AI native 公司怎么做产品营销?

这篇文章探讨产品营销（PMM）角色如何演变，以及如何与其他职能融合。作者 Gemma Casey 目前在 Lovable 担任 PMM。文章聚焦于 AI 原生 PMM 工作方式和协作策略。

产品营销（PMM）与几个月前相比已经面目全非。三大因素正在驱动这场变革：AI 工具的普及、功能发布节奏加快，岗位职责持续变化。是时候重新审视我们对 PMM 的认知。

过去，PMM 通过繁琐的审批控制流程，实际充当瓶颈。如今，PMM 转变为推动组织提速增效的角色。本文将展示 Lovable 的 PMM 团队如何实现快速执行。

无论你身处增长团队、产品团队，还是你自己就是 PMM，建立独立的 PMM 能力，能加速你的职业发展和公司增长。

让团队自己发布产品

传统发布节奏，一年一次或半年一次的大版本，跟不上现代迭代速度。当每周都在发布大版本时，PMM 集中审批变得不现实。

解决方案是一个三级发布框架：

一级发布： 留给重大版本或多功能集合发布。包含计划发布节点和跨团队协调，市场营销团队拥有主导权。

二级发布： PMM 和产品管理团队协作完成，营销物料清单灵活调整。如果发布后获得自然关注，再进行传播放大。

其他所有发布： 由产品构建者自行发布。PMM 角色转变为提供必要资源。核心理念是：放弃信息控制，换取行动势能。

这种文化转变带来了实实在在好处，工程和产品团队自发创作的内容，往往比精心策划的营销帖子更容易走红。

Elena 补充说明：PMM 团队自身也在创造大量资产（例如 Lovable Academy）。这些资产相当于”卫星应用”（Satellite Apps，指 PMM 团队自行构建的面向客户的辅助产品）。直接面向客户、驱动参与度。PMM 对客户深度理解，使其非常适合做这类工作。

基于真实数据定义理想客户画像

传统的理想客户画像（ICP，即最有可能购买产品的目标客户特征描述）往往建立在假设而非真实证据之上。现代企业运转速度要求客户画像必须精准、可操作。

Lovable 整合了四个数据来源：

产品数据分析：分析全量用户的使用模式、留存指标、年度经常性收入和转化漏斗。
用户调研：采集从业者角色、底层需求和决策流程，追踪每个构建周期中期望与结果的匹配度。
深度访谈：深入了解用户的构建活动、动机、情感状态和工作流程，识别需求、痛点和期望的理想成果。
AI 驱动的研究智能体：基于 Lovable 构建，集成到 Slack，连接完整的用户通话录音、调研和访谈数据库。支持自然语言查询，即时返回主题、原话引用和趋势。

Lovable 的 ICP 真的是”所有人”。Lovable 定义了一个品类，是通用型产品。从个人开发者到大型企业都在用。这打破了传统的客户聚焦策略。

ICP 不再是每年更新一次的静态文档。每周回顾细分市场增长、转化、扩张和流失（Churn）指标必不可少。大多数季度只需微调，但有些季度会触发重大战略转向。信息框架（Messaging Framework）、渠道组合（Channel Mix）和销售话术（Talk Track）都需要持续更新。

这些洞察被打包、定期更新，通过 Slack 频道、全员大会、团队会议和管理层一对一会议分发到整个组织。

持续访谈客户

大多数 PMM 团队要么依赖其他部门获取客户反馈，要么干脆跳过这个环节。快速迭代组织需要持续、直接的客户洞察。而销售和客户成功团队有时会把控客户资源访问权限。

在 Lovable，增长 PMM 排满了日程，一场接一场地进行客户访谈，系统性地积累组织层面的客户认知。

他们使用一套标准化的五问框架，每次通话都会提出：

你最初发现这个产品时，面临的问题或需求是什么？
你尝试过哪些替代方案？
是什么让你决定注册的？
有哪些顾虑差点让你放弃？
你会如何向别人介绍这个产品？

所有对话都会在获得同意后录音，用于识别规律。

三个核心痛点浮出水面：

“招开发者又贵又慢”
“无代码工具（No-code tools）一上手就碰到天花板”
“我不懂技术，但我有想法”

客户的真实表达揭示了耐人寻味的规律：

“它给了我超能力”（而不是”它帮我写代码”）
“午饭前我就做出了一个可用的原型”（以结果为导向，带有具体时间感）
“终于有个东西是直接就能用的”（强调认知上的轻松感）

情感高光时刻包括：

第一次看到自己的想法实时变成现实
别人知道这是自己做出来的时候的反应
意识到不需要再招人了
几分钟完成了过去要花一周的事

用户反复提出的问题涉及生产环境可用度、品牌自定义能力和代码导出功能。

基于这些洞察建立的基础设施包括：

交互式信息屋（Messaging House）：在 Lovable 上构建，将核心信息转化为可导航的应用（而非静态文档）。可按受众、用户原型和使用场景搜索，始终保持最新且易于访问。

AI 研究助手：支持全组织范围的自然语言查询。例如：”独立创始人怎么描述这个产品？”或”小团队在部署到生产环境时最大的痛点是什么？”它基于完整的访谈、调研和通话数据库。

落地页文案的应用示例：

标题：”几天就能上线你的想法，而不是几个月”（直接引用用户原话）
社会认同（Social Proof）：”我不懂技术，但我有想法”（真实用户证言）
营销活动信息引用了用户将产品比作”联合创始人”的说法

创建一个简洁的信息框架

Gemma 发现之前有一份信息文档，但已经被遗忘。这是一个常见的陷阱：PMM 团队创建了冗长、过于具体的信息指南，结果要么没人用，要么根本找不到。

Gemma 在组织内发起了一项调研，问大家”你怎么描述我们做的事？”结果揭示了大量散落的信息：多个版本的路演文稿、零散的 Google Docs、官网首页和功能页的不同文案、邮件模板、风格各异的社交媒体内容、面向客户的帮助文档、访谈录音，以及 Slack 讨论记录。

对这些信息进行模式分析后发现：

Lovable 没有被定位为编程工具，正在形成的描述是”全能联合创始人”
对速度的强调高度一致（”快”、”10 倍”、”几分钟而不是几个月”）
内部存在分歧：应该主打 AI 能力，还是主打成果？
用户分层明显：技术团队提到”全栈应用（Full-stack apps）”；非技术用户说的是”只要描述你想要什么就行”

需要解决的战略问题：

目标用户的技术水平到底有多深？
核心用户最想要什么？
魔力来源是 AI 还是速度？
产品定位应该围绕软件本身，还是围绕用户能达成的结果？

Gemma 构建了一个统一的信息层级体系，包含核心定位声明、技术和非技术两套信息版本、使用场景描述和证据支撑点。

在向利益相关方展示、收集反馈并分发后的两周内，整个组织不再有人问”我们应该怎么描述这个？”市场团队更新了所有渠道；产品团队在路线图会议中呼应统一表述；创始人在公司通报中直接引用；各团队无需重新发明表述方式，直接向前推进。

把信息放到他们能查到的地方

用一个”唯一信息源”文档并附上相关资源链接。这个传统做法仍然有效。它能避免重复提问，让信息可检索、准确。

但新方案更进一步：通过 AI 智能体（AI Agent）和 LLM 聊天机器人实现自然语言查询能力，嵌入团队日常工作的每个角落。”支付功能上线的信息怎么写？”能立刻得到回答。”企业试点项目的 ICP 是什么？”能返回相关数据。功能使用情况的问题也能按需解答。

Lovable 正在构建一个专业化 AI 智能体网络，作为面向特定工作领域的组织知识库。下一步优先事项是“产品发布智能体”，连接日程、信息简报和素材库，让全组织都能发现和讨论产品发布相关信息。

结语：全速推进的产品营销

当产品营销作为赋能他人的基础设施运转，而不是作为审批控制的瓶颈时，现代组织自然能做好它。

关键推动力：

基于真实数据的清晰 ICP
全组织可访问的实时数据
自助式发布能力
全组织范围内可检索、可查询、可执行的信息

扔掉那些本质上是在控制工作而非赋能他人的老套路。搭好基础，然后退到幕后。

当产品营销被正确组织起来，它会成为组织中杠杆效应最强角色。不要把 PMM 思维外包出去，去参加客户访谈、用好信息文档、查询研究系统。建立独立 PMM 能力，加速个人和公司的成长。

产品营销不再是瓶颈。在 AI 原生公司里，它是引擎。

Photo by Lukas Kienzler on Unsplash