我很高兴能与 Everything Marketplaces 的 Mike Williams 聊聊 AI 时代平台型市场的现状。

0:04 开场介绍
‍0:58 Fabrice 的背景介绍
‍1:44 Fabrice 在投资平台型市场时看重什么
‍4:46 AI 浪潮下的平台型市场现状
‍17:28 AI 原生平台型市场的新策略
‍19:03 AI 赋能平台型市场的增长率
‍22:50 AI 如何改变平台型市场的资金需求
‍25:40 AI 时代平台型市场的防御力
‍28:13 给 2026 年创业做平台的创始人的建议
‍31:08 小组问答：投资者如何评估托管型平台
‍33:44 小组问答：向 AI 原生转型的建议
‍34:55 小组问答：如何计算 LTV
‍36:45 小组问答：卖家端的 CAC
‍38:17 小组问答：2026 年的融资基准
‍40:10 最后的平台创业建议

除上述 YouTube 视频外，您还可以在iTunes和Spotify 上收听播客。

文字稿

Mike Williams: 欢迎回到 Everything Marketplaces，在这里我们与当今顶级平台型市场的创始人和领导者对话。这是第 209 期，也是一次非常棒的小组讨论，嘉宾是 FJ Labs 的合伙人 Fabrice Grinda。FJ Labs 是一家早期风险投资基金，已支持超过 1200 家初创公司，包括阿里巴巴、Flexport、Clutch 等知名平台。

Fabrice 也是我们小组讨论的老朋友了。很高兴能再次邀请他，我们先简单回顾了 FJ Labs 风险投资基金以及他们在投资平台时看重的特质。随后，我们深入探讨了 AI 时代的平台型市场，讨论了 AI 如何让平台更容易建立防御力，以及当前的融资现状。

Fabrice 为创始人分享了许多建议，我们还进行了一场精彩的小组问答。我很享受这次对话，相信你也会觉得这期内容非常值得看到最后。

那么 Fabrice，很高兴你能再次参加今天的后续小组讨论。感觉自从你上次来聊过之后，虽然才过去几年，但一切都发生了翻天覆地的变化。当然，我们今天有很多内容要深入探讨，尤其是 AI 时代的平台型市场。不过，我想如果你能先为那些可能还不了解你、刚加入我们的朋友简单介绍一下你的背景，那就太好了。

Fabrice Grinda: 自 1998 年以来，我一直是一名科技创业者和投资者，至今已有 28 年了。我创办了三家大型风险投资支持的公司，其中最后一家发展到了在 30 个国家拥有 11,000 名员工，独立访客超过 3 亿。它相当于世界其他地区的 Craigslist。在从 98 年开始的整个职业生涯中，我一直在投资平台型市场。

后来我把这件事专业化了。2016 年，我创立了 FJ Labs，这是一家专门投资轻资产业务的风险投资基金，主要支持那些由风险投资驱动的业务和大型平台。我们已经投资了，我想想，大概 1300 家企业。我们已经有超过 300 次退出，到目前为止，实现的复合年化收益率（IRR）大约在 30% 左右。

Mike Williams: 这背景确实非常惊人。当然，我们接下来要聊很多内容。我想先做一个简单的回顾，你能给我们介绍一下 FJ Labs 这家风险投资基金，以及你们在投资平台时看重什么吗？

Fabrice Grinda: FJ Labs 实际上是我个性的体现。在成为风险投资家之前，我是一名超级天使投资人。我从不做那种自上而下的基金构建。我看到一个项目，遇到一个我喜欢的、能说服我的创始人，我就会投资。因为我有强烈的好奇心，我认为科技是解决世界问题的手段。在 21 世纪，我认为我们要解决三个根本问题：气候变化、机会不平等，以及身心健康危机。我喜欢利用科技，尤其是轻资产科技，来提供比替代方案更好、更便宜、更快的解决方案。至于我看重的东西，从根本上说并没有发生任何形式的变化。

我有四个筛选标准，至今依然适用，虽然在 AI 时代我做了一些微调，但这四个标准本身没变。第一是“我喜欢这个创始人吗？”，对我来说，这意味着对方要非常有口才；因为无论你愿不愿意，作为创始人，你就是一个销售，你在向员工、合作伙伴、投资者、媒体推销。

所以，无论你是内向还是外向，你都需要有口才。第二，“你能执行上述愿景吗？”这两点都是必要但不充分的，如果分开就没意义。你需要两者兼备才能成为一名伟大的创始人。我在一小时的电话中判断一个人执行力的方法就是第二点，“我喜欢这门生意吗？”。这结合了总可寻址市场（TAM）的规模，但对平台来说更重要的是单位经济效益。你在供应端和需求端的全额获客成本（CAC）是多少？每个客户的净贡献利润是多少？随着时间的推移，你的留存表现（cohorts）如何？

基于 CM2（贡献毛利 2）计算的 LTV 与 CAC 的比率是多少？无论你处于什么阶段，我都希望你能回答这些问题。即使是在发布前，我也希望你已经思考过这些。如果你没想过，你很难在这个想法上执行成功。

第三：交易条款是什么？我对价格很敏感。这不代表我想要便宜货，我希望价格是公平的。要考虑到你的增长势头、机会以及你正在解决的问题，给出公平的价格。

第四，坦白说同样基础的一点是，“你解决的问题是我关心的吗？从我的角度看，它是否让世界变得更美好？”显然这带有主观偏见，但我对世界未来的走向有很清晰的认知，比如移动出行的未来、机器人的未来、食品的未来等等。你的想法最好能顺应大趋势，对吧？要顺应历史的潮流，而不是背道而驰。

所以，如果这四个标准都满足，我就会投资，而且我们投资速度很快，一周内两次一小时的会议，投还是不投就定了。这一点没变。就是这样。

Mike Williams: 这些标准对大家会非常有帮助。我相信到了小组问答环节，大家肯定会有不少问题。但是，我想转而谈谈我们所处的 AI 时代的平台型市场。显然，你已经看到了 AI 对平台的影响。那么作为起点，我们现在的情况如何？

Fabrice Grinda: 我会说，现在平台创始人和公开市场投资者对于 AI 对平台影响的担忧正处于顶峰。他们觉得，天哪！流量入口都要转移到 AI 智能体（agents）那里去了，因此你将无法获得利润，会面临巨大的利润压缩和去中介化。也许像 GPT 和 Claude 这种短尾大模型会进行垂直整合，包揽一切，平台将完全没有生存空间。甚至可能整个商业环节都变成智能体电商，连人类都不参与其中了，平台也就变得无关紧要了。

对于这些观点，我从根本上完全不同意。首先，观察现在平台上用户的行为，我并没有看到向大模型的转移，我也不认为会有这种转移，因为平台上有三种购买行为。

第一种是娱乐性浏览，就像在百老汇或苏豪区逛街一样，一家店接一家店地逛。如果你在这一类网站上，比如二手时尚类别的 Vinted，浏览本身就是一种娱乐，平均每次访问会浏览 20 到 30 个页面。

你一个月会访问好几次。你并不是真的在找特定的东西，但通常客单价较低，你会进行冲动消费。同样，这种信息流绝对不可能转移到大模型上。在任何大模型中，创建一个平均单价 30 欧元的二手时尚信息流绝对排不进前一千个优先级。大模型是为了效率而设计的，而不是为了那些想随便逛逛的人。在不需要效率的场景下，它行不通。即使流量真的转移过去，我也不觉得有什么大不了。

第二种，如果你非常清楚自己想要什么，那也没有理由去用大模型，对吧？现在的行为是直接去亚马逊、eBay，或者在较小程度上用谷歌，输入型号，比如 LG TV C3 65 英寸 OLED，然后搞定。

顺便说一下，即使你用谷歌，他们能捕捉到的价值也非常有限。因为 43% 的结果实际上流向了亚马逊和 eBay。所以，流动性仍然是通过在后端聚集人群来提供的。现在还有第三类，即深思熟虑型购买（considered purchases），在这种情况下，我认为大模型会占据更多价值。

因为如果你不知道根据你的情况该买什么车、该住哪里等等，那么与大模型对话是有意义的。所以对于深思熟虑型购买，确实如此，但话又说回来，Carvana 会比 GPT 更能给你建议吗？这还不确定。

有可能是 GPT。但即便如此，首先我不认为大部分流量会转移到大模型。话虽如此，大模型现在的搜索流量大约是传统搜索的三分之一，而且是免费的。所以，你绝对应该毫不犹豫地在大模型中建立索引。你应该进行积极的 AEO（AI 引擎优化）。

AEO 的早期采用者将在免费流量大战中获胜。所以你可以在那里获得大量免费流量。绝对要在那里建立索引。别让他们把你的数据拿去训练，但要索引你的列表，这样你才能出现在结果中。好，现在让我们假设一个最坏的情况。

由于某种原因，我错了。百分之百的流量入口都去了 GPT。所有的搜索都从那里开始。现在让我们思考一下，在这种最坏的情况下，GPT 相比平台能捕捉到多少价值？坦白说，这取决于“待办任务”（job to be done），对吧？

如果你告诉我，你在订机票，而那里只有五家航空公司，它们占据了 99% 的市场份额，处于寡头垄断地位。好吧，那你完蛋了。但话又说回来，在今天的世界里，Expedia 靠卖机票能赚多少钱？几乎没有。他们并不是真正的平台，他们只是代理商的分销商。顺便说一下，这对你们任何一个正在构建平台的人来说都是真理：如果你的供应端是高度集中的，那你不是平台。你只是你所销售对象的的分销商，他们会对你有定价权，你无法获得合理的利润。

现在想想拥有数百万房源的 Airbnb，或者拥有数十万家餐厅的 DoorDash。这种被聚合起来的供应端是极难复制的。GPT 绝不可能去干那活。而且，你为将他们与快递员匹配所做的工作越多，价值就越高。

DoorDash 拥有三方市场：买家、餐厅和快递员。你在支付、物流等方面做得越多，捕捉到的价值就越多。别忘了，大多数平台在大多数类别中都是“赢家通吃”或“赢家占大头”，基本上就只有 Airbnb，然后是 DoorDash 和 Uber Eats，仅此而已。

只有 Uber 和 Lyft，没别的了。这种具有大规模分散供应的小额高频交易越多，你能捕捉到的价值就越多。所以我能预见 GPT 捕捉到的最大价值，也就是相当于流量入口处的谷歌 SEM（搜索引擎营销），这还是假设 100% 的流量都去了那里的前提下，而我不认为流量会全去那里。

所以，我不会担心“智能体电商”的影响。顺便说一下，现在的智能体电商规模为零。从交易量来看，它根本不存在。由智能体引导的非人类直接购买行为微乎其微。它会随时间增长吗？会。 是的。 但我认为在未来五年内，它会超过商业总额的 10% 吗？不会。 不

所以第二点，我其实不太担心刚才提到的那些威胁，反而更关注机会。在我看来，人们低估了平台创始人今天利用 AI 能做多少事情。这简直令人惊叹。让我给你们举几个例子，大概有六类事情你可以做。

一是跨境电商，如果你在美国销售，这可能不太相关。但在印度，那里有那么多语言，孟加拉语、泰米尔语、印地语等等。以前分散的平台在当地销售（像 CDC 那样）是行不通的。你无法把一个地区消费者的东西卖给另一个地区，因为他们语言不通。

欧洲也是如此。欧洲从来不是一个统一的市场。欧洲是法国、德国和英国，法国人不讲英语或德语，你无法跨国发货。但现在我之前提到的 Vinted，它的 GMV 超过 100 亿，净营收 10 亿，拥有数亿的自由现金流。

他们很天才，他们自动翻译商品列表，自动翻译买卖双方之间的对话。所以他们利用在法国赢得的流动性，直接进入西班牙和意大利，立即就拥有了流动性并成为主导力量。我们投资的一些平台，甚至是二手车 B2B 平台，比如德国的 CarOnSale，现在也在法国销售。不到一年，30% 的销售额就来自那里。所以利用 AI，你基本上可以在一年内让业务实现 30% 的跨境增长。

第二，平台上的发布。历史上大多数平台都是 1% 的卖家，99% 的买家。无论是在服务还是产品等领域都是如此。部分原因是发布的门槛相当高。

如果我需要拍 20 张照片，写标题，写描述，选择类别并定价，这是一项不小的工作。大多数人都很懒，不愿意做。对于低客单价的商品尤其如此。对于交易复杂的类别也是如此。

但现在有了 AI，你只需要拍张照片，砰！类别描述自动生成，搞定。甚至还能生成转化率更高的优质列表。所以你绝对应该利用 AI，结合你所在类别的适当训练和数据集，最大限度地简化发布流程，提高访客转化为卖家的比例，并从整体上改善用户体验，从而提高购买率。

第三，你可以从根本上改变你的成本结构。我们投资了一家名为 Ace Waves 的公司，它为平台提供 AI 客户服务。嵌入该服务的平台在六个月内将客户关怀成本降低了 50%，同时还提高了 NPS（净推荐值）。

同时，通过使用 Vibe coding，你可以大幅提高程序员的生产力。所以你应该能够提高程序员效率，大幅降低成本。

第四个 现在的平台拥有越来越多的收入流，以前只是收佣金，但现在可以是 SaaS 订阅费加小额佣金。其中一个大头是销售广告，让你的卖家购买广告。顺便说一下，大多数人没意识到亚马逊其实是个平台。亚马逊上销售的绝大多数商品都是第三方商品。亚马逊完全是一个管理支付、拣货、包装和配送（即物流、退货和客户关怀）的平台。

他们的卖家、商户在亚马逊上购买赞助列表广告，现在已经是一个数十亿美元的类别。广告的美妙之处在于它是 95% 利润率的产品。像 Instacart 这样的公司，5% 的 GMV 来自自助广告，而这几乎贡献了绝大部分利润。

因此，平台在规模化时完全应该实施广告业务，尤其是让平台卖家通过 Topsort 之类的公司购买广告来推广自己。显然这要靠 AI，对吧？问题是，做这件事很难。你不能只卖给出价最高的人，因为你优化的其实不是 CPC（单次点击成本），而是 CCM。

你优化的是 CPC 乘以点击率。所以你需要非常聪明的 AI 来弄清楚在什么地方展示什么广告，从而实现最高的 CPC 乘以最高的点击率。所以在收入生成端，这完全是由 AI 驱动的。

还有无数其他事情可以做，比如物品追踪。我的意思是，你的公司从一开始就应该是 AI 优先、AI 驱动的，将 AI 整合进每一个环节，这可以改变业务。所以我建议从一开始就关注 AI 的机会。

其实还有一件事。过去有很多类别无法存在平台，因为促成交易需要投入太多的人力。有很多类别，想象一下你是一个总承包商，正在某个地方搞建筑。

你合作的分包商数量多得惊人，而且所有沟通都在 iMessage 或 WhatsApp 上，没有甘特图等等。现在你可以利用 AI 和智能体来取代人力工作，精简工作流，降低成本。我知道有些建筑公司，他们现在其实是科技公司，他们销售技术，让那些竞标商业建筑、仓库或响应城市招标的人使用。他们基本上利用智能体来构建标书，可以搞定整个城市的许可流程。

他们基本上可以将时间框架从几年或几个月压缩到几周。因此，在 AI 时代，你可以建立许多以前无法实现的业务。

Mike Williams: 总结得太棒了。AI 正在如何影响平台，我很高兴我们也花时间讨论了平台如何能做得更多，以及为什么现在是平台创业的好时机，这些都是我们社区经常讨论的话题。

我想转到的另一个话题是一些新的策略。因为这些 AI 原生平台有时并不采取传统的起步方式。那么，你现在看到的平台正在使用并取得成效的新策略有哪些？

Fabrice Grinda: 是的，但我会说这些是战术性的。我知道现在有很多平台正在使用，我想你可以用 Claude Co-work，但在它出来之前，他们用的是 OpenClaw。它在 LinkedIn 上找出了所有的供应端和需求端线索。创建一个 LinkedIn InMail 账号并进行联系。基本上是以零获客成本（CAC）或极低的底层信用成本完成的。

并且能够在某个类别中同时建立起平台的供应端和需求端。我见过一些例子，人们编写 OpenClaw 程序来做电话销售，他们编写了一个语音接口，比如用 Whisper 之类的。然后他们会弄一个 Twilio 号码并拨打电话，基本上可以以相当低的成本进行冷启动电话推销，无论是针对供应端还是需求端。

所以在当今世界，有很多方法可以利用 AI 来“黑”出流动性。但我再次强调，对我来说这是战术性的。在这里，你是利用工具来做有趣的事情，或者利用智能体来填补那些过去在经济上不划算、无法建立平台的角色，而现在你可以让平台运转起来。

Mike Williams: 是的，非常有道理。这是战术性的，也很微妙。另外，随着这些新的 AI 原生平台的启动，我们看到它们起步、获得流动性并增长的速度比以往任何时候都快。这是否改变了你在投资时评估它们的方式，以及增长的基准是什么？

Fabrice Grinda: 如今平台融资确实变难了。原因在于 AI 抢走了所有的关注度，而且已经有了那些从零增长到一亿美金年经常性收入（ARR）、利润率 90% 的例子，比如 Lovable、Cursor 等等。当你那可怜的平台在三年内从零增长到 300 万 GMV，再到 1500 万，再到 5000 万时，很难让那些开大额支票的大型风投感到兴奋。

话虽如此，你可以用更少的钱做更多的事。所以我看到越来越多的平台基本上跳过了种子轮前（pre-seed），对吧？以前你的 pre-seed 阶段可能是 100 万美元左右。

如果你在 YC，可能是 3000 万或 4000 万估值，所以有一个范围，但现在可能是 800 万左右。你需要 100 万来获得增长势头，以便拿到种子轮。顺便说一下，对于平台业务，种子轮的估值并没有发生太大变化。

它们略有上升，但坦白说，我们仍然看到很多种子轮项目，公司每月 GMV 为 15 万美元，抽成率 15%，利润率 70%，他们的投前估值是 1200 万，对吧？也许他们融资 500 万，投后 1500 万之类的。现在的 A 轮中位数，如果抽成率是 15%，投前估值可能是 3000 万，融资 1000 万，每月 GMV 在 75 万到 100 万美元之间。我想对增长势头的预期提高了，因为你应该能做到更多。所以我们现在不太投纯想法阶段了，人们来找我们时，即使只有两个人，项目也已经上线了，已经有了一些增长，已经有了单位经济效益等等，因为你现在几乎可以白手起家构建任何东西。事实上，如果你没有能力在几乎不花钱的情况下上线并获得增长，

这其实说明你可能缺乏在你所处类别中的执行能力。我认为一个大趋势是跳过 pre-seed 轮，直接带着增长数据去投种子轮。当然，也有少数例外，有些人能够实现戏剧性的规模扩张，他们不是按老路子走。

老路子是每月 15 万美元时融资 300 万，增长到每月 75 万美元时融资 1000 万或 700 万，增长到每月 250 万到 500 万美元时融资 1500 万、2000 万或 2500 万。有时你可以加速这个过程。问题是，与纯 AI 原生类的 SaaS 订阅公司相比，我还没看到这些业务有那么大的加速，后者规模扩张的速度简直疯了。

我没怎么见过那种情况。唯一 GMV 增长疯狂的地方是 B2B 平台，但话又说回来，如果你的抽成率只有 1%，我并不在乎。我关心的是净收入，而不是 GMV 的增长。所以，如果你的抽成率是 15%，100 万 GMV 就是 15 万净收入。如果你只有 1% 的抽成率，我需要你达到 1000 万 GMV，而不是 100 万，才能达到同样的 A 轮增长水平。

Mike Williams: 的确如此。你刚才提到，有些公司跳过 pre-seed 轮，能够走得更远。那么与此相关，你认为 AI 将如何开始改变初创公司，特别是未来平台型市场的资金需求？

Fabrice Grinda: AI 本身是非常耗资的，对吧？所以，现在平台融资难的部分原因在于，所有的关注度都被 AI 相关的公司占据了——YC 95% 的公司是 AI 公司，25 年 75% 的融资流向了 AI，我指的是 AI 大模型类公司，而且几乎所有的资金都流向了五家公司。

所以不仅是言必称 AI，而且是 Anthropic 的 Claude 和 ChatGPT 占据了绝大部分资金，紧随其后的是 Lovable、Cursor 之类的公司以及 ElevenLabs。然后是国防科技，比如 Anduril，它也与 AI 紧密相关，占据了很大份额，或者 Figure，我也喜欢这种有强大 AI 组件的公司。

答案很典型：视情况而定，对吧？我认为这取决于你的客户是什么样的。归根结底，正如我之前提到的，平台是单位经济业务。所以问题在于你能多快让单位经济跑通，而通常在早期，单位经济并不理想。事实上，你拥有产品市场匹配（PMF）以及你正在构建真正的平台网络效应的一个明确信号是，你的获客成本（CAC）在下降。更多的买家带来更多的卖家，更多的卖家带来更多的买家。

一个明确的失败信号是，随着时间的推移，你花费越来越多来获取边际用户，那你更像是一个销售驱动型的组织。所以，如果你有正向的经济效益、不断降低的 CAC，并且能够自动化更多流程，我认为你确实可以用更少的资金走得更远吗？

当然可以。 但话说回来，我每年仍然投资大约 150 个平台。我还没见过多少平台在资金非常有限的情况下实现了超乎寻常的规模扩张。我见过它们在人很少的情况下扩张，因为它们现在利用智能体变得更高效，但它们仍然需要资金来扩大供应和需求，而且你总是希望两者并行扩张。无论它是销售驱动、营销驱动还是智能体驱动，它们都有相关的成本。所以我还没见过有什么项目在基本没融资的情况下从零增长到 10 亿 GMV。也许 OnlyFans 除外，如果它算的话。

Mike Williams: 是的，确实。你刚才简要提到了市场情绪和融资。但我认为，现在一个越来越受关注的话题是关于防御力（defensibility），对吧？

那么，在 AI 时代，特别是对于现在的平台，你如何看待防御力？

Fabrice Grinda: 首先，你们都应该去我的博客看第 52 期《AI 时代的平台型市场》。我在那里有几张幻灯片，分析了在 AI 环境下长期来看什么是你的防御力。

首先，当你启动平台时，你的防御力为零，对吧？所以你的护城河就是你的流动性。归根结底，就是流动性。一旦你拥有了流动性，你基本上就是不可取代的。看看 Craigslist 就知道了，即便到了 2026 年，它在某些类别（如蓝领工作）中的地位依然稳固得令人震惊。

尽管它的用户体验和界面极其糟糕，甚至还在故意破坏流动性，比如收费等等。我的思考方式是：第一，作为平台，你做了多少工作？

你只是一个线索生成平台（如 Zillow、Angie），什么都不干？还是你进行了重度管理（如 DoorDash、亚马逊），拥有仓库、客户关怀、退货、支付并管理第三方配送？

你的管理程度越高，供应端越碎片化，受到的冲击就越小，防御力就越强。另一件我会考虑的事情是人们购买产品的频率，以及他们在购买前花多少时间思考。同样，他们思考的时间越少（意味着不需要研究），

购买频率越高，你的防御力就越强。Instacart、DoorDash、Uber、亚马逊、Etsy，这些我都不太担心。现在，如果你是高深思熟虑型购买，人们会花很多时间思考要买什么或雇佣谁，而且复购率不高，那风险可能大得多。

所以我认为，通过做更多工作并选择合适的类别，你可以在大模型面前保卫自己的市场。但最终，一旦你拥有了流动性，就没关系了。即使流量入口去了大模型，因为交易还是会通过你完成，即便通过智能体也是如此，你依然会捕捉到大部分价值。

Mike Williams: 这对我们来说是非常有帮助的分析。太棒了。我收到了一些创始人的问题，我保证会留时间给小组问答。在我们开始问答之前，你对今天开始做平台的创始人有什么建议吗？

Fabrice Grinda: 以我之前提到的方式使用 AI 工具。保持极高的资金效率，因为资金将变得难以获取。确保你走得更远。基本上让自己处于“默认存活”和“默认可投”的状态。如果你的增长势头不容置疑，业务好到风投无论如何都必须投你，那就行了。

如果你在资金极少的情况下，凭借良好的经济效益从零做到每月 1000 万 GMV，那么下一阶段是每月 3000 万还是 1 亿都没关系。总会有人投资的。仍然有风投喜欢平台，因为它们具有防御力。

人们没意识到的是，据我所知，已经有 46% 的 AI 公司倒闭了。有些公司估值冲到 40 亿，然后就死掉了。所以你的公司要防御力强得多，但为了成功，要善用工具，保持资金效率，拥有出色的单位经济效益，并真正找到产品流动性。关于如何找到流动性并证明你的 PMF，我想分享一个平台创始人常犯的最大错误。这个错误就是：因为平台上的卖家（无论卖什么产品、服务还是二手货）都是受经济利益驱动的，所以很容易让你的平台充斥着供应端。你去找任何人，即使你说你没流量，你说：嘿，我要上线一个平台，你想在这里发布吗？免费的，成交才扣费。每个人都会答应。问题是，如果你有无限的供应却没需求，那就麻烦了。

你和卖家的互动会是零。他们根本不会参与进来。如果有人真的不小心买了东西，他们也不会回复。这会带来很糟糕的体验。更好的做法是拥有最优质、最精选的供应。你要善待他们，让他们开心，把他们吸引过来。

这取决于类别，如果是实物商品，比如二手货，成交率可能在 25% 左右。这算流动性较低的情况。如果是服务，你希望至少占到他们收入的 25%。理想情况下是 100%，就像 Uber 那样，但 25% 也可以。然后你开始扩大供应规模，接着增加更多需求，并让两者并行增长。

你永远不希望市场供应过剩导致流动性下降。核心就是流动性、流动性、还是流动性。而且要追求更高质量的流动性。

Mike Williams: 是的，这非常棒。很高兴我们强调了这一点及其重要性。另外，从我个人的经验来看，我早期曾在牺牲需求的情况下增加了供应，挺酷的。我们现在进入小组问答环节。嘿 Lisa，我看到你举手了。你想加入聊聊吗？

Lisa: 好的。嗨 Fabrice。很高兴见到你。我是 Lisa。我正在打造 Buddy，一个 B2B 再生金属市场。我知道你是一家指数基金，见过海量的机会，包括托管型市场和纯市场，对吧？

这两者都存在，但我认为你会发现，在纯市场和托管型市场中，“收入”的含义可能完全不同。例如，我们是基于抽成（take rate）的。而我们领域的其他所有人都是买入再卖出的自营模式。

Fabrice Grinda: 是的，但我们并不傻。意思是，如果有人买入再卖出并将其计为收入，我当然还是会看他们的利润率，以及如果有库存的话，其资本效率如何。

所以归根结底，我会进行同类比较。如果你的收入是抽成，我会看这个抽成的利润结构。我显然会把它与他们的做法进行对比。所以，我不会想太多。我会从 KPI 和 OKR 的角度去做对业务正确的事，不会纠结于此。投资者并不傻，市场领域的投资者明白其中的区别。

Lisa: 谢谢。我知道你是市场领域的投资者，所以你对此非常熟悉。但我们的经验是，非市场领域的投资者可能不会像你这样评估。我想知道你对于“如何定位”有没有什么建议，即如何定位一个具有成为交易层潜力的项目（因为这是纯市场的本质），而不是只能从捕获的交易中提取收入。

Fabrice Grinda: 在你跟踪的范围内，你应该提到平台上流转的所有 GMV（商品交易总额），对吧？这样它就比那些买卖自营公司的顶线收入更具可比性了。

Lisa: 好的。

Fabrice Grinda: 尝试将它们与 GMV 挂钩。然后你可以谈论你目前能变现的交易百分比，以及未来能变现的百分比和原因；目前的抽成是多少，以及为什么你认为它会呈上升趋势。在 B2B 市场中，抽成的高低取决于供需弹性。坦白说，有些类别你根本无法抽成，就是零。但在有些类别中，你从 1%、2% 或 3% 开始，随着时间的推移，当你拥有更多流动性并提供更多价值时，你实际上可以将其提升到 6%、7%、8% 甚至 9%。

然后你可以增加融资、保险等服务，或者任何其他增值保障，使你的综合有效抽成达到 10% 到 15% 左右。

Mike Williams: 嘿，Fabrice，我想替一位无法参加的创始人问个问题，这在社区里也挺常见的，是关于如何转型为 AI 原生企业，或者考虑 AI 如何影响你的业务。

我们有很多市场类项目，比如在一年半前拿了种子轮。那么，对于那些在 AI 时代之前融资、现在正在思考 AI 如何影响业务并考虑转型的公司，你有没有什么最佳实践或建议？

Fabrice Grinda: 对我来说，这和你今天开始做一个新初创公司的建议是一样的。使用这些工具，集成 AI，要拥抱 AI。如果你需要重写技术栈，那就重写。但话又说回来，通常你不需要。顺便说一下，我们的很多市场项目都在使用现成的工具，对吧？

比如使用 Shopify，因为归根结底，技术并不是核心——尽管你可能会做单图上架之类的事情——核心更多在于单位经济效益和流动性。这才是比底层技术平台更具竞争力的差异化因素。但是，是的，要积极使用工具，做好 AEO（人工智能引擎优化），并让自己被大语言模型（LLM）索引。

Mike Williams: 嘿，Molly。抱歉，你举手了。你想上来聊聊吗？

Molly: 当然。 是啊 嗨。我是 Recess 的创始人。它就像是儿童课程和夏令营领域的 Booking.com。到目前为止我们已经筹集了 400 万美元。我们的收入还不到一年，但增长非常快，所以我们很快就要进行下一轮融资。

在与投资者讨论中出现的一个问题是关于 LTV（客户终身价值）。考虑到我们服务的孩子年龄段，我们的 LTV 周期其实很长。但现实中，我们的 ICP（理想客户画像）完全没有数据来支撑这个 LTV。除了用户调研，还有什么关于产品正常购买周期的外部数据是投资者会接受并用来评估 LTV 的吗？

Fabrice Grinda: 我刚才没听清你具体卖的是什么，但只要流失率低，而且人们是按月付费的，他们就愿意认可你的 LTV，因为流失率低，对吧？所以 6 个月、12 个月、18 个月后的净收入留存率（NRR）其实很有说服力。尽管我们看到的大多数种子轮初创公司上线时间都不超过 18 个月，但我们仍然可以根据流失率预测 5 年或 10 年的 LTV 与 CAC（获客成本）之比。

所以，只要你有负向的净收入流失（即 NRR 超过 100%），比如 18 个月后 NRR 是 150% 之类的，并且你知道月度或年度流失率是多少，你就可以进行预测，而我们会认可它。

我们会认可你长期的 LTV/CAC 预测，因为它是由你的留存队列（cohorts）驱动的。只要队列数据看起来不错，流失率保持稳定且处于良好水平，那就没问题。我不需要你上线 10 年才相信会有用户付 10 年的费，只要有数据支持就行。

Mike Williams: 嘿 Julius，看到你举手了。你想加入吗？

Julius: 我想问问卖家端的 CAC。你认为什么样的基准算好？还有转化率，即我们引导一个卖家入驻，然后他基本上就在平台上发布了产品。

我们目前有 16,000 个月活用户。我只是对卖家端的 CAC 感到好奇。

Fabrice Grinda: 你愿意支持的 CAC 实际上是由该用户产生的 LTV 驱动的。

所以，在不了解平均订单价值（AOV）、他们卖出多少商品等情况下，我无法回答这个问题。你需要良好的经济效益，对吧？通常卖家的经济效益比买家好得多，因为一个卖家最终会在很长一段时间内卖出很多商品。

所以通常情况下，因为获取卖家比获取买家容易，卖家端的单位经济效益可能是买家的 20 倍、50 倍甚至 100 倍。买家端的单位经济效益可能只有 3 到 4 倍，因为你在 Google 上花了很多钱，而这些人可能只买一两次（取决于类别），而卖家会不断地卖。

我会确保你的卖家经济效益在单位经济基础上达到 10 比 1 或 20 比 1 左右。

Mike Williams: 嘿 Godfrey。抱歉，请举手。你想加入吗？我们试着回答最后一个问题。

Godfrey: 我是 Godfrey，一家跨境运输市场的创始人。我们帮助二手车出口商寻找经过审核的货运经纪人，将他们的车从美国和加拿大的拍卖行运往海外。

你提到融资的四个标准之一是“好的交易”，我看了 FJ Labs 的融资指标。我的问题是，这些融资指标发生了怎样的变化？

Fabrice Grinda: 说实话，在市场类项目中并没有太大变化。融资规模和估值可能稍微涨了一点点，但不多。真正改变格局的是 AI 公司，比如像 Mistral AI 这样的公司，种子轮就融了 10 亿，投前估值 35 亿之类的。

当你观察行业的平均值或中位数时，会发现一切都乱套了，因为这些离谱的 AI 交易完全夸大或混淆了统计数据。除了人们大多跳过预种子轮（pre-seed）这一事实外，我们还没看到非常大的变化。

但我们确实看到的是融资难度增加了。所以，你需要有一个具备良好经济效益的增长故事。这个故事必须非常有说服力，让风投别无选择，只能认真对待你并进行投资。

Mike Williams: 这是一个非常棒的总结，Fabrice。我知道时间到了，但我非常感谢你今天抽空参加我们的后续小组聊天。

我知道我们聊了很多内容，有些话题和问题确实非常微妙，而且取决于具体情况，对吧？但我认为这非常棒，对大家都会超级有帮助。我最后一个问题，也是我典型的结束语：如果你能回到 2026 年之前，回到我们现在所处的这个 AI 新时代，你会对自己关于“市场”这个话题说些什么？

Fabrice Grinda: 老实说，如果有一种业务类型我认为最能抵御 AI 革命，那就是市场。顺便说一下，如果有一个类别我认为人们仍然低估了它的潜力，那也是市场。目前，在我们的消费生活中，我们确实得到了很好的服务，比如 Lime、Instacart、亚马逊、eBay、Uber 和 Airbnb。在每个主要类别中，市场都覆盖了 15%、20%、25% 的商业活动。

但再看看 B2B 领域，几乎还是一片空白。在大多数类别中，渗透率还不足 1%。在这些价值数万亿、数十万亿美元的类别中，渗透率肯定低于 5%。我认为，因为你可以做更多的工作，也因为它们进展缓慢等等，你将拥有惊人的防御性。所以我仍然认为市场是未来的方向。它们是轻资产的，你会建立起护城河，它们将具有防御性。

只要利用好所有的工具，不要让自己被索引（被动利用），但要明确一点，不要让他们利用你来训练数据。没错，你仍然处于正确的领域，做着正确的事情。

Mike Williams: 太棒了。这是非常好的临别建议，很多人都在点头认同。我们再次感谢你抽空加入我们。当然，我会分享你的博客和 FJ 的链接，这样如果大家还没关注的话，可以保持关注并联系。

非常感谢你的加入，也谢谢大家今天提出的精彩问题。