无数倍。你可能拥有一个接近AGI水平的模型，但用户的第一反应还是问"旧金山今天天气怎么样"。
更棘手的是节奏问题。增长团队花时间测试完一个模型的最佳引导路径、跑完实验、拿到结论、上线新流程，这时候下一个模型已经发布了，新模型解锁了新的能力，之前所有的测试结论可能全部作废。传统增长团队面对的是一个相对稳定的产品，AI增长团队面对的是一个底层每隔几个月就会发生质变的产品。
这也是为什么Amol认为激活是AI产品增长中杠杆最高的环节。在传统产品里，激活优化是重要但有限的。 在AI产品里，激活优化的价值随模型能力指数级放大，因为每一代模型都带来新的"如果用户知道怎么用就会被惊艳"的能力，而大多数用户根本不知道这些能力存在。
5. 注册流程越长，转化反而越高
做增长的人最常见的直觉是：砍掉一切多余步骤，让用户最快进入产品。Amol说这个直觉在大多数时候是错的。
用户被快速扔进产品之后，不知道这个产品和自己有什么关系。Claude能做的事太多了，如果用户打开就是一个空白对话框，他大概率会问一个无聊的问题，得到一个普通的回答，然后流失。
Amol在Mercury、MasterClass和Anthropic三家公司都验证了同一件事：在注册流程里多问用户几个问题，搞清楚他是谁、他想做什么，然后把匹配的功能或内容推给他。这个多出来的步骤看起来在拖慢用户进入产品的速度，但实际效果是转化率和留存都上升了。
MasterClass的购买流程里有一个问答环节，问你"来这里想学什么"。很多人第一反应是：我来买东西，为什么要做问卷？但这个环节经过彻底测试，是显著的收入驱动因素，因为用户觉得"这个产品理解我"。Mercury也一样，Amol带团队花了整整一个季度只做银行开户流程的体验优化，不追任何增长指标，结果这成了他加入Anthropic之前影响力最大的一个季度。Anthropic的注册流程会询问用户的身份和兴趣领域，外面的人看了会说"太长了"，但数据让团队满意。
Amol的框架里，摩擦分两种： annoying friction，纯粹浪费用户时间、不增加任何价值的步骤，砍掉；right friction，帮产品认识用户、让用户觉得"这是给我用的"的步骤，大胆加上去。而且注册时收集到的用户信息不只在激活阶段有用，还能喂给下游的lifecycle营销和广告投放做相似人群定向，"it's a juice that just keeps on giving"。
Anthropic还推出了从ChatGPT导入记忆的功能，让新用户不用从零开始教Claude认识自己。Amol说这是冷启动问题的一个时间窗口产物，恰好赶上了一波用户对Anthropic的热情。
6. "线性图表在公司内部已经不酷了"
2024年底，Amol入职第二周，团队就进入了2025年营收规划。当时ARR约10亿美元。Dario Amodei直接推了一个所有人都觉得疯狂的激进目标，团队的反应是"how the hell are we going to hit that"，然后Dario说他觉得还可以更高。Amol刚入职，心想这地方疯了。结果2025年全年营收做到了约100亿美元，10倍增长，激进目标不但达到了，还被超过了。
一般的增长团队会把60%-70%的精力放在中小型优化上，20%-30%放在大动作上。Anthropic把这个比例翻转了。 至少50:50甚至70:30倾向大赌注。
这背后是Anthropic对指数增长的信仰。 传统产品（比如一个外卖App）两年后的产品价值可能比今天高30%-50%，增长团队通过中小型优化就能捕获这个增量的可观比例。 但Anthropic的产品价值由AI驱动，两年后可能是今天的100倍到1000倍。在这么大的价值增量面前，小优化能捕获的比例微不足道，必须把筹码压在能抓住大机会的大赌注上。
"我们内部线性图表根本不酷。没人看线性图表。所有东西都要看对数线性坐标。"
一个具体案例：现在支撑Cowork和Claude Code多个使用场景的Chrome扩展，最初就是增长团队内部一个工程师非常看好、主动推动的项目。当时没有其他团队在做，增长团队决定自己上。Amol说这种"增长团队孵化产品级项目"的操作，在传统公司他不会做，在Anthropic变成了常态。
他补充了一个重要限定：这种策略适用于产品核心价值由AI驱动的公司，比如Lovable、Cursor这类AI原生产品。如果AI只是产品的辅助功能而非核心，不一定要这样操作。
7. CASH：让Claude自动跑增长实验
增长平台团队在推进一个内部项目，名字叫 CASH（Claude Accelerates Sustainable Hypergrowth）。Amol说名字不是他起的，"有点尴尬"。项目由在线增长课程平台Reforge教增长工程课的Alex Kamysuroka主导，几个月前才启动。
目前CASH主要处理的是文案变更和小幅UI调整，已经在产生实际收益。Amol的评价是：胜率大致相当于一个工作两三年的初级PM，还达不到资深PM的水平。 但几个月前这件事根本不可能， Opus 4.5之前效果不行，到了Opus 4.6才开始看到方向对了。
现阶段还有人工审批环节。Amol特别在意品牌一致性，不想让自动化系统发布有损品牌的东西。但随着品牌准则可以写成skill、模型理解能力在提升，他认为人工审核的需求会大幅减少。如果实验结果不理想，也可以随时回滚。
他特意补充了CASH流程里没写进去的"第五环节"：跨部门协调。法务、安全、品牌等利益相关方的对齐工作目前仍然需要人脑。他认为这是PM角色在短期内不会消失的核心原因，直到其他利益相关方自己也变成agent在自动运转。
Anthropic设计负责人Joel跟他说过一句话："We will have AGI and it will still be impossible to get six people in a room to get aligned." 即便实现了AGI，让六个人在一个房间里达成一致仍然是不可能的。Amol说他觉得这个判断是对的。
8. 有产品思维的工程师是这个时代的"独角兽"
一个标准的5人工程师+1设计师+1 PM配置，用了Claude Code之后，工程师的产出相当于原来的2到3倍。PM和设计师也有提升，但幅度不如工程师。结果是这个小团队的实际产出相当于旧世界15到20个工程师配1.5到2个PM和1.5到2个设计师。PM和设计师明显被挤压了。
Anthropic内部也在感受这个压力。Amol说他们最近开了一次PM leader offsite，所有人都在讨论同一个问题： PM和设计被挤压得透不过气。工程师产出翻了倍，PM和设计的人数没跟上，每个PM相当于在管一个比以前大两到三倍的工程团队。
Anthropic增长团队的应对是一条两周规则： 如果一个项目的工程工作量在两周以内，工程师负责自己当PM，包括跟法务、安全、跨部门利益相关方沟通，PM只做顾问。超过两周的项目，PM才正式上阵。这不是死规则，如果一周的项目但政治敏感度极高，PM还是要介入。具体执行中，小变更直接在Slack上来回讨论，连文档都不写。大项目做一个跨部门启动会，30分钟搞清楚各方在意什么。
Amol特别强调： 产品思维强的工程师在这个时代是absolute unicorn。 公司放走你的概率急剧下降，因为你能在PM缺位时撑起整个项目的产品判断。同样的逻辑反过来也成立：如果一个PM同时能做设计，价值也在陡增。跨学科能力在AI时代的溢价比过去任何时候都高。
他举了Anthropic内部的例子：做金融服务产品（Claude for Sheets、Claude for Excel）的PM Nick Lynn从投行和私募出身，对金融领域的直觉理解让他拥有别人无法复制的竞争优势。
关于PM到底该不该自己写代码，Amol的观点有些反直觉。在小公司或资源紧张时，PM确实需要动手。但如果团队有20个工程师在高速产出，PM最高杠杆的事不是自己写代码做第21个功能，而是把团队在"做什么"和"为什么做"上的判断力提升5%。 这5%乘以20个工程师的产出，远大于你自己写一个功能的价值。
Amol说他60%-80%的交付没有PRD。大部分情况下团队直接行动，或者他在会议前5分钟用Cowork快速生成一个基础文档来讨论。只有20%-30%的重要项目才需要认真写文档。他越来越倾向于直接原型化，用实物代替讨论。
9. 每天早上Claude帮他看25个图表，每周让Claude假扮老板给自己提反馈
Amol设置了Cowork的定时任务，每天早上自动查看20多个数据分析平台Hex的仪表盘，通过Chrome扩展和MCP完成数据读取，然后给出摘要：哪些指标需要关注、哪个有异常、哪个有有趣的洞察。他自己还是会手动看几个最核心的图表，但中长尾的指标交给Claude来监控。随着误报率和漏报率持续下降，他对这个自动化流程的信心在增加。
他认为这离"策略bot"已经不远了：一个agent持续监控指标、市场动态和产品路线图，然后主动提出建议。他的判断是2026年下半年就能达到相当有效的水平。
他每周还让Claude假扮自己的上级给自己提反馈。 他的上级Ami Vora公开发表过大量产品管理文章，他让Claude基于Ami的公开写作、内部Slack发言和他们之间的讨论记录，以Ami的视角评估自己本周的工作。他形容这像是"跟一个偶尔喝多了的教练合作"，有时候提出的反馈让人眼前一亮，有时候说的明显无关，但总体值得持续投入。
他还设了一个每周自动运行的Cowork任务，通过Slack MCP扫描项目相关频道，找潜在的对齐偏差。企业团队负责人Scott通过这个方法发现过重大的方向冲突，避免了团队在重叠工作上浪费时间。日常行政也全部交给Cowork：订会议室、邮件初步分类、在Brex和Benpass上提交报销。
10. 聚焦编程的飞轮：五年前的一份文档
联合创始人Ben Mann在2021年写过一份文档，讲"为什么我们应该聚焦AI编程"。那是任何人都还不知道这个赛道有多大的时候。
这个聚焦有双重逻辑。一是商业层面的市场规模判断，二是Amol所说的研究加速飞轮：最好的编程模型能加速研究人员的工作，加速研究循环，从而产出更好的模型，形成正向循环。Dario Amodei说过，Anthropic的工程师中已经有人"不再自己写代码了，让模型写，自己只做编辑"。如果编程模型越好，研究员产出越高，研究员产出越高，下一代模型越强，那么在编程上投入的每一分资源都有双重回报。CEO在公开场合多次讲过这个逻辑。
聚焦也是约束下的必然选择。Anthropic早期是这个领域里最小、资金最少的玩家，没有Meta和Google的自由现金流和分发能力，没有OpenAI的先发优势。"在很多方面，我们能走到今天这步简直是一个奇迹。" 在这种约束下，即使面对一项通用性极强的技术，也必须选择极窄的切入点来达到自我增长的临界点。
Amol还提到，Anthropic在ChatGPT发布之前就已经有了自己的chatbot产品，但因为安全顾虑选择不发布。ChatGPT的爆发和随后的消费者优势，反而把Anthropic推向了B2B和编程这条更窄但更深的路径。某种意义上，那个安全决策和后来的商业聚焦之间存在因果关系。
11. 安全不只是价值观，也是竞争优势
Anthropic从注册那天起就选择了公益公司（Public Benefit Corporation）而非标准的特拉华C型公司。这意味着在法律层面，公司没有义务以股东价值最大化为首要目标，可以为公共利益做出取舍。
Amol说他加入前对此持半信半疑的态度，不确定这到底是真的还是公关话术。入职后很快发现，内部对安全的重视程度比对外表达的还要强。 他多次看到公司愿意为安全承受显著的商业损失。
他把争议性的增长实验分成两类。第一类是无论结果如何都不应该上线的，触碰品牌、价值观或用户信任的红线，AI安全相关的测试属于这一类，直接否决。第二类是"我不喜欢但不至于踩红线"的，可以跑测试，但如果不适感偏高，就需要看到同等量级的回报才值得上线。
"增长团队必须舒服地接受桌上还有钱没拿这件事。" 他说这是增长团队的底层原则。短期让利换长期信任，是所有最好的产品最终都会采取的路径。他还提出了一个判断：随着AI风险越来越高、利害关系越来越大，Anthropic在安全上的坚持最终会成为一项显著的竞争优势。
12. Notebook Channel和一种让文化可扩展的机制
Amol说这个机制有两个作用。第一个是透明度：Dario在全员会上说了什么有争议的话，人们可以直接到他的notebook channel公开表达不同意见，引发辩论，这是被鼓励的。第二个是信念的可扩展性。当组织快速扩张、新人大量涌入时，靠开会来传达原则和行为标准效率太低。但如果你在notebook channel里写了一篇"为什么要舒服地把钱留在桌上"，所有新加入的增长工程师都能看到。
这些notebook channel里的内容同时也在成为Claude的上下文。HR团队在某些关键文档上标注了"编辑前请先联系对应负责人，因为这是Claude引用的核心参考文档"。组织知识的文字化正在从"方便人类检索"变成"让AI能用"。
Amol还提到Anthropic对SaaS工具的使用：Figma、Slack、Workday，这些产品他们用得都很重，短期内不会替换。在最前沿的AI公司里，这些工具仍然在发挥作用。他认为"SaaS全部会被vibe code取代"的说法被夸大了。
13. 创业失败、脑损伤，和"约束带来的自由"
Amol的职业路径远没有现在看起来那么顺畅。他曾经创办了一家心理健康领域的公司Ensu，花了三年时间、融了几百万美元、最多有七到十名员工，最终关闭。他说给投资人打电话说"钱亏了、事没成"是他经历过最痛苦的事情之一。但正是创业阶段逼他学会了冷邮件、产品开发、用户获取等技能，没有那段经历，后来的职业路径走不通。
2022年初，他在一次泰拳训练中遭受了严重的脑损伤。之后9个月无法工作，前几个月甚至无法自己洗澡、发短信，听20秒音乐就想吐，完全不能看屏幕。恢复过程极其缓慢，需要一点点增加对各种刺激的耐受度。他一度不确定自己是否还能重返工作。
2023年中，他在Lenny的newsletter上发表了一篇关于这段经历的客座文章。一个月后，脑损伤复发了。下飞机时一个行李碰了他的头，因为前一次伤还没有完全恢复，又触发了新的症状。当时他刚加入Mercury一个月，不得不请假两个月。
他说到现在仍然没有100%恢复，偶尔还会有眩晕和头痛。但他把这些约束转化成了习惯：不喝酒、不喝咖啡、每天固定休息、坚持冥想。即使在Anthropic最忙的日子，模型发布之类的关键节点，他也会在上午和下午各抽一小段时间去办公室的冥想区。
"True freedom in life is learning how to be content when you don't get what you want." 他引用了一位冥想老师的话。真正的自由是学会在得不到想要的东西时依然满足。他说这个体悟来自脑损伤最严重的时候： 你可以做所有能做的事（调整饮食、坚持康复训练、寻求最好的治疗），但如果恢复没有如预期般发生，你有两个选择，和现实对抗并痛苦，或者接受现状并在接受中找到平衡。
他说Anthropic的强度极高，保持一个平稳的心态是在这种环境下存活的基础设施。 "It's funny how constraints can bring freedom," 他说。约束带来自由。创业失败让他学会了技能，脑损伤逼他养成了健康的习惯，两件看起来糟糕的事最终都成了他现在能力的一部分。
· FIN ·
科技行者团队出品
苹果50年进化史，为何它仍是科技史上最特别的公司之一？
大家都在追模型，思科为什么反复谈AI基础设施？
返回搜狐，查看更多