如何在产品中发现隐藏的增长机会

摘要

Albert Cheng 被誉为全球顶级的消费者增长专家之一。他曾先后领导 Duolingo、Grammarly 和 Chess.com 三家全球最成功的消费级订阅产品的增长与变现工作，此前在 YouTube 负责的流媒体和游戏功能覆盖超过 2000 万用户。在本期对话中，他系统性地分享了从探索到利用（Explore & Exploit）的增长框架——先找到值得攀登的山峰，再集中资源高效登顶，并在两者之间持续振荡直至饱和。

他详细讲述了 Chess.com 的"棋局复盘"功能如何通过一个反直觉的洞察（80% 的用户在赢棋后才复盘）实现了复盘量增长 25%、订阅增长 20%；Grammarly 如何通过将付费建议"采样"混入免费用户体验，使升级率近乎翻倍；以及 Duolingo 如何通过截图追踪发现用户自发分享的"高光时刻"，并将这些时刻打造为病毒式传播引擎。

Albert 还深入探讨了消费级订阅产品的核心成功要素——用户留存（User Retention）是金，D1 留存率达到 30%-40% 即为健康水平；现有用户留存率（Current User Retention Rate）是比新用户留存更重要的复合杠杆。他分享了对 AI 赋能增长的实践——从 Text-to-SQL 的 Slack 机器人到 AI 原型工具加速探索阶段；对实验文化的思考——从零实验到年千次实验的文化转型之路；以及对高能动性人才（High Agency People）的识别与招聘哲学。整场对话贯穿一个核心理念：增长的本质是"将用户与产品价值连接起来"。

正文

从钢琴到增长：一段关于重复与创造力的旅程

Albert Cheng 的成长路径有一个出人意料的前奏——他曾是严肃的钢琴演奏者。他的父母是来自台湾的移民，作为家中长子，他从小感受到强烈的上进动力。父母虽非音乐专业出身，却对古典音乐怀有深厚热爱。Albert 童年的日常是每天对着立式雅马哈钢琴练习 90 分钟，顶部放着一个倒计时钟，日复一日，雷打不动。

起初他对这种枯燥的重复深感厌烦，但随着年龄增长，他逐渐对音乐产生了发自内心的欣赏。真正加速他钢琴天赋发展的，是他幸运地拥有绝对音感（Perfect Pitch）——能够仅凭听觉就辨别出正在演奏的音符，迅速判断自己弹奏是否正确，并快速习得新曲目。他在高中阶段表现出色，甚至一度考虑进入音乐学院深造。然而，由于内在的音乐驱动力尚不够强烈，他最终选择了工程学院。

多年后，当 Albert 开始教自己四岁的孩子敲击琴键时，他才深刻反思了钢琴与增长之间的内在联系。他总结出两点共性：第一，钢琴和增长都依赖于持续不断的重复——你不断犯错，拥有极紧的反馈循环，必须对频繁犯错建立起强大的心理韧性，并深知学习正是通过这些错误完成的。第二，两者都有结构性基底与创造性的双重属性——增长领域有增长模型（Growth Model）、指标体系、实验方法和渠道策略等结构化框架，但日常同样需要创造力来提出有趣的假设与解决方案；音乐则建立在音阶与乐理的结构之上，但要创造美妙的音乐，同样需要激情、情感与流动。正是这种结构化与创造力的结合，构成了两个领域最迷人的交汇点。

探索与利用框架：发现增长机会的核心方法论

Albert 最初通过他在 Grammarly 的工程合作伙伴 Nermal 接触到"探索与利用"（Explore & Exploit）框架，这一概念可能源自 Brian Balfour 的 Reforge 课程。其核心思想是：探索阶段是找到值得攀登的山峰，利用阶段则是集中资源高效登顶。

这个框架的关键警告在于——企业在光谱两端的失衡都会带来问题。如果过度探索，团队会感到方向散乱，仿佛在随机尝试一百个不同的想法，缺乏贯穿线、缺乏战略、无法在不同实验间进行模式匹配。而如果过度利用——这也是增长团队最常见的倾向——则会导致饱和与停滞，只是在进行局部最优化（Local Maximization）。

Albert 特别强调，虽然这一原则通常被视为宏观层面的战略选择，但他更倾向于在洞察层面（Insight Level）与团队协作。他给出了一个 Chess.com 的具体案例。

Chess.com 的一个优先事项是鼓励棋手学习和提升。负责学习功能的 PM Dylan 管理着产品中使用频率最高的功能——棋局复盘（Game Review）：用户下完一盘棋后，系统会通过虚拟教练分析用户最差和最佳的走法。Dylan 的目标是提升用户参与度和留存率。在探索阶段，他观察到一个反直觉的数据：80% 的用户在赢棋后才进行复盘。这完全颠覆了功能设计之初的假设——团队原以为用户会在输棋后使用复盘来审视自己的错误。

基于这一洞察，团队对产品体验进行了关键调整：当用户输棋时，不再突出显示失误和糟糕的走法，而是反过来展示用户的精彩走法和最佳步，并让教练说一些鼓励的话，如"输棋只是学习的一部分，坚持下去"。仅此一项改动，复盘量增长了 25%，订阅增长了 20%，用户留存也有显著提升。

但关键在于，这并未到此为止。Albert 强调，必须将这类洞察在全公司范围内广泛分享。于是，相邻的产品经理——例如负责谜题（Puzzles）功能的 PM——就可以思考如何在自身产品中审计类似的"负面模式"，并将其转化为更积极的体验：调整成功评级、微调文案、改变按钮颜色等等。这样一来，一个实验胜利就能在组织内部扩展十倍——这就是利用阶段的精髓。当执行得当，团队在探索与利用之间持续振荡，直到利用阶段饱和，再鼓励团队重新发散思维、进行新一轮头脑风暴。

Albert 补充了一个实践要点：在他的经验中，典型的实验胜率（Win Rate）大约在 30% 到 50% 之间——大量假设最终不会被验证。但当某个突破性的发现浮出水面（即便是大幅负面的实验结果也同样珍贵），关键在于原始的 PM 不必是那个为产品其他部分寻找应用方案的人，但他们有责任清晰地阐述假设与发现，使增长领导者能够鼓励其他团队围绕这一洞察展开多方尝试，从而提升整体成功率和影响力。

关于如何判断何时从利用转向探索，Albert 分享了一个实用信号：在 Chess.com 的规模下，每年运行约 250 次实验。他投资了实验探索工具（Experiment Explorer），能够跨所有实验审视假设与结论之间是否存在模式。当越来越多实验的结果不再具有统计显著性（Not Statistically Significant）时，这便是一个信号——可能已经过度利用了，可榨取的"果汁"不多了，需要重新回到桌面进行更发散的思考。

用 AI 加速增长工作

AI 在增长工作中的应用，Albert 分享了两个前沿实践。

第一个是 Text-to-SQL 能力。Chess.com 有一个数据请求 Slack 频道，长期以来人们会在里面抛出各种临时问题："我们在南非有多少订阅者？""上个月某人在谜题上花了多长时间？"这类临时问题往往需要数据分析师投入大量人力来执行查询。虽然可以投资自助服务工具来改善这一状况，但 Albert 发现 AI 非常擅长完成第一轮回答。团队正在训练 Slack 机器人，使其成为这些问题的首选回答者，让整个公司变得更加数据驱动（Data-Informed）。

更有趣的是人类心理层面的效应：如果某个问题让人感到不好意思开口、或者不想打扰别人，人们往往就选择不问。而有了这类工具，问题的爆发式增长恰恰反映了此前被压抑的求知需求——正如 ChatGPT 所证明的，拥有一个让你感到舒适的对话对象，本身就产生了巨大差异。

第二个方向是AI 原型加速探索。产品经理们正在使用 V0、Lovable 等工具，从想法快速生成代表性解决方案。Chess.com 投资提取了产品体验的主要界面——新用户引导流程（Onboarding Flow）、主页、棋盘等——并用 AI 构建了这些核心页面的原型。有了这些基础设施，公司内部其他成员可以在此基础上叠加自己的想法，使创意变得更可讨论、更快可测试。

Albert 也坦陈了一个尚未解决的痛点：从" tinkering"到"workflow"的衔接还不够顺畅。不同职能团队偏好的工具不同——PM 常用 V0，设计师用 Figma Make，工程师用 Cursor、Claude Code、GitHub Copilot，市场团队用各种翻译和内容工具——而这些工具之间的互操作性（Interoperability）仍不足，导致功能间的交付（Handoff）仍然存在摩擦。对于小创业公司，PM 可能直接就把东西上线了；但在 Chess.com 的规模下，职能间的交付仍然存在，虽然他预期这会随时间改变，团队也在投资设计系统组件和 MCP 来平滑这一过程。

Grammarly 最大的变现突破

Grammarly 是一款 AI 驱动的写作助手，通常作为 Chrome 扩展或桌面客户端使用，采用免费增值（Freemium）商业模式——超过 90% 的用户使用免费版，其余付费订阅。负责订阅转化（Subscriber Conversion）的 PM Kayla 的核心任务是找到从免费到付费的转化路径。

第一步，团队发现他们其实没有很好地追踪用户收到的建议类型以及看到付费墙的频率，因此首先完善了事件埋点（Instrumentation）。第二步是分析数据。免费用户在写作时会看到各种下划线建议，接受全部建议后会遇到付费墙，引导订阅。免费用户主要获得拼写和语法纠错（正确性类建议），而付费用户则额外获得语气调整、清晰度改进、整句重写等更高级的功能。

数据揭示了一个关键发现：极小比例的免费用户会选择"全部接受"建议，他们更倾向于逐条挑选。更为关键的是，在生成式 AI 转型的大背景下，Grammarly 的品牌认知和免费用户的实际产品体验高度绑定为"一个拼写和语法纠错工具"——因为免费用户看到的就是这些。

团队的决策是大胆翻转：将多种付费建议采样后穿插到免费用户的写作中，与免费建议混合呈现，让免费用户获得付费功能的有限体验。表面上理性的担忧是：给了太多免费内容，用户还会愿意付费吗？结果完全相反——用户突然将 Grammarly 视为一个远比拼写纠错更强大的工具，升级率近乎翻倍。

Albert 将这一策略形容为一种"实时反向免费试用"（Reverse Free Trial in Real Time）——不同于传统基于时间的试用，而是在用户写作的当下、在真实的场景中提供有限的付费功能品尝。用户获得一定数量的高级建议，用完后刷新（约每日一次）。这一变现洞察的普适价值在于：尤其是免费增值产品，应该让免费产品尽可能反映你的产品所能提供的一切。虽然某些付费功能涉及成本，但将最好的一面展示出来，通常都能带来正向回报。

消费级订阅产品的增长之道

为什么选择免费增值模式

Albert 坦言自己偏好免费增值订阅模式有三个原因。第一，这与许多公司的使命导向天然契合——Duolingo 要普及教育，Grammarly 和 Chess.com 同样追求全球化的广泛价值主张，而最低摩擦的路径就是免费产品。第二，这些产品主要依靠口碑（Word of Mouth）增长，尤其是当产品能构建网络效应时——Duolingo 有大量社交功能，Grammarly 则有 B2C2B 的路径，即使免费用户也能为团队采购创造价值。第三，关于试用模式，Albert 建议核心价值主张应永久免费，然后在其上叠加高级功能的采样体验——这是他看到的最佳甜蜜点。

关于反向试用（Reverse Trial），Albert 认为其适用性取决于场景：对于有锁定效应（Lock-in）的 B2B 功能（如 CRM），反向试用极其强大——用户不需要提供信用卡，已经在你的系统中投入大量时间构建内容，当窗口关闭时自然愿意付费。但对于大多数消费产品，传统的限时免费试用更为常见。

留存是消费级订阅的金子

Albert 给出了一个核心判断：用户留存（User Retention）是消费级订阅公司的金子。如果没有留存，重担就落在让用户在第一天就付费上——这极其困难，迫使你进入完全不同的商业模式：为用户付费获取、在用户建立习惯性使用之前强行追加销售。

关于留存基准，Albert 分享了具体指标：消费类公司通常追踪两类留存——新用户留存（D1、D7 等）和现有用户留存。D1 留存在 30%-40% 的区间是相当健康的。低于此水平，可能意味着用户意图本身存疑，或者数学上难以获取足够用户来构建足够大的日活跃用户（DAU）基数。虽然听起来可实现，但市场上的选择极多，用户普遍感受到应用和产品的"膨胀"。

更为重要的是 Jorge Mazal（前 Duolingo 增长负责人）在其著名文章中所阐述的——现有用户留存率（Current User Retention Rate）才是最大的杠杆。尤其是对于日频产品，已建立习惯性使用模式的用户群体的黏性，才是真正能够复利增长、构建日常习惯的留存指标。随着公司成熟，大部分精力应投入到现有用户留存机制上。

Grammarly 是一个有趣的例外——作为一款"安装后不主动打开"的产品，它的关键指标不是现有用户留存，而是激活安装的顿悟时刻（Aha Moment），这一刻的体验将长期承载用户的留存。

沉睡用户的复活红利

以 Chess.com 为例，Albert 估计约 80% 的日活/周活用户是现有用户，新用户和复活用户（Resurrected Users）的比例大致相当。这意味着随着公司成熟，活跃用户基数的构成并不以新用户为主。团队积累了大量不活跃和零星使用的用户，这些用户可能每周或每月只使用一两次。当数以亿计的休眠用户开始回流时，优化"复活体验"的 ROI 可能非常可观。

Duolingo 在这方面做得很好——通过社交推送通知（Social Notifications），当用户的联系人同步后，如果好朋友开始使用 Duolingo，你会收到推送鼓励回归。回归后，如果用户三年前学的法语已经遗忘殆尽，App 会引导用户重新参加分级测试（Placement Test），将其放入合适的学习层级。

三家公司的运营差异

Duolingo：结构化的高速创意机器

Duolingo 最让 Albert 印象深刻的是其高度一致的 产品开发方法论，贯穿全公司每一个成员。他们甚至为此编写了名为"Green Machine"的内部操作手册。公司的运作方式是大量招聘刚毕业的高智商、高能量人才，配以强大的实验工具，极度重视公司的时钟速度（Clock Speed）。Duolingo 的产品体验对每个用户每天会变更多次，这在 Albert 此前的职业经历中从未见过。公司对产品开发周期的每个步骤都有明确的规范和流程，执行极其严格——但"严格"仅指流程的一致性，而非创意的僵化。产品评审只需 10-15 分钟，人员进出如流，形成了一种超现实的快速而一致的工作环境。

Grammarly：从 C 端到 B 端的混合进化

Grammarly 最初是面向学生的付费产品，逐步扩展为面向所有人的免费增值模式，并逐渐聚焦专业用户群体。随着专业用户的积累，团队发现特定的公司职能团队（市场团队、销售团队、客服团队等）在大规模采用 Grammarly 时呈现出清晰的规律。这使得公司得以在自服务消费线之上叠加了企业级托管模式。Albert 在 Grammarly 负责消费端自服务业务，但两条业务线并未隔离——他的工作不仅是增长自服务收入和活跃用户，还要为需求生成（Demand Gen）和销售团队发掘正确的团队、职能和公司。这是一种产品驱动销售（Product-Led Sales）的模式，与 Duolingo 纯消费端的增长工作截然不同。

另一个独特之处在于：在 Grammarly，核心产品体验本身就是驱动重复使用的关键——用户每天获得建议的频率和质量才是现有用户留存的最大驱动力。Albert 曾为此组建了增长团队试图影响这一指标，但最终意识到自己反而成了阻碍——这其实是核心产品团队最擅长影响的事情，于是将该指标转交给了核心产品负责人。

Chess.com：国际象棋狂热者的自驱生态

Chess.com 最独特之处在于全员对国际象棋的极度狂热。公司从全球招聘热爱国际象棋的人，始终是全球化远程办公。Slack 里永远在炸着人们的棋局和走法。Albert 敏锐地指出：Duolingo 虽然提供语言学习产品，但其原始精神核心其实是动机与习惯养成——语言学习只是第一个载体，其超级能力在于动机和习惯的构建。Grammarly 的独特性在于跨海量应用的深度集成——能做到这一点的产品极为稀少，这也使得其新 CEO Shishir 所说的"AI 高速公路"愿景成为可能，用底层技术提供远超语法纠错的写作能力。而 Chess.com 则是 100% 关于国际象棋——这体现在公司基因里，全员疯狂热爱，永远在深度使用产品、产生创意。

三家公司的成功路径迥异——Duolingo 市值约 120 亿美元，Grammarly 估值不菲，Chess.com 也发展迅猛——证明了增长没有唯一正确答案，多种路径都可以通向卓越。

品牌与社区的增长乘数效应

Albert 坦承，他曾经认为产品实验与品牌营销是对立的，但如今意识到二者结合可以产生火箭燃料般的增长效果。

以 Duolingo 为例，猫头鹰 Duo 通过推送通知和产品体验建立了鲜明的个性，市场团队再利用这一个性在 TikTok、YouTube 和社交媒体上持续制造表情包（Memes），而产品端追踪"你从哪里听说我们"的渠道数据有时会显示，品牌内容在特定日期带来了 20%-30% 的新用户。

Chess.com 的增长则是一个更宏大的品牌与社区浪潮的缩影。公司前 15 年基本处于雷达之下——全球 8 亿人下棋，但大多数是线下对弈。五年前一切都变了：疫情爆发、Netflix 剧集《后翼弃兵》（Queen's Gambit）热播、YouTube 和 Twitch 上的国际象棋主播崛起、学校里更多孩子开始下棋。Albert 将增长实验比作"快速而稳健"的持续迭代，而品牌与社区浪潮则是偶尔涌来的巨浪——你可以在一夜之间让注册量翻四倍，不抓住就是傻子。

AI 与国际象棋：技术增强而非替代

国际象棋与 AI 的交织已有近一个世纪的历史。早期计算先驱就将国际象棋视为测试机器智能的有趣游戏。1997 年，IBM 的深蓝（DeepBlue）击败了当时的世界冠军加里·卡斯帕罗夫（Garry Kasparov），引发了巨大的震惊和对"AI 是否将取代人类"的恐慌。然而三十年后的今天，下国际象棋的人比以往任何时候都多。

国际象棋引擎（如 Stockfish）的水平已经远超人类顶尖棋手。Albert 用等级分（Elo Rating）做了对比：普通棋手约 1000-1500 分，顶级特级大师如马格努斯·卡尔森（Magnus Carlsen）约 2800 分，而 Stockfish 等引擎约 3600 分——这意味着即使让出一个车的优势，引擎仍能与最强人类棋手抗衡。

然而有趣的是，大语言模型（LLM）实际上非常不擅长下国际象棋——它们会产生幻觉走法（Hallucinate Moves），依赖模式识别而非深度计算。即使让 ChatGPT 生成棋盘图片，往往连格子数量都不对。Google 近期赞助了一场顶级 LLM 的国际象棋锦标赛，虽然模型在进步，但国际象棋本质上更需要训练有素的深度计算引擎。

Chess.com 的理念是：将适合的技术用于适合的功能，始终将用户置于北极星位置。棋局复盘功能背后运行的是国际象棋引擎对每一步进行评估，然后通过 LLM 将评估结果转化为用户母语的、平易近人的教练反馈——引擎负责计算，LLM 负责人格化和语言表达。

增长的本质：将用户与产品价值连接

Albert 对增长的定义简洁而深刻：增长的工作就是将用户与产品价值连接起来。

这一框架直接回应了增长团队常被贴上的"纯指标黑客"标签——仿佛增长人只是一群冷血的指标推动者，靠堆砌付费墙和制造摩擦来往上拉升某个数字。Albert 认为虽然在微观层面（特定功能、特定指标上）这种方式理论上可行，但对一家追求持久性的公司而言，最健康的做法是从用户整体视角出发。

"将用户与产品价值连接"这一框架的优势在于：价值对用户而言是会随时间变化的，而这恰好与用户旅程完美对齐——一个还不是用户的人需要理解的价值主张，与一个使用三年的习惯性用户需要被连接的价值，截然不同。负责不同阶段的团队应从这一视角出发，再推导到具体的问题、假设和实验。

实验文化：从零到年千次实验

先开始，再进化

Albert 引用了 Atlassian 的一份产品报告：约 40% 的产品团队根本不运行实验。虽然可能有合理原因（如 B2B 导向），但对于有规模、有频率的消费产品而言，完全可以收集足够的数据。Albert 坦承自己可以整天做模式匹配，但他经常出错——消费行为难以预测，而在公司内部你会自然成为高级用户，可能忘记新用户的真实体验。因此他鼓励：迈出第一步，运行一个 A/B 测试，找一个第三方工具快速集成，或者和工程师一起搭建——先爬再走再跑。

关于工具选择，Grammarly 使用 Statsig（近期已被收购），Duolingo 和 Chess.com 则使用自建的实验平台。Albert 通常不建议公司从第一天就自建实验系统——到一定规模才值得，而且有些公司起步时第三方工具还不存在。

千次实验的目标与真正意义

Chess.com 在 2023 年之前几乎不运行实验。2024 年约 50 次，2025 年预计约 250 次，而 2026 年的目标是 1000 次。Albert 坦言这个数字是他"编出来的"，但它作为目标的价值在于：设定目标本身迫使团队讨论"要达成这个目标需要什么条件"，从而引出真正的洞察——

• 不仅产品和工程团队需要运行实验，生命周期营销（Lifecycle Marketing）团队也可以测试推送通知和邮件的文案
• App Store 截图和关键词也可以实验
• 内容营销团队、客服团队都可以参与
• 工程团队可以为特定界面（如主页、定价页）启用无代码（No-Code）配置，让非工程人员也能快速测试
• 需要建立进度追踪和可观测性（Observability）

Albert 坦率地说："别告诉团队，但我其实不太在乎是否真的达到一千——如果接近目标并完成了上述这些事情，我们就已经处于很好的位置了。"

文化转型的关键

从零实验到千次实验的文化转型，Albert 归功于 CEO 和联合创始人 Erik Allebest 与 Danny Rensch 的开放心态——虽然实验驱动增长并非他们的直觉思维方式，但他们的心理灵活性和对进化的鼓励至关重要，他们同样在前线倡导产品驱动增长和实验。

Albert 强调，加入一家公司绝不能与创始人的既有理念对立，这是绝对关键的。文化转型的真正驱动力是可见的胜利——如棋局复盘的积极反馈案例。当团队看到实验在实践中产生了效果、指标在移动、学习和发布速度在加快，这种正反馈自然会产生动力。不能在真空中设定目标并从顶层强推——人们需要看到它生效。

实验系统比单次实验更重要

Albert 的一个核心信念是：系统与任何单次实验同等重要，甚至更重要。 从增长模型开始——理解公司如何增长、利用哪些渠道——是基础。必须确保产品的埋点（Instrumentation）无死角，否则实验结果会出现偏差。

他分享了一个令人震惊的真实故事：在一家使用自建实验工具的公司，入职约三个月时运行实验，团队发现用户留存指标被配置反了——所有正向结果实际上是负向结果。当团队困惑于"为什么用户在大量使用功能但留存却在下降"时，才发现是指标方向搞反了。这类教训让 Albert 对实验系统的正确性极为警觉。

Duolingo 的病毒式传播密码

除了前述的棋局复盘和 Grammarly 变现案例，Albert 还分享了 Duolingo 在病毒式传播（Virality）上的独特突破。

病毒式传播是一个极其模糊的概念，Albert 认为在产品中刻意制造病毒性非常困难，但 Duolingo 天然是一个被大量分享的产品。团队的投资方向是：在 App 中短暂加入了截图追踪（Screenshot Tracking）功能，以发现用户自发截图的热点区域。结果显示，连续学习里程碑（Streak Milestones）是显而易见的分享热点，此外还有 Duolingo 体验中极具趣味性的挑战、排行榜前三名的晋升等。

找到这些有机分享时刻后，团队为它们配备了插画师和动画师，打造了极其愉悦的分享体验。Albert 总结其核心洞察为：不要违背人类直觉去勉强用户分享他们本不愿分享的东西，而是深入挖掘用户已经在有机截图的时刻，然后把这些体验做得更好——可以带来 5 倍甚至 10 倍的增长效果。 这正是探索与利用方法论的经典实践——先探索找到自然发生的模式，再利用并放大。

动机与习惯养成的设计

Duolingo 的游戏化三大支柱

Duolingo 从创立第一天就聚焦于动机，Jorge Mazal 提出了游戏化模式（Gamification Patterns）的三大支柱模型：

1. 核心循环（Core Loop）：完成一课、获得奖励、延续连续学习天数、第二天收到推送通知——这是产品的核心循环，让它足够紧密至关重要，因为人们需要一个习惯来坚持。
2. 元游戏（Metagame）：在 Duolingo 中是学习路径、排行榜和成就——提供长期追求的目标，维持长期动机。
3. 个人档案（Profile）：用户在产品中逐渐积累的投资的映射——当这三个要素都到位时，就能构建一个成功的长期学习旅程。

Chess.com 的初学者体验设计

Chess.com 面临一个独特挑战：超过 75% 的新用户自称为"完全新手"或"初学者"。而新手在实战对弈中的体验并不愉快——数据表明，不到三分之一的初学者赢得了他们的第一场比赛，而输棋时用户留存比赢棋时低 10%。

Chess.com 无法像手机游戏那样创建超级简化版本（毕竟国际象棋的规则无法轻易更改），但团队正在尝试多种策略：为自称新手者打造更愉悦的"学习如何下棋"体验而非直接进入实战；在前五局比赛中隐藏等级分，避免新手看到自己的评分暴跌；提供与教练、朋友或机器人对弈的多种入门路径等。

Albert 感慨道：无论是学语言还是学下棋，最初的步伐总是充满了自我怀疑和"你不擅长这件事"的负面强化——因此精心设计引导用户绕过这些心理障碍的体验，回报极为丰厚。

招聘高能动性人才

当被问及在团队建设上最反直觉的教训时，Albert 转向了招聘哲学。标准的招聘路径是：撰写职位描述（JD），列出各种特征要求，找到几家相似公司的候选人，然后尝试挖角。但在 Duolingo 和一些小型创业公司中，Albert 反复观察到一个现象：最高绩效者往往是那些具有极高能动性（High Agency）、极高时钟速度（Clock Speed）和充沛能量的人——他们热爱使命，但并不一定需要在该领域拥有深厚经验。

在某些情况下，经验甚至可能成为一种束缚——尤其在 AI 快速重塑一切的世界中，许多习得的习惯需要有意地被抛弃。你需要以初学者心态（Beginner's Mind）看待事物。Albert 认为这一原则比以往任何时候都更加真实：寻找那些反应快、行动快、学习快的人——最快学习速度的公司，才是他愿意押注的公司。

关于如何识别高能动性人才，Albert 分享了许多信号实际上来自面试过程之外：他们提出的问题类型、是否真正深入试用过你的产品、推荐信的内容、安排面试时的沟通方式、对话中带来的能量。你需要在这些软信号中捕捉模式——Albert 坦承自己并不完美，但已经学会比过去更平衡地权衡这些因素，而不再仅仅从预设问题和评分表出发做判断。这也支持了工作试用（Work Trial）式的面试方式——让候选人实际与你合作一周，而非仅仅交谈。

选择适合自己的公司规模

Albert 个人经历了一条从大科技（Google）到极小创业公司再到中等规模公司的旅程，他将自己的最佳状态定位为"金凤花区域"（Goldilocks Zone）——中等规模公司。

他个人的能量来源是既能看到公司全局的努力方向，又能深入细节——读取实验结果、审视像素、与具体团队协作。在大公司（如 Google），你面对的是极其庞大的规模，从同行身上学到大量最佳实践，拥有所有你想学习的工具和职能，但行动缓慢、出货困难，最终让 Albert 感到窒息。在极小的创业公司，速度极快，但 Albert 的白发也大多长于那段时期——没人知道你的公司，你一个一个地招人、一个一个地获客。虽然学得快、做得快，但如果想对世界产生重大影响，在极小创业公司里实际上相当艰辛。

Albert 的理想区间是约 500 到 1000 人的公司，成立 10 到 20 年，具有持久性、理想情况下盈利、有优秀的领导团队，但仍有大量维度需要探索、处于关键拐点、充满动态变化——而非停滞不前的组织。

失败角：Chariot 动态路线的教训

Albert 选择了一个非增长领域的失败故事。他早期在一家名为 Chariot 的创业公司负责产品——这是旧金山的蓝色通勤班车服务，15 人座穿梭于各居民区与市中心之间，定位介于公共交通和 Uber/Lyft 之间。核心服务深受用户喜爱——可靠、快速、价格可承受。

但团队开始对一个想法产生兴趣：如果提供动态路线（Dynamic Routes），让司机在固定路线的空闲时间去接顺路乘客，能否提升利用率、让服务更创新？他们推出了"Chariot Direct"——一个最终未能成功的尝试。Albert 从中提炼出三个关键教训：

1. 这是"为方案找问题"而非"为问题找方案"——团队追逐的是"如果我们做这件事不是很好吗"的想象，而非从用户和要解决的问题出发，论证为什么这会让用户愉悦。
2. 在市场型（Marketplace）业务中，不能只关注一端用户——团队将过多注意力放在乘客端 App 上，却忽略了司机承受了体验中的大量负担，运营团队同样如此。当司机困惑或不满时，整体产品体验会急剧恶化。
3. 在验证用户真正需要之前进行大量公关是高风险的——PR 有其价值，但在未验证客户明确需求之前大肆宣传，会导致巨大的沉没成本（Sunk Cost）——一旦推出，你就觉得自己必须看到它成功。

这个失败发生在十年前，但 Albert 依然记忆犹新，因为它包含了至少三个关键教训，贯穿了他此后构建众多产品的职业生涯。

闪电问答

推荐书籍

Albert 坦言自己有两个年幼的孩子（四岁和一岁），大部分阅读时间给了童书。他特别推荐了 Snuggle Puppy——一本带歌曲的童书，能让女儿笑个不停。

在专业领域，他推荐了 《Ogilvy on Advertising》（奥格威论广告）——一本 40 年前的经典，充满了关于文案和创意的实际案例。尽管都是老式广告，但奥格威采用了一种高度实验化的方法来尝试大量事物。这本书的核心提醒是：最终重要的是驱使用户采取行动——对奥格威而言是购买产品——而非创造巧妙的广告或性感的创意。这对产品和生命周期团队同样适用。

他还推荐了 Chess.com 联合创始人 Danny Rensch 即将出版的回忆录 《Dark Squares》——Danny 在一个邪教中长大并遭受虐待，同时是国际象棋神童，这是一个难以置信的故事，也提醒我们：有时候与你共事的人，你并不知道他们的过去有多深。

最近喜爱的产品

Albert 二十年来始终住在步行可达咖啡店的范围内——每天去咖啡店是开启一天的仪式。两年前他买了房子，第一次不在咖啡店步行范围内，一度为此感到沮丧。他的最爱产品是 Breville Barista 咖啡机——每天用它开启新的一天，虽然制作的拿铁拉花（Latte Art）很糟糕，但他觉得这是对日常习惯产品最好的注解——真正影响我最深的产品，就是那些我每天使用的产品。

人生座右铭

Albert 回忆起母亲常说的一句话："没有什么比你的声誉更重要。" （Nothing is more important than your reputation.）他对此的善意理解是：你每天做出的那些小决定——如何对待他人、如何出现、你的品格——这些都会复利增长，以许多惊人而美妙的方式为你打开大门。Albert 加入的许多公司都来自相对薄弱的人脉连接，甚至上这档播客也源于与此前同事的交集。做正确的事、建立好的声誉，可以走得很远。而反面则是：声誉是脆弱的——做错一件事，修复需要很长时间。这个信条伴随了他一生。

棋力水平

Albert 的国际象棋等级分（Elo Rating）约为：快速棋（Rapid）1800 分，闪电战（Blitz，3 分钟制）1500 分。与严肃棋手相比当然不够看，但比休闲玩家强不少。他每天多次下棋——在 Chess.com，这就像 Patagonia 的"让员工去冲浪"——只要想下，随时都可以。公司甚至有专职国际象棋教练，Albert 每两周上一次课，持续精进。他在 Chess.com 上的用户名是 Go9ers——致敬他挚爱的旧金山 49 人队。