AI · MM · 444
AI优先增长大赌注
AI First Growth Bigger Bets · ai-first-growth-bigger-bets--amol-avasare
所属簇 AI 时代增长与分发
解决什么问题
AI-first 产品的增长团队如何在"小优化"与"大赌注"之间分配资源——以及为什么传统增长的资源配比在指数环境下是错的。
核心内容
- 传统配比：增长团队通常 60-70% 时间做小/中型实验，20-30% 做大 swing。理由：普通产品两年后的用户价值大约只增长 30-50%，小优化以高确定性捕获其中可观比例，是理性选择。
- AI-first 配比：翻转为 50/50 甚至 30/70 偏向大赌注。理由是指数逻辑：模型能力指数增长 + 工具把能力扩散成用例，会不断解锁"价值远超上一个市场"的新市场（agentic coding 一年半前不存在，如今其价值已超过之前整个 AI coding 市场）。产品两年后的价值可能是今天的 100-1000 倍，此时微优化捕获的相对价值太小——"don't miss the forest for the trees"。
- 小优化仍要做：复利不可忽略，而且有些事没人做就得增长团队做；变的是配比，不是取消。
- 案例：Anthropic 增长团队自己立项做了 Chrome extension——一个研究密集型产品，后来成为 Cowork 和 Claude Code 多个用例的底座。作者明说"这种事我在其他公司不会做"。
- 文化注脚：内部一切图表看 log-linear，"linear charts are just not cool"——组织默认用指数视角看业务。
适用边界
- 仅当 AI 是产品核心价值来源（Lovable、Cursor 一类）才成立；如果 AI 只是产品边缘 feature，作者明确表示不会这样操作，仍按传统方式并结合产品组织的编制来定。
- 即便在 Anthropic，规模巨大后 1% 的优化绝对值仍然很大，翻转配比是主动选择而非小优化无效。
关键引述 · 原话
"The product value that we will deliver in two years' time is probably a 100 to a 1,000x what it is today." — Amol Avasare
"Linear charts are just not cool. No one cares about linear charts. Everything is log linear." — Amol Avasare
关联卡片
- 指数思维是 Anthropic 多个决策（安全叙事、coding 押注）的共同底层。 - 与 ai-activation-good-friction 卡形成互补：大赌注找新市场，激活优化消化 capability overhang。
被这些卡引用
出处：Amol Avasare (Anthropic Head of Growth) · 03-podcasts/amol-avasare.md
提炼自 Lenny Rachitsky 的 Lenny’s Newsletter & Podcast（2019–2026）。本站为个人学习用途的二次创作，与 Lenny’s Newsletter 无官方关联。
provenance · 已核验 · glm-5.2
提炼自 Lenny Rachitsky 的 Lenny’s Newsletter & Podcast（2019–2026）。本站为个人学习用途的二次创作，与 Lenny’s Newsletter 无官方关联。
provenance · 已核验 · glm-5.2