从失败到Optimizely：Dan Siroker的创业算法

这是一篇关于反馈、分发与实验的创业反思。Dan Siroker通过多次失败、谷歌与奥巴马竞选团队的经历，逐步提炼出一套可复用的创业“算法”，并最终打造出Optimizely。

没有客户，就没有反馈：第一次创业的残酷教训

为什么很多技术驱动的创业一开始就注定失败？Dan Siroker的答案来自他大学时期的第一次创业。

他和合伙人尝试用机器学习做股票情绪分析，这是一个在技术上“听起来很聪明”的项目。但问题在于，他们毕业后很长一段时间里都没有任何付费客户。没有客户，就意味着没有真实世界的反馈，只能在假设中不断优化模型。Dan在回顾这段经历时非常直接：这是一次彻头彻尾的失败。

这段经历让他第一次意识到一个后来反复出现的主题——创业不是在真空中做算法，而是在现实世界中验证假设。他后来总结说，"没有客户，就没有反馈；没有反馈，你甚至不知道自己是不是在解决一个真实的问题。"这并不是技术能力的问题，而是创业顺序的问题。

这个教训看似朴素，却贯穿了他后续所有选择：无论是加入大公司学习，还是后来创办Optimizely，他都在刻意避免再次陷入“做了很多事，但没人关心”的陷阱。

在谷歌学到的不是技术，而是分发与反馈循环

为什么一个失败的创业者要去谷歌？Dan给出的理由很清晰：他想学习“成功的创业者到底具备什么能力”。

在谷歌，他成为Chrome的早期产品经理。这段经历让他第一次近距离感受到什么叫强大的分发能力：一个产品上线后，几乎立刻就能获得海量用户。同时，用户行为、使用数据和反馈会迅速回流到产品决策中，形成极快的反馈循环。

Dan后来反思，自己第一次创业真正缺失的并不是机器学习能力，而是这种分发与反馈的基础设施。在谷歌期间，他还听到奥巴马关于数据、科学和反馈的演讲，这次演讲成为一个关键转折点。他意识到，用证据和实验驱动决策，并不是互联网公司的专利，而是一种普适的方法论。

正是这种触动，让他做出了一个在旁人看来非常激进的决定：离开谷歌，加入奥巴马的竞选团队，把数据和实验真正用在高风险、高不确定性的现实决策中。

在奥巴马竞选团队：A/B测试改变决策方式

如果说谷歌让Dan看到了反馈循环的威力，那么奥巴马竞选团队则让他亲手验证了这一点。

在竞选团队的新媒体分析组中，他负责数据分析和A/B测试。不同版本的页面、邮件和信息，会通过实验直接比较效果，用结果而不是资历或直觉来做决定。Dan反复强调，实验的价值在于，它能让团队在争论之前就看到答案。

但这段经历也暴露了一个新的痛点：做实验高度依赖工程资源。每一个测试都需要工程师介入，这在竞选这种高节奏环境中是巨大的瓶颈。这个问题在他心中埋下了一颗种子——如果非技术人员也能轻松做A/B测试，会发生什么？

他后来形容那段经历时说，"实验不是为了证明你是对的，而是为了更快知道你哪里错了。"这句话，几乎成为他后续所有产品决策的注脚。

先有客户，再写代码：Optimizely的诞生

在经历了Carrot Sticks和Spradley的探索与放弃后，Dan和合伙人终于找到了真正的突破口。

Optimizely的核心想法非常简单：让非技术人员也能自己做A/B测试。不同的是，这一次他们没有先写大量代码，而是先给潜在客户打电话。在通话中，他们描述产品设想，询问是否愿意付费。令人震惊的是，对方立刻表示愿意。

这是Dan反复强调的一个瞬间——“这是我第一次在写代码之前就知道有人会买。”Optimizely早期几乎完全由创始人亲自销售，通过一对一的沟通不断调整产品方向，形成极其紧密的反馈循环。

随着公司成长，他将这种“反馈优先”的理念扩展到招聘、融资和董事会选择中。他提出，创业者不仅要执行算法，更要定义算法本身。否则，就会陷入他所说的“活动陷阱”——每天都很忙，却没有变得更聪明。

在演讲结尾，他用特斯拉作为例子，强调真正伟大的公司，往往重新定义了行业运行的算法，而不仅仅是在现有规则下优化执行。

总结

Dan Siroker的故事并不是一条直线，而是一系列通过反馈不断修正方向的曲线。他从失败的机器学习创业出发，在谷歌学习分发，在奥巴马竞选中理解实验，最终在Optimizely中把这些经验汇聚成一套可复用的方法。对创业者而言，最大的启发或许是：不要急着执行，先想清楚你正在优化的“算法”是什么。

关键词： 创业反馈， A/B测试， Optimizely， Y Combinator， 产品分发

事实核查备注： 演讲者：Dan Siroker；公司：Google、Y Combinator、Optimizely；项目：Chrome、奥巴马竞选团队新媒体分析组；核心概念：机器学习、A/B测试、反馈循环。