一人公司冷启动：没有团队时的出站销售 playbook

从 Worldcoin 到 ColdIQ

Alex Vacca 从 Sam Altman 联合创立的 Worldcoin 离职时，年薪 €80,000，涨薪天花板 4%。他告诉自己：再也不要让别人决定自己的工作值多少钱。唯一的出路是服务业务 + 冷邮件。

两年后，Sequoia 给这个类别起了名字：Services as the new software（服务即新软件）。每在软件上花 1 美元，就有 6 美元花在服务上。AI 让更大的预算变得可攻击。

但没人截图的是杠杆出现之前的那一年。这是那一年的出站销售 playbook。

不要模仿 Agency

起步时的本能是复制 agency 的做法：更大的列表、更多收件箱、更多发送、更快的节奏。这个本能在 6 个月内杀死大多数 solo 运营者。

ColdIQ 在 agency 规模每月发 50 万+ 冷邮件，横跨 4 个 ESP。回复率可以普通，因为绝对体量保证稳定的会议 trickle。但第一年的运营者没有这个体量地板。你可能只运行一两个发件域名和少量收件箱，月发送量比 agency 小两到三个数量级。

Agency 的数学对你不适用——而所有人都在教 agency 的数学。

2023-2025 的回复率崩塌让差距更糟：

Agency 仍然能在这个比例下约到会议，因为体量在那里。Solo founder 在同样比例下每月只有少量正向回复，而且任何一次糟糕的 campaign 都会毁掉一个你无法快速恢复的发件域名。

Solo Scale 的三个竞争变量

Sequoia 最终命名的那个杠杆，在 solo scale 下必须做所有工作：冷触达之前的认知（Recognition before the cold reach）。

具体来说，一个人运营只能在三个变量上竞争：

1. 更窄的列表，每行更丰富的信息
2. 联系人在邮件到达之前已经在某处见过你
3. 序列读起来像是一个知道自己在做什么的人昨晚写的

这三个变量恰好是 agency routinely 投资不足的——因为它们的体量掩盖了做错的成本。

列表就是策略

手工能跑的最宽列表是每次 campaign 几百个账户。这个上限由物理决定，不是偏好。你要为每个开场白做个性化，分类每个回复，每周更新列表。超过这个天花板，工作就不再能用自己的时间 scale。

这个上限替你选择了 ICP。你负担不起宽泛的目标市场。你需要找到一个已经被外包的 line item，在一个行业内，由一个特定的 buyer persona 拥有预算。

3 问题过滤器（在 solo scale 下比 agency scale 更严格）：

1. 这项工作今天已经被外包了吗？ —— 这样你可以切入现有的预算线
2. 这项工作主要是智力而非判断吗？ —— 这样 AI 可以随时间压缩交付成本
3. 这个类别的服务预算是否显著大于软件预算？ —— 这样增长时的单位经济才能成立

三个 yes = 这个 niche 可以活。两个 yes = 走开。

Alex 的案例：冷出站已经被外包给 agency，有了 playbook 之后主要是智力工作，工作预算远超工具预算。三个 yes。数学替他做了选择。第一批客户都是相似的：还在自己做 GTM 的 B2B SaaS 创始人。

最常见的错误：选一个比那更宽泛的 ICP，然后假设个性化能弥补差距。不会。在你的体量下，列表就是策略。其他一切都是下游。

前置认知的基础设施

在 solo scale 下，认知比 agency scale 更重要，因为你无法暴力绕过它。每个账户只有一枪。

创建认知的基础设施小而便宜：

• 一个 LinkedIn 账号，在冷触达之前的几个月里每周发几次帖
• Sales Navigator 用于列表和信号抓取
• Apollo 入门版用于找邮箱
• 一个 ESP，用种子流量预热四周后再发真实 campaign
• 买域名当天就配置 SPF、DKIM、DMARC——不是发第一封前一周
• 专用发件域名，永远不用公司主域名

整个 stack 的花费在一个客户 retainer 之内。成本很少是瓶颈。在冷触达开始之前的几个月里，LinkedIn 上发了什么，才真正决定冷触达能否落地。

LinkedIn 认知建设期发什么：

• Workflow files 公开写：你会写给内部同事的 markdown 文件，直接发成帖子
• 销售电话的 loss reasons：已经打过的电话里学到的教训，写成一句话
• 工作中的数字：即使数字很小。序列上的 2 个回复是数据，5 个约到的电话是数据。数字不需要 impressive，需要 specific

几个月的持续发布，产生足够的表面面积，让冷邮件开场白可以引用潜在客户已经看过的东西，而不是从零开始。

Sales Navigator 抓取互动和评论，写回列表里，开场白按名字引用它们。同样的潜在客户 + 列表 + 邮件内容，在 warm-ish cold 上的表现比 truly cold 好 2-3 倍。ColdIQ 后来在数千个 campaign 中测量过这个差距。机制在 solo scale 下完全相同，而且是 solo scale 下唯一的机制。

3 封邮件序列

第一年的序列规则和今天一样，只有一个区别：solo scale 下每封邮件都自己写。没有 copy framework 文件，没有克隆最佳 AE 的 master prompt。你就是 AE。框架是你的手做的事情。

3 封邮件。不要更多。

邮件一：信号锚定

• 锚定到潜在客户产生的信号：他们写的帖子、发布的职位、换掉的工具、发布的 launch
• 最多 80 词
• 开场白按名字引用信号
• 正文提供一个你能为他们做的具体事情
• CTA 是一个值得回答的单一问题
• 主题行是描述性的，从不耍聪明

邮件二：价值投放

• 一个具体资源、workflow 文件、截图、你自己工作中的 benchmark 数字
• 三四句话
• 不附带任何 ask
• 这封邮件的存在是为了在潜在客户面前放一个有用的东西，他们接收它不需要付出任何成本

邮件三：软关闭

• 一段，点名原始 offer，点名价值投放，问一个有两个选项的单一问题
• 邮件三之后序列结束，联系人移动到下一个 cohort

没有邮件三之后的跟进。没有 9 步序列。没有假装是对话的 drip cadence。

Solo scale 的数学对长序列惩罚很重。第三个触点之后的每个额外触点，边际回复提升递减，同时以同样速度消耗域名声誉。

几百个账户跑过 3 封邮件序列，大致是几百次来自已经知道 SDR 长什么样的买家池的判断开启。让每次开启都算数。

第一年不要用 AI 跳步

可以用 AI。但 Alex 建议先建立判断。直接跳到 agent 的创始人跳过了产生那些 agent 最终需要学习的数据的那个部分。Solo 年不是生产力问题。

Campaign 底下的 spreadsheet 记什么：

• 触发触达的信号，标注日期
• 引用它的开场白
• 回复，分类到五个标签之一：positive、negative、objection、wrong-contact、out-of-office
• 分类背后的原因，用 plain language

跑完三个 campaign，spreadsheet 自己会告诉你：哪些信号预测回复、哪些开场白把 objection 转成对话、哪些公司类别应该从下次 pull 中排除。

列表缩小。回复率攀升。下次 campaign 用更少体量产生更多会议。这个复利循环和团队时代的 ColdIQ 在 scale 上运行的循环相同——只是去掉了 Clay 自动化。机制在 solo scale 下是人，在团队 scale 下是机器。原则相同。

文档化是第一年的护城河

第一年的诱惑是跳过文档，因为没别人需要读。跳过了，第二年要花两倍时间。

每个 campaign 产生一个 artifact：你可以保存或扔掉。你在第一天决定保存什么的那个决定，就是第 31 个月的护城河。

Alex 保存了什么（markdown 格式）：

• 每个可重复任务的 workflow 文件：新客户 onboarding、发件域名预热、回复分类。每个文件写得像读者昨天才入职
• 每个客户的 decision log：每个"我们为什么这样做"的笔记，标注日期，绑定客户
• 失败 campaign 文件：你试了什么、为什么死了、你会改什么。第一年产生的最有价值的 artifact，也是大多数运营者从不写的——因为损失感觉像要忘记的东西，而不是要研究的东西
• 任何涉及光标的操作录 Loom：按任务命名。没有脚本

两千个 campaign 和四百个 B2B 客户之后，ColdIQ 的系统能运行，是因为第一年的运营者写了那些文件。今天运行的 58 个 Claude Code skills 存在，是因为 workflow 文件先存在。7 个 orchestrator 存在，是因为 decision logs 告诉我们哪些调用是战略性的、哪些是可重复的。失败 campaign 文件是现在跨每个账户运行的回复分类 skill 的输入。

没有一样是团队或工具的下游。所有都是第一年在没人看的时候写下来的下游。

Solo 阶段结束的信号

当三件事同时发生时，solo 阶段结束。每周在同一个文件里追踪它们：

1. 创始人在出站上的时间停止下降

   • 如果 markdown 文件已经完整、序列规则已经稳定，你在出站本身上的时间应该随时间下降，因为文档吸收了工作。当这个数字连续几周 plateau，文档已经做到了没有第二个人执行的情况下能做到的一切

2. 最近五个客户的结果一致性在一个 tight range 内

   • 如果每个 campaign 约到的会议数、每次触达的回复率、从 kickoff 到第一次会议的时间，在最近五个客户中都保持在一个可预测的 band 内，这项工作在名义之外已经被 productized 了

3. 创始人在交付上的时间超过在出站上的时间

   • 这是最干净的信号。当你卖出的工作占用的周时间比卖出它的工作更多时，新客户的 pipeline 瓶颈在你个人身上，而且工作在交付侧被 hire against 之前无法 scale

标准顺序是：先交付，后出站。Hire one 跑交付，这样你可以继续卖。Hire two 是技术层，把你的 workflow 文件变成运行的 agent。出站留在你手腕上，直到交付运营可以在没有你时运行。你在第一年写的文档，让你在最终做出出站 hire 时更快。

核心洞察

关于 services-as-software，没人告诉你的是：数据护城河不是从 agent 上线那天开始的。它从你为 campaign one 打开 spreadsheet、决定保存 loss reasons 而不是归档它们的那天开始。