营销：Das 的 Unit 3 总结课

Unit 3，Das Narayandas 教授 Market-Facing Functions， 最后一堂：Unit 3 概念总结，选读 Starbucks Korea。

这个单元，我给 Das 的五个案例写过课前稿：Olay、Belden、Bajaj Finance、Equitable，还有 Starbucks Korea。每一篇都停在一道选择题上。

最后一堂课，他没有再讲新案例。他把三周讲过的东西收成一条线：先找到自己的市场，再把自己钉在客户的旅程上；许下承诺，然后让整个组织——人、流程、AI 和薪酬——一起去兑现。最后几分钟，他讲了自己。

讲到后半段，他问大家能不能多给他十五分钟。大家说好。

以下，enjoy：

你提拔谁，组织就会变成谁

上课的那间教室，在 HBS 叫 Big Room。Das 一开场先讲这间屋子的用处：一百来位终身教授在这里决定，谁拿到终身教职，谁没有。

评审报告由三位终身教授组成的小组来写。小组花四个月，访谈几十位同行和领域专家，写出来像一个案例，二十页左右，常常比我们读的案例还长。所有人读完，在这间屋子里讨论九十分钟，然后投票。三个选项：赞成、反对、弃权。

他问：哪一个最糟？

答案是弃权。准备了四个月，讨论了九十分钟，还做不了决定——要么是案子本身有问题，要么是有什么没被说出来。

他接着说，在专业服务机构里，最重要的决定就是提拔谁。你提拔谁，组织就会变成谁。 一个不合适的人坐进这间屋子，会一点点拆掉这个机构的底色。

不提拔一个人的时候，屋里的情绪比提拔时沉重得多。一个人走到评审这一步，大约要九年。说不，等于承认这八到十年的投入落空。所以这件事不能凭情绪，要冷静、客观，同时不能偏离自己的文化。

这是他为当天最后一个主题埋下的伏笔：人才会流动，好的人才只会越来越贵。那一天的最后，他讲的是薪酬。

别说自己小，去找自己最大的那块市场

总结从 MAM 开始——My Addressable Market，我的可服务市场。Das 说他还在找更好的叫法，比如 my fair share，我应得的那一份。

他的要求很直接：永远不要说自己是大池塘里的小玩家。说这句话，不是谦虚，是没看懂自己。

组织里有人说「我们不够大」，就请他指给你看：在哪一块市场里，我们是最大的。然后去那里打。在那块地方做 900 磅的大猩猩，规则由你来定，游戏照你的方式来玩。

他说，和他教过的另一些人相比，这间教室里的人缺的是资源。他也给资本成本很低、投资人追着送钱的人上过课，对他们会是另一套讲法。对资源有限的人，要从手里每一份资源拿到最大回报。风投那套「要全球、要快」，他不买账。

先在自己的地盘上赢，才赢得把地盘做大的权利。

我自己的理解是，MAM 问的不是野心有多大，而是在哪一块地方，规则由你来写。

别告诉我你做什么，告诉我客户经历了什么

要在自己的地盘上赢，Das 说，就要让每一位客户成为英雄。怎么做？还是他这个单元一直在说的那句：把自己钉在客户的旅程上。

这个说法来自 1992 年 HBR 的一篇文章，Staple Yourself to an Order，作者是他的几位同事。那个年代，钉住的是一张订单。今天要钉住的是整段旅程：从客户第一次感到痛的那一刻，一直到消费，以及消费之后的行为。

他讲了 Intuit 的故事。

联合创始人 Scott Cook 看着妻子打理家里的账。她用的是支票本：给谁开支票、开多少，一张张记，很麻烦。那是针式打印机的年代，Intuit 做出的第一版软件，就是一个帮家庭开支票的小程序。

后来他们发现，买这个家用软件的，有很多是小企业。这说不通——做生意要有总账、有报表。他们一开始以为是用户填错了表格。

直到他们去钉住那些小老板的日常，才看明白：市面上的财务软件，是会计写给会计用的。小老板有一个好点子、一腔热情，却不是做生意出身的人，更不是会计。有人问他们懂不懂 general ledger（总账），一位老板反问：他是二战时的哪位将军？

不把自己钉在客户的旅程上，就会错过别人也看不见的那块机会。

Das 补充，洞察不只是新产品。客户和你打交道的流程里，摩擦也是机会。数字化让你能把业务拆成一段段流程：每一步，哪里是人，哪里是机器。摩擦多半来自人工环节。把它自动化，不必把人裁掉，可以让他们去做别的事。

然后他提了一个要求。从今天起，再见面时，他不想知道我们做什么生意。他只想听两件事：我们的客户正在经历什么，以及他们怎样经历我们。

课前我在 Bajaj Finance 那篇写过：「客户中心是客户能自己走进下一件产品，而不是等一个他接触不到的团队来推。」这堂课把这句话往前挪了一步——客户能自己走进来之前，要先有人陪他把这段路走过一遍。

品牌是一句承诺，许下和兑现是两份工作

Das 把 Keller 的品牌金字塔改成了自己的语言：品牌，就是一句承诺。

先看你许下了什么；再看客户怎样回应这句承诺；最后看他想和你建立哪一种关系——一个情感上的拥抱，还是一次高效的商业握手。生意不同，答案不同。两条路都要走，只是在不同的生意里分量不同。

Belden 那堂讲过的四格图，他又拿出来，只为说一件事：领导者的工作有两份。一份是亲自参与许下承诺；另一份，是确保自己的人兑现已经许下的承诺。

他顺带替销售说了句公道话。他自己做过销售，喜欢销售。他只是不希望我们把销售当成矛尖。承诺要靠整个组织兑现，销售只是其中一环。 总把销售捧得最高，等于一遍遍告诉组织里的其他人：你们不够好。这不是真的。

讲到「领结」和「钻石」两种客户界面，他特意纠正：钻石不是销售团队，是客户承诺团队——调动整个公司的资源，去兑现许给客户的那段经历。

这种做法更贵。所以不要为了防守去做。如果只是为了保住已有的客户，成本上去了，收入没涨，那是一次降利润的操作。只在收入能比成本涨得更快的地方做。

他说，可能有两三成的生意，仍然适合用交易的方式做：每一单就是一单，不谈过去，也不谈未来。以客户为中心，不等于为每一个客户着迷。

还有一句是 Unit 2 讲过、他又重复的：对一张订单说不，不等于对这个客户说不。明知做不好的单子，接下来只会变成你的名声。承诺要有边界。你不会请一位神经外科医生帮你看脚趾。

在 Olay 的课后笔记里，我写的是：承诺可以换，俯视不能留。这一堂补上的是另一半——承诺可以许得高，但要许得有边界。

换一身制服，变不成另一个角色

从卖盒子的供应商，到增值伙伴，再到战略顾问——B2B、B2C、专业服务，往上走的路都很难。Das 说，换一身制服、换几句说法，并不会让你变成方案商。可能需要换人。

他问了一个前几堂课没来得及问的问题。三位客户经理：一位守着最底层，卖标准品，比的是价格和性能；一位在顶层做战略顾问；一位在中间，什么都做一点。客户说，只能留一位来管整个关系。留谁？

底层那位最重要——今天的钱是他挣来的，整座金字塔站在他的肩膀上。可他抬头看顶层，心里想的是：太远，太复杂，我每天要出去打猎。他会守住今天，却建不起明天。顶层那位喜欢吃饭聊天，谈五年后的行业；轮到辛苦活儿，他会觉得那是别人的事。中间那位两头都不擅长，所以才在中间。

他讲了一个他参与过的真实实验。一家综合金融服务公司，给前一百大客户各指派一位客户经理，三分之一来自底层，三分之一来自中层，三分之一来自顶层。两年后看销售，只有一个变量能解释结果：这位经理原来从哪里来。从哪儿来，就多卖哪一类。跨部门的「一个公司」式销售，一单也没发生。薪酬其实已经调过了。

组织里愿意走出舒适区的，如果有一个人，那就是你自己。 别指望别人。

很多同事爱说要把每个员工都变成企业家，他不同意。如果一个人和你有一样的风险偏好，他应该去开自己的公司，或者走进来对你说：不要底薪，给我 35% 的提成。顺带一句：最好的人，往往是那些不想替你打工的人。

专业服务里，这道题更难。顶层的客户只听两种人：有白发的，或者是火箭科学家。

McKinsey 的合伙人坐在客户对面，常常会这样摸一摸自己的头发——看，我见过的事情多。BCG 走了另一条路，说自己是火箭科学家：我们想得出别人想不出的点子。经验曲线、增长份额矩阵，都出自那里。中间一层是领域专家和流程专家，靠的是对行业的深度。

他还讲到，真正把 McKinsey 做成今天这家公司的人，没有把自己的名字放上门牌。品牌一旦绑在一个人身上，承诺就是这个人，每个客户都会等他亲自出现。

很多专业服务机构抱怨客户不尊重自己。Das 说，客户不尊重，是因为你从没在那一层建立过可信度。只许承诺不够，还要兑现。

课前我在 Belden 那篇写过，三道难题底下是同一个问题：「一个为卖零件设计的渠道体系，怎么容纳卖方案这件事。」这堂课给的答案更冷：系统要改，人也未必还是原来那批人。

给登月修一道台阶，把护栏画在明处

讲回 Equitable，他说自己不推销任何一种方法论。要让一个组织持续创新，需要五样东西，叫什么名字不重要。

第一样是目标。很多人说要登月。Das 说，你的工作是给组织修一道通往月亮的台阶。用 OKR 也好，用别的也好，每个人的目标都要汇进公司的目标——否则就像被几匹马往不同方向拉，组织会被扯开。

目标可以拉伸，可以有压力，但不要把人压断。登月的目标不要写进基本考核和薪酬，那只会让人沮丧。 先给一个现实的目标，再问对方：照你的想法，你的登月目标是什么？做到了，就公开奖励。人喜欢被看见。

第二样，把客户的声音带进来。设计思维最简单的意思，就是听客户说话，不要过度设计，先拿出最小可行产品，让客户一直在场。战略是在执行里长出来的。

第三样是护栏。护栏由领导者来画，而且要画在明处。有些事可以说「这个不开放讨论」——比如家族企业说「财务我们自己管」——完全可以，只要说清楚，对所有人一样。

他说，一周前他就在这间屋子里，和同事们讨论怎样把 AI 更主动地放进 HBS 的教学。他用前十五分钟先把护栏画出来：这是我的看法，我们可以辩论；但一旦定下来，护栏外面的事就不做。

护栏里面，要缩短决策和行动之间的距离。他见过不少老板，桌上一摞文件，一页页翻过去，看都不看，在底下签字。问为什么，答案是：要有一套系统，防止底下的人乱来。

这正是他让我们读 Starbucks Korea 的原因。那次出事，有七个人签过字。每个人签，都以为别人会看。

多一个签名，不等于多一份管理。

第四样，敏捷不只是 IT 部门的事，全公司都该想怎样快速迭代。第五样，看技能，不看头衔。不要告诉他你有三位 VP、四位 AVP，告诉他你手里有哪些技能。他承认，这一条对 HBS 自己威胁最大——这个机构一直以头衔为傲。

课前我在 Starbucks Korea 那篇写过：「让审核对应真实责任。每个人知道自己在判断什么，也知道发现疑问时可以找谁。增加签名不能替代这件事。」在 Equitable 那篇，我写的是：「可 100% 的对象，必须说清楚。」现在看，这两句说的是同一件事——护栏画在明处，责任落在具体的人身上。

六成靠人判断，三成让机器预测，一成放手给机器

接下来，他讲 AI，然后讲薪酬。讲 AI 之前他特别说明：这是生意人的讲法，不是技术的讲法。

他把领导者的决定分成三类。

第一类是描述性分析：机器提供历史数据，人做面向未来的决定。我们都是在 Excel 里长大的。他说得很重：接下来两年还靠 Excel 做决定，就落后了。去用 AI，查它有没有幻觉，但要用。

这里真正的功夫是可视化。他提醒我们去观察自己的人：他们是怎样看出规律的？下一代看图的方式和我们不一样。不要和 AI 竞争，和它协作，让它把规律用每个人看得懂的方式摆出来。这一类决定，未来仍会占到六成左右——不确定性高、理论不清楚、世界变得太快的时候，你还是要靠直觉。

第二类是规范性分析：机器自己做决定。他的例子是太太的 Tesla。他坐在那辆车里，从不碰方向盘——太太不许。那人还剩什么？给方向。人设定规则，或者说目标函数：今天要利润最大，还是库存最少。机器去执行。

适合交给机器的，是那种单个很小、但每一个都不够精准的决定，次数一多，差距就很大。零售货架上的动态定价是一个例子。机器一旦做了决定，就不要事后再去猜它。

他在 HBR 新写了一篇文章，说很多公司只是给原来的组织套了一层 AI 的壳，然后只量使用率：消耗了多少 token。员工拿 AI 查晚饭去哪儿吃，也算使用。使用率不是采用。

第三类在中间，是预测性分析。前几届 OPM 学员给他看仪表盘，十个里有九个放着客户流失率。流失是滞后指标，客户已经走了。更好的指标是「有流失风险的客户」——一个占两成收入的客户开始闪红灯，全员上阵去救。

预测还有一个陷阱，和你雇谁有关。数据科学家以预测准确为荣，而提高准确率最省事的办法，是把模糊的灰色地带剔掉。生意人看到的却是两种代价：误报带来白费的力气，漏报带来错过的机会。别迷恋准确率，要盯住白费的力气和错过的机会。 模型要让业务的人和数据的人一起做。

他给我们留了明年的作业：一成决定交给规范性分析，三成用预测，其余照旧由人来判断，但要用 AI 看得更清楚。

AI 走到台前，就要回到旅程的起点

Das 说，这也是他让我们读 Starbucks Korea 的另一个原因：AI 正从后台走到台前。

把生意想成一场演出。描述性和预测性分析都在后台，出了错还来得及拦下。动态定价已经踩到了幕布边上。生成式 AI 和智能体，则直接站到了客户面前：替你写内容，替你和客户说话。

在台前，AI 只要犯一个小错，就可能毁掉你在市场上攒下的全部信誉。 很多人以为过去两年用 AI 的逻辑，在接下来两年也适用。他说不会。台前的 AI，要有人二十四小时看着。前面讲的那些放手，不要用在直接影响客户关系的决定上——在那里，没有第二次机会。

一位同学问：以后和客户打交道的，越来越多是 AI 代理，我们怎么守住承诺？

Das 的回答很快：去旅程里更早的地方。在客户把指令交给他的 AI 代理之前，就和真实的客户在一起，离触发点更近。

他做销售时常对手下说：如果不能把我们写进客户的需求规格里，这一单就结束了。今天更是如此。趁人的情感还在决策里，把自己写进去。等决定交给了代理，代理用的是冷静的理性评估，我们可能就没有机会了。

要钉住的是客户的旅程，不是 AI 代理的旅程——到那时，已经太晚。

让机器做决定，就别让用户来背锅

讲规范性分析的时候，他先讲了一个故事，说最后还要回到它。

UPS 推出路线算法 ORION 的时候，先找司机试点。司机们说：好得不可思议，它昨天才来，却比谁都懂我的片区。

Das 补了一句：你试过告诉一位伦敦出租车司机他走错路了吗？他会请你下车。考伦敦出租车执照，要背下数以万计的街道和地点，准备好几年。这样骄傲的人，说一套算法比自己好，是真心话。

可全面推开以后，采用率上不去。大多数司机在推翻算法的安排。

问题不在算法。算法成功了，功劳归谁？不是司机。算法失败了，挨罚的是谁？是司机。既然出了错要我扛，我宁可自己握着方向盘。于是他们悄悄把系统「收着用」。

据 Das 讲，UPS 后来的办法很简单：不再考核准时率和客户满意度，只看一件事——你有多常听机器的。晚了？没关系。出了岔子？没关系。采用一下子就发生了。

人害怕为别人的错误负责，哪怕那个「别人」是一台机器。

讲完 AI 走上台前，他回到这个故事，把它放进自己那篇 HBR 文章的一张图：一个决定，要同时问两件事——谁来做决定，谁为结果负责。少看一个，都会出事。UPS 的司机，落在最麻烦的那一格：机器做决定，人来背锅。

Das 说这不是新问题。当年 ERP 本来是要让总部看清整个组织，可工厂经理被考核的还是自己工厂的业绩。总部发下来的排产，他扔进垃圾桶，照自己的来。销售自动化系统也一样。你要好数据，大家就给你凑数。

机器做决定、机器担责，就要像遛狗：狗在路上方便了，主人得清理，不能走开说不知道是谁的。机器会犯错，所以要给机器指定一位主人——设计它的人，手里有更新它的钥匙。由他们来收拾，不是由使用的人。

大家都爱说 human in the loop。他说，别让使用者当那个 human，让设计者当。 学习的回路和使用的回路，是两条回路。

他提到几周前来过学校的 Amazon CEO Andy Jassy：仪表盘上有几个数字，他自己也碰不了。他能做的，只是告诉系统的人：我尽力了，没做到，有地方出了错，去修。Das 把这个做法讲给一位消费品公司的 CEO 听，对方说不可能——我存在的意义，就是每天调这些旋钮。Das 说，这间屋子里的很多人，也是这样。

还有一个格子是反过来的：人自己做了决定，却让机器背锅——狗吃了作业。他上周刚见过一群华尔街交易员，抱怨量化模型不准。回头去查，是他们自己一直在推翻模型。

课前在 Starbucks Korea 那篇，我最后留了一个问题：「当AI让产出变得更快、更便宜时，我们准备把人的注意力放在哪里？」这堂课给了我一个具体的答案——放在规则和例外上，放在出了错之后由谁来清理上。而不是在每一个结果上，都多盖一个人的签名。

你定规则，组织会钻规则的空子

最后一个主题是薪酬。他说，干净的做法只有两种：按行为付钱，或者按结果付钱。

按行为付钱，例子是麦当劳柜台后面的人。你不会让他为门店客流负责，他也管不了。他只要做好两件事：微笑；客人买汉堡时，问一句要不要薯条。交叉销售就是机会。做到了，就付钱。前提有两个：你清楚哪些行为会带来结果，你也看得见这些行为——所以柜台上方要有摄像头。这样的销售会同时顾及公司和客户，想的是长期满意。他们会说：「我们一起来。」

按结果付钱，是因为你说不清努力和结果之间的因果。成交的路有很多条，你只量得出结果，那就按结果给提成。这样的销售先顾自己，常常站到客户那边、让公司让步，看重短期。他们会说：「结果给你了，别管我。」

然后是那张两轴图：横轴，你能不能衡量努力；纵轴，你能不能把努力和结果连起来。讲义上四个格子是空的，他在课上逐格讲。

两样都高，就给高底薪、低提成，甚至不提成。这个国家很多金融服务公司现在会说「我们不拿佣金」，意思是：我不是在为自己的收入最大化，我会照顾你。

两样都低——不知道什么行为带来成交，人又在外面跑、看不见——就按结果付钱。

难的是另外两格。

知道怎样做会成，却看不见人在做什么。大多数公司在这里选混合制，底薪一点、提成一点。Das 说这不是好主意。他还开了句玩笑：最后一堂课，别让我留给你们的印象是总在下套。

他的答案是：看不见的努力，先用培训去管，再用薪酬去激励。 建一套自己的销售方法，办一所训练营，没通过培训就不许上前线。人一旦放出去，你就管不住了。先教会他怎么钓鱼、怎么下饵，再让他靠本事吃饭。很多公司怕「培训完人就走了」，于是不培训。可只要他还在为你工作，一个训练过的人，总好过一支没训练过的队伍在外面乱跑。

最后一格：看得见努力——数字世界里，几乎每个动作都有记录——却还不知道哪些动作有用。他说，很多人会在这里犯错。这里的任务是学习。别把「什么有用」留给销售自己去摸索；用 AI、用手上的数据，去学客户行为正在怎样变化。学明白了，再往上或往左挪。

想薪酬的时候，永远同时想控制。他把这叫做两个 C：control 和 compensation。

他对复杂的薪酬方案很不客气。薪酬顾问收费很高；收费越高，方案就越复杂；方案越复杂，就越难执行。一套薪酬制度最好一页纸讲清楚：这是我们付你钱的方式。不要写成一本书，也不要以为一份合同能覆盖所有情况。

他推荐了五个问题，说是一位同事教他的（讲义上注明出自 Ian Larkin），足够用来设计任何激励：这套制度会带来哪些好的行为？会带来哪些坏的行为？好的是不是远远多于坏的？怎样减少坏的——比如靠文化、靠培训？减少它们要花多少钱，值不值？

讲第二个问题时，他重复了一句前两个单元都说过的话：你的工作是设计游戏规则，你的人会钻规则的空子。 你的组织比你聪明，永远不要以为自己比它聪明。他上课点名也是这样：学生知道上一节被点过，下一节就不会再被点，于是不准备。所以他用博弈的方式点名。

他最后给了三个关于人的假设：人首先照顾自己；他们和你不一样，风险偏好不同；他们总在算，跟着你走和跟你对着干，哪一个更省力。

课前我在 Belden 那篇写过：「人跟着薪酬方案走，不跟着战略演讲走。」那时我看到的，是 SAM 们先把产品配额冲完，再去做方案。这堂课把后半句补上了——人跟着薪酬走，也跟着你没设计到的空子走。所以列坏行为，要和列好行为一样认真。

被给予得多的人，被期待的也多

讲完，他说这是第一次用这个版本把整个单元讲完。他从 OPM 61 期开始讲这个单元，这是第三还是第四次；春天再讲一轮，然后写书。

剩下的几分钟，他说想把和我们的关系，从「对你们吼、对你们凶」，挪到更像朋友的地方。他讲了自己。

他从小就聪明，没有哪一场考试能难住他。来得太容易，也带来了别的东西：一点傲慢，没有目标。别人说他该去 IIT，他连那地方都没去过，没准备就考了进去。读研也是这样。他一直以为，自己得到的一切都理所应当。

后来，大儿子出生了。那是他人生第一次遇到自己接不住的逆境。是他的太太扛起了一切，四处为孩子寻找帮助。一年之内，他们决定离开印度，给孩子找一个更好的成长环境。

出国读博士，不是因为想做学问，而是一家三口离开的通道。所以他说，自己是一个「意外的学者」。他在没有窗户的房间里做研究，没见过客户，写出的论文至今被认为开了先河。毕业时，有人建议他去研究型的大学；他们选了马萨诸塞州，因为那里最适合孩子成长。

刚来美国的那些年，他唯一的念头是拿到终身教职，给家人一份安全感。为此，太太几乎一个人带大了孩子。他说自己犯过很多错。如果能重来，他最想改的是这一件：做一个更在场的父亲，一个更在场的伴侣。他现在正在学着这样做。

最后他说：人生很难。你们都很幸运，生活给了你们很多。他引了一句话——

Much is expected from those to whom much is given.

被给予得多的人，被期待的也多。

他说，他的两个儿子教会了他很多。

写在课后

如果把这一整堂课压成一个问题，大概是：客户的旅程、许下的承诺、面对客户的那个界面、AI 的决策权、激励的方式——这几样，对齐了吗？

这个单元的五篇课前稿，我当时各自停在一道选择题上。这堂总结课把它们放回了同一张图里。承诺由品牌许下，却要靠流程、决策权和薪酬一起兑现。 哪一环没对齐，客户都会感觉到。

我把这几个问题带回 Arcus42：在哪一块市场里，客户第一个想到我们；我们许下的那句承诺，有没有边界；哪些决定可以交给机器，出了错由谁来清理；我们的激励，奖励的是哪一种行为。

答案还没有写完。

Das 说，春天再讲一轮，他就要把这门课写成书。我们这一期，算是在书写成之前，先听到了它。

---

课堂内容依据我 2026-10-26 的课堂笔记整理，Das 教授的话为我的转述，个别表述可能有出入。Das 教授说明讲义内容来自他正在写的书，本文只记录我的课堂理解，不复刻讲义。