SG 枫叶留学 · 内部诊断报告
Volume 01
数据自聚光后台
公司每年成本不低，账面利润很薄。这不是运气问题——是漏斗每一层都有人在出血，而每一层都该有人盯。这份诊断把过去 6 天的真实数据拆开看：哪一层做得好，哪一层在漏，谁该负责，下一步该做什么。
FIG. 01 · 漏斗与漏点
真要追完整故事翻下面的章节，但这三张卡片已经能拍板。
小红书聚光留学行业 CTR 一般 1.5–2%。我们 3.44%，反而在前段。真正的漏点不在曝光这一环。
人点进来了，但笔记内容/钩子勾不住。这一层每改善 1 个百分点，月留资多 5–6 个。
不是投放变贵，是后端转化在掉——私信→留资率从全年 24% 跌到近 6 天 12.5%。
六层漏斗，每层对应一个部门、一个 KPI、一个责任人。
注 · 漏斗宽度按视觉感比例（log scale）画，不按数字真实比例——否则后面几层根本看不见。真实悬殊感请看下方对比表。
不是所有问题同等重要——按修复 ROI 给你排好了优先级。
6 天里 519 个人点进来，只有 24 个发私信。4.62% 的咨询率，远低于行业基准 8–12%。意思是：投手把人成功带到门口，但门内没有勾住人的内容。
具体表现：点进来看了一眼就走，没有动私信的冲动。常见原因——笔记主页缺乏"必须找你"的理由，CTA 不够明确，私信入口不够显眼，或者主页头几屏没有"案例 / 价格 / 时效"这类决策信息。
修复杠杆 · 这是 ROI 最高的一层。提升到 8% 不难，能让月留资从 15 个跳到 26 个，单广告投入不变，客户数 +73%。
全年的私信→留资率 24.2%，最近 6 天掉到 12.5%——几乎砍半。这一段责任人是销售，跟投手和 Marketing 无关。
常见原因——响应慢（黄金 5 分钟内回复 vs. 1 小时后回复，留资率差 4 倍）；话术老旧（直接问"你考虑了吗"vs. "我先发份新加坡留学方案给你参考"）；没用 SOP（每个销售自己摸着来，效果靠人不靠流程）。
修复杠杆 · 这一层不需要更多预算，只需要把 SOP 跑通 + 响应速度卡进 30 分钟内。把率拉回 24%，单这一项每月多 3 个留资。
近 7 天 Top 1 笔记吃了 ¥2,207（占 6 天总消费 71%），第二名只有 ¥532。整个公司产出实际靠 1 篇笔记撑着。如果这篇明天算法权重掉了，整个漏斗瞬间崩塌。
这跟"投手 KPI 是拿最便宜 CPC"是一致的——投手会自然把钱压到 ROI 最高的笔记上。但这就要求 Marketing 持续产新素材进 A/B 测试池，否则永远只有一篇能投。
有一篇 9.95% CTR 的笔记（《QS 前 200 名校，学制短+中留服认证》），明显是好素材，但只投了 ¥110 就停了。好素材要敢于放量。
把全年（2025-03 → 2026-03）的数据和最近 6 天对比。投手在进步，后端在退步。
| 指标 | 全年均值 | 最近 6 天 | 变化 |
|---|---|---|---|
| 累计消费 | ¥73,143 | ¥3,103 | 参考量级 |
| 累计曝光 | 475,392 | 15,102 | 参考量级 |
| 累计留资 | 120 | 3 | 参考量级 |
| CTR · 点击率 | 2.77% | 3.44% | ↑ 24% · 改善 |
| CPC · 点击单价 | ¥5.56 | ¥5.98 | + 7% · 持平 |
| 点击 → 私信 | 3.76% | 4.62% | ↑ 23% · 略改善 |
| 私信 → 留资 | 24.24% | 12.50% | ↓ 48% · 恶化 |
| CPL · 留资单价 | ¥610 | ¥1,034 | ↑ 70% · 恶化 |
读法 · 投手端的 CTR 和 CPC 都在变好，问题不在前端。私信→留资率掉一半，直接把整体 CPL 拉高 70%。这就是 Leonard 说的"差了 30% 转化"——实际是 50%。
谁在干活，谁在浪费——按消费排。
没有 KPI 的部门 = 没有责任人；没有责任人的层 = 一定漏。员工试用期 1–3 个月，开不出单走人——这是行业标准做法。
从聚光后台批量买流量。这一层目标是用更少的钱买到同样预算。
把广告投出去，让对的人看到、点进来。这一层目前是公司表现最好的环节。
用文案 / 封面 / 钩子把人从笔记勾到私信。漏斗第一大出血点就在这里。
从私信开始接，跑到客户付钱报名。这一层近期掉一半，第二大出血点。
不需要做所有事——按这个顺序做，30 天内能看到 CPL 下降。
诊断完广告漏斗，顺便聊一笔账外的账。留学公司是用人服务人，每多一个客户就多一份工时；而软件做完一次，可以卖给一万家店——这是两种完全不同的生意。
枫叶现在做的留学，本质是「咨询 + 文书 + 服务」——每一单都要人去聊、去写、去陪。这门生意天然有一个天花板：一个顾问一年能服务多少学生，公司就只能做多少营收。我们前半段在算的 ROI、CPL、转化率，全部都建立在「人时 × 单价」这个底层公式上。
但 Joe 这两年的副线，是在做另一件事——他做了一套新加坡理发店的管理 SaaS（salonosg.com），把排班、会员、收银、库存全部数字化。我自己也顺手做了一套店铺选址系统（shop.leonardchow.work），抓政府投标数据、扒地铁出口的人流，给我家楼下那个总抱怨找不到铺面的麻辣烫大哥用。这两套东西的共同点是——做完一次，可以卖给一万家店，边际成本几乎为零。
SaaS 是一套真实减少工作量的软件。
只要比雇人便宜，资本家就一定会买——
因为这代表利润更高。
逻辑很干脆：一套系统替掉两个收银员，老板每月省两万，软件年费一万二，他没理由不买。更狠的是博弈层面——一旦同行业有一家买了，其他家被迫跟进，因为没买的那家成本结构已经输了，会被慢慢挤出市场。所以 SaaS 不是"卖给愿意买的人"，是"卖给一个行业里的第一家，剩下的会自己找上门"。这跟我们做留学完全相反：留学是说服一个家庭，SaaS 是引爆一个行业。
把一家理发店的排班、会员、库存、收银，从 5 个 Excel 表压缩到一块平板。
抓政府公开投标 + 地铁出口级人流地图，告诉你哪个铺子要空了、哪个值这个租金。
阿里巴巴找货源 → 抓图 → 翻译 → 改价 → 上架到 Shopify / Amazon，全套不用人。
把这一节放在诊断报告后面，是因为留学的天花板就在那里——一个咨询师、一份文书、一个客户。而 SaaS 是同一份代码卖一万次。这两条路不冲突。但任何一个第一次正经经营公司的人，都应该至少知道还有第二条路存在。
理解了这一句，就理解了为什么所有跟"敲键盘 + 说话"相关的工种，都在被重新定价。
LLM（大语言模型）听起来高深，但它的本质极其朴素——给它电、给它一个问题，它输出一段话、一段代码、一份合同、一封邮件。仅此而已。
第一次让我意识到事情变了的，是写代码本身。编程语言也是语言——Python、JavaScript、SQL，全都是人类发明的、有语法规则的符号系统。既然 LLM 处理语言的成本趋近于电费，那写代码的成本也就趋近于电费。SaaS 行业过去十年的护城河是"找一群 IT 工程师，慢慢写、慢慢调"；现在这道墙塌了，软件可以批量生产。一套理发店管理系统，三年前要一个 5 人团队做半年，现在一个人加 AI 一个月就能做出可用版本。SaaS 行业自己，就是被 AI 第一个打爆的行业。
工程师对着需求文档想三天、查 Stack Overflow、写 200 行、debug 两天。
描述清楚要什么，AI 直接出 80% 可用代码，人只负责架构和 review。
养一个运营每天 8 小时——打开阿里巴巴、复制图片、翻译标题、填规格、上架、改价。
设一条公式「从 A 抓 → 翻译成 B → 同步到 C」，凌晨自动跑完，第二天看报表。
接一单代写要花一晚上读题、查资料、组织论证、调语气。
AI 直接写完，人只做 final polish。
回到留学这门生意里看：销售、顾问、会计、法务、市场、文案、运营——枫叶整个公司的中后台，本质都是一群人坐在电脑前，每天敲键盘 8 小时，输入和处理语言。合同是语言、邮件是语言、报价单是语言、家长群里的回复也是语言。
这些工种是第一波被改写的工种。不是因为 AI 多聪明，而是因为它们的产出物全部是文字，而文字恰好是 LLM 单位电费成本最低的产物。这不意味着这些岗位会一夜消失——而是一个人配上 AI，可以干过去三个人的活。公司的人效曲线会被强行抬高一个数量级，没跟上的会被跟上的挤出去。
公司这台机器，过去靠雇人运转；
接下来，靠的是雇对人 + 配对工具。
当 AI 把 academic writing 从「能力」压到「电费」之后，真正稀缺的不再是写作本身，而是承接、节奏、信任。把商品和包装拼起来，才会出现一个有定价权的产品。
前两章讲的是工具：SaaS 把一个人的服务复制给一万个人，LLM 把电费转化成语言。但工具便宜从来不是问题——问题是工具单独卖，没有定价权。一篇 AI 写的论文，边际成本几毛钱；客户不会为「几毛钱」付几千块，哪怕它写得很好。
留学这一行的奇怪之处在于：客户买的从来不是单一商品。他们买的是被托住的感觉、被对接的关系、被推着往前走的节奏。Maple 在对话里讲得很清楚——「不能让人家知道这就是这么简单这么快」。这不是话术，这是产品定义。
所以这一节谈的是把前两章的工具组合起来：AI 论文引擎做地基，护航服务做房子，私域做地段。三件东西分开都不值钱，拼起来才有 margin。
Leonard 在对话里提了一个 sharp 的设计：论文当时就写完，但 3 天后才交付，付费可以缩短倒计时。表面上反效率——明明做完了，为什么不立刻给？但这恰恰是 commodity 必须套服务壳的原因。
奢侈品店从不会把最贵的包摆在门口随手能拿的位置——它要让你走进去、坐下、被招待。心理咨询师不会在 30 秒内回完邮件——那会让客户觉得「他没在认真想」。同样的逻辑：academic writing service 如果做成「上传作业 → 30 秒下载」，客户会立刻意识到这是 AI，不是「老师帮我看了三遍」，定价立刻就崩了。
3 天倒计时不是拖延，是把「正在被认真对待」这件事可视化。Maple 那句「传达传达，修改修改」抓得很准——服务的密度感比服务的实质更值钱。
AI 卖的是答案；
护航卖的是过程。
客户付的钱，大部分是过程。
对话里另一个反直觉的提法：把投流-对接-销售这一层（ROI ≈ 1 的部分）打包成免费 SaaS，送给同行用。
这听起来像慈善，其实是武器。传统环外留学中介的成本结构压在两件事上——写手 + 销售。AI 论文引擎一旦变成行业基建，写手成本归零，他们的报价模型直接塌掉一半。我们的位置不在那一层——我们做的是上游护航服务供应商，靠 AI 工具把流量从同行那里抽过来，转化进真正赚钱的产品。
Maple 的反应是合理的警惕——「有了 AI 写论文谁还买护航服务」。这是分销逻辑里的经典担心：怕主力产品被替代品蚕食。但这里的关键判断是：AI 论文是 commodity，护航是 product。Commodity 永远会被打到成本价，与其等同行用，不如主动让它免费——把整个行业的 commodity 层拉到地板上，自己留在 product 层吃 margin。
免费不是慈善——是武器。
把 ROI ≈ 1 的业务送出去，把 ROI ≈ 10 的业务留下来。
把作业、历史论文、学校 rubric 一起丢进去，输出符合该学校要求 + 该学生口吻的稿件。
1 个对接员服务约 30 个学生 / 年。卖的不是论文，是被照顾的感觉。
先用 Maple 现有私域跑通模型，给现有学生低价试用，跑出 SOP，再对外开流量。
收集 Amity 预科到本科全套教材、历史作业、评分标准，喂给 AI 形成校本知识库。这一步是劳动密集型的，但只做一次——做好后所有同校学生共享同一套底料。
给现有学生免费或低价试用，跑出标准操作流程——什么时候交、修改几轮、对接员怎么传话、3 天倒计时如何推进。这一步的目标不是赚钱，是把 SOP 跑出来。
把跑通的 SOP 变成可复制的岗位手册，培养第一批 AI 对接员。这是人的层，不是工具层——AI 不能替的部分都集中在这里：传达、修改、催进度、接焦虑。
等系统、人、SOP 三件齐了，再对外开流量——可选打包同行（炸成本结构换流量）或直接投放（守自己的 margin）。顺序错了就会接不住。
环外留学公司过去的护城河有两层：培训能力（小马老师那种带学生跑完全流程的人）+ 文书能力（人手写论文）。
文书能力这条护城河，AI 已经填平了——再守也守不住。但培训能力不一样，它是关系 + 节奏 + 信任的复合品，AI 替不了。所以新的护城河结构是：AI 工具的效率（拿掉文书层的成本）+ 老护城河的信任（守住培训层的 margin）。两件缺一不可——只有 AI 没有信任，等于把自己降维成同行；只有信任没有 AI，成本结构撑不住价格战。
工具是工具。
产品是工具 + 叙事 + 节奏 + 一个肯接电话的人。
AI 让边际成本归零；护航让客单价不归零。
公司这么几年过来，如果没有我个人的资源代理进去，现在估计持平还赚不到钱。
— Maple · 2026 / 04 / 27
把"靠创始人个人资源养公司"这件事，转成"每个部门有 KPI，机器化运转"。漏斗每一层都有人盯，公司就不依赖任何一个人——包括你。
CTR 守住 3% · 点击→私信过 6% · 私信→留资回 18% · 同时在跑笔记数 ≥ 5。其他指标都是这四个的衍生。