GTM Motion：PLG/SLG/CLG增长策略

可视化演示

动态演示GTM Motion的核心机制，通过开始/执行/监控/完成四种模式展示关键概念与交互流程。

GTM模式总览

同样一道菜，放进不同的店，命运完全不同。自助档口赌的是“菜一入口客人就懂”，私房菜馆赌的是“侍者能把故事讲圆”，美食俱乐部赌的是“熟客愿意担保”。在商业语言里，这套决定命运的“卖法”就是 GTM Motion——Go-To-Market 的市场动作。它不是某个单点动作，而是定价、渠道、获客、销售方式、增长策略的总和，就像一个主厨同时决定菜单、档口位置和服务流程。

GTM Motion 的关键在于识别“增长引擎”到底由谁驱动。产品驱动（PLG）让用户自助试用并在使用中传播；销售驱动（SLG）靠销售团队一对一攻坚高价值客户；社区驱动（CLG）让用户群体本身成为获客机器。三台引擎可以并存，但一家公司必须想清楚哪台是主引擎，否则资源会被撕成碎片——既没把菜做好，也没把侍者请好，还没把俱乐部建起来。

总增长的拆解可以写成一条清晰的等式：三种动作贡献的增长相加，才是公司的整体增长。

回到开餐厅的例子：先想清楚自己开的是档口、私房菜还是俱乐部，再决定雇多少厨师、请多少侍者、要不要运营社群。GTM Motion 教你的第一课，就是“姿势先行，动作跟后”——增长公式里的每一项，都对应一种你需要重点投入的资源。

PLG产品驱动

大学城路边的自助档口是 PLG 的化身：一份 20 块的章鱼烧，客人不用你解释什么是章鱼烧，扫码付款、拿到就吃，好吃就发朋友圈，明天带室友再来。档口老板不需要服务员，因为“产品自己会说话”。当客单价足够低、决策足够快时，产品本身就是最好的销售员。

PLG（Product-Led Growth，产品驱动增长）指以产品作为增长的第一引擎：用户自助注册、免费试用、在体验中被说服付费，整个转化过程没有销售介入。它成立的底层逻辑是——当决策成本低到“试一下不亏”时，用户的行为会被产品体验直接驱动，而不是被话术驱动。这也是 AI 轻量工具（AI 纪要、AI 写作、AI 翻译插件）最常见的增长姿势。

PLG 的工程化落地有四个支点：免费版+付费墙的转化设计、极短的自服务上手路径（onboarding）、高留存的产品价值验证，以及“用一个功能自然带出新用户”的病毒循环。把这四个支点做成数据闭环，就构成了产品自增长的飞轮雏形。

档口逻辑的残酷之处在于：菜不好吃，自助只会加速口碑崩坏；菜好吃，每个客人都是你的免费推销员。所以 PLG 公司最爱说"Product is the best salesperson"——它把销售成本前置成了产品研发成本，用体验换增长。

SLG销售驱动

CBD 顶层的私房菜馆是 SLG 的化身：人均两千，预订要排队，客人犹豫再三，担心踩雷、担心宴请对象不满意。这时侍者出现了——他介绍菜品来历、安排试菜、记住老客户的忌口，甚至帮客户策划整个宴请流程。菜再有名，没有这双手，大单就落不了地。

SLG（Sales-Led Growth，销售驱动增长）以销售团队作为增长引擎，适用于客单价高、决策链长的场景。AI 企业级产品尤其常见：一次私有化部署动辄数百万，采购要经过技术部门验证、法务审核、采购比价、高管拍板。产品的演示价值无法覆盖所有角色各自的顾虑，必须靠人逐环说服。

SLG 的落地离不开销售漏斗与决策链管理。漏斗是“线索→商机→方案→谈判→签约”的逐层转化，每一层都要设计 SLA 和跟进节奏；决策链里要识别出经济买家（掏钱的人）、技术把关者（评估可行性的人）和内部 champion（帮你说话的人），缺一环都可能丢单。售前方案工程师与客户成功团队，也是 SLG 这桌宴席不可缺少的后厨。

私房菜馆的道理很简单：越贵的宴请，客人越需要“人”来兜底。SLG 不是话术的胜利，而是把产品价值翻译成每个决策角色各自的语言——财务听 ROI，技术听架构，CEO 听战略。侍者存在的意义，是降低高风险购买的决策焦虑。

CLG社区驱动

深夜美食俱乐部是 CLG 的化身：没有菜单，全靠几位核心饕客的口碑。他们在社群里晒图、写食评、约局，新会员都是被“熟人担保”拉进来的。俱乐部刚开张时冷清得很，可一旦过了某个临界点，每个会员都成了传菜员，聚会一场接一场，再也停不下来。

CLG（Community-Led Growth，社区驱动增长）以用户社区作为增长引擎，最典型的是开发者工具赛道。开发者天生是“资料型消费者”：他们信任同行的代码评测甚于广告，遇到问题习惯先搜社区、翻 issue、看别人踩过的坑。GitHub Stars、开源贡献者、技术博客和 meetup，构成了比官网更有说服力的转化场景。

CLG 的机制是信任复利：社区成员贡献内容（教程、插件、模板）→ 新用户因内容而来 → 新用户变成内容贡献者 → 社区密度继续上升。运营者要做的是“培育土壤”：设计激励机制让成员愿意分享，放大 champion 用户的声音，把社区里的高频问题沉淀成产品文档——社区本身就是产品的一部分。

美食俱乐部的本质是“信任货币化”：每个新会员不是因为广告来的，而是因为“阿伟说这家店真的行”。CLG 同样如此，口碑不是营销活动的副产品，而是产品的核心增长资产——它能跨越广告的信任赤字，让用户在社区里完成从围观、试用到安利的完整旅程。

选型三要素

决定开档口、私房菜还是俱乐部，不需要算命，只需要回答三个问题：这道菜卖多少钱？客人从想吃到掏钱要想多久？这附近有没有一批聚得起来的吃货？三个答案组合起来，正确的卖法就浮出水面了。这就是 GTM 选型的三要素：客单价、决策链长度、社区属性。

客单价是第一个分水岭。单价低（几千元以内），用户愿意承担试错成本，PLG 自在；单价高（数十万以上），用户必须看到充分证据，SLG 登场。决策链长度是第二个分水岭：用户一个人拍板，产品体验就能完成说服；涉及技术、法务、采购多部门，就需要销售逐环打通。社区属性是第三个变量：如果你的用户群体天然聚集、乐于分享（开发者就是典型），CLG 就有了土壤。

AI 产品可以按图索骥：轻量 AI 工具走 PLG，做自助试用和病毒裂变；企业级 AI 平台走 SLG，配售前、销售和客户成功；开源模型与开发者工具走 CLG，用社区构建信任壁垒。三者不是互斥的——现实中常见“PLG 做入口、SLG 接大单”的组合，但主引擎必须只有一个。

三个问题问完，菜还没下锅，店型已经定了。GTM 选型的价值就在于“不做无效努力”：开着私房菜馆却只研究自助餐流量，等于花着侍者的工资，干着档口的活，最后客人两头都不满意。先选对姿势，再在姿势上做到极致。

增长飞轮

无论是档口、私房菜还是俱乐部，背后都藏着一个共同的物理装置——飞轮。餐厅的飞轮是这样的：菜好→客人多→收入多→食材更好→菜更好。飞轮的神奇之处在于，每转一圈，它都给下一圈储存了能量，越转越省力，越转越快。

增长飞轮（Growth Flywheel）描述的是“一环带动一环、循环自我强化”的增长结构。PLG 的飞轮是“使用→满意→传播→更多使用”；SLG 的飞轮是“成交→口碑案例→更多线索→更多成交”；CLG 的飞轮是“参与→贡献→认可→更多参与”。三者形状不同，但都符合同一个原理：当前一圈的产出，会成为下一圈的投入。

飞轮可以用递推式刻画：下一阶段的用户规模，等于当前规模乘上一个大于 1 的放大因子。随着品牌、数据、社区资产的积累，这个放大因子还会逐步变大——这就是“飞轮加速”的来源。

回到餐厅：档口的飞轮是口味带来的复购与带客，私房菜的飞轮是名流客户带来的背书，俱乐部的飞轮是会员参与带来的密度。GTM Motion 的最终目标，不是做一锤子买卖，而是找到那个能自己越转越快的齿轮——一旦飞轮转起来，增长就不再是烧钱换来的，而是系统自己长出来的。

AI 应用场景

Python 演示

# -*- coding: utf-8 -*-"""GTM Motion 决策助手：根据三要素推荐增长模式并模拟增长曲线"""import math  class GTMAdvisor:    """输入客单价(price)、决策链长度(chain)、社区强度(community)"""     def __init__(self, price, chain, community):        self.price = price        self.chain = chain        self.community = community     def recommend(self):        if self.price >= 100000 or self.chain >= 7:            return "SLG 销售驱动"        if self.price <= 1000 and self.chain <= 3:            return "PLG 产品驱动"        if self.community >= 6:            return "CLG 社区驱动"        return "PLG 与 SLG 混合起步"     def simulate(self, months, mode):        """模拟某模式的累计用户增长曲线，months 为月份数"""        curve = []        for t in range(1, months + 1):            if mode == "PLG 产品驱动":                users = int(100 * math.pow(t, 2.1))            elif mode == "CLG 社区驱动":                users = int(900 / (1 + math.exp(-0.8 * (t - 6))) + 30)            else:                users = int(60 * t)            curve.append(users)        return curve  if __name__ == "__main__":    advisor = GTMAdvisor(price=800, chain=2, community=4)    mode = advisor.recommend()    print("推荐模式:", mode)    print("12 个月增长曲线(累计用户):", advisor.simulate(12, mode))    print("SLG 参照曲线(累计用户):", advisor.simulate(12, "SLG 销售驱动"))

1. class GTMAdvisor:定义一个决策顾问对象，封装三个核心输入参数。
2. if self.price >= 100000 or self.chain >= 7:高客单价或长决策链直接命中 SLG，这是最强的两个信号。
3. if self.price <= 1000 and self.chain <= 3:低客单价且个人可决策时，产品自己就能卖，判定 PLG。
4. if self.community >= 6:社区属性强但价格与决策链在中间地带，则 CLG 作为主引擎。
5. users = int(100 * math.pow(t, 2.1))PLG 的幂次曲线，模拟产品口碑带来的加速增长。
6. users = int(900 / (1 + math.exp(-0.8 * (t - 6))) + 30)CLG 的 S 型曲线，模拟社区冷启动后跨越临界点的陡增。
7. advisor = GTMAdvisor(price=800, chain=2, community=4)实例化一个低客单、短决策链的 AI 工具场景，观察推荐结果。

常见误区

面试题