她受邀参加Lenny的播客谈到如何成为优秀的产品经理，有两个点让我印象深刻。

一是要即时分享进展，让团队成员和老板都要看到阶段性成功过。如果你的经理很棒，也许你会成功。但优秀的经理凤毛麟角 ，因此不要把“是否有人会注意到”这件事留给运气。

另外，沟通越多，学到的就越多，每次发布产品你都会变得更好。

确实，没有人有义务要看见你的努力，还是要别人知道，特别是评价你的人。

我见过很多职场人，都比较喜欢躲在幕后，一边默默工作，一边抱怨老板不理解…但现实是不理解才是常态，主动说出来，不要憋在心里。

第二点是与其犹豫“这事是不是该我干”，还不如先干了。

与其麻烦别人还不如撸起袖子自己先做，主动说“我来做内容翻译，我参加这个会议，我来跟客户作demo…”

作为产品经理、GTM负责人，很多事情没有办法分工明确，那只能是你的工作。

这就好像工程师的工作是写代码；设计师的工作是设计解决方案；产品经理的工作就是交付商业结果...

产品经理就是要成为那个随时可以补缺的人，要确保产品成功上市。

这也让我想到市场部，我们的专业是什么呢？统筹、协同、策划…这些都是成就结果的中间过程，极为重要，但是能力圈很窄。

假如定位自己的工作链接需求与产品，那就对外做好客户体验优化，对内做好跨部门协同，每件事情做到极致，并积极向上沟通，才是最佳的工作方式。

最后Maggie说出她的座右铭，我非常喜欢，也分享给你“如果一件事值得做，就值得把它做好 ”。

很多技术出身的创始人相信：“真正好的产品自己会说话。”反过来，如果一个产品需要营销，产品大概率不行。

常见的工作流程像是“跑接力”：产品部门先埋头开发产品；营销拿到原型甚至产品之后，才开始讨论客户是谁，有什么卖点，价格怎么定，怎么卖出去...

如果卖不好，双方必定要互相甩锅。

产品认为是营销不会卖；营销抱怨产品不是解决真需求…

好产品却卖得不好，问题到底出在哪个环节？

最近我看了Lenny采访前iPod之父Tony Fadell，谈到即便是iPod这样突破创新性产品，也经历了三次艰难迭代，才打开了市场。

秘诀就在于从研发阶段就整合了营销、销售、渠道、供应链等部门，把产品设计与GTM变成了一套整体的规划。

这里说的GTM包括用户选择、定位、定价、营销、渠道、销售、客户成功等等，是把产品推向市场的过程。

1. 产品创新，不等于商业成功

今天回头看 iPod，很多人会以为它是一款横空出世、一炮而红的产品。

事实上并不是。

第一代 iPod 发布时，只能服务 Mac 极客（Mac 当时在个人电脑市场只有个位数份额）；第二代虽然有所改进，但依然局限在相对小众的人群里。

真正改变 iPod 命运的节点是开始支持Windows系统以及推出了iTunes Store，最终让1000首歌放进裤袋成了现实（广告语：1000 songs in your pocket)。

从这个角度看，产品找准了用户群体格外重要。

当初如果死守Mac市场，苹果公司也许早就不是现在的样子，也不一定有现在的iphone。

Tony Fadell说对于任何创新的产品，需要经历三个阶段才能真正做起来，并开始赚钱：

第一阶段找到正确的产品方向和市场方向（PMF)；

第二阶段根据市场和客户反馈迭代产品，以合适的方式推给更广泛的客户群体，让产品有利可图；

第三阶段专注业务优化，整合市场推广与销售渠道，持续发展并实现盈利。

从第一阶段跨越到第二阶段非常非常难，其实每一步都难。

迷茫的时候看看就去客户现场，了解他们有什么痛点可以结合现在的技术解决。

2. 客户关注产品价值

Tony Fadell 在访谈中说，“产品团队了解所有上下文，知道每一个功能为什么存在。但客户不知道。”

性能和功能只能解释产品是什么（What）。

客户真正关心的是：这和我有什么关系？能帮我解决什么问题？为什么我要选择你？

他们需要知道背后的“为什么”（Why）。

在我看来：

产品好，是技术的成就。

值得买，是客户的判断。

卖得好，是商业的成功。

从产品好到值得买，需要的是定位和价值表达；从值得买到卖得好，需要的是渠道、品牌、销售、推广策略。

3. 营销不是产品完成后才开始

客户是透过营销这层“透镜”来理解产品的。

他们看到的是官网、广告、销售演示、媒体报道，以及朋友推荐。

这个道理大家都懂，但是很多技术团队依然对营销保持警惕，因为他们见过太多营销跑在产品前面的失败案例。

Humane AI Pin 就是典型例子。

同为前苹果高管创办，营销和造势手段堪称教科书级别。发布会拍得极具苹果的高级感和科技禅意。

但产品一发售，市场口碑瞬间灾难性垮掉，成了科技圈一个经典的“营销和PPT跑得太快，产品研发根本兑现不了承诺”的活教材。

但这个案例说明的并不是营销不重要。

恰恰相反。它说明产品和营销必须保持步调一致。

Tony Fadell 在《创造》中提到，营销不应该等到产品做完之后才开始。产品管理和营销团队应该从产品定义阶段就共同参与。

很多优秀团队会在产品开发的同时构建产品叙事。

亚马逊著名的 Working Backwards（逆向工作法）就是典型代表。

在正式开发之前，先写新闻稿，回答：这个产品解决谁的问题？为什么重要？客户为什么会关心？如果这些问题回答不清楚，产品往往也很难成功。

营销团队参与研发过程，及时把客户洞察、场景调研反馈给产品团队，同时发掘产品故事。

产品团队有了营销团队带来的用户视角，对需求更了解，研发效率大大提升。

4. 产品与营销脱节，代价非常高

回到前面开头说的产品与营销的脱节，是大多数公司的常态。

研发、技术任务重，经常加班，完全没精力顾及其他事；营销销售压力也够大的，获客和增长没有一件事是轻松的。

大家的KPI也各不相同，产品看功能对比，市场看潜在线索，销售看成交签单。

一遇到问题，就开始吵架。

这种场面我在过去见过太多次：转化率上不去，销售抱怨产品“难用、价格还贵、性能不如对手”；

产品负责人回怼“卖不动是你们只盯着眼前的单子，对技术优势不了解...”。两边都觉得自己尽力了，问题全在对方。

这种内耗消耗公司的竞争力，最终会体现在三笔账上:

时间账：产品埋头做了一年，上线后才发现没人买单，方向错误往往意味着推倒重来。

效率账：产品、市场和销售缺乏共同语言，只能不断开会对齐、反复沟通。

成本账：产品定位不清，市场需要不断测试卖点；产品价值表达不到位，销售只能靠话术弥补认知落差。

5. 产品推向市场如何跨部门协同？

如果如Tony所说，建立一套产品管理体系，需要各个部门的协同。虽然也很难，但也许可以尝试这么做：

一、共同构建信息框架

不要等产品做完了才给市场部下需求。在动手写代码的第一天，产品与营销团队共同做出客户需求说明书，包含：

客户的痛点“是什么”，我们怎么解决客户问题的“如何做”，客户为什么需要的“为什么”。

这份共识说明书对产品开发至关重要，是一份随着产品进化和对客户理解不断深入后逐步优化的活文档；

更是一套共享资源，不仅是营销和产品，工程、销售、支持都可以随时调用。

二、共享关键业务指标

部门墙很多时候并不是组织架构的问题，常常出在指标不一致上。

如果产品只看功能上线率，市场只看线索数量，销售只看签单金额，大家自然会优化自己的局部利益。

真正有效的做法，是让核心团队共同对最终的北极星指标负责，比如产品利润、盈亏平衡时间等….当所有人有共同的数据看板时，协作会变得容易得多。

三、建立持续的反馈闭环

市场和销售在一线听到的真实反馈，用户卡在哪、为什么不买？这些反馈需要第一时间分享给产品团队。

每周或每月的沟通会议把讨论产品、功能、价格的时间缩短一些，多聊聊"我们离那个共同目标，更近了还是更远了"。

写在最后

回到最开始的问题：好产品为什么不一定卖得好？

除了我们看得见的外部原因之外，从企业内部来说，最常见的是把产品创新和推向市场割裂开来了。

但真正成功的产品背后的共性是：产品与营销，从第一天起就密不可分。

过去二十年，科技行业最稀缺的是研发能力。

谁能把产品做出来，谁就拥有优势。

今天，技术正在快速降低开发门槛。

真正稀缺的能力，开始转向：谁能更快理解市场、建立认知、获得信任，并最终完成商业闭环。

这个闭环，需要研发、产品、营销、销售团队一起完成。

其中，产品负责创造价值，GTM负责让价值被看见、被理解、被相信。

本文首发于公众号《时光笔记簿》。

一开始我以为AI时代B2B生意模式要再度翻红了，怎知他说的是Bot-to-Bot（机器人程序对机器人程序）的沟通方式。

举个例子，假如企业要把产品推给客户，要让自己的AI agent跟客户的“AI采购员”先谈。

它们也许会用我们听不懂的机器“方言”比功能、讲价格、谈条款...等有了结果，你再出面和客户决策层沟通。

想想看，一点也不虚幻，咱们早就让“龙虾”帮忙找信息、搜资料了。

很快每个人也许有好多位AI代理，有事“先跟我代理谈”会成了口头禅，见真人估计需要充值VIP。

AI Agent翻译成AI代理现在看是恰如其分。

MIT技术评论有一篇文章标题就是：“Your Most Important Customer May Be AI.”

从GTM的角度来看，不单是让大模型推荐你的产品(GEO)，AI Agent成了采购者、买家。

OpenAI可以成为买手，在 Shopify 上帮用户买买买。

Ramp 推的Tokenized 支付卡，只要设定预算上限和审批规则，AI代理可以“刷卡”了。

无论是大模型本身，还是各种AI代理，都在慢慢成为甲方的决策影响者，甚至是采购者。

如此说来，产品的Go-to-Market（GTM）的第一关就成了Go-to-AI.

一、AI如何做判断？

虽然 AI 在模仿人类推理，但路数完全不同，就比如：

我们愿意先看看演示，最好有案例参考。AI：我只信任数据。

我们选项一多就会有“选择困难”症。AI: 选项越多越好，先穷举再加权。

我们喜欢“赚到”的感觉，总觉得19.99就是比20块便宜很多。AI：19.99只比20少了0.5%，功能上相差10%...

我们喜欢听故事、追求情绪价值。AI:看功能、比参数、对价格...

简单用表格对比是这样的：

也就是咱人类采购比较飘忽不定，有时候凭感觉，有时候看数据，有时候还需要点人脉，但AI只看实打实的数据。

这样好是好，就是有点不灵活、不解风情、缺乏审美。

营销人最擅长的品牌叙事、精美的设计、动画展示等在 AI 买家这纯属“对AI弹琴”。

那些枯燥无味的API文档的完整度、定价页的JSON结构化程度、安全认证的机器解析格式，在AI眼中才是关键因素。

好在并不是所有的购买AI都要深度参与。

企业 SaaS 采购、科技产品选、商务差旅预订、原材料/算力采购等等高信息密度、高比较成本的决策，AI参与更多。

但买口红、添置设计师家具、节日礼品手办等等个性化、情感化的决定，AI并不擅长。

二、GTM正在重构

做完AI洞察，产品介绍、定价方式、营销推广、销售与渠道也要变化：

1. 产品介绍：既要给人看，又要给AI读

过去写产品文档是为了给人看，现在 AI代理要先读。

如果产品功能、集成能力、API 限制散落在 PDF、PPT 和销售人员的大脑里，那就麻烦了，AI从哪获取信息？

GTM Tip：把产品信息理清楚，做成AI能读懂的规格表。别只盯着官网，散落在互联网各个角落的信息，都要及时更新数据，并结构化呈现。

测试方法：直接将你的产品链接投喂给 DeepSeek，问它：“作为采购助理，你会推荐这家公司吗？理由是什么？”如果它回答含糊，说明你的“机器可读性”还要优化。

2. 价格：让AI代理能查到

很多公司官网没有价格，只有一句："联系我们获取报价"。

放在传统观念的销售年代，太正常了，价格很敏感，需要case by case谈。

但AI不会填表单，不会等待SDR回电。它只会根据公开信息做初步筛选。

当客户让AI推荐“最具性价比的选项”时，如果找不到你的报价单，可能直接被pass了。

GTM tips：就算不能公开价格，也至少要在官网提供模块化定价结构、计算逻辑，让AI agent能算清楚成本。

价格完全不透明，在AI agent面前第一轮筛选都入围不了。

3. 内容营销: 从 SEO/GEO 进化到 AEO

就在两年前，我们还主要在搜索引擎上寻找信息，后来在AI大模型上寻求推荐，现在我们让AI助理自己去寻找答案（Answer）。

它会在ChatGPT、DeepSeek中检索信息，然后给用户一个最终答案，AEO（Answer Engine Optimization）。

想被 AI 推荐，产品内容需要具备几个特点：

事实清晰、结构化表达、可比较的数据、第三方验证等等

GTM tips：想清楚你希望AI助理搜到你时看到什么。然后做到：事实清晰;结构化呈现，功能矩阵、价格表、集成清单都摆出来; 第三方背书，权威报道、安全认证都放上。

马上行动：定期在 ChatGPT或 DeepSeek 里搜"最好的「你的品类」工具是什么"，记录你的品牌出现频率、排名，以及不同模型对你的评价是否一致。

4. 销售和渠道：推动客户最终决策

AI把信息搜集、产品比较、参数分析都干完了，那销售干什么？

答案是：建立与决策者之间的信任。

AI能告诉你A产品比B产品贵20%，但它不能告诉客户"选A更适合你现在面对的难题"。AI能列出所有功能参数，但它不能跟客户说"出了问题找我"。

GTM tips：市场和销售要配合更紧密。一方面收集AI工具里的品牌表现数据，一方面和决策者建立长期信任。

三、GTM需要“人机共赏”

很多 GTMer 看到这里会倒吸一口凉气：

以前只需要做一套内容，现在要做两套？

是的。

而且这两套内容的逻辑完全不同：

给AI看的那套，需要动员产品经理、数据架构师一起合作。AI要能懂，必须结构化、参数化。

给人的内容，就需要品牌、公关、营销专家的功力，好的审美、打动人心的内容放在任何时候都很重要。

工作量确实变大了，但AI发展日新月异，只有适应才可能在竞争中生存。

能同时“让 AI 选中”又“让人类爱上”的品牌，才是新的Business to Agent 时代的赢家。

GTMer既得懂Schema标记、API文档这些机器能读的东西，又得懂品牌叙事、场景、审美这种感性的表达，左脑的理性和右脑感性，才能“人机共赏”。

最后

"你的下一个客户可能是AI", 这个预言听起来像危言耸听，但随着AI agent的涌现，我们的工作方式和决策逻辑确实在变化。

当Agent完成了所有的信息搜集和理性计算，客户最终需要的，是一个能为结果负责、值得信任的伙伴。

既让AI这个客户懂你，又要让人类决策者喜欢你，你准备好了吗？

本文首发于公众号《时光笔记簿》。