惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

T
Threatpost
CTFtime.org: upcoming CTF events
CTFtime.org: upcoming CTF events
T
The Blog of Author Tim Ferriss
S
SegmentFault 最新的问题
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
博客园 - 司徒正美
T
Tailwind CSS Blog
The Cloudflare Blog
The Last Watchdog
The Last Watchdog
PCI Perspectives
PCI Perspectives
博客园 - 聂微东
Stack Overflow Blog
Stack Overflow Blog
TaoSecurity Blog
TaoSecurity Blog
云风的 BLOG
云风的 BLOG
C
Cybersecurity and Infrastructure Security Agency CISA
O
OpenAI News
Recorded Future
Recorded Future
GbyAI
GbyAI
www.infosecurity-magazine.com
www.infosecurity-magazine.com
Y
Y Combinator Blog
D
Darknet – Hacking Tools, Hacker News & Cyber Security
量子位
博客园 - 叶小钗
V
Vulnerabilities – Threatpost
F
Full Disclosure
Recent Announcements
Recent Announcements
Vercel News
Vercel News
S
Schneier on Security
H
Heimdal Security Blog
Cisco Talos Blog
Cisco Talos Blog
V2EX - 技术
V2EX - 技术
cs.AI updates on arXiv.org
cs.AI updates on arXiv.org
B
Blog RSS Feed
宝玉的分享
宝玉的分享
Exploit-DB.com RSS Feed
Exploit-DB.com RSS Feed
P
Privacy & Cybersecurity Law Blog
T
Threat Research - Cisco Blogs
G
Google Developers Blog
C
Cyber Attacks, Cyber Crime and Cyber Security
爱范儿
爱范儿
IT之家
IT之家
大猫的无限游戏
大猫的无限游戏
C
Check Point Blog
N
Netflix TechBlog - Medium
S
Security @ Cisco Blogs
cs.CV updates on arXiv.org
cs.CV updates on arXiv.org
Microsoft Azure Blog
Microsoft Azure Blog
H
Hackread – Cybersecurity News, Data Breaches, AI and More
Threat Intelligence Blog | Flashpoint
Threat Intelligence Blog | Flashpoint
Cyberwarzone
Cyberwarzone

人人都是产品经理

为什么你的产品找不到差异化?90%的失败都卡在第一步上(下) – 人人都是产品经理, 3年从30万到1300万用户、获2200万美元融资,这个AI教育产品用“抽卡”破解了获客难题 – 人人都是产品经理, 园区招商系统怎么做才能真正帮到去化?我加了这一个功能,推广链接转发400次阅读过万 – 人人都是产品经理, AI大事件:OpenAI发完网络安全模型又搞药物研发,小鹏汽车要抓”DeepSeek时刻” – 人人都是产品经理, 电商不是卖货,是一场更残酷的产品经理实战 – 人人都是产品经理, 没想到,活动营销又回来了! – 人人都是产品经理, 为何All-in海外KOC:一场关于AI时代窗口期的豪赌 – 人人都是产品经理, 重新理解企业的内部协作 – 人人都是产品经理, 苹果的 AI 战略到底是什么? – 人人都是产品经理, 医疗智能体·第2讲——合规护城河:等保、PIPL与HIPAA的架构实战 – 人人都是产品经理, 向量知识库五步法:从“答非所问”到“精准回复” – 人人都是产品经理, 鸿蒙PC三方库构建总指挥HPKBUILD(sha)库为例 – 人人都是产品经理, 何时该用LLM?AI产品经理的LLM设计指南 – 人人都是产品经理, 医疗信息领域的需求方、决策方、准入方以及关注点(二) – 人人都是产品经理, 即梦涨价:一场被误读的「傲慢」 – 人人都是产品经理, 面试AI PM必答题:Hermes和OpenClaw的区别,如何讲清楚业务价值 – 人人都是产品经理, AI的下一张船票:世界模型——AI产品经理必须理解的技术拐点 – 人人都是产品经理, 小红书做GEO,怎么让AI信你?记住这 3 个重要信息 – 人人都是产品经理, 5 家印度 AI 初创公司,看看印度 AI 再做什么 – 人人都是产品经理, AI项目跨团队协作:产品技术业务如何不打架 – 人人都是产品经理, Agentic Workflow(智能体工作流):让AI从”答案生成器”变成”数字员工” – 人人都是产品经理, lycium_plusplus 项目全景解读:OpenHarmony 三方库构建的“大管家” – 人人都是产品经理, 从爆单救火到前置履约:两套预采策略,把生鲜大促履约效率拉满 – 人人都是产品经理, 什么时候该补货?我用一轮数据做了一个决定 – 人人都是产品经理, 从“机械兜底”到“动态分流”:AI客服重复进线治理的4大底层逻辑 – 人人都是产品经理, 抖音拼效率,红书拼洞察 – 人人都是产品经理, 全民狂欢与退潮——为什么龙虾这波热潮冷却得如此之快? – 人人都是产品经理, Stripe押注!MPP重塑全球支付 – 人人都是产品经理, 小红书GEO:AI引用你的内容,不是因为你对,而是因为你看起来可信 – 人人都是产品经理, 前百度副总裁押注办公Agent,日韩付费爆发,Manus迎来强劲对手 – 人人都是产品经理, 企事业单位数字化的业务供需本质 – 人人都是产品经理, 医疗智能体·第1讲——医疗信息化重构:从“辅助软件”到“自主智能体”的范式转移 – 人人都是产品经理, 粉丝量就是空气!!! – 人人都是产品经理, 用户说“薯片碎了”,机器回“要买吗?”:意图识别的翻车与破局 – 人人都是产品经理, RAG召回准确率从75到90 我做对了这三件事 – 人人都是产品经理, AI大事件:Anthropic改收费、OpenAI发安全版、手术机器人纳入医保、阿里发布”秒悟” – 人人都是产品经理, Chrome 推出 Skills 新功能,Agent 重塑上网方式 – 人人都是产品经理, GitHub前创始人拿了a16z的1700万美元,做Agent时代的Git – 人人都是产品经理 拷贝或克隆其他 Flutter OH 项目到本地后无法运行 – 人人都是产品经理, 优惠券设计:优惠券创建 – 人人都是产品经理, 不用死磕文档!AI 助手 1 小时搞定飞书 CLI 安装 + 配置 + 知识库 – 人人都是产品经理, 用小龙虾做竞品分析报告:从2天到20分钟,我是怎么做到的 – 人人都是产品经理 用小龙虾做市场分析报告:搞懂这3个公式,市场规模不再靠猜 – 人人都是产品经理, 你早就在做 Harness 工程,只是不知道它叫这个名字 – 人人都是产品经理, Think Long就够?你可能想多了! – 人人都是产品经理, 货代SRM实战:供应商准入怎么做,才能让资源池不是通讯录而是可交付网络? – 人人都是产品经理, 如何做好用户调研?详解基本技巧 – 人人都是产品经理, 木鸟、途家、美团对打,平台春天行动开“卷” – 人人都是产品经理, 入职才发现公司不靠谱?小红书从业者求职避坑指南 – 人人都是产品经理, 美国 AI 三巨头联手封堵,中国 AI 突围之路在何方 – 人人都是产品经理, 小红书,放在需求对面的镜子 – 人人都是产品经理, AI 会带来大规模失业吗? – 人人都是产品经理, 从出单到补货前,我第一次犹豫:该不该放大? – 人人都是产品经理, Flutter 三方库鸿蒙化适配:5 种高效检查方式,快速判断是否需要适配 – 人人都是产品经理, 从做产品进阶拿结果:医美机构产品经理转岗科室运营经理 – 人人都是产品经理, 阿里HappyHorse,一场关于“Token经济”的阳谋 – 人人都是产品经理, To B AI:客户留存落地的观察与思考 – 人人都是产品经理, AI产品的“生命线”——数据采集、标注、清洗的产品化设计 – 人人都是产品经理, 谈谈AI Agent(二):当“孩子”能自己“体验世界”时,你该学什么? – 人人都是产品经理, UI/UX设计师的3层能力进阶,前两层让你活下来,第三层…才是真正的分水岭 – 人人都是产品经理, 2分钟 → 30秒,效率提升75%:B端产品经理如何用「规则枷锁」驯服AI幻觉? – 人人都是产品经理, 还没来得及学OpenClaw,来了个更猛的:Hermes Agent – 人人都是产品经理, AI日报:宇树机器人跑出10m/s刷新世界纪录 – 人人都是产品经理, 一文说透基金互金如何用情绪价值引导用户决策做转化 – 人人都是产品经理, 当浏览器开始替你”看”网页:AI 浏览器正在亲手拆掉它脚下的那张网 – 人人都是产品经理, 0代码,一天时间我Vibe Coding了个网站 – 人人都是产品经理, Hermes 和 OpenClaw 之争,Agent 的能力应该“装上去”还是“长出来”? – 人人都是产品经理 视频生成的“桌子”,字节Seedance 2掀完,阿里快乐马掀 – 人人都是产品经理, 从听不懂到完全信任:我的 Codex 深度产品体验 – 人人都是产品经理, 当虚拟偶像有了北京户口,与真人偶像还有什么区别? – 人人都是产品经理, 会说,远远比会做更重要 —— 对 SBTI 爆火现象的五层观察 – 人人都是产品经理, AI产品经理必看:当“搭环境”比“选模型”更重要,你的认知还在2024年吗? – 人人都是产品经理, 2026年AI产品商业化核心逻辑:从功能demo到规模化营收的3个必破卡点 – 人人都是产品经理, 京东围绕供应链,卷起裤腿下场的那些事儿 – 人人都是产品经理, SBTI一夜刷屏:它赢在了“太会说人话” – 人人都是产品经理, 折扣零售的真相:不是便宜,而是价值感! – 人人都是产品经理, 和甲方吵了一架,最后加钱做了——我学到的ToB产品经理生存法则 – 人人都是产品经理, 和几位小红书操盘手聊了8小时,干货全在这 – 人人都是产品经理, 智谱GLM-5.1登场,开源模型首超Opus4.6!!! – 人人都是产品经理 Anthropic收入凭什么反超OpenAI,终于有人把这事说清楚了 – 人人都是产品经理, 史上最有故事感的技术报告——Claude最强模型Mythos 7个极其精彩的细节 – 人人都是产品经理, 模型不是壁垒,Harness 也不是 – 人人都是产品经理, 抖音本地生活业务思考21 – 人人都是产品经理, Superpowers:145k Star的AI编码框架,到底是什么来头? Superpowers:145k Star的AI编码框架,到底是什么来头? – 人人都是产品经理, OpenAI 的路走错了,Anthropic Harness 解法启示:模型需要实践专科生 – 人人都是产品经理, 画原型图的前一步:设计站点地图 – 人人都是产品经理, 给 DeepSeek 的最后一封催更信 – 人人都是产品经理, 手把手教你用 Claude Code 搭建 AI 营销团队:5 个 Agent、12 项技能,独立完成研究、写作、设计全流程 – 人人都是产品经理, 你以为大模型在学语言?不,它在重新发明语言学 – 人人都是产品经理 所谓Skill,不过是AI时代的工业垃圾 – 人人都是产品经理, 聊一聊内容传播的几个方法 – 人人都是产品经理, 当平台开始吃掉生态:从 OpenClaw 被封杀,读懂 Anthropic 的这盘棋 – 人人都是产品经理, 你装了 10 个 AI 插件,Obsidian 还是一个文件夹 – 人人都是产品经理 关于AI智能体架构演进的系统性思考:从单体试水到多体协同的重构 – 人人都是产品经理, 当“人”变成Skill,我们又该何去何从? – 人人都是产品经理 Mythos 事件:前沿 AI 治理的意外实验 – 人人都是产品经理, 货代CRM:信用与风险管理怎么做,才能把坏账风险拦在放货之前? – 人人都是产品经理, 从HR收集自拍照到员工自助录入——我见证了园区人脸识别从”不可用”到”真好用”的全过程 – 人人都是产品经理 千问闯关AI混沌期:阿里画靶,吴嘉张弓,马云射箭? – 人人都是产品经理,
8000字解析Snowflake:三个阶段的关键营销增长策略
罗兰@AIToB增长 · 2024-06-25 · via 人人都是产品经理

2012年成立,2020年登录纽交所,Snowflake创下软件公司史上最大规模IPO。这个软件公司是如何保持增长的?本文梳理了该公司的发展史,分享三个阶段的关键营销增长策略,供大家参考。

3月6日,Snowflake公布2024财年第四季度营收——7.747亿美元,同比增长 32%;总营收——28.06亿美元,同比增长36%。

按此增速,Snowflake将很有可能提前完成自己制定的小目标——“2029财年达成100亿美元营收”,迈入百亿俱乐部。

NDR(Net Dollar Retention,净收入留存率)是衡量一款企业级软件是否真正具备市场竞争力的重要指标。全球优秀企业级软件的NDR Benchmark基本在100%-125%。而Snowflake高达131%,足以说明其卓越的产品能力、客户粘性。

从2012年成立,到2020年登陆纽交所,Snowflake创下软件公司史上最大规模IPO,得益于巴菲特的加持,开盘暴涨111.61%,市值曾经一度高达707亿美元,PS曾超50倍。虽然如今的股价相比最高点已经“腰斩”,但 Snowflake 仍然是企业级软件市场上估值最高的股票之一。

Snowflake 如何持续保持高增长?从0-1、1-N不同阶段的营销增长策略是什么?本文从发展史出发,着重分享三个阶段的关键营销增长策略。全文8000余字,预计需要阅读8分钟。

一、没有这家风投,就没有Snowflake

Sutter Hill Ventures(以下简称“SHV”)成立于1964年,由风险投资界的泰斗William Henry Draper III创立。

这位泰斗的父亲开创了美国 VC 模式,是美国创投行业先锋之一;他的儿子,便是如今大名鼎鼎的德丰杰(DFJ)投资基金创办合伙人——Tim Draper,Tesla、百度、Twitte、Hotmail等“背后的男人”都是他。祖孙三代主打一个传承……

不同于许多高调的风险投资公司,SHV非常低调。一是很少在公开场合宣传自己的成功案例,二是基本选择在公司成长至一定规模后将舞台留给创业者,在硅谷有着“沉默建设者”的美誉。

时间来到2008年,毕业于美国哈佛商学院的Mike Speiser加入SHV担任管理合伙人,相较于其他投资人,Mike Speiser 有着自己独特的投资风格:

1、早期介入

倾向于在非常早的阶段就开始介入创业项目,甚至在团队只有模糊的想法时就开始合作。他会与创业者紧密合作,帮助他们定义愿景、组建团队,并确定产品的最小可行产品(MVP)。

2、共同创业

将自己视为创业团队的一部分,而非仅仅是一个投资者。他会投入大量时间和精力,与团队一起工作,确保项目的顺利推进。

3、资源匹配

擅长将创业团队与合适的资源相匹配,这可能包括其他投资者、合作伙伴或关键人才。他会利用自己在行业内的网络和经验来促进这些连接。

加入SHV后,Mike Speiser 投资了闪存存储公司Pure Storage,并担任其CEO,目前这家公司已经在纽交所上市。凭借在数据库领域的成功经验,Mike Speiser在2010年就提出要构建“下一代数据库(基于闪存)”的设想,并开始着手寻找可孵化对象。

巧的是,当时还在Oracle工作的Benoit Dageville(现Snowflake创始人之一),曾经与Mike Speiser有多年的合作关系,并在一起合作优化过 Oracle 数据库。

然而,当 Mike Speiser 满怀期待地找到 Benoit Dageville 时,却被浇了盆冷水。Benoit Dageville 并不认为这个设想值得被提出和解决,并表示“你正在解决一个不是问题的问题”……

Benoit Dageville 在 Oracle 工作了16年,很清楚用户对Oracle 费用高昂、计算复杂、数据难扩展等问题的抱怨。他认为,如果真的想做一件产生巨大价值的事情,应该聚焦在数据库的计算,而不是存储。

经过两人来回多次的深入讨论,双方都逐渐认同了一个方向——采用存算分离架构,在云上创建一个数据仓库。于是,咱们的 Benoit Dageville 拉上他的法国老乡 Thierry Cruanes 从 Oracle “出逃”,并拉上一位荷兰小老弟 Marcin Zukowski,开启了创业之旅。

二、铁打的创始人,流水的CEO

与大多数硅谷企业的创始人即CEO不同,Snowflake自成立以来,两位核心创始人就没有担任过CEO的职位,而是由SHV投资人Mike Speiser掌舵,为Snowflake的每个不同成长阶段匹配最适合的CEO。

第一任,2012年-2014年,由Mike Speiser亲自担任,打好创业基本盘

相较于几位技术创始人,Mike Speiser是其中管理经验最丰富的,知道什么对初创阶段的企业最重要。

创始人侧重技术,这期间闭关设计技术架构、产品架构。而Mike Speiser则侧重公司运营,以及初创团队的招兵买马等等,相当于一个“全能型保姆”了,据说他个人80%的时间都贡献给了Snowflake。这也为早期的Snowflake奠定了坚实的基础。

到2013年以前,Snowflake都保持着12人的研发团队规模,被称为“Dirty Dozen”。但这些人并不是来自商业数据库巨头Oracle,而特意寻找了一批适应云时代的工程师。

第二任,2014年-2019年,从微软请来Bob Muglia,带领Snowflake“跨越鸿沟”

当公司发展到一定规模,就需要专业的职业经理人来带领Snowflake从早期成长阶段过渡到成熟商业运营模式。

Bob Muglia加入Snowflake时,还不到120人,产品也还未正式上市。如何将前沿技术转化为商业产品,”跨越鸿沟“成为这一时期的主要任务。

左2-Frank Slootman

Bob Muglia 在科技行业经验丰富,曾经是微软现任 CEO Satya Nadella 的老板,也就是 Microsoft Azure最初的业务负责人。此前在微软,担任——服务器&商务工具事业部副总裁,带领事业部实现年营收超过150亿美元。

任职期间,Snowflake 逐步完成了多云战略。起初只运行在AWS上,2018年上线Microsoft Azure;2019年上线Google Cloud。

如今,AWS仍然是Snowflake最大的云厂商合作伙伴,营收占比大约78%;Microsoft Azure大约18%,正逐步上升中;Google Cloud大约4%。

第三任,2019年-2024年,高龄 Frank Slootman 再出山,带领Snowflake成为软件史上最大规模IPO

这个阶段的Snowflake正值冲刺上市,需要一位带领企业级软件公司上市方面有卓越能力,且还有不止一次成功上市记录的CEO。

这样的人并不好找,Mike Speiser“三顾茅庐”才把这位已经准备退休,正在湖边钓鱼的Frank Slootman请过来。毕竟准备加入Snowflake时,Frank Slootman已经快60岁高龄了。

左2-Frank Slootman

Frank Slootman 在硅谷被亲切地称为“Mr. IPO”,相当于企业级软件的埃隆马斯克,带领过Data Domain、ServiceNow成功上市。任职 ServiceNow CEO 的 6年期间,将其营收从1亿美金增长到140亿美金。

这位哥的做事风格,以激进、强硬著称,一上任便进行了大刀阔斧的改革。比如:

  • 重组销售团队:分为大客户团队和行业客户团队。大客户为公司关注的重点。
  • 解散客户成功团队:Frank Slootman 认为公司所有人都应该为客户成功负责,而不是仅仅是某个团队的职责,于是就直接解散了😺……然后把这些人重新分配到其他部门。

第四任,2024年-至今,Sridhar Ramaswamy,拥抱AI新时代

就在不久前(今年3月),Frank Slootman 宣布卸任 CEO,同时继续担任董事长。新CEO由原AI高级副总裁Sridhar Ramaswamy担任。

Sridhar Ramaswamy曾在谷歌工作过15年,是人工智能、机器学习领域的资深专家(又是一位🇮🇳)。AI时代的Snowflake如何发展,就看这位了。

三、打响第一枪:企业级软件也能饥饿营销,推出首年即斩获500家企业客户

Snowflake的商业化征程正式开启的标志性事件,便是第二位CEO Bob Muglia的加入。

2014年Bob Muglia加入后,当年10月21日,Snowflake便公开发布了这家初创公司的第一篇新闻稿,名为《SNOWFLAKE REINVENTS THE DATA WAREHOUSE FOR THE CLOUD》。向外界正式宣布推出 Snowflake Elastic Data Warehouse。

这篇新闻稿发布之前,Snowflake一直以“StealthMode”自居,隐藏了两年多的时间,就连获客一直都是靠发邮件的方式偷偷进行。就这样,逐步积累了第一批种子用户,产品与市场匹配(PMF)也初步得到验证。

此时的Snowflake已经具备:

1)明确、清晰、独一无二的定位

数据仓库(Data Warehouse)并不是一个新概念,但云数据仓库是。

1990年 IBM 的 Bill Inmon 就提出了数据仓库的概念。在Snowflake之前,数据仓库已经经历了从本地专有硬件(代表产品:Teradata)、共享存储(代表产品:EMC Greenplum)到大数据Hadoop的发展历程。

但完全基于云计算架构的数据仓库产品,Snowflake是第一个。

2)契合用户痛点的产品卖点

  • 用户痛点A:传统数据仓库过于复杂、不灵活且昂贵
  • 产品卖点A:Snowflake 的云服务将数据存储与计算分离,能够独特地利用云的弹性、可扩展性和灵活性,提供数据仓库的强大功能、大数据平台的灵活性、云的弹性,且成本比本地数据仓库低 90%。
  • 用户痛点B:新兴的大数据平台,仍然需要依赖专业人员的专业知识
  • 产品卖点B:Snowflake 作为完全支持标准 SQL 的原生关系型数据库,任何分析师都能自助访问数据,从而使组织能够利用他们已有的工具和技能。

3)独特的产品价值

  1. DaaS(Data warehousing as a service,数据仓库即服务)。 Snowflake 消除了与管理、调优数据库相关的麻烦。这使得自助式数据访问成为可能,以便分析师可以专注于从数据中获取价值,而不是管理底层的硬件和软件。
  2. 多维度的弹性。与现有产品不同,Snowflake 的弹性扩展技术可以独立地扩展用户、数据和工作负载,从而在任何规模下都能提供最佳性能。弹性扩展使得同时加载和查询数据成为可能,因为每个用户和工作负载都能获得所需的资源,没有资源争用。
  3. 统一的业务数据服务。 Snowflake 将半结构化数据的原生存储整合到关系型数据库中,并对其进行完全优化的查询支持。分析人员可以在单个系统中查询结构化、半结构化数据,无需横跨多个系统。

4)有说服力的标杆企业背书

“StealthMode”的两年多期间,Snowflake已经积累了一批种子用户,在这篇新闻稿中,就有Adobe、White Ops、VoiceBase、Condé Nast等客户为其背书。

有意思的是,距离第一篇新闻稿发布之后,快一年的时间。在2015年6月23日,Snowflake才对外正式公开发布数据仓库产品。在这期间,Snowflake只向他们认为合格的组织(即目标客户画像一致的客户)提供测试版。

这样做:

  • 一方面是充分测试和验证,留更多时间,验证业务场景,测试产品的可靠性、性能等;
  • 一方面是积累更多早期用户,找到对的客户来使用、打磨产品,才是PMF阶段最重要的工作之一;
  • 另一方面则是营造期待和需求,通过提前宣传和吸引市场关注,营造更大的用户需求和期待,在正式上市时获得更好的市场反响。

正式上市后,Snowflake取得了非常棒的效果:

  • 在上市首年就吸引超过 500 家企业客户,包括许多知名的科技公司和金融机构。
  • 2016财年,实现约6000万美元的营收,同比增长超过300%。

凭借其创新的云数据仓库解决方案, Snowflake 在业内赢得了广泛的关注和好评,初次露面就建立了独特的品牌形象和技术优势。

四、迎接成年礼:5大营销支柱让营收破1亿美元

2016年初,Denise Persson加入Snowflake担任首席营销官,带领公司开启基于数据驱动的规模化营销增长。

这位姐很厉害,1996年参加工作时没有选择加入大公司,而是加入了一家法国初创公司Genesys,在那里一干就是12年,升迁六次,27岁就成为了全球营销副总裁。在这12年期间,她在全球 25 个国家开设了办事处,参与了 14 家公司的收购,并拥有了第一次 IPO 经历。

话说回来,1亿美元是企业级SaaS公司可以在纳斯达克上市的门槛,也通常被认为是企业“成年礼”。Denise Persson在Snowflake突破1亿美元营收后,分享了她关于营销如何支撑业务增长的思考,并总结为五大营销支柱:

支柱一:Create strong positioning

定位是营销的基石,正如房屋的地基一样,如果地基不稳固,墙体就会很容易出现裂缝。因此,创建一个强有力的定位,对于避免营销中的漏洞至关重要。

Snowflake通过咨询公司,借助“焦点小组”模式与真实潜在客户进行深入讨论,确保定位能够与那些不了解Snowflake的人产生共鸣。

大多数公司只与现有客户或潜在客户进行几次访谈,但远远不够。因为定位需要对公司下一阶段的增长负责。

如下图所示,Snowflake一旦确认了定位,这句“专为云而生的数据仓库”便会无处不在。

支柱二:Be the most customer-centric

Snowflake始终将客户放在第一位,所以从一开始就决定创建行业内最以客户为中心的营销团队。

一是通过与销售人员的日常会议,确保始终掌握客户需求。Snowflake的营销团队几乎每天都会与销售人员举行会议,及时了解营销需要解决哪些最重要的问题。

二是通过客户顾问委员会、年度客户调研(NPS)来收集客户反馈,并据此调整营销策略。Snowflake会检查并跟踪客户旅程的每一个环节,任意环节如果出现任何问题,都会“全员上阵”调查问题所在并加以解决。

早期,为满足客户需要,扩大内容开发,Snowflake几乎让每位员工都参与撰写文章、制作视频。这些内容都专注于客户想要了解的内容,帮助Snowflake建立信任和信誉。这是大多数B2B公司所缺乏的。

支柱三:Build for scale

很多ToB初创公司的营收在达到2000万美元后会经历增长放缓,因为整个公司的工作流程还是手动的,以及营销技术堆栈、流程没有建立在可扩展的基础上。

2017年,这一年Snowflake的年营收约为9600万美元。在这一年,Snowflake的每次全体会议上,讨论的最大话题几乎都是关于自动化。

自动化是ToB初创公司实现快速规模化增长的基础。Snowflake在自动化系统上线之后,才实现免费试用的起飞。如下图所示,是目前Snowflake营销团队正在使用的系统全景图。

支柱四:Be bold

ToB初创公司大多预算有限,要想在如今竞争激烈的市场中脱颖而出,并与大型公司、知名品牌竞争,应该怎么办?如何在预算有限的情况下效益最大化?

Snowflake营销团队选择了——大胆。

作为创新产品,Snowflake有宏伟的愿景,创造一个大胆的品牌也与其价值观和企业文化相契合。大胆当然有风险,但也是获得关注的最佳机会。

101高速公路(US Route 101)是硅谷的主要交通动脉,从南部的洛杉矶一直延伸到北部的旧金山,全长超过1500公里,连接无数的科技公司总部,如Google、Apple、Facebook等。

Snowflake早期投入大量预算,在101高速公路上打了很多有意思的广告,如“LOVE IS BLIND. DATA IS NOT”、“YOUR DATA LAKE JUMPED THE SHARK” 等。与此同时,每块广告牌都在重复、重复、再重复同样的定位。

Snowflake在营销上有多舍得花钱?以21年Q2的数据为例,营销费用接近1亿美金,而这一Q的总营收才2.72亿美金。

当然,猛投钱也让Snowflake早期快速提升了品牌知名度。据Snowflake自己统计,至少有一半入职的新员工坦言,第一次听说Snowflake是从广告牌上。(PS:线下广告很难用数据衡量效果,入职调研,是这位CMO建议的衡量方法)

除了费钱的“大胆”,也有不费钱的”大胆“。

Tech Marketing 是美国科技公司常用的营销手段,老牌企业级软件巨头Oracle一直是”饱受攻击“的对象,这次也不例外。

此前的文章《Salesforce:英雄主义+游戏化,学SaaS鼻祖用社区激活全球百万用户》中也有提到——Salesforce早期也通过Tech Marketing,高举“No Software”快速提升品牌知名度。

作为新兴云数据库仓库代表,Snowflake的工程师时不时会在各大论坛,发布措辞激烈的测评帖子,挑战一下传统数据库厂商代表Oracle的地位。

这种挑衅从最初的混战,后来转变为理性的技术探讨,有时惹急了还会收到Oracle的官方下场回应。长此以往,Snowflake也在技术、分析师圈层建立起了一定的知名度。

支柱五:Align with sales

最后一点也是最重要的一点:销售和营销团队需要作为一个团队来共同工作。

Snowflake快速增长非常重要的原因,就是从一开始就实现了整个公司的强大一致性——对齐点是围绕 Sales Pipeline。

CMO很重要的一项工作就是确保每一天,营销团队都能与销售团队保持100%的合作,并始终保持相同的执行力。

在Snowflake的早期,CMO每周一早上都会与八位销售发展代表一起制定营销计划。如今,这两个团队加起来有超过1000人,仍然保持着相同的对齐。

五、规模化增长:ABM推动全球扩张

从2018年开始(含新冠肺炎期间),Snowflake 在不到15个月的时间内产品收入增长了300%,其中的关键战役就是ABM(目标客户营销)的开展。

ABM将「营销」和「销售」的重点放在符合ICP(理想客户档案)的少数企业上,以「最大限度提升目标客户的转化潜力」为共同目标。核心在于两点:

  • 一是一致性,需要跨多岗位协同作战;
  • 二是个性化,为目标账户在不同触点,定制互动内容。

SnowflakeABM的目标

目前,很多B2B企业的营销团队已经不再侧重单个渠道的衡量,而是转向整体渠道视图。

因为,这更能让营销同学团结在同一个目标下,共同推动营收增长。Snowflake ABM 的目标分为两个:

  • 主要目标:已预约演示的账户百分比。通过确定多少目标账户成功预约了演示,来衡量营销活动的效果。
  • 次要目标:
    • 账户互动:目标账户访问 Snowflake 资产,如网站、白皮书、案例研究等。
    • 机会率:基于预约演示的目标账户中,进一步转化为商机的比例。

这种衡量方法强调目标账户的高质量互动体验,让营销人员可以专注于提升品牌知名度,而销售团队则集中于构建客户关系。总体目标是通过协同作战推动业务增长。

SnowflakeABM团队的配置

如今, Snowflake的ABM团队已经有21位同学,分为四个团队👇:

新兴市场Team:负责高价值的潜在账户、意向账户。主要职责有:

  • 市场研究:通过市场调研获取相关数据,分析新兴市场潜力,帮助 Snowflake 更好地理解新市场的需求和特性。
  • 市场开拓:负责开辟新的市场机会,特别是在尚未成熟或开发的地区或行业。
  • 品牌引入:将 Snowflake 的品牌和产品引入新市场,通过各种营销策略提高品牌知名度。
  • 合作伙伴关系:建立和维护新兴市场中的合作伙伴关系,包括渠道合作和战略联盟。

企业Team:负责北美6个主要地区。主要职责有:

  • 大客户管理:负责公司最大的企业客户,确保这些客户得到一流的服务和支持。
  • 定制化解决方案:根据大企业客户的需求,提供个性化的解决方案和产品服务,以满足其特定需求。
  • 客户保留与扩展:在客户生命周期内实施客户保留策略,同时寻找增值销售(upsell)和交叉销售(cross-sell)的机会。
  • 高层互动:与客户高层管理人员保持紧密联系,了解其战略需求并提供相应的解决方案。

行业Team:负责7个关键行业的主要账户、客户。主要职责有:

  • 行业研究与洞察:深入研究和分析特定行业的趋势、痛点和需求,确保 Snowflake 的产品和服务能够精准匹配行业需求。
  • 行业解决方案:开发和推广针对特定行业的解决方案和用例展示,帮助不同的行业客户更好地理解和使用 Snowflake 的产品。
  • 行业活动与内容:组织行业相关的活动,如研讨会、会议、白皮书和案例研究,通过这些途径提升在特定行业的影响力。
  • 行业关系维护:与行业协会、领军企业和意见领袖建立并维护关系,确保 Snowflake 在各主要行业的强劲定位。

激活中心Team:负责全球项目管理、赋能,以及数字化营销所有技术栈的管理。主要职责有:

  • 营销自动化与执行:负责实施和管理 ABM 活动的各类自动化工作,确保营销活动高效运行。
  • 内容和渠道管理:制定和分发营销内容,通过多种渠道(如邮件、社交媒体、网站等)最大化活动的覆盖面和影响力。
  • 数据分析与优化:持续监测和分析营销活动的表现,提供及时的反馈和优化建议,以提高ROI。
  • 技术支持:维护和优化用于 ABM 活动的技术堆栈,确保工具和平台处于最佳状态。

SnowflakeABM的4层技术栈

B2B采购的决策周期长,通常需要3-6个月甚至更久,对于营销团队来说,多渠道持续触达至关重要。Snowflake 的ABM技术栈分为4层👇:

1)智能层

这一层将第一方、第三方数据源整合至Snowflake中,描绘出目标账户与Snowflake互动的“谁”、“在哪里”以及“何时”的全貌,并在此基础上创建线索评分、意图算法。

Snowflake倾向于自建线索评分标准,完全掌控买家旅程,减少对外部供应商的依赖。这层使用的工具包括:

  • Snowflake(数据仓库,中国对标产品如SelectDB)
  • Bombora(B2B意图数据,中国对标产品未知)

这一层对数据治理的要求非常高,决定了:

  • Snowflake能通过细致的市场调研和数据分析,对目标市场进行细分,识别出具有最高潜力的客户群体。这些细分不仅仅基于行业、规模或地理位置,更是深入分析潜在客户的业务挑战、技术使用情况及购买行为,从而确保营销活动的高度相关性;
  • Snowflake能构建详细的客户画像,使得营销团队能够创建高度个性化的,从电子邮件、社交媒体到定制化的内容营销,每一步都精准对接客户的具体需求和兴趣点。

2)激活层

激活层的作用是将智能层收集的数据转化为针对每个潜在客户的ABM体验。

通过识别哪些账户正在积极浏览Snowflake网站或研究相关产品,使得ABM团队能够在客户意向和兴趣最高时,向正确的人群传递相关的信息和行动号召。

例如,Snowflake可以触发定向广告,展示给目标账户,再链接到个性化的ABM微站点,直接针对该账户的具体应用场景进行沟通。这层使用的工具包括:

  • Mutiny(个性化网站体验,中国对标产品未知)
  • Rollworks(端到端的ABM,中国对标产品如致趣百川、径硕、火眼云等)
  • LinkedIn(B2B职场精准投放,中国对标产品如脉脉)

这一层对自动化的要求非常高,决定了:

  • Snowflake能通过工具确保营销与销售流程的无缝衔接。自动化工作流程,如动态内容生成、触发式邮件和智能推荐系统,能够高效地管理大量的个性化营销活动,同时保持每一次互动的质量;

3)参与层

这层是传递激活内容的渠道。Snowflake将其ABM计划与销售团队紧密集成,因此既能通过SDR团队(外呼)也能通过线上团队(引流)来实施激活。这层使用的工具包括:

  • Outreach(销售自动化,中国对标产品如销售易、纷享销客等)
  • Reachdesk(B2B个性化礼品赠送、客户体验管理,中国对标产品未知)
  • LinkedIn

这一层对团队协作的要求非常高,决定了:

  • Snowflake的销售与营销团队能紧密合作,形成“一个团队”文化。营销团队负责创造引人注目的内容和体验,而销售团队则基于这些内容与客户建立深度对话。双方共享情报,协同制定策略,确保营销活动能够有效地转化为销售机会。

4)优化层

这层用于分析所有绩效数据并提出未来调整的建议。随着Snowflake不断开拓新市场,需要清晰地看到哪些策略有效、哪些不够理想,以便持续迭代。

这些洞察数据会被汇总,ABM负责人、客户执行经理(AE)、SDR等协作方,会每两周一次会议对此进行共享、讨论。这层使用的工具包括:

  • Snowflake
  • Rollworks
  • Tableau(数据分析,中国对标产品如神策数据、GrowingIO)
  • LinkedIn

这一层对数据分析的要求非常高,决定了:

  • Snowflake能够建立一个反馈循环,持续监测ABM的表现,并基于数据反馈进行策略调整。通过A/B测试、客户反馈收集和营销效果分析,Snowflake能够不断优化ABM策略,确保每个阶段都能更好地满足目标账户的需求,同时寻找新的规模化增长机会。

以上各层协同工作,构成Snowflake高效、数据驱动的营销体系,确保营销活动的高度个性化与效果最大化,同时也促进了团队之间的紧密合作与持续优化。

如今,Snowflake的业务已经遍布北美、欧洲、亚太、拉丁美洲、中东、非洲等多个多家和地区,ABM一直在全球扩张上发挥着重要作用。

未来已来。

AI时代的Snowflake从换帅到升级定位(PS:最新定位升级为“ AI Date Cloud”),正进行一系列适合新时代的组织变革、策略升级。尤其是其营销增长,也正在借助AI、LLM变得更精准、更高效,可能将颠覆现有工作模式。后续Snowflake有相关实践,我们也将持续关注和同步🤖️

BTW,感觉国内企业级软件厂商的数字化营销增长都还没玩溜,国外已经进入到 NEXT level——AI时代的营销了👀

【有兴趣的话,你还可以看看】

趋势研究篇《1.6万字深度研究:接连创造高估值、高增长神话的PLG SaaS》

案例研究篇《HubSpot:坐拥千万级私域流量,MA SaaS 巨头如何做内容营销?》

专栏作家

罗兰,微信公众号:B2B运营笔记,人人都是产品经理专栏作家。《B2B运营实战:我如何带增长团队做私域获客》作者,前易观内容增长总监,擅长B2B内容驱动增长,累计为企业获客数万。

本文由原创发布于人人都是产品经理。未经许可,禁止转载

题图来自Unsplash,基于CC0协议

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务。