Very few growth moats will survive AI - Sandy Diao [Descript]

Sandy, experte en croissance, estime que la plupart des équipes de croissance deviendront obsolètes d'ici cinq ans. Elle a déjà prouvé sa clairvoyance sur les marchés. Après avoir contribué à la croissance de Pinterest jusqu'à 200 millions d'utilisateurs en tant que 30e employée, elle a rejoint Descript où elle a mis en place un programme d'affiliation générant 25% des nouveaux utilisateurs, presque entièrement en libre-service. Elle prédit la fin des "spécialistes de canaux" au profit d'opérateurs "full-stack" capables de gérer l'intégralité de l'entonnoir de croissance, car, dans un monde où chacun peut générer du contenu, la confiance est le seul canal qui se renforce. Au début de sa carrière chez Pinterest, Sandy ne visait pas spécifiquement un rôle de croissance "full-stack", mais les circonstances l'y ont menée. Sa mission initiale était de faire tout ce qui était possible pour aider l'entreprise à croître. Confrontée à un déluge de demandes de support client, elle a plongé dans les "tranchées", répondant à des centaines de tickets par semaine. Elle a rapidement réalisé que ces interactions étaient une mine d'informations sur ce qui plaisait aux clients et ce qui posait problème. En analysant ces données, elle a découvert des expériences utilisateur défaillantes, notamment le manque de guidance pour les nouveaux utilisateurs sur la manière d'utiliser Pinterest efficacement. Cette observation a mené à l'une de ses premières initiatives de croissance : la refonte des emails d'onboarding. Plutôt que d'envoyer des emails éducatifs génériques, l'équipe a opté pour une approche basée sur les données et déclenchée par les actions de l'utilisateur. Par exemple, si un utilisateur ne suivait pas de tableaux, l'objectif était de l'inciter à le faire. Si un utilisateur créait des tableaux mais n'épinglait rien, l'objectif était de le faire épingler. Cette approche personnalisée a permis d'améliorer l'activation et la rétention des utilisateurs, en se concentrant sur les points de décrochage. Sandy souligne que cette transition a nécessité plusieurs cycles itératifs, car la tendance initiale était de copier ce que faisaient les grandes entreprises comme Facebook ou Twitter, sans savoir si leurs stratégies étaient réellement efficaces ou mesurées. Un défi majeur pour Sandy était de convaincre l'équipe produit d'intégrer ces changements, car il n'y avait pas d'équipe de croissance produit dédiée au début. Elle raconte une anecdote amusante : pour obtenir l'aide d'un ingénieur front-end, elle a commencé à jouer au baby-foot avec lui pendant la pause déjeuner, allant même jusqu'à s'entraîner après le travail pour devenir meilleure. C'est au cours d'une partie qu'elle a pu lui exposer le problème et le convaincre de "moonlighter" sur le projet, en dehors de son emploi du temps officiel, pour coder les premières itérations des emails et des expériences d'onboarding. Cette histoire illustre l'importance de l'opportunisme, de la persévérance et de l'approche "data-inspired" dans les rôles de croissance, où les grandes avancées ne sont pas toujours planifiées mais émergent de l'initiative individuelle. En répondant aux tickets de support, Sandy a également identifié un autre segment d'utilisateurs important : les entreprises. De nombreux marketeurs de petites et moyennes entreprises, voire de grandes entreprises, contactaient Pinterest avec des questions spécifiques sur la visibilité de leurs épingles ou la promotion de leur contenu. Ils recevaient le même niveau de service que les consommateurs, ce qui était inadapté à leurs besoins. Cette observation a conduit à la création d'une expérience distincte pour les entreprises, avec un flux d'inscription séparé et des outils dédiés à la promotion de contenu. Cette initiative a finalement mené au développement d'une plateforme publicitaire, un outil essentiel pour les entreprises souhaitant amplifier leur portée sur Pinterest. Concernant l'équilibre entre la monétisation (via la publicité) et la qualité de l'expérience utilisateur, Sandy explique que les intérêts des annonceurs et des utilisateurs sont souvent alignés : les deux veulent trouver du contenu pertinent. Le défi de Pinterest était que la plateforme était davantage utilisée pour la découverte et l'inspiration que pour l'achat direct. Les premières expérimentations publicitaires visaient donc à cibler les utilisateurs avec le bon niveau d'intention. L'entreprise a testé différents modèles publicitaires, passant d'un modèle basé sur les ordres d'insertion (garantissant des placements à des marques pour atteindre un certain nombre de personnes) à un modèle au coût par clic (CPC) en libre-service, plus proche de ce que l'on connaît aujourd'hui sur les réseaux sociaux. L'objectif était de s'assurer que les annonceurs atteignaient leurs objectifs tout en préservant l'engagement des consommateurs. Sandy a également contribué à l'équipe de vente B2B. Elle a identifié deux segments pour les campagnes de prospection. Le premier exploitait les données internes de Pinterest : les utilisateurs ayant un compte professionnel, un site web listé ou un contenu repiné en grand nombre étaient ciblés. Le second segment ciblait les marques qui dépensaient déjà en publicité sur d'autres plateformes sociales concurrentes comme Facebook ou Twitter. L'équipe analysait le code source de leurs sites pour détecter la présence de pixels Facebook, indiquant des dépenses publicitaires, et les ajoutait à la liste de prospects. Une distinction clé que Sandy met en avant est d'être "data-inspired" plutôt que "data-driven". Dans les premières étapes de la croissance, surtout avec des équipes naissantes, la recherche d'une précision excessive dans l'attribution, la mesure ou l'expérimentation peut créer des goulots d'étranglement. L'objectif est plutôt d'obtenir des "insights directionnels". Par exemple, l'idée que des entreprises utilisaient Pinterest en plus des consommateurs n'a pas nécessité une validation exhaustive avant de créer un flux d'inscription séparé. L'approche "data-inspired" consiste à utiliser les données comme une feuille de route pour l'inspiration, en testant rapidement les hypothèses sans investir massivement dans la validation de chaque insight. Sandy donne un exemple de la façon dont une approche trop "data-driven" peut être trompeuse. Chez Descript, l'équipe a envisagé de modifier le modèle de tarification basé sur la transcription (nombre de mots) vers un "essai inversé" (reverse trial), où les fonctionnalités premium sont offertes gratuitement pendant un temps avant d'être retirées. Cette idée était soutenue par des données externes (beaucoup d'entreprises SaaS prosumer utilisaient ce modèle) et internes (les utilisateurs interrogés disaient payer pour l'édition, pas la transcription). Cependant, l'expérimentation a montré une baisse significative des taux de conversion. L'analyse a révélé que si le modèle d'essai inversé convenait aux entreprises (qui prenaient le temps d'explorer), il ne correspondait pas aux attentes des créateurs de contenu (prosumers) qui voulaient une solution immédiate pour leurs besoins urgents (par exemple, monter une vidéo TikTok). L'équipe est revenue à son modèle de tarification initial, prouvant que les données initiales peuvent parfois orienter dans la mauvaise direction si l'on ne comprend pas les nuances du comportement utilisateur. Concernant la répartition des budgets de croissance, Sandy distingue le budget temps et le budget financier. Pour le budget temps, l'accent doit être mis sur les "big bets" ou les "big swings" : identifier les canaux de distribution qui généreront la majorité de la croissance (la loi de puissance). Pour le budget financier, l'investissement doit principalement aller vers ce qui offre une économie unitaire mesurable, comme les publicités payantes ou le marketing d'influence, où le ROI est plus facilement quantifiable. L'objectif est de trouver des canaux qui peuvent être mis à l'échelle une fois que leur efficacité est prouvée. Chez Descript, Sandy a mis en place une "boucle de croissance" en s'appuyant sur l'intuition que le produit était destiné aux créateurs de contenu ayant déjà leur propre audience. L'idée était d'inciter ces utilisateurs à "vendre" Descript pour l'entreprise. Plutôt que de démarcher chaque créateur individuellement, elle a créé un programme d'affiliation simple, utilisant un outil tiers, où les affiliés recevaient une commission sur les abonnements payants qu'ils référaient. Ce programme, lancé avec un coût et un effort minimaux, a rencontré un succès inattendu. Les créateurs, comprenant bien le produit, produisaient du contenu tutoriel authentique sur YouTube, intégrant naturellement les liens d'affiliation. Ce canal a fini par générer jusqu'à un tiers du chiffre d'affaires pendant plusieurs années, démontrant qu'une compréhension intuitive des utilisateurs et du marché peut être plus efficace qu'une analyse excessive des tableaux de bord. En ce qui concerne l'IA et la recherche de "niches", Sandy observe que de nombreuses startups AI-native hésitent entre une approche très étroite (ciblant une persona très spécifique) ou très large (offrant des cas d'utilisation illimités). La difficulté est que les modèles généralistes peuvent accomplir de nombreuses tâches, rendant difficile la compétitivité pour des produits trop étroits. Inversement, les produits trop larges ont du mal à surpasser les modèles fondamentaux. Sandy pense que le TAM (Total Addressable Market) est virtuellement infini avec l'IA, non pas en termes de nombre d'utilisateurs, mais parce que les coûts de basculement entre outils sont faibles et que les utilisateurs sont prêts à utiliser plusieurs outils pour résoudre leurs problèmes. Une niche peut être trouvée en offrant une meilleure expérience utilisateur ou en résolvant un problème spécifique d'une manière supérieure, même si un modèle fondamental peut déjà le faire. Elle cite l'exemple de Teach Share, qui aide les éducateurs à créer des programmes. Si les modèles fondamentaux peuvent générer du contenu éducatif, Teach Share ajoute une expérience de conception qui gère des variables comme le niveau scolaire, le format, etc., simplifiant grandement le travail de l'éducateur. Ces produits bénéficient également de l'amélioration continue des modèles d'IA sous-jacents, rendant leur propre produit meilleur sans effort supplémentaire. Quant à la rétention à l'ère de l'IA, Sandy estime que les stratégies fondamentales restent les mêmes : s'assurer que l'utilisateur retire constamment de la valeur du produit. Cependant, l'activation des nouveaux utilisateurs a radicalement changé. L'IA nous a habitués à obtenir de la valeur très rapidement, généreusement et gratuitement. Les petites entreprises doivent trouver comment "laisser entrevoir la valeur" sans se ruiner en coûts de modèles. Une approche courante est de permettre aux utilisateurs de commencer à interagir (par exemple, taper une invite) avant de les confronter à un mur d'inscription ou à des étapes supplémentaires, afin de s'assurer de leur intention sérieuse. À mesure que les coûts des modèles diminuent, ce défi deviendra moins critique, mais pour l'instant, la croissance doit identifier les points d'intention et s'adapter aux attentes changeantes des consommateurs. En ce qui concerne l'utilisation de l'IA par un "full-stack growth person", Sandy observe que de nombreuses équipes de croissance n'adoptent pas l'IA aussi rapidement qu'on pourrait le penser. La raison principale est la nature transversale des rôles de croissance : ils touchent au produit, au marketing, aux ventes, à la communauté. Le défi est de centraliser tout le contexte et les données de ces canaux, car tous les outils n'offrent pas d'API pour une intégration fluide. Le rôle de l'orchestrateur humain reste donc essentiel. L'IA est plus efficace pour automatiser des tâches orientées processus, comme les rapports publicitaires, l'optimisation des annonces, ou la prospection marketing d'influence, où les directives peuvent être clairement définies en langage naturel. Sandy recommande aux équipes de croissance de se considérer comme des "orchestrateurs généraux", identifiant ce qui mérite d'être automatisé après avoir maîtrisé les processus manuels. Pour conseiller une entreprise, Sandy commence par écouter ses défis de croissance, puis effectue un audit des opérations réelles. Elle constate souvent que les hypothèses sur les problèmes ne correspondent pas à la réalité. L'objectif est ensuite d'aligner l'