摘要
创业圈几乎沉迷于称颂那些极端值公司：打破增长里程碑、由有魅力的创始人领军、对自我宣传毫不害羞的公司（他们大概更愿意称之为 building-in-public）。公平地说，我自己也在这份电子报里写过许多这样的故事。
讨论里被漏掉的是：作为一家初创公司要成功，难度极高。你的资源不够。你的买家没在注意你。你的产品不像你希望的那么完整。而且每周都有新的竞争者从不知哪里冒出来。
我想把这件事到底有多难照清楚。为此我找上了 ChartMogul 的朋友们——那是我现在担任 Analyst-in-Residence 的 CRM 与 SaaS 指标平台。ChartMogul 让我探索他们惊人的数据集：6,525 家软件公司，历史记录回溯超过十年。
继续读下去，你会看到全新的数据：你走到 100 万美元 ARR 以及更远的概率、第一个一百万究竟要花多久，以及是不是非得搬到湾区才能挖到金矿。
Kyle 是 ChartMogul 的 Analyst-in-Residence。过去 15 年里，他帮助软件初创公司推动增长、将产品变现，并成为所属类别的领导者。
Kyle 还撰写广受欢迎的每周电子报 Growth Unhinged，探索当今增长最快的软件初创公司背后那些出人意料的事。他住在美国马萨诸塞州波士顿。
走到 100 万美元 ARR 以及更远的概率
要在十年内达到 2,500 万美元 ARR，比考进哈佛或斯坦福还难。让这句话好好沉淀一下。
我最先研究的是：究竟有多少比例的软件初创公司曾经走到 100 万、500 万、2,500 万美元 ARR 这些里程碑。这比听起来更难测量，因为存在生存者偏差等因素。我做了几个简化假设：从首次变现开始计时，观测窗口设为十年。由于多数初创公司还不到十年，我以世代（cohort）为单位计算，借此在 6,525 家公司的完整历史数据上验证存活曲线的斜率。
我的发现：将近一半的软件初创公司在开始变现之后，最终会走到 100 万美元 ARR——前提是他们愿意撑十年。
这个数字比我预期的高。我怀疑其中有些选择偏差：会关心订阅指标的公司，可能更常是认真的事业而非业余项目。而且这里呈现的是 2016 年或更早开始变现的公司，老实说，那个时代要打造并推出 SaaS 产品困难得多。报告后段我们会拆解较新世代在变现初期的表现。
即使如此，要跨过 100 万美元 ARR 的概率仍然相当残酷。 十家里有一家走到 1,000 万美元 ARR。而十年内达到 2,500 万美元 ARR 的，只有五十家里的一家。这比考上哈佛或斯坦福（3.6% 录取率）更难。
如果你做到了，希望你花点时间好好庆祝。你的同行有 97.7% 没能走到这一步。
第一个一百万究竟要花多久
听 VC 说话，你会以为营收增长是以曲速前进的。经典的“triple-triple-double-double-double”（T2D3）——五年做到一亿美元——对某些 VC 已经不够看了，毕竟他们看见 Lovable、Cursor 与 Wiz 用两年甚至更短就办到。
我的发现：对那些走到 100 万美元 ARR 的初创公司而言，从首次变现算起通常需要两到五年。只有 3.3% 的初创公司在一年内达到 100 万美元。13.4% 在三年内达到。25.1% 在五年内达到这个数字。你可以把自己放到下面的曲线上，找出最贴近你的数字。
我认为这是健康的。找到产品市场契合（PMF）、从创始人亲自卖转为可复制的增长，都需要真实的时间。过早规模化可能杀死一个本来很好的事业。许多最顶尖的公司都是慢慢走，才能走得快。
值得一提的是，今天最受赞誉的独角兽也不是一夜之间达到 100 万美元的。它们在产品与渠道上耐心迭代，等到知道行得通，才全力压上。
- Lovable 在突破性成功之前花了18 个月打造产品。更早的版本当时叫 GPT Engineer，在初次推出后便无声无息。
- 销售情报平台 Clay 苦干了六年才看到营收动能。近几年，增长终于爆发。
- 打造 vibe-coding 应用 Bolt.new 的 StackBlitz，花了七年才一点一点爬到 70 万美元 ARR。之后他们的新产品 Bolt.new 在最初四周就爆冲到 400 万美元 ARR。
做软件更容易了，脱颖而出更难了
过去十年，我们把市场进入变成了一门科学，发明了数十个三字母缩写，从 AEO 到 PLG 到 UBP。我们没做到的，是在“突围”这件事上明显变强。
我按照软件初创公司开始变现的年份把它们分成世代，再比较各世代达到 100 万美元 ARR 的概率。
我的发现：2016 至 2019 年间起跑的初创公司，在三年内达到 100 万美元 ARR 的概率一直高于更晚诞生的公司。差距并不巨大——成功率 15% 对 12%——但看得出来。2016 至 2019 那一批中，许多公司大概受益于零利率时期（ZIRP）以及疫情推动的软件热潮。
尤其 2016 年是创业最好的单一年份。那一年在各方面都拿到前四分位的成功率。这个年份也包含许多最早的产品驱动增长（PLG）先驱，他们把新的购买方式带进了老牌产品类别。Notion、Figma 与 Loom 都在 2016 年推出。
较新的世代，尤其是 2021 年成立的软件公司，表现没那么好。2021 世代在三年内达到 100 万美元 ARR 的概率最低（10.1%）。这一批运气不好，赶上 ZIRP 热潮的尾巴，又正好落在 2022 至 2023 年募资放缓的高峰。多数人太早，来不及搭上 AI 这班车。
一线曙光：2023 年这个年份的起跑表现异常出色。他们在推出后六个月内达到 100 万美元 ARR 的概率高出 50%。这一批仍算早到 AI 这场派对；创始人在这件事变成主流之前，就已经在思考怎么做 AI 产品。他们在对的时间、对的地点，带着对的产品。
AI 原生初创公司自成一个层级
作为经验法则，较新世代的软件公司并没有更擅长找到动能。但这条法则有一个（很大的）例外。你大概猜得到是什么。
ChartMogul 团队用 AI 把这 6,000 多家公司分进产品类别，包括 PLG（网站上有自助购买方案）、垂直 SaaS（为特定行业或细分市场设计的软件），以及企业级 SaaS（平均 ACV 1 万美元以上）。
接着我看产品类别如何影响一家初创公司成为极端值的机会；我把极端值定义为六个月内达到 100 万美元 ARR，或十二个月内达到 1,000 万美元 ARR。（这些类别并非互斥，一家公司可以同时落在多个桶子里。）
我的发现：AI 原生初创公司在六个月内达到 100 万美元 ARR 的概率高出 3 倍；在十二个月内达到 1,000 万美元 ARR 的概率高出 8 倍。
必须说清楚，这些里程碑仍然极为罕见。首次变现后十二个月内达到 1,000 万美元 ARR 的 AI 原生初创公司不到 1%。但发生的频率已远高于我们历史上见过的水准。
没有任何其他产品类别能与“AI 原生”相提并论：
- 企业级 SaaS 公司在六个月内达到 100 万美元 ARR 的概率高出 40%，不过在十二个月内达到 1,000 万美元 ARR 这件事上只是平均水准。
- 与许多人的预期相反，PLG 与消费者 SaaS 都比较不容易在起跑就爆发；这类公司里有很多在变现之前先优先冲用户数，因此爬坡较慢。
- 垂直 SaaS 的极端值也较少。我猜这反映了要卖给“不是科技早期采用者”的买家有多难。
我要补充一点：起跑爆发不必然预示长寿。快速取得客户，往往也伴随着快速把这些客户输给另一个产品。
你不需要待在湾区（但那有帮助）
传统观念认为，想做大就得搬到湾区。事实证明这不见得成立，尽管待在湾区当然也不吃亏。
我按照公司目前的总部所在地分析数据集，再把公司归进 ChartMogul 客户中最大的十个区域枢纽。这些群组包含大型都会区（如湾区与纽约）、国家（如法国、加拿大、英国），有时也包含区域（如中东欧、北欧）。
我的发现：湾区初创公司确实更容易突围。但考虑到待在湾区的种种优势（以及额外成本），差距没有你想的那么悬殊。湾区公司：
- 在三年内达到 100 万美元 ARR 的概率高出 70%。
- 在四年内达到 500 万美元 ARR 的概率高出 150%。
- 在五年内达到 1,000 万美元 ARR 的概率高出 40%。
法国与加拿大出人意料地擅长培养在三年内达到 100 万美元 ARR 的软件公司（不过加拿大特别少见在五年内达到 1,000 万美元的公司）。
纽约市与美国其他地区产出的公司最能长跑。这些地方的公司在“五年内达到 1,000 万美元 ARR”这一项胜过湾区。或许在湾区之外打造事业的人更耐得住；当同行选择转向、关门或提前出售时，他们选择撑下去。
成为极端值需要什么
如果你已经越过 100 万美元 ARR，做得好。你打败了概率。
那么，除了“是 AI 原生”和“总部在旧金山”之外，究竟是什么把某些初创公司推上去、其他的没有？接下来几周我会继续探究这个问题。订阅 Growth Unhinged 并关注 ChartMogul，就能在文章发布时收到通知。
方法论与名词说明
数据来源与分析框架： 为制作本报告，我们分析了 ChartMogul 的匿名化汇总数据。
数据来源： ChartMogul 的 MRR 变动、以 AI 分群强化的账户数据，以及地理与行业分类。已排除沙盒账户。
ARR 里程碑分析： 检视公司多快达到关键 ARR 里程碑（100 万、500 万、1,000 万、1,500 万、2,000 万、2,500 万美元），时间轴为 1 至 120 个月。只有距离首次营收日已经过足够时间的公司才纳入。
最快十分位分析： 聚焦于达到每个里程碑最快的前 10% 公司，分析他们在爬坡期间的留存与增长特性。
留存指标： 按爬坡窗口计算的总收入留存率（GRR）与净收入留存率（NRR）。
增长指标： 每账户平均收入（ARPA）、ARPA 增长，以及营收构成（新签、扩张、重启）。
营收变动： 新签、扩张、缩减、流失与重启的 MRR 类别。
统计方法： 按年份、地区与商业模式进行世代分析；以向前填补数据的方式做月度汇总；以百分位为基础进行绩效基准比较。