Jeanne DeWitt Grosser：2026 年，世界级 GTM 长什么样

编者按

Jeanne DeWitt Grosser 是硅谷最懂技术的销售领袖之一。2004 年加入 Google，参与了 Gmail 上线仅两个月的早期团队；在 Stripe 九年，从零搭建整个销售组织，将一家「工程师视销售为脏活」的公司锻造为拥有世界级 GTM 能力的支付巨头；如今担任 Vercel CRO，统管营销、销售、客户成功与合作伙伴全线。

前 Stripe COO Claire Hughes Johnson 评价她：「Jeanne 可能是我见过最擅长与产品和工程建立深度连接、并为他们提供最有价值输入的 GTM 负责人。」前同事 Kate Jensen 的表述更直接：「她的超能力是建立一个让工程师觉得不像销售团队的销售团队。」

这期 Lenny’s Podcast 并非泛泛的销售课——它更接近一份 2026 年 GTM 操作手册。从 AI Agent 如何在六周内替代十人 SDR 团队，到为什么 80% 的企业客户购买是为了「避免痛苦」而非「追求收益」；从 Stripe 如何用白板 Session 重新定义销售发现环节，到 Vercel 如何将「丢单复盘 Bot」进化为实时「交易教练」。Lenny 在节目结尾说：「我觉得你们要赢了。」

一、GTM 的本质：不是「销售」，是客户生命周期的全链路

许多创始人听到「Go-to-Market」会条件反射地联想到「销售」，或略宽泛一些的「销售 + 营销」。Jeanne 在开场即纠正了这一认知偏差——在她的定义中，GTM 涵盖所有会接触客户或产生收入的职能。

她在 Vercel 的管辖范围便是这一定义的实体注脚：营销、销售、技术售前、售后平台架构师、客户成功、技术支持、合作伙伴——全部归她管。之所以需要如此宽的管辖面，源自她二十年职业生涯中反复观察到的同一个问题：营销在做一件事，销售在做另一件事，支持在做第三件事，彼此有交集却永远无法完全对齐。不同团队使用不同的客户分层框架、不同的话术体系、不同的优先级排序，最终导致客户体验碎片化。

更深层的变化在于，GTM 正在经历一次结构性重组。过去十年，这个领域走过了「超级专业化」阶段——有人统计过，当前 GTM 相关岗位多达 17 种。但 Jeanne 的判断是，其中许多角色即将「坍缩」。这并非裁员逻辑，而是 AI 逻辑：当 Agent 能够自动化大量流程性工作，企业不再需要十七个细分岗位——需要的是少数真正懂客户、懂产品、懂体验设计的人，辅以一批 AI Agent 执行。

她提出了一个具体的思考框架：回到「Jobs to be Done」——从客户第一次听说产品，到五年后全平台深度使用、贡献高 LTV 的忠实用户——将整条链路像设计产品一样规划，再用技术去编排。

另一重要趋势是 GTM 日益「咨询化」。在消费型（consumption-based）商业模式下，客户的首笔订单往往只占终身价值的很小比例，这意味着销售不能是一锤子买卖，必须转型为深度顾问关系。AI 时代加剧了这一趋势——每家企业都意识到自己需要变革，却未必清楚具体方向。

因此 Vercel 组建了「前置部署工程」（Forward Deployed Engineering）团队，直接嵌入客户环境协同工作。这不仅是帮客户成功落地，更是一条双向信息通道：团队一边协助客户将技术方案落地，一边将所学带回产品和工程组织，判断哪些需求可通用化为产品内建功能，哪些将长期保持为专业服务。

二、GTM 工程师的崛起：从 Project Rosland 到 AI Agent

这期播客中最令 Lenny 兴奋的段落，是关于「GTM 工程师」（Go-to-Market Engineer）这一新兴角色的演进故事。Jeanne 从 2017 年的一个失败项目讲起，一路讲到 2025 年的惊人突破。

Project Rosland：超前八年的构想

2017 年，Jeanne 在 Stripe 筹建外呼 SDR 团队。Stripe 有一条运营原则——「效率即杠杆」（efficiency is leverage），因此别的公司可能给 30 个 SDR 的编制，她只拿到 4 个。

四个人如何完成三十人的工作？答案是将数据驱动推向极致。团队启动了一个内部项目 Project Rosland——以最早绘制 DNA 图谱的科学家命名。核心构想是建立一个「公司宇宙数据库」：每一行代表地球上的一家公司，每一列是一个有助于精准销售的属性。例如，若一家公司的商业模式是 marketplace，则应推荐 Stripe Connect 而非普通支付；若为 B2B SaaS，则重点推 Stripe Billing。目标是生成一套「填字游戏」式的邮件模板——预设框架不变，80% 的内容根据客户属性自动填充。

这个构想在 2017 年过于超前。团队与数据科学部门深度协作，但误报率始终无法降至可接受水平，项目最终未能完全落地。

但 Jeanne 讲述这个故事的方式意味深长——她不是在复盘一个失败，而是在铺设一条伏线。当年参与 Project Rosland 的人，有些后来加入了 OpenAI，有些去了 Anthropic。其中一位名叫 Ben Salman 的成员辗转至 ZoomInfo 后，近期创办了一家 AI 原生 GTM 公司，核心理念正是 Project Rosland 的进化版——AI 最终将让外呼本身变得多余，自动完成公司与产品的匹配。

2025 年：六周、一个人、替代十人团队

八年后的 Vercel，Jeanne 在做同一件事——这次真正成功了。

她组建了一支 GTM 工程团队，成员并非外部招聘，而是从内部转化。Vercel 的销售工程师本身技术过硬，不少人此前就是前端开发者。Jeanne 直接抽调三人组成 GTM 工程创始团队。

他们的首个项目是一个处理入站线索的「Lead Agent」。流程分为四步：首先是影子学习——GTM 工程师跟随团队中表现最优的 SDR，观察其工作方式（同时开着七个标签页：LinkedIn 查人、公司资料研读、ChatGPT 辅助研究、数据库属性查询）；其次是将观察到的人工流程编码为 Agent 工作流，使用 Vercel 自研的 Workflow SDK 和 AI Gateway；然后进入人机协作阶段——Agent 完成线索评估与回复草拟，由人类审核后发送；最后是渐进放权——根据人类的拒绝和编辑反馈持续优化 Agent。

结果令人瞩目：

“We had 10 SDRs doing this inbound workflow and now we just have one that is effectively QAing the agent. The other nine we deployed on outbound.”

「我们此前有 10 个 SDR 负责入站工作流，现在只需一人做 Agent 的质量审核。其余九人被调配至外呼。」

这并非以牺牲质量为代价。团队追踪了所有关键 KPI——线索到商机的转化率保持不变，Agent 与人类表现持平。由于 Agent 消除了排队等待和非工作时段的响应空白，转化所需的触达次数反而更少。

最关键的效率数据：构建这个 Lead Agent 的是一位 GTM 工程师，仅投入约 25-30% 的时间，六周后团队即有信心从十人缩减至一人。该 Agent 运行在 Vercel 全栈之上，年运行成本约 1000 美元——而此前十位 SDR 的薪资成本超过 100 万美元，成本削减逾 90%。

从 Lost Bot 到 Deal Bot：用 AI 构建实时销售教练

Lead Agent 只是起点。接下来的项目更具战略价值。

团队将所有 Gong（通话录音平台）转录文本导入一个名为「Deal Bot」的 Agent。最初版本叫「Lost Bot」，专门分析丢单原因。

首次运行 Q2 重大丢单分析时，便出现了 AI 发现人类盲点的典型场景：

“The biggest loss that quarter, according to the account executive, was lost on price. And when you ran the agent over every Slack interaction, every email, every Gong call, it said actually you lost because you never really got in touch with economic buyer.”

「那个季度最大的一单，客户经理认为输在价格。但当 Agent 分析完每一条 Slack 消息、每封邮件、每次 Gong 通话后，结论是——真正的败因在于从未接触到经济决策者。」

Agent 进一步指出：当销售人员试图讨论 ROI 和总拥有成本时，对方的反应表明其并不认同。丢单的根本原因不是「价格过高」，而是「价值未被有效传达」。这一洞察直接推动 Jeanne 系统化地量化 Vercel 的产品价值——这是战略层面的改进，而非销售技巧的修补。

Lost Bot 验证概念后迅速进化为实时运行的 Deal Bot，承担三项核心功能：

实时销售提醒：Vercel 为每个客户或商机维护专属 Slack 频道，Deal Bot 主动推送洞察——例如「销售流程已深入推进，但尚未与经济决策者接触」，或「刚结束与决策者的通话，进展不顺，以下是跟进建议」。

产品发布赋能：Vercel 几乎每隔一天发布新功能，销售团队难以对每项更新保持充分了解。Deal Bot 在发布后遍历所有通话和交互记录，诊断团队在哪些环节未能有效处理异议，然后在周末复盘会上呈现：「这些是你 GTM 流程中的 bug。」

Bug 驱动的 Sprint：Jeanne 使用了一个精妙的类比——将销售过程中的问题视为工程团队眼中的 bug。某个异议处理不当？bug，下周修复。Demo 某环节不流畅？也是 bug。团队现在以工程冲刺的方式运行 GTM 冲刺。

自建 vs. 外购：1000 美元 Agent 的启示

当 Lenny 问及工具推荐时，Jeanne 的回答出人意料——她没有列举一串 SaaS 产品，而是提出了一个重要判断：因为整个 Agent 领域尚处早期，企业自身特有的上下文（内容、工作流、业务逻辑）才是释放 Agent 真正价值的关键。这不是主张万事自建，而是指出在 Agent 领域，最大的竞争优势往往来自对自身业务的深度理解，而非某个通用工具。Lost Bot 两天搭建完成，Lead Agent 六周上线——均非跨季度的大型工程。

她还提到一个行业趋势：企业客户当前面临的最大困扰并非找不到 AI 工具，而是需要采购的工具太多——每个「Jobs to be Done」对应一个窄点产品，很快累积至二十个。业内已出现一个新术语「ERR」（Experimental Run Rate Revenue，实验性经常性收入），反映的正是「先试一年再说」的普遍心态。

Jeanne 的预判是：未来 CIO 的角色将从「软件采购者」转变为「软件建造者」——在内部 AI 平台上运行上千个 Agent，覆盖组织的各类工作流。

三、把 GTM 当产品来做：体验、洞察与信任飞轮

如果说 GTM 工程师代表「用技术重塑 GTM」，那么「把 GTM 当产品来做」则是 Jeanne 整套方法论的哲学基底。

从 Gmail 到 Stripe：技术差异化的衰减

2004 年，Jeanne 的第一份工作在 Gmail 团队。Gmail 4 月 1 日发布，她 6 月 1 日加入。彼时 Gmail 具有颠覆性——庞大的 JavaScript 应用（在那个年代几乎绝无仅有）、1GB 存储空间（Yahoo Mail 花了整整一年才追上）。那是技术差异化能够产生压倒性优势的时代。

十年后，云计算大幅降低了软件开发门槛，技术差异化开始收窄。Jeanne 由此思考一个根本性问题：当产品之间的技术差距仅存于边际，什么能成为新的差异化因素？

她的答案出人意料地人文：人们的购买决策在很大程度上受感受驱动。当产品仅在边际上存在差异时，「被销售的体验」本身将日益成为企业的差异化因素，并直接影响购买决策。这一洞察深刻塑造了她此后在 Stripe 和 Vercel 的实践。

Stripe 的白板 Session：从「被审问」到「共创」

多数公司的销售流程中，线索评估合格后的第一步是「Discovery」——本质上是销售人员向客户提出大量问题，摸清痛点、预算与决策链。Jeanne 坦言，这对客户而言近乎一场审问。

Stripe 做了一项关键改变：将 Discovery 转化为白板 Session。销售人员与客户共同绘制其支付架构图——底层收款逻辑、资金流转路径、供应商布局。通过这一过程，Stripe 获取了竞争格局、技术栈和价值点等关键信息。但更重要的是，客户自身也从中获益——许多公司此前从未系统地梳理过自己的架构。

“The customer also learned a lot themselves because in many cases they’d never drawn their architecture diagram. And so they left that meeting with an asset.”

「客户自己也收获颇多，因为许多情况下他们从未绘制过自己的架构图。离开那场会议时，他们带走了一份有价值的资产。」

客户离开时不仅认为「这个人懂行」，还感受到「这个人真的在帮我思考」——这正是从「交易」到「体验」的质变。

「不论是否成交，都让你有所收获」

Jeanne 的另一条原则更具反直觉色彩：在每一个触点为客户创造价值——无论其最终是否购买。她在 Stripe 九年间，亲眼见证了大量「错失后回归」的案例，时间跨度长达五年。这验证了一个朴素但常被忽视的道理：销售是长期关系，而非一次性博弈。

在 Vercel，这一原则体现为极其具体的实践。例如外呼时，团队不会开门见山推销产品，而是先提供一份洞察：目标网站在 Core Web Vitals 上的表现、与同行的对比分析。理想情况下，这能激发对方的兴趣；即便未能转化，对方仍获得了此前可能不知晓的数据洞察。

团队还围绕 MCP Server（Model Context Protocol Server）的应用场景、AEO（Answer Engine Optimization，答案引擎优化）等前沿议题持续输出内容——与 Vercel 产品相关但不直接指向销售。效果是建立起「这是一家有洞察的公司」的信任感，将短期销售转化为长期关系资产。

80% 的客户购买是为了「避免痛苦」

在讨论销售策略时，Jeanne 分享了一个令许多创始人不适却至关重要的判断：

“80% of customers buy to avoid pain or reduce risk, as opposed to increase upside… We all love to talk about the art of the possible, everything we’re going to enable in the future, but that’s often really a sale that’s going to resonate with another founder. Everybody else, particularly enterprises, you’re avoiding the risk of not making your revenue target next quarter.”

「80% 的客户购买是为了避免痛苦或降低风险，而非提升收益……我们都热衷于谈论未来的无限可能，但这种话术真正打动的往往是另一位创始人。对于其他所有人，尤其是企业客户，他们在意的是规避下个季度完不成收入目标的风险。」

这对技术型创始人而言极为反直觉。你花两年构建了一个令人振奋的产品，满脑子想着「看看我们能做到什么」，但买家最关心的并非你的愿景，而是「使用你的产品后我不会把事情搞砸」。April Dunford 也表达过类似观点：对企业采购者而言，选择一款新工具是重大的职业赌注——选错了，经理不满、公司倒退、个人发展受阻。因此「降低风险」的说服力远超「描绘未来」。

Jeanne 进一步提供了一个实操要诀：优秀的销售人员在对话中通常说话时间远不到一半，因为他们在持续提问、探索，帮助客户自行得出结论。一个简单但有力的技巧是——当客户抛出问题时，不要立刻作答，先就这个问题本身追问一层，然后再回答。这个习惯能将角色从「推销员」转变为「值得信赖的顾问」。

四、市场切割的艺术：从「小中大」到多维坐标系

客户细分（Segmentation）是许多创始人知道应该做但难以做深的领域。Jeanne 在此话题上的洞察远超常规认知——她以 Stripe 和 Vercel 的真实案例逐层拆解。

Stripe 的三维框架

最常见的细分方式是按公司规模——小型、中型、大型。这有其合理性，不同体量的公司购买决策确实不同。但 Jeanne 指出，止步于此就错过了最核心的东西。Stripe 的细分是一个三维坐标系：

X 轴：公司规模（SMB / Mid-market / Enterprise）。

Y 轴：增长潜力。这对消费型商业模式尤为关键——若一个客户明年增长 200%，其对 Stripe 的价值远超仅增长 8% 的客户，资源配置应据此调整。

Z 轴：商业模式。B2B 客户需要企业支付与 Stripe Billing；B2C 客户需要消费者支付（Apple Pay 为关键要素）；平台型（B2B2B）需要 Stripe Connect；市场型（B2B2C，如 Lyft、Instacart）同样需要 Connect 但配置不同。这套框架使团队能够设计更精准、更可复制的销售方式。

Vercel 的独特维度：流量排名与工作负载类型

入职 Vercel 的前 30 天内，Jeanne 即与数据科学团队共同确立了细分框架。她聚焦两个核心问题：什么属性能预测客户付费规模？什么属性能帮助识别反复获胜的模式？

最终的框架在传统规模维度之上，增加了两个 Vercel 特有的维度：

CrUX Rank（流量排名）：Google 通过 Chrome 发布的 CrUX 数据集包含全球网站流量数据。Vercel 作为前端云，客户网站流量越大，所需服务越多。这意味着一家员工不多但流量巨大的公司，实际价值可能远超传统定义中的大型企业。典型案例是 OpenAI——按员工数约三千人，在多数框架中仅为中型客户，但它位列全球流量前 25，在 Vercel 的体系中被「提升」至企业级。

工作负载类型：电商客户与加密货币客户的销售逻辑截然不同。电商客户的对话围绕产品列表页、详情页和订单管理系统展开；加密货币客户可能在 AWS 上运行全栈架构。不同的技术语言、不同的参考案例、不同的价值主张。

这一框架还揭示了重要的战略洞察：Vercel 在电商领域渗透率很高（高性能网站对电商至关重要），但在企业级 SaaS 公司中渗透率偏低——原因在于这些公司的 SaaS 产品早在 Vercel 出现之前就已建成，迁移数百万行代码的成本巨大。然而随着 AI 浪潮兴起，这些公司成为 AI Cloud 的早期采用者——它们希望在现有应用中嵌入 AI 功能，新的切入点由此打开。

细分是全公司的事

Jeanne 提出了一个常被忽视的观点：细分不应仅是 GTM 团队的内部工具，而应是全公司共享的认知框架。在 Vercel，每位新员工入职首周都会听她讲解「KYC」（Know Your Customer）——公司的核心价值观之一——包括细分框架与客户群体分布。因为当产品经理回到工位构建新功能时，需要清晰知道自己在为谁而建，从而与 GTM 团队形成统一语言。

对于早期创始人，Jeanne 给出务实建议：三个属性足矣。例如「B 轮公司 + SaaS 业务 + 百人以下」。超过三个维度便过于精细——五人销售团队无法支撑过多细分。

五、让工程师分不清你是 PM 还是 AE：如何构建世界级 GTM 组织

这是全场最具灵魂的段落——不谈工具与流程，而是谈人、谈文化、谈销售组织应当成为什么样的存在。

十分钟测试

Jeanne 为销售团队设立了一条标准，本身即是一种宣言：

“The litmus test I have always given my sales team is: if you are an account executive in my org and I put you in front of 10 engineers at our company, it should take them 10 minutes to figure out you aren’t a product manager.”

「我给销售团队的试金石始终是：如果你是我团队的客户经理，我把你放到公司十位工程师面前，他们应该需要十分钟才能发现你不是产品经理。」

这并非要求销售人员伪装成 PM，而是要求他们具备令人信服的产品深度。原因有二：第一，产品深度赋予在工程组织面前的信誉——能在技术层面与工程师对话的人，不再是「只关心数字的销售」，而是真正理解产品的伙伴。第二，也是更深层的逻辑——Jeanne 认为最优秀的 GTM 组织，一半职能在驱动收入，一半职能在做研发。

若一个 20 人的销售团队每周接触的客户数量远超 UXR 团队和 PM 的总和，且这 20 人能出色地将客户反馈转化为产品信号，他们实质上就是产品管理组织的延伸。但这需要一种关键能力——区分「应被克服的销售异议」和「市场中的真实机会」。最终目标是打造一个能像总经理一样思考的销售组织：不只着眼于拿下订单，而是致力于构建一个可持续的商业。

多元化的人才组合

在招聘理念上，Jeanne 主张构建「多元化的投资组合」——不局限于传统销售背景。

她观察到，当拥有销售经验的人与咨询/投行背景的人混编时，会产生显著的化学反应：后者擅长定量分析——TCO 测算、CFO 对话、商业案例构建；前者拥有成熟的销售技艺——Discovery、异议处理、节奏把控。两类人才相互学习，整个组织的能力面比清一色的传统销售团队宽阔得多。

销售薪酬的结构性张力

在快问快答环节，Jeanne 坦言对销售薪酬制度持有强烈观点。她并不反对「按绩效付费」的原则，但指出了一个结构性问题：固定的年度激励方案迫使组织提前 12 个月确定价值取向，这在快速变化的环境中严重制约敏捷性。

在 Vercel，年初制定销售激励计划时 AI Cloud 尚未面世，团队当时销售的是 Frontend Cloud 和 v0。年中 AI Cloud 突然推出——这在任何年度计划中都不存在。虽有变通方案来激励新产品销售，但薪酬结构的刚性确实约束了组织的转向速度。在一个年度规划越来越难做的时代，这一矛盾只会愈发尖锐。Jeanne 坦承尚无完美解——她仍在思索如何兼顾绩效激励与快速变道的灵活性。

六、PLG 的天花板、定价的哲学与创始人常犯的错

PLG 不是终局

「产品驱动增长」（PLG）在前几年被极度推崇，许多人视其为正道，认为销售已经过时。Jeanne 的判断务实得多。

PLG 对多数公司在早期阶段完全合理——除非一开始就做纯企业级产品（如 Sierra 从第一天即瞄准全球 2000 强的八位数订单）。Stripe 和 Vercel 都以 PLG 起步。但 PLG 存在明确天花板：用户通常不会通过自助流程支付百万美元量级的费用。若要维持增长率，单笔交易金额必须不断提升——这意味着迟早需要引入销售。

Jeanne 观察到，太多公司在 PLG 阶段停留过久而未及时构建销售能力。建立可重复的销售流程需要时间——先从入站线索起步，再拓展外呼，将外呼打造为可预测的引擎——这些都非一夕之功。等到 PLG 增速放缓才启动销售建设，时机已晚。

她甚至抛出一个挑战性问题：能否举出一家纯 PLG、完全没有销售组织的千亿美元公司？Atlassian 曾是最接近的案例，但最终也引入了销售团队。

定价作为「产品」来对待

与 GTM 一样，Jeanne 认为定价应被视为产品——不是拍脑袋定个数字，而是深入理解客户的价值获取点与企业的成本承担点，然后精准对齐。

她列举了几个反面教训。Stripe 曾为 Stripe Billing 推出免费版——「因为大家都在做 Freemium」。后经审视发现：集成 Stripe Billing 本身需要工程资源投入，一旦集成完成客户大概率留存，免费版并无必要。砍掉后零负面影响。

另一案例来自 Vercel：产品本质是消费型商业模式，但早期为求简便将其包装为类 SaaS 定价。随着功能日益丰富，这种包装难以为继。2024 年 8 月，团队实施了一次重大定价调整——解绑诸多功能，允许客户按需自助购买。一个意外发现是：企业版用户中近半数实为创业公司，说明企业版中有创业公司迫切需要的功能。将这些功能拆出并放入自助流程后，PLG 漏斗增长大幅提升——创业公司无需人工介入即可获取所需，Vercel 的运营效率也随之提高。

何时招第一个销售？

创始人何时应招第一位销售？常见建议是 ARR 达到一百万且具备可重复流程时。Jeanne 基本认同，但补充了两点：

第一，达到百万 ARR 时，客户群应呈现某种模式——而非一堆毫无共性的客户。若后者成立，说明仍处于「传教士式销售」阶段，尚未形成清晰的 ICP（Ideal Customer Profile）。创始人应能明确写下：「我们的产品适合 XX 类型的公司。」

第二，将销售职能交出后，创始人不应完全脱离客户。仍有大量产品研发方向需要校准，而对客户需求的持续理解是不可或缺的输入。

尾声：摔平了也要立刻再跳

Lenny 在快问快答中问及 Jeanne 大学时代的竞技跳水经历。她先自嘲——「我通常是三人中的第三名」——随后说了一段令人动容的话：

“Diving is a precision sport and it is a repetitive sport and it is also a sport where when you land flat on your back and literally as you are swimming to the side of the pool, welts are forming on it, you always 100% of the time will be forced to immediately get back on the diving board and do that exact same dive again.”

「跳水是精确的运动，是重复的运动，也是一种——当你平拍在水面上、游向池边时背上已在起红印——你必须百分之百、毫无例外地立刻回到跳板上，再做一遍同样的动作。」

这也是销售的写照。你会听到无数个「不」，会丢掉重要的单子，会在季度中段发现自己离目标遥不可及。但你必须回到跳板上。

她引用母亲自小教导的两句话：「When the going gets tough, the tough get going」（路越难走，强者越向前）和「Where there’s a will, there’s a way」（有志者事竟成）。还有一句来自早年销售培训的格言，她至今铭记：「‘是’很好，‘不’也很好，‘也许’会杀死你。」——「不」其实是一份礼物，它提供了可操作的数据；真正致命的是那些模棱两可的「也许」，它们消耗时间与精力，却不给出任何明确的信号。

Lenny 在节目结尾表示，他的目标是让这期播客成为「有人说想学 GTM 时你直接转发的内容」。听完 Jeanne 的分享，这个目标确已达成。