最近开始在 YouTube 上 follow 一个我挺喜欢的播客，叫 Lenny’s Podcast。

前几天我看了一期他采访前 OpenAI 前营销负责人 Krithika Shankarraman 的视频。原本以为会听到很多关于 OpenAI 怎么做营销、ChatGPT 为什么增长这么快的答案，

但看完之后，我反而记住了另外一些东西。

作为一个做营销的人，我会觉得这场访谈特别值得写下来。因为它讲的不是“你应该抄谁的打法”，而是营销这件事，很多时候到底应该先想清楚什么。

这场访谈表面上是在聊 OpenAI、Stripe、Retool 这些公司背后的营销经验，但核心其实是在讨论几件更本质的事：

第一，营销不是给好产品“贴海报”，而是帮助用户理解产品价值、使用场景和差异化；

第二，不存在通用 playbook，营销策略必须基于公司阶段、产品特性、竞争环境和用户认知来诊断；

第三，AI 会放大营销人的能力，但不能替代对用户、产品与语境的深度理解。

看完以后，我自己留下最深的，是下面这几个判断。

AI 产品的营销核心，不再只是“让人知道”，而是“让人知道怎么用”

Lenny 在开头提了一个特别好的问题：“ChatGPT 已经是历史上增长最快的产品之一了，这样的产品为什么还需要营销？”

这个问题本身就很有意思，因为它对应的是很多人对营销的一个默认理解：好产品自己会说话，营销只是锦上添花。

但 Krithika 的回答非常精准。她说，ChatGPT 面临的问题从来不是 awareness，大家都已经知道它了。真正的问题更深一层：很多人并不知道它到底该拿来做什么。也就是说，用户知道 ChatGPT 的存在，但并不一定知道：

- 它具体适合哪些任务；

- 它替代的是什么；

- 什么时候该用搜索，什么时候该用 ChatGPT；

- 它到底能怎么进入自己的工作和生活。

这一点我特别有共鸣。

因为这其实不只是 ChatGPT 的问题，而是很多 AI 产品都在面对的问题。AI 产品很容易在“看起来很厉害”这件事上获得关注，但关注不等于使用，知道也不等于会用。从营销的角度看，这背后其实是一个很重要的转变：

AI 产品的营销重点，可能不再只是让更多人知道你，而是让更多人产生“原来它还能这样用”的时刻。

我自己会把它理解成一种“使用场景教育”。很多产品并不缺曝光，真正缺的是用户脑子里没有形成那个连接：

“这东西，跟我的具体问题到底有什么关系？”

而一旦这个连接没有建立，再高的认知度，也很难真正转化成使用、留存，甚至付费。

营销在这里的角色，不是替产品制造神话，而是帮用户完成理解。

营销的第一职责不是放大，而是诊断

访谈里还有一个我印象很深的问题，大意是：如果大家不应该照抄 OpenAI、Stripe、Retool 这些公司的打法，那营销到底应该怎么做？

Krithika 给了一个很清楚的框架，叫 DATE：

- Diagnose 诊断

- Analyze 分析

- Take a different path 采取不同的策略

- Experiment 体验

但对我来说，这里面最重要的是第一步：Diagnose。

她举了一个很典型的例子。很多创始人会说：“我们现在需要一个 demand gen leader。” 但她不会马上接受这个前提，而是先去看漏斗。如果顶部已经有很多人进来了，但销售转化很弱，那问题可能根本不在获客，而在定位、差异化，甚至产品市场匹配本身。

这一点真的很像很多营销工作里的真实处境。

大家很容易把“增长”理解成“去做更多动作”：多投一点；多发一点；多做几个渠道；多跑几个 campaign。

但很多时候，真正的问题根本不是没放大，而是你在放大一个还没想清楚的东西。所以我特别认同她那句：营销的第一职责不是放大，而是诊断。这个判断其实会让人冷静很多。

因为它提醒你，营销不是永远都在往前冲，有时候更重要的是先停下来问几个问题：

- 我们现在的问题到底是什么？

- 是没人知道，还是知道了也不理解？

- 是转化不行，还是压根没有形成差异化认知？

- 是需求不足，还是承接和表达出了问题？

我觉得这也是为什么很多所谓的“成功打法”很难复制。不是因为动作本身有多复杂，而是因为大家面对的压根不是同一个问题。

这场访谈让我重新意识到，营销里最怕的不是没有动作，而是一开始就把题目做错了。

“营销指标”必须语“业务阶段”匹配

Lenny 还问到了一个特别现实的问题：你前面提到很多营销指标其实都是 vanity metrics，那营销人到底该看什么？

Krithika 的回答很直接。“如果你是 self-serve 或 PLG 模式，就看 signups 和 activation；如果你是 B2B 模式，就看 qualified leads、pipeline、opportunities、revenue。至于 clicks、views、impressions 这些表层互动指标，如果最后没有推动业务，本质上就不能算成功。”

这一段我会觉得特别适合所有做增长和内容的人反复看。因为现在太多工作都会被“看起来有反馈”这件事带偏。一个内容发出去，有阅读、有点赞、有转发，当然不是坏事；一个 campaign 有点击、有曝光，也不代表没有意义。

但问题在于，这些指标是不是你这个阶段最该看的指标。这件事很容易被忽略。因为同样是营销，不同公司阶段、不同业务模式、不同目标下，真正重要的数据完全不一样。

- 有的阶段要解决的是激活；

- 有的阶段要解决的是线索质量；

- 有的阶段要解决的是 pipeline；

- 有的阶段可能甚至要解决的是“客户到底有没有听懂你在卖什么”。

所以比起讨论“哪个指标更高级”，我更认同她这里的判断：营销指标必须和业务阶段对齐。不然你很容易把很多局部反馈，当成整体进展。这可能也是营销工作里最反直觉的一件事：

有些数据明明很好看，但你心里知道，那不是现在最重要的那一个。

AI 会抬高“综合型营销人才”的价值

访谈后半段有一部分在聊 AI 对营销能力的影响，我觉得也很有启发。

Lenny 问到，现在营销人需要掌握的东西越来越多，AI 会不会让这件事变得更容易一点？

Krithika 的回答是，会，而且是双向的。

一个很强的品牌营销人，可以借助 ChatGPT 变得更具分析能力；

一个本来更偏分析型的人，也可以借助 AI 做 brainstorming，变得更有创意。

她还提到一个很有意思的概念：今天的营销负责人，可能不只是传统意义上的 T-shaped，而更像一个更综合的角色，甚至更接近她说的那种“变色龙型”能力结构。

我对这个判断的理解是：AI 不只是提高效率，它也在重新分配营销岗位里的能力结构。

以前很多能力之间的门槛是分开的。会写的人不一定会看数据，会看数据的人不一定会做表达，会策略的人不一定能下场做内容。但 AI 出现之后，一部分能力鸿沟确实被缩短了。所以接下来更值钱的人，可能不是某一个单点特别强的人，而是那种能够在不同维度之间切换、整合、做判断的人。

说得更直接一点：

AI 会补工具层的短板，但不会替你完成判断。而营销这件事，到最后拼的恰恰是：

- 你能不能看懂业务问题；

- 你能不能理解用户语言；

- 你能不能把产品价值说对；

- 你能不能判断什么值得做，什么不值得做。

所以我会觉得，AI 时代并没有让营销人的价值变低，反而让“综合能力 + 判断力”变得更稀缺了。

最后，给出Krithika Shankarraman在视频中值得被反复品味的一些金句。

引用：

原版 - Lenny's Podcast：https://youtu.be/QaDsk4iH1aw?si=wu6SX2PrOj21T8cR

视频适合观看的人群包括：创业者、产品负责人、增长负责人、B2B 营销人、AI 产品从业者，以及正在思考“产品和市场如何协同”的团队。