SaaStr AI 峰会精华讲义
编者按： 本讲义分为两部分。第一部分是 Personio CRO 关于如何从内部构建 AI 驱动型 GTM 团队的实操手册；第二部分是 Jason Lemkin 关于 2025-2026 年 SaaS 市场资本与增长逻辑的宏观洞察。
第一部分：AI 驱动的 GTM 实战手册 (Philip Lacor)
从“AI 激增周”的一次性实验，到 90% 团队成员每周使用 AI 的常态化运营，Personio 总结了构建 AI 原生 GTM 组织的五个关键教训与四个核心场景。
一、 转型期的五个关键教训
1. 从“自下而上”到“自上而下”的领导力跃迁
- 现状： 许多公司停留在“自下而上”的实验阶段（如黑客松、给员工账号）。
- 痛点： 仅靠基层热情无法实现真正的业务转型。
- 对策： 必须介入自上而下的领导力。涉及资源重新分配、工作流重塑以及预算审批，这些都需要高层决策才能推动 AI 从实验走向规模化。
2. 跨职能协作是核心引擎
- 误区： 单独的数据团队不懂业务上下文，单独的业务团队不懂技术边界。
- 架构： 建立“AI 驱动 GTM 工作组”。
- 成员构成： 数据与系统团队（负责基础设施/Snowflake） + 业务侧（市场/销售/客户成功） + RevOps（作为桥梁）。
- 新角色： 引入“GTM 工程师”（兼具商业背景与技术能力）。
3. 基于框架的无情优先级排序
- 挑战： 创意过多，导致资源分散，初期项目烂尾。
- 两大排序框架：
- 待办任务 (JTBD)： 深入观察员工具体工作。例如：客户经理每天在 7-8 个系统间切换，浪费 3 小时。这就是 AI 的切入点。
- 客户旅程映射： 将所有 AI 构想映射到“获客-转化-留存”的全链条中，识别业务增长的瓶颈点（如 Intent 识别或 Win/Loss 分析）。
4. 构建 AI 文化：引领、展示与庆祝
- 核心特质： 好奇心是 AI 时代人才的第一特质。
- 文化落地：
- 以身作则： 领导层需亲自使用工具并在会议中演示。
- 分享与激励： 让一线员工上台分享他们开发的 AI Agent（如 RFP 助手）。
- 实质奖励： 在“总裁俱乐部”中为最佳 AI 贡献者预留席位。
5. 优质 AI = 技术栈 + 业务上下文
- 公式： 强大的 AI 不仅来自 LLM，更来自 [你的数据] + [你的上下文]。
- 前期投入： 在应用 AI 前，必须进行枯燥的数据清理工作（如 Salesforce 去重、整合外部数据源）。
- 上下文注入： 将 ICP 定义、销售话术本 (Playbooks)、产品文档等专有知识注入模型，使其从“通用智能”变为“懂你业务的专家”。
二、 四个高价值落地场景 (Use Cases)
场景 1：AI 驱动的客户情报 (Win/Loss Analysis)
- 痛点： 销售填写的 CRM 数据质量差（30% 归因为“其他”），缺乏深度。
- 方案： 将 Gong 通话记录、邮件、Salesforce 数据导入 Snowflake，构建专门的 GTM GPT。
- 成果： 自动生成高置信度的输赢分析，并动态更新竞争对手情报（Battlecards），丰富度提升 10-15%。
场景 2：拓展型 SDR 研究助手 (Expansion SDR)
- 痛点： 针对存量客户的交叉销售，SDR 每天需花 2 小时在多个系统查找账户健康度、合同信息等。
- 方案： 在 Salesforce 内嵌 AI 助手，一键生成账户摘要和行动建议。
- 成果： 研究时间从 2 小时/天缩减至 15 分钟，人均管道产出 (Pipeline) 翻倍。
场景 3：实时意图信号 (Intent Signals)
- 逻辑： 传统的静态 ICP 已不足够，需要结合动态意图。
- 实施： 综合网站访问、前员工动向、G2 评分等信号，构建动态评分模型。
- 应用： 在 CRM 中直接展示“火焰”标记，指示哪些账户此刻最值得跟进。
场景 4：全天候 AI 聊天机器人 (AI Chat / SDR)
- 洞察： 客户在周五晚上 11 点也会请求 Demo，速度就是一切。
- 方案： 部署 AI Chat (Nia) 处理入站流量，直接预约会议。
- 挑战与迭代： AI 可能会产生幻觉（如提供法律建议或攻击竞对）。需要指派专人（如 SDR Lead）每日审查对话日志，像培训新员工一样持续微调 AI 的规则与护栏。
第二部分：寻找顺风 —— 2025/2026 SaaS 市场生存指南 (Jason Lemkin)
我们正处于一个“悖论”时期：某些事情变得前所未有的容易（如利用 AI 快速扩张），而另一些事情则变得前所未有的困难（如融资与传统 SaaS 增长）。
一、 市场的残酷真相：高度集中化
1. 资本回归，但仅流向头部
- 数据： 2025 年的风投总金额预计将回到 2021 年的高位。
- 悖论： 资金总量巨大，但交易数量极少。50% 的资金流向了仅 4 笔交易（OpenAI, Anthropic 等）。
- 启示： 不要指望你的传统 SaaS 仅仅因为“还可以”就能融到资。如果你不是那极少数的 AI 领跑者，融资环境依然是地狱模式。
2. IPO 市场的沉寂与估值分化
- 现状： IPO 并没有如预期般爆发。即使是像 Figma 这样的明星公司，估值也面临压力。
- 估值大分流：
- 高增长组 (>30%): 依然享受高倍数（20x+ ARR），如 Palantir。
- 中低增长组 (<20%): 估值被残酷压缩（2x-5x ARR）。即使盈利，如果增长停滞，依然会被市场抛弃（如 PagerDuty）。
二、 预算争夺战：偷还是被偷？
1. IT 支出再加速
- 利好： Gartner 预测 2026 年软件支出将增长 15%，达到万亿级规模。这是历史性的顺风。
- 陷阱： 这 15% 的增长中，9% 是现有厂商的涨价，剩下的大部分是新的 AI 预算。
- 结论： 并没有留给“传统非 AI 软件”的增量预算。你必须从涨价的巨头口中，或者从必须采购的 AI 预算中“偷”来你的份额。
2. 伪 AI 功能不计分
- 现状： 所有传统 SaaS 都在加“AI Copilot”或“AI 总结”，但这只是让产品“好一点点”。
- 残酷现实： 客户不会为了一个平庸的 Copilot 多付 20% 的钱。那是必需品 (Table Stakes)，不是增长点。
三、 真正的机会：TAM 扩张与替代人类
1. AI 的三个价值层级
- Level 1：让产品更好用（不值钱） —— 大多数 SaaS 停留在此。
- Level 2：大幅提升生产力（值钱） —— 如 Cursor、Gamma。它们不仅仅是工具，而是包含了所有开源代码/模板的超级工具，能让一人顶十人。
- Level 3：直接替代人类/增强人类（最值钱） —— 如 AI 客服、AI SDR、AI 律师。
2. 这里的 TAM (潜在市场规模) 变了
- 案例： 传统的 Jira 每个席位 $5-$10。现在的 AI 编程工具 (Cursor) 每个席位 $400-$5000。
- 逻辑： 当你的软件能替代昂贵的人力成本时，你可以索取以往 SaaS 无法想象的高价。这就是为什么有些 AI 初创公司能在此刻以惊人速度冲向 1 亿美金 ARR。
四、 结语：这不是演习
如果你没有在 2024 年重新加速增长，你拿到的是“D”的成绩单。但如果你在 2025 年依然没有推出真正的、代理式的 (Agentic)、能替代人力或大幅扩张 TAM 的 AI 产品，你将被淘汰。
这不是为了赶时髦，而是为了生存。你的竞争对手（无论是反应过来的巨头，还是新生的 AI 原生公司）正在用 AI 重写规则。去找到你的顺风，不要对抗逆风。
评论
发表评论