Growth Hacker @ManusAI & @hey_im_Monica, 在创业公司5年，出身PM，但喜欢搞野路子增长。经常用数据视角+Agent自动化跑有意思的产品增长案例
Singapore
Joined May 2022
- Tweets1.5K
- Following351
- Followers7K
- Likes3.3K
Pinned Tweet
Hello，我是二虎🐯，也可以叫我 Will。
2021 年毕业后一直在创业公司做 SaaS 出海。做过 3 年产品经理，现在在 Manus 负责广告和 SEO，也兼职干点商业化产品经理的活。
3 年前立的 flag 还在：希望自己能在 AI 这件事上热爱 10 年。
重新介绍一下自己。先聊聊我现在最关心的 Agent、广告和 SEO，再讲这些想法是怎么一路长出来的。
01 / Agent：我的新职业，可能是制造员和驾驶者
我越来越相信：以后一个负责经营和增长的组织里，Agent 的数量会比人多。
我想象中的样子是：投放调价、SEO 维护、素材分析、数据监控、竞品追踪，每一件重复的事都有 Agent 在跑。人不多，但每个人身后都带着一队 Agent。
这几年，我已经习惯把竞品研究、公开数据收集、广告素材和 SEO 页面分析先交给自己的 Agent 跑一遍。以前只能看几个样本，现在能看更多。
按我的体感，以前做增长，花在创新上的时间大概只有 5%；现在倒过来了，95% 的时间都在创新。效果投放里的各种优化、反复改定价页这类工作，正在很快被自动化。
所以，我想象中自己的工作会变成两件事：
Agent 制造员：把一件重复的增长工作拆清楚，做成能稳定干活的 Agent。
Agent 驾驶者：决定它往哪跑，看数据判断它跑得对不对，跑偏了自己接管。
这让我想起 3 年前给自己设想的能力模型：
• 半吊子的工程师，不分前后端运维
• 出海增长专家，主要是 SEO / SEM
• 不专精的产品舵手
• 合格的数据分析师
当时写“半吊子的工程师”“不专精的产品舵手”，多少有点心虚，觉得是自己没进过大厂、不够专精。
现在回头看，什么都会一点、能自己把一件事从头做完，可能正在变成 AI 时代每个人的标配。近一年，我也是第一次开始自己往线上提交代码。
那四个能力没有过时，只是换了个用法：工程和产品用来制造 Agent，增长经验和算账能力用来驾驶 Agent。但很多过去的打法，确实要重新学。
Agent 再多，人也不会没用。数据抓回来，不等于结论就是对的。问题怎么问、结果怎么核对、最后要不要做，还是得人来定。
这套能力模型，也正在改变我做广告和 SEO 的方式。
02 / 广告投放：我越来越觉得，它本质上是信号学
我理解的广告，有两套系统要打通：
系统 1：把产品能力翻译成市场容易看懂的广告素材，让用户明白它能帮自己做什么。
系统 2：把商业化结果翻译成广告系统容易理解的信号，保证信号的密集度和准确度，让系统知道什么样的用户值得继续找。
广告不能只看前端的点击和注册，还得看这批用户进产品后有没有留下来、有没有付费、多久能回本。
最早写这篇自我介绍时，还是“最近接手了相当多的 SEM 工作”。现在已经是 Google / Meta / TikTok 几个渠道一起投了。
目前正在跟团队一起打磨这两套系统。
03 / SEO：它是基础盘，但未必是以后让你赢的理由
SEO 一直是我比较擅长的方向，尤其是 SaaS 工具类产品。
我现在的看法是：它还是得做，是增长的基础盘。但大家找信息的习惯正在被 AI 改变，它以后大概率不再是让你赢的那个理由。
所以更适合交给一个人 + 一个 Agent 稳稳维护，把人省出来去做新东西。
这个想法，是从过去做 SEO 的经历里慢慢长出来的。
之前给 3 个网站做过程序化海量页面，大多拿到了很大的流量。但我一直不觉得，页面多、流量大，就等于增长成功。
在 Monica，接手时 SEO 月流量不到 10 万。技术基础有不少问题，做页面也很依赖多人协作。
后来跟团队一起，先修技术问题，再挑真正有需求的工具和页面，最后把页面生产改成低代码系统。
大概 8 个月，月流量最高做到了约 400 万。
到了 Manus，SEO 已经是一套不需要我天天盯着的维护体系。现在 Ahrefs 上的自然流量估算约 100 万，由一个人 + 一个 Agent 打理。
这是我前面说的“每个人身后都有 Agent”的一个小例子。我们团队正在往这个方向猛冲。
这里面有很多关于地区、设备和具体需求的 insight，欢迎找我讨论。
04 / 商业化：不管从哪个渠道来，最后都要回到经营的账本
无论广告还是 SEO，找来用户都只是开始。做过商业化之后，我看增长的方式也变了。
在 Monica 的 15 个月里，除了流量，也跟团队一起做了 onboarding、定价、退款和渠道。同一阶段，日收入翻了好几倍。还做过 Affiliate 渠道，做到了整体收入的 10%–15%。
再看一个增长项目，会多问几句：找来的是什么用户？为什么愿意付费？付费后有没有继续用？获客的钱多久能收回来？
也停掉过看起来很热闹、但 ROI 算不过来的项目。
现在还是喜欢搞野路子，但最后要能回到经营的账本上。
05 / 产品：能把人找来，不等于能让人留下来
账能算过来，也不代表产品就做好了。
快速做一个满足基础需求的 MVP，再通过用户反馈慢慢把它做大，还是我比较擅长的事情。
短板也还在：没体验过花一个月只做一个功能版本，对单个需求想得不够深。
这几年一直在对用户体验要求很高的团队里，每天都在补这一块。能把人找来是一件事，让人真的用起来、持续用下去，是另一件事。还在练。
而且我觉得这块短板以后更值得补：功能会越来越容易被做出来，用户愿意留下来，更多是因为喜欢这个产品，也信得过背后的团队。
06 / 往回看：这些想法，是从野路子里长出来的
简单过一下经历：
• 大学时，在一家互联网小厂做过半年产品实习。
• 2021 年毕业后加入广大大（SocialPeta），做产品经理，从这里开始做出海。
• 2023 年底加入 Monica，继续做产品经理。
• 2024 年上半年转去负责产品自然流量增长，主要是 SEO；年中开始接触海外广告投放。
• Manus 发布后，开始负责它的广告（Google / Meta / TikTok）和 SEO，也做一些商业化产品工作。
刚进入出海时，完全是野路子玩家。不知道怎么系统性地做增长，也没搭好增长的数据体系。
但跟团队一起，依靠插件市场内的自然流量，做过超过 40 万用户的产品矩阵，没花一分钱买量，也没借助 SEO、SEM 或红人。
到现在还是很佩服当时在广大大的团队，硬生生挖出了一条行之有效的野路子。
这一路都是创业公司，做产品和找用户很难分开。我慢慢养成了一个习惯：从第一天就想用户从哪来、为什么愿意付费、这件事能不能持续经营，把自己当成产品的 CEO。
——
从这些经历走到现在，我还有一个越来越强的感受：增长正在变成一个信任问题。
Agent 能复制，打法也能复制，但用户信不信一个团队，没法直接复制。
我觉得以后，人会花更多时间在“被信任”这件事上：把真实的经历、判断，甚至踩过的坑公开讲出来。这也是我开始在社交媒体上认真写东西的原因。
我也先拿自己试：
Will + Agent = Wigent。
想把自己的经验、判断和工作方式，慢慢沉淀成一个能跟着我一起长的个人知识分身。我注册了 wigent.ai 这个域名，网站先搭好了，分身还在慢慢造。
会在这里慢慢写下我在出海 AI 里的实践：Agent、广告投放、SEO、商业化经营，还有产品思考。
还是喜欢跟真正动手做事的人交朋友。我超级 E 人，不用担心和我聊天会尴尬。
如果你也在做 AI / 出海 SaaS / 增长，或者也在用 Agent 做增长和经营，特别想认识你。
真诚的文字好受大家欢迎，哈哈哈看到不少朋友在用grok bot总结，昨天文思如泉涌一不小心写长了，省流版⬇️：
1️⃣/ 未来会成为 Agent 的制造员和驾驶者，把重复工作交给 Agent，自己负责方向、判断和结果
2️⃣/ 把广告理解成信号学：通过素材自动化让用户看懂产品价值，通过返回正确的信号让广告系统学会找对的人，正和团队一起打磨这2个系统
3️⃣/ 做过 SEO，操盘过大网站，未来它是基本盘，但不是胜负手
4️⃣/ 喜欢搞野路子，但增长最后都得回到经营的账本
5️⃣/ 擅长快速做产品MVP，还在练习把单个需求想深、把产品体验做好
6️⃣/ Agent 和打法可以快速复制，但用户对一个团队和产品的信任需要慢慢积累
正在做一个小实验：Will + Agent = Wigent，把自己的经验、判断和工作方式沉淀成个人知识分身，喜欢跟大家交朋友
Hello，我是二虎🐯，也可以叫我 Will。
2021 年毕业后一直在创业公司做 SaaS 出海。做过 3 年产品经理，现在在 Manus 负责广告和 SEO，也兼职干点商业化产品经理的活。
3 年前立的 flag 还在：希望自己能在 AI 这件事上热爱 10 年。
重新介绍一下自己。先聊聊我现在最关心的 Agent、广告和 SEO，再讲这些想法是怎么一路长出来的。
01 / Agent：我的新职业，可能是制造员和驾驶者
我越来越相信：以后一个负责经营和增长的组织里，Agent 的数量会比人多。
我想象中的样子是：投放调价、SEO 维护、素材分析、数据监控、竞品追踪，每一件重复的事都有 Agent 在跑。人不多，但每个人身后都带着一队 Agent。
这几年，我已经习惯把竞品研究、公开数据收集、广告素材和 SEO 页面分析先交给自己的 Agent 跑一遍。以前只能看几个样本，现在能看更多。
按我的体感，以前做增长，花在创新上的时间大概只有 5%；现在倒过来了，95% 的时间都在创新。效果投放里的各种优化、反复改定价页这类工作，正在很快被自动化。
所以，我想象中自己的工作会变成两件事：
Agent 制造员：把一件重复的增长工作拆清楚，做成能稳定干活的 Agent。
Agent 驾驶者：决定它往哪跑，看数据判断它跑得对不对，跑偏了自己接管。
这让我想起 3 年前给自己设想的能力模型：
• 半吊子的工程师，不分前后端运维
• 出海增长专家，主要是 SEO / SEM
• 不专精的产品舵手
• 合格的数据分析师
当时写“半吊子的工程师”“不专精的产品舵手”，多少有点心虚，觉得是自己没进过大厂、不够专精。
现在回头看，什么都会一点、能自己把一件事从头做完，可能正在变成 AI 时代每个人的标配。近一年，我也是第一次开始自己往线上提交代码。
那四个能力没有过时，只是换了个用法：工程和产品用来制造 Agent，增长经验和算账能力用来驾驶 Agent。但很多过去的打法，确实要重新学。
Agent 再多，人也不会没用。数据抓回来，不等于结论就是对的。问题怎么问、结果怎么核对、最后要不要做，还是得人来定。
这套能力模型，也正在改变我做广告和 SEO 的方式。
02 / 广告投放：我越来越觉得，它本质上是信号学
我理解的广告，有两套系统要打通：
系统 1：把产品能力翻译成市场容易看懂的广告素材，让用户明白它能帮自己做什么。
系统 2：把商业化结果翻译成广告系统容易理解的信号，保证信号的密集度和准确度，让系统知道什么样的用户值得继续找。
广告不能只看前端的点击和注册，还得看这批用户进产品后有没有留下来、有没有付费、多久能回本。
最早写这篇自我介绍时，还是“最近接手了相当多的 SEM 工作”。现在已经是 Google / Meta / TikTok 几个渠道一起投了。
目前正在跟团队一起打磨这两套系统。
03 / SEO：它是基础盘，但未必是以后让你赢的理由
SEO 一直是我比较擅长的方向，尤其是 SaaS 工具类产品。
我现在的看法是：它还是得做，是增长的基础盘。但大家找信息的习惯正在被 AI 改变，它以后大概率不再是让你赢的那个理由。
所以更适合交给一个人 + 一个 Agent 稳稳维护，把人省出来去做新东西。
这个想法，是从过去做 SEO 的经历里慢慢长出来的。
之前给 3 个网站做过程序化海量页面，大多拿到了很大的流量。但我一直不觉得，页面多、流量大，就等于增长成功。
在 Monica，接手时 SEO 月流量不到 10 万。技术基础有不少问题，做页面也很依赖多人协作。
后来跟团队一起，先修技术问题，再挑真正有需求的工具和页面，最后把页面生产改成低代码系统。
大概 8 个月，月流量最高做到了约 400 万。
到了 Manus，SEO 已经是一套不需要我天天盯着的维护体系。现在 Ahrefs 上的自然流量估算约 100 万，由一个人 + 一个 Agent 打理。
这是我前面说的“每个人身后都有 Agent”的一个小例子。我们团队正在往这个方向猛冲。
这里面有很多关于地区、设备和具体需求的 insight，欢迎找我讨论。
04 / 商业化：不管从哪个渠道来，最后都要回到经营的账本
无论广告还是 SEO，找来用户都只是开始。做过商业化之后，我看增长的方式也变了。
在 Monica 的 15 个月里，除了流量，也跟团队一起做了 onboarding、定价、退款和渠道。同一阶段，日收入翻了好几倍。还做过 Affiliate 渠道，做到了整体收入的 10%–15%。
再看一个增长项目，会多问几句：找来的是什么用户？为什么愿意付费？付费后有没有继续用？获客的钱多久能收回来？
也停掉过看起来很热闹、但 ROI 算不过来的项目。
现在还是喜欢搞野路子，但最后要能回到经营的账本上。
05 / 产品：能把人找来，不等于能让人留下来
账能算过来，也不代表产品就做好了。
快速做一个满足基础需求的 MVP，再通过用户反馈慢慢把它做大，还是我比较擅长的事情。
短板也还在：没体验过花一个月只做一个功能版本，对单个需求想得不够深。
这几年一直在对用户体验要求很高的团队里，每天都在补这一块。能把人找来是一件事，让人真的用起来、持续用下去，是另一件事。还在练。
而且我觉得这块短板以后更值得补：功能会越来越容易被做出来，用户愿意留下来，更多是因为喜欢这个产品，也信得过背后的团队。
06 / 往回看：这些想法，是从野路子里长出来的
简单过一下经历：
• 大学时，在一家互联网小厂做过半年产品实习。
• 2021 年毕业后加入广大大（SocialPeta），做产品经理，从这里开始做出海。
• 2023 年底加入 Monica，继续做产品经理。
• 2024 年上半年转去负责产品自然流量增长，主要是 SEO；年中开始接触海外广告投放。
• Manus 发布后，开始负责它的广告（Google / Meta / TikTok）和 SEO，也做一些商业化产品工作。
刚进入出海时，完全是野路子玩家。不知道怎么系统性地做增长，也没搭好增长的数据体系。
但跟团队一起，依靠插件市场内的自然流量，做过超过 40 万用户的产品矩阵，没花一分钱买量，也没借助 SEO、SEM 或红人。
到现在还是很佩服当时在广大大的团队，硬生生挖出了一条行之有效的野路子。
这一路都是创业公司，做产品和找用户很难分开。我慢慢养成了一个习惯：从第一天就想用户从哪来、为什么愿意付费、这件事能不能持续经营，把自己当成产品的 CEO。
——
从这些经历走到现在，我还有一个越来越强的感受：增长正在变成一个信任问题。
Agent 能复制，打法也能复制，但用户信不信一个团队，没法直接复制。
我觉得以后，人会花更多时间在“被信任”这件事上：把真实的经历、判断，甚至踩过的坑公开讲出来。这也是我开始在社交媒体上认真写东西的原因。
我也先拿自己试：
Will + Agent = Wigent。
想把自己的经验、判断和工作方式，慢慢沉淀成一个能跟着我一起长的个人知识分身。我注册了 wigent.ai 这个域名，网站先搭好了，分身还在慢慢造。
会在这里慢慢写下我在出海 AI 里的实践：Agent、广告投放、SEO、商业化经营，还有产品思考。
还是喜欢跟真正动手做事的人交朋友。我超级 E 人，不用担心和我聊天会尴尬。
如果你也在做 AI / 出海 SaaS / 增长，或者也在用 Agent 做增长和经营，特别想认识你。
👇学到了
Manus is paying me to run my own startup 🧱
I turn real places, or ones from a kid's drawing, into custom LEGO sets. @ManusAI built the whole thing: site, 3D builds, brick checks, Stripe, domain, email, launch video. I just clicked verify!
Domain to first order in 2 days 👇
Coooool!!! @elonmusk 来玩下吗
Started from a Roadster concept trailer, then built this full-stack game with @ManusAI Game Dev!
Game tracks: Golden Gate Bridge, Tokyo Tower and Marina Bay Sands
Log in to save progress, see play history, and join the leaderboard
Play now: flyingcars.manus.game
那现在整体LLM算还没有跨越鸿沟？
Dusting off this tweet from April because this gap in shared understanding of LLM capability is *widening*. It's now less "two groups of people speaking past each other" and more a sharp funnel.
- Napkin math somewhere around 6B people (~75% of the population) have barely come in contact with LLMs at all.
- Around 1-2B (~20%) are casual and infrequent users of free-tier ChatGPT-like products. This group sees derpy chatbots and treats them a bit like a better Google search, a writing aid, or etc. Maybe an agent tries to book you a flight. I have non-tech friends who (reasonably, imo) say they have not much use for it at all. Even many professionals outside of math&code are in this tier. For example, execs and many other functions spend a lot of their time talking to other people, so while they understand what is happening intellectually, it is still second-hand and a bit abstract.
- Now we get to professional use of frontier-grade LLMs in math&code. Somewhere around 20M people (0.2%) see first-hand that large, complex projects that used to take them weeks/months can now be completed by agents with a prompt. Building apps, copying apps, translating apps, decompiling apps from binaries... This has all happened very quickly and recently - less than 1 year ago, I was writing code manually by hand, typing memorized computer code commands into a code editor character by character, occasionally pressing Tab to autocomplete a little chunk of code.
- And finally we get to the ~5,000 people (~0.00006%) with access to frontier-grade systems internally. The external world has seen the preview. It looks like swarms of thousands of agents collaborating over weeks on software mega projects: minting zero days, running cyber attacks and defenses at machine speeds, discovering new science, advancing the frontier of mathematics. Things that would have taken top professionals in the industry years of work. Meanwhile, human review and comprehension are starting to fall behind. For example, people are still involved in the "archeology" of the OpenAI-HF incident from many months ago. Mathematicians may be poring over the 722 manuscripts on frontier mathematics for a while.
The funnel is driven by a combination of factors:
1. The impact scales with ambition, problem size, and horizon. A question with a paragraph answer barely stresses the system. You need a reservoir of big, difficult problems that you really care about. This aspect drives the consumer / professional dimension of the funnel.
2. The jaggedness of the system (which I have written about a lot separately). Capability peaks in domains that are digital, verifiable and economically valuable. This is because LLM capability emerges from reinforcement learning on verifiable rewards on a curated environment mixture driven by revenue potential. This aspect primarily drives the area (e.g. math&code) dimension of the funnel.
3. Access. Free-tier, paid-tier, internal.
So this is the weirdness of the moment. The general public has mostly not interacted with these systems. When they have, it looks like a derpy chatbot. The majority of professionals still see only a modest uplift. And a small sliver of professionals are experiencing the vertigo of the curve going vertical. And it is all happening at the same time.
Meta 和 TikTok 一条广告都不投，一个 AI 产品能做到年化 10 亿美元吗？
Higgsfield 的答案：不投流，投创作者。
1 万+ 付费创作者，YouTube 一年 1000+ 支视频，七成播放挂着追踪链接⬇️
（Manus调研+做视频一把梭太爽了，大家帮忙看看有啥关键点被遗漏不）
这几天 Jev 在 X 上突然爆火。
坦白说，我第一反应是没看懂：一个不能写文章、不能生成代码，只回答 Choice / Score / Yes-No 的模型，为什么会有这么多人兴奋？
我把能找到的增长相关 case 翻了一遍，才慢慢理解它可能在改变什么。
5. 内容看板
Yum 称，她用约 $0.086 给 1,315 条 X 帖做了 8 维标注，包括 topic、hook 和 writing style，再按标签筛选、比较互动、回看原帖。
-- 真正省掉的不是写作，而是过去逐条打开、读、记笔记的整理成本。
Jev classified 1,315 X posts for about $0.086 in estimated model cost 😂
seeing everyone's Jev demos made me want to build something for my own content research.
i'd collected a lot of posts, but figuring out what they had in common still meant opening them one by one and taking notes.
so i built a dashboard around Jev. it labels each post across 8 dimensions, including topic, hook and writing style.
now i can filter by topic and hook, compare engagement, and open the original posts to see the examples behind each pattern.
my archive is a lot easier to learn from now.