增长正在进入新范式

在 ByteDance、TikTok、Kuaishou、miHoYo 做了八年用户增长，我越来越认一件事：增长里最贵的一项支出不是买量预算，是每次有人离职就跟着蒸发的那部分组织经验。

最近有个细节让我停下来想了很久：Anthropic 的 growth marketing 连续十个月由一位非技术背景的运营独自扛。靠 Claude Code，一个人就把几乎全部增长执行做下来了。当然 Claude 自己的 product-led growth 引擎本来就够强，这要打个折。但即便打完折，全球增长最快的 AI 公司之一选择这样组织自己的增长职能，这件事本身就值得认真看待。

放在一年前，多数人会觉得这事不可信。但我一点都不意外——我们正在做让这件事成立的产品，每周都能看到新的证据。

我成长起来的黄金年代

八年前我在 Toutiao（ByteDance 的旗舰资讯 app）做增长策略。整个团队像装在 app 工厂里的流水线工人，在多条产品线之间冲刺，每周跑出几十个上线实验。数据自己拉，结果自己验，每天就围着两件事转。

一是搭一套中央化的增长平台——把买量、素材生产、push、邀请这些散落的能力抽成可复用的平台级工具和打法。二是当增长 Business Partner：嵌到 Toutiao、Xigua、Huoshan、TikTok 各条业务里把工具落下去，再把验证出来的经验反哺回平台。

讲起来简单，做起来一砖一瓦垒。归因一案一案核，反作弊逻辑不断迭代，实验速度持续往上抬。但那个年代结果也来得快：运营团队能稳定操盘每天数百万美元的预算，一套设计好的策略就能把 7 日或 14 日留存动几个百分点。等程序化工具成熟起来，「这个素材要不要放量、那个账户要不要关」这种决策，大部分就交给规则化逻辑去处理了。

有那么一段时间，我相信这就是增长的终局：聪明的人 + 好的系统 + 不停迭代。

带着这套信念，我从 Toutiao 到 TikTok，再到 Kuaishou，后来到 miHoYo 操盘 Genshin Impact 和 Honkai: Star Rail 的发行。产品在变，方法在边缘上微调，底层假设从没动摇过——找最好的人，给他们最好的工具，快速迭代，更快测试。

一个增长团队的天花板，永远由几位核心操盘手的判断力和耐力决定。这套模式我在不同产品和市场里跑了将近八年。

旧范式正在塌

往不同业务的深处走得越久，撞墙也越频繁。技术格局和流量结构都在变，上一代的方法在下一代问题面前直接失灵。

过去十年增长行业跑的是一套被广泛接受的剧本：招有经验的操盘手、相信他们的判断、靠海量实验找局部最优。谁最懂平台机制、谁创意嗅觉最准、谁对归因理解最深——谁就能跑出别人摸不到的 ROI。那时候平台还没聪明到把这些技能商品化，信息差也足够大，少数几个嗅觉敏锐的人光靠直觉就能拉出真正的竞争优势。

范式切换

Meta 的 Advantage+、Google 的 Performance Max、TikTok 的 GMV Max——这些产品都在做同一件事：把过去依赖人类经验的决策权收回去，折进平台算法里。预算分配、流量分发、人群定向——越来越多的杠杆是算法在拉，不再是人在拉。

这个过程我亲眼看过。早期我团队里手感好的投手能手动调定向、调出价、调素材组合，硬把同一条 Campaign 的表现拉出几倍。那种「手感」是真本事。但过去两三年里，投手给我的反馈变了：「放量越来越难，预算一加上去就跑飞，手动调整几乎没反应，算法要一到两周才学完，素材疲劳已经是常态。」

平台算法越成熟，留给人类操盘手影响结果的空间就被系统性地压缩。增长的竞争基础已经变了：以前比谁判断更准、谁手更快，现在比谁的系统更好、谁的反馈环更紧。

但绝大多数增长团队的组织方式还停在老坐标系上。

增长里最贵的隐性成本

八年下来，不管在 TikTok、Kuaishou 还是 miHoYo，每次做的事本质上是同一件：从零搭归因基础设施、素材生产链路、买量系统、A/B 测试框架。每次都要砸一大笔人头预算，每次也都攒下不同市场、不同品类下真实的操盘经验。

但回头看，几乎没有任何一份经验真正留在组织里。它们活在几个人的脑袋里。

分析师花几个月打磨出来的出价策略，在他离职那天就消失了。

买量团队踩坑总结出来的经验，接任的人要从零再踩一遍。表面上组织一直在投入资源，底下是无数公司在为同一类问题反复交学费。

这不是哪一家公司的管理失败，是这套运营模式本身的结构性缺陷。专业能力只要还存在人脑里，就永远没法真正被继承、复用、积累。

我以前也信完整的体系、详尽的文档、严谨的交接能解决这件事，后来发现错了。真正有价值的不是「当时做了什么」，是「在那个时刻为什么是那么做的判断」。这种判断没法在 SOP 里活下来。就算你写下来，等下个人去读，上下文也已经变了。

AI 改变的不是效率，是「干这件事的人是谁」

如果专业能力非得先从人脑里抽出来才能复用，那也许更根本的一步，是从一开始就别让执行依赖个人的专业能力。

过去一年 AI 工具铺天盖地。多数人问的是「AI 会不会取代我们」。我觉得这不是对的问题。真正在发生的事更微妙，也更结构性：在越来越多的场景里，「干活的那个执行体」正在从人切到 agent。这不是效率升级，是组织怎么运转这件事的结构性变化。

设想一个每月管八位数广告预算的增长团队。过去这要十几个人协作——投手盯账户、设计师产素材、分析师拉报表、策略负责人设计实验，再加外部代理协同。每天节奏极度重复：早上看数据、白天调 Campaign、晚上盯花费。循环往复。

回头看自己带这些团队的经历，真正需要人类判断的时刻其实少得惊人。大部分时间都被数据搬运、规则执行、手动重复吃掉了——然后等结果、复盘、进入下一轮循环。

新模型

同样规模的工作，现在可以由更精简的团队配一队 agent 来完成。Agent 拉数据、跑诊断、调预算、生成素材变体、执行测试，连续地跑，不再卡在人类带宽这个瓶颈上。人定目标、设护栏、处理边缘 case、在关键决策点校准判断——并且可以选择切到完全 Autopilot 模式。每个人不再是管几条 Campaign，而是在监督一个自主执行系统——单人能覆盖的工作量直接扩大了一个数量级。

未来的增长团队：调度，不是执行

在这套新模型里，增长团队的核心能力不再是执行速度，是 agent 编排。

编排具体长什么样？拿个场景：一家游戏公司想给新作品在北美打闪电战。老模型里，增长负责人开 kickoff 设目标，分析师建预算和回收模型，投手凭经验把预算切到各渠道各账户，所有人手动盯数据，每周开一次复盘。整个流程被几个核心操盘手的经验和手感卡着。

调度优先的组织做法完全不同。增长负责人把「闪电战」拆成 agent 可执行的任务结构：市场优先级逻辑、可接受的 CPI 区间、要覆盖的素材测试方向、什么条件触发加预算、什么信号表示该收。Agent 按这套规则跑。人只在异常信号和关键决策点上介入。

不用等周会——agent 实时盯表现数据和业务进展。这套能力之上，团队不再复盘「我们试了什么」，而是审计「决策链条里哪一段还能优化系统」。下一次进入相似市场，系统沉淀下来的学习就是新的起点。不再是某个人脑里的记忆，是系统里可迭代、可调用的资产。

下一代增长组织真正的护城河不是自动化执行，是可解释、可系统化的决策。

因为 agent 不接受含糊的指令。你必须把「手感」翻成显式逻辑。而这个翻译过程——把隐性的东西变成显性的过程——恰恰就是个人能力转成组织能力的方式。

一场正和博弈

增长只是入口。全球有几千万人在做 digital marketing 和增长，他们的时间被异常多地花在看仪表盘、调出价、换素材、盯异常上。这群人里很多有才华、受过良好教育、有创造力——但他们的智力和想象力被困在执行层很多年了。这是巨大的人力浪费。

与此同时，增长能力的分布也极度不均。大公司养着几百人的增长团队，沉淀了深厚的打法；五人创业公司什么都没有。当增长执行被 agent 系统化之后，好产品更容易被看见，竞争重新回到产品价值本身，而不是预算和人头。

再往前推一步：系统驱动的增长引擎跑在数据反馈环上而不是个人直觉上，本质上更精准。用户看到的内容更相关，广告主花的钱更少，平台生态更健康。这是个正和结果。

而如果增长这个领域能把「80% agent + 20% 人类判断」这套模式跑通，同样的范式会扩到一大片其他知识型工作上去。

我在做的事

创业前我花了很长时间想一个问题：能不能把我过去八年做过的每一个商业判断——每一个错误、每一个来之不易的洞察、每一个反馈环——存进一套能自主继续学习的系统里？如果那套系统能吸纳新信息，能自主迭代它自己的决策，那就是接近突破的事。它意味着组织记忆不再注定衰减。

以今天 foundation model 的能力，这扇窗已经打开了。

我在设计的产品不是把 AI 功能挂在传统工作流上。也不是一个你提示一下、给你点建议的更聪明的助手。它从底层就把 AI 当作一种可管理、可协作、可审计的执行单元——在真实业务环境里持续运行、从真实信号里学习、出问题了就迭代。

我们在回答的问题

一套 agentic 系统，能不能自主编排一条全漏斗的增长工作流——从诊断分析、策略制定，到素材开发、媒介投放、迭代优化——并且交付出比多数人为主导的团队更可靠、更稳定、更可解释的结果？

这件事一旦成立，人的时间和注意力会被重新放到真正重要的地方：理解用户、定义价值、做好产品。而不是拉数据、调出价、改文案、轮素材——这些 agent 会做得更好。

用户增长正在从一门劳动密集型的学科，过渡成一门和 agent 协作的学科。这不会一夜之间完成，但它正在发生，一个证据点一个证据点地发生。

---

GrowthGPT 是我们对这个问题的回答：当 agent 来执行的时候，增长长什么样？

这不是一个 AI 替代人的故事。这是一个最好的那批人不再被困在机器能做得更好的事情上、可能性会变得多大的故事。最先想清楚这件事的团队不只会更高效——他们玩的根本就是另一场游戏。