技能介绍
OpenCMO 是开源的「首席营销官」——把 16 位真正操过盘的增长从业者的一手经验，打包成可安装到你的 AI Agent 里的技能。这些人来自 Cursor、Notion、Linear、Deel、Canva、Lovable、Grammarly、Wispr Flow 等公司，内容全部从一手来源蒸馏而来：播客逐字稿、署名文章、他们自己的帖子；每一条结论都附有回链，指向他说出这句话的地方。
由 Soku（面向营销团队的 agentic 工作空间）维护，他们做 OpenCMO 是因为自家的 agent 需要它。仓库结构与原创分析采用 MIT 许可；引文归原作者与原始出版物所有，均为研究教育用途的简短引用并附完整来源。第三方流量数据（Ahrefs、Semrush、SimilarWeb）标注为估算值，不是官方公司数据。
三条规则贯穿整个资料库：
- 具名的人、直接的引用。 不写匿名的「专家认为」。每条结论都有人、有日期、有链接。
- 分歧保持可见。 专家观点冲突时，建一张对比表，而不是挑出赢家。分歧本身就是信息。
- 证据分级。 一手引用、媒体报道、公司自述、第三方估算——每个数字都被标注等级。它也会拆穿：关于 Jasper 的那份材料，主要就是用来说明「Google 惩罚了他们的 AI 内容」这个说法为什么经不起证据检验。
适用场景
- 拿不准该不该开始投广告：「我们周 4 留存率超过 20%，现在应该启动 Google 广告投放吗？」
- 算不清投放规模与素材量：「每月投 10 万美元 Meta 广告，需要准备多少套创意素材？」
- 判断难以归因的渠道：「投放户外广告牌值得吗，该如何归因它的效果？」
- 需要为某个增长决策找到「谁在什么条件下这么做」，而不是一段四平八稳的通用建议。
- 想看清专家之间的真实分歧，并据此判断自己处在哪种公司类型与阶段。
核心能力
覆盖完整的增长栈：付费广告（Google · Meta · LinkedIn）· 户外广告 · SEO 与程序化 SEO · 发布与 Product Hunt · 定价与商业化 · 创作者与达人计划 · PLG 转企业 · 归因与追踪 · 用 agent 做增长工程。
十六位专家，每人一句记忆点：
| 人物 | 背景 | 记住他的一句话 |
|---|---|---|
| Rex Gelb | 付费媒体，Cursor | 找到 PMF 之前不要买广告；AI 接管竞价后，只剩创意、追踪、落地页三个杠杆 |
| Matt Swulinski | Wispr Flow → Viktor | 单人操盘 100 万美元/月；「创意就是定向」；AI 生成创意占比上限 5% |
| Elena Verna | CPO，Lovable | 「60–70% 的传统增长战术已经不再适用」；PMF 是跑步机，不是终点 |
| Meltem Berkowitz | CGO，Deel | 3 年从 0 到 3 亿美元且盈利；SEO 红绿灯框架；「4 秒的网站做不了成功的付费广告」 |
| Yuriy Timen | Grammarly，9 年 | 渠道的「油井理论」；承认最好的内容不总是赢——以及品牌为何不该走捷径 |
| Karri Saarinen | CEO，Linear | 总计 3.5 万美元营销花费撑起 12.5 亿美元估值；方法论本身就是营销 |
| Lena Waters | CMO，Notion | 「过去我们卖给用工具做调研的人，现在卖给向人汇报的工具」 |
| Ben Lang | 早期 Notion / Cursor | 用完整长度的创作者视频取代广告口播；长青的注册飞轮 |
| Morgane Palomares | 前市场 VP，Vercel | 用受过技术训练的产品布道师取代 SDR |
| Holly Chen | ExponentialX（前 Slack、Google、Loom、Miro） | 渠道选择跟随 ARR 阶段；超过 2000 万美元后 PLG 与销售驱动会收敛 |
| Phil Carter | Elemental Growth（前 Quizlet） | 80% 的试用发生在第零天——第一次会话就是全部 |
| Jared Liu（宗源） | 增长工程师，YouMind | 聚合站飞轮；靠 agent 自动化实现「睡觉时也在增长」 |
| Frank | AI 产品，500 万用户 | 四支柱体系：SEM 验证、SEO 建资产、GEO 顺带、社交放大品牌 |
| Austin Lau | 增长，Anthropic | 靠自建工具把广告制作从 30 分钟压到 30 秒，此前从未打开过终端 |
| Grant Lee | CEO，Gamma | 拿下 Product Hunt 第一却仍说没有 PMF；重做前 30 秒后，零营销做到每天 2 万注册 |
| Chris Pedregal | CEO，Granola | 封闭测试一年、约 150 个手工拉新用户、没有内置增长回路——仍在 VC 圈里传开了 |
元模式（meta-patterns）：仓库里最有用的一份材料是 references/guides/deep-insights.md，收录了 11 条只有把全部专家并排才能看出的规律，并以决策表收尾——按公司类型、按阶段分别给出什么有效，以及终结每场著名专家之争的那唯一变量。示例：
- 放大器定律：所有付费渠道都是放大器，没有一个能生成需求。上面四种「何时开始投广告」的立场，是同一个答案戴了四顶帽子。
- 护城河迁移定律：内容体量不再是护城河，专有数据取代了它；而「可被提取性」——AI 能不能引用你——正在取代专有数据。
- 非对称损失函数定律：你的策略空间由下行风险决定，而不是由技术上能做什么决定。这就是品牌无法照抄垃圾流量玩法的原因，无论做 SEO、上 Product Hunt 还是买 GitHub star。
- 归因谦逊：直接流量是滞后的付费花费；自报归因会自我美化。衡量的目标不是精确，而是防止自欺。
效果预览
问任何 AI 助手「我们该开始投广告吗」，你得到的是一个均衡、合理、无用的答案。装上了 OpenCMO 的 agent 会给你四位互相打架的专家：
| 专家 | 立场 | 其前提条件 | 战绩 |
|---|---|---|---|
| Matt Swulinski（Wispr Flow） | 立刻开始 | 转化追踪可用 + 已攒够 50 次转化 | 12 个月 ARR 从 200 万到 5000 万美元 |
| Rex Gelb（Cursor） | PMF 之前不要投 | 第 4 周留存 >20% | 在 Cursor 负责付费媒体 |
| Elena Verna（Lovable） | 第一年是死亡陷阱 | 回本周期低于 3 个月 | 18 个月做到 4 亿美元 ARR |
| Meltem Berkowitz（Deel） | 先打地基 | 站点 4 秒内加载完、能被搜到、有内容承接需求 | 3 年 0→3 亿美元且盈利 |
付费广告只是演示样本——前面列出的每个领域都按同样方式处理。真实的增长知识就是条件性的、情境化的、互相矛盾的；把分歧平均掉，你只会得到一碗糊。
与其它获取途径的差别：
| 增长书籍与课程 | 问通用 AI | OpenCMO | |
|---|---|---|---|
| 时效 | 付印即过时 | 训练截止日期 | 持续更新，一切带时间戳 |
| 来源 | 有时有 | 无法追溯 | 每条结论都有链接 |
| 分歧 | 单一作者视角 | 被平均成一碗糊 | 保留分歧，并附对比表 |
| 使用方式 | 你读它 | 你和它聊天 | 你的 agent 在你真实的决策里引用它 |
工作方式
安装后，agent 通过 SKILL.md（专家索引 + 场景导航）进入资料库，再按问题类型读取 references/ 下的对应文件作答，回答方式是引用具体的人和这些人设定的前提条件，而不是把建议平均成糊状。
open-cmo/
├── SKILL.md # entry point: expert index + scenario navigation
└── references/
├── experts/ 16 experts # theses, verbatim quotes, contrarian takes, conflicts
├── cases/ 4 teardowns (10+ companies) # PSEO canon, Canva deep-dive, OpenRouter, Jasper debunk
├── channels/ 4 channels # Google, Meta, LinkedIn, out-of-home
├── topics/ 9 topics # timing, creative, attribution, SEO, pricing, launches...
└── guides/ 4 guides # growth 101, PLG→enterprise, meta-patterns, why experts disagree你需要提供
- 一个能安装 Skill 的 AI agent 环境：用官方安装脚本，或直接把仓库
git clone到~/.claude/skills/。 - 你的真实业务场景与具体问题（例如渠道选择、投放时机、素材规模、归因方式）。
- 若只想把它限制在当前代码仓库生效，而不是装到 home 目录，安装时加上
-s -- --project。
你会获得
- 带人名、日期与链接的具名引用，而不是匿名的「专家说」。
- 保留分歧的对比表，以及终结争论的决策表（按公司类型、按阶段）。
- 分级标注的证据：一手引用、媒体报道、公司自述、第三方估算各自标明。
- 4 份案例拆解（涵盖 10 家以上公司）、4 个渠道、9 个主题与 4 份指南的持续更新资料库。
当前路线图：补充更多专家（前 Slack CMO Bill Macaitis、HubSpot 的 Kipp Bodnar、消费级增长负责人）、留存与生命周期主题文件、让 agent 按「专家 × 场景」查询的 MCP server、中文翻译。目前最大的内容缺口是企业级 B2B（CMO 级专家）、消费产品和非美国市场。
使用示例
安装：
curl -fsSL https://raw.githubusercontent.com/About-Intelligence/OpenCMO/main/install.sh | bash加上 -s -- --project 可把作用域限制在当前仓库而不是 home 目录。任何时候重跑即可更新。想先看清自己在跑什么，可以读安装脚本或直接 git clone 到 ~/.claude/skills/：
https://github.com/About-Intelligence/OpenCMO/blob/3a847a69a069a065de86260491e6383c567a1230/install.sh
然后问它真实的问题：
我们目前周4留存率超过20%，现在应该启动Google广告投放吗？每月投10万美元Meta广告，需要准备多少套创意素材？投放户外广告牌值得吗，该如何归因它的效果？它回答时会引用具体的人和他们设定的条件，而不是把建议平均成一碗糊。
