摘要
新創圈幾近沉迷於歌頌那些極端值公司：打破成長里程碑、由具魅力的創辦人領軍、對自我宣傳毫不害羞的公司（他們大概更願意稱之為 building-in-public）。公平地說，我自己也在這份電子報裡寫過許多這樣的故事。
討論裡被漏掉的是：作為一家新創要成功，難度極高。你的資源不夠。你的買家沒在注意你。你的產品不像你希望的那麼完整。而且每週都有新的競爭者從不知哪裡冒出來。
我想把這件事到底有多難照清楚。為此我找上了 ChartMogul 的朋友們——那是我現在擔任 Analyst-in-Residence 的 CRM 與 SaaS 指標平台。ChartMogul 讓我探索他們驚人的資料集：6,525 家軟體公司，歷史記錄回溯超過十年。
繼續讀下去，你會看到全新的數據：你走到 100 萬美元 ARR 以及更遠的機率、第一個一百萬究竟要花多久，以及是不是非得搬到灣區才能挖到金礦。
Kyle 是 ChartMogul 的 Analyst-in-Residence。過去 15 年間，他協助軟體新創推動成長、將產品變現，並成為所屬類別的領導者。
Kyle 也撰寫廣受歡迎的每週電子報 Growth Unhinged，探索當今成長最快的軟體新創背後那些出人意料的事。他住在美國麻州波士頓。
走到 100 萬美元 ARR 以及更遠的機率
要在十年內達到 2,500 萬美元 ARR，比考進哈佛或史丹佛還難。讓這句話好好沉澱一下。
我最先研究的是：究竟有多少比例的軟體新創曾經走到 100 萬、500 萬、2,500 萬美元 ARR 這些里程碑。這比聽起來更難測量，因為存在生存者偏誤等因素。我做了幾個簡化假設：從首次變現開始計時，觀測窗口設為十年。由於多數新創還不到十年，我以世代（cohort）為單位計算，藉此在 6,525 家公司的完整歷史資料上驗證存活曲線的斜率。
我的發現：將近一半的軟體新創在開始變現之後，最終會走到 100 萬美元 ARR——前提是他們願意撐十年。
這個數字比我預期的高。我懷疑其中有些選擇偏誤：會關心訂閱指標的公司，可能更常是認真的事業而非業餘專案。而且這裡呈現的是 2016 年或更早開始變現的公司，老實說，那個時代要打造並推出 SaaS 產品困難得多。報告後段我們會拆解較新世代在變現初期的表現。
即使如此，要跨過 100 萬美元 ARR 的機率仍然相當殘酷。 十家裡有一家走到 1,000 萬美元 ARR。而十年內達到 2,500 萬美元 ARR 的，只有五十家裡的一家。這比考上哈佛或史丹佛（3.6% 錄取率）更難。
如果你做到了，希望你花點時間好好慶祝。你的同業有 97.7% 沒能走到這一步。
第一個一百萬究竟要花多久
聽 VC 說話，你會以為營收成長是以曲速前進的。經典的「triple-triple-double-double-double」（T2D3）——五年做到一億美元——對某些 VC 已經不夠看了，畢竟他們看見 Lovable、Cursor 與 Wiz 用兩年甚至更短就辦到。
我的發現：對那些走到 100 萬美元 ARR 的新創而言，從首次變現算起通常需要兩到五年。只有 3.3% 的新創在一年內達到 100 萬美元。13.4% 在三年內達到。25.1% 在五年內達到這個數字。你可以把自己放到下面的曲線上，找出最貼近你的數字。
我認為這是健康的。找到產品市場契合（PMF）、從創辦人親自賣轉為可複製的成長，都需要真實的時間。過早規模化可能殺死一個本來很好的事業。許多最頂尖的公司都是慢慢走，才能走得快。
值得一提的是，今天最受讚譽的獨角獸也不是一夜之間達到 100 萬美元的。它們在產品與通路上耐心迭代，等到知道行得通，才全力壓上。
- Lovable 在突破性成功之前花了18 個月打造產品。更早的版本當時叫 GPT Engineer，在初次推出後便無聲無息。
- 銷售情報平台 Clay 苦幹了六年才看到營收動能。近幾年，成長終於爆發。
- 打造 vibe-coding 應用 Bolt.new 的 StackBlitz，花了七年才一點一點爬到 70 萬美元 ARR。之後他們的新產品 Bolt.new 在最初四週就爆衝到 400 萬美元 ARR。
做軟體更容易了，脫穎而出更難了
過去十年，我們把市場進入變成了一門科學，發明了數十個三字母縮寫，從 AEO 到 PLG 到 UBP。我們沒做到的，是在「突圍」這件事上明顯變強。
我按照軟體新創開始變現的年份把它們分成世代，再比較各世代達到 100 萬美元 ARR 的機率。
我的發現：2016 至 2019 年間起跑的新創，在三年內達到 100 萬美元 ARR 的機率一直高於更晚誕生的新創。差距並不巨大——成功率 15% 對 12%——但看得出來。2016 至 2019 那一批中，許多公司大概受益於零利率時期（ZIRP）以及疫情推動的軟體熱潮。
尤其 2016 年是創業最好的單一年份。那一年在各方面都拿到前四分位的成功率。這個年份也包含許多最早的產品驅動成長（PLG）先驅，他們把新的購買方式帶進了老牌產品類別。Notion、Figma 與 Loom 都在 2016 年推出。
較新的世代，尤其是 2021 年成立的軟體公司，表現沒那麼好。2021 世代在三年內達到 100 萬美元 ARR 的機率最低（10.1%）。這一批運氣不好，趕上 ZIRP 熱潮的尾巴，又正好落在 2022 至 2023 年募資放緩的高峰。多數人太早，來不及搭上 AI 這班車。
一線曙光：2023 年這個年份的起跑表現異常出色。他們在推出後六個月內達到 100 萬美元 ARR 的機率高出 50%。這一批仍算早到 AI 這場派對；創辦人在這件事變成主流之前，就已經在思考怎麼做 AI 產品。他們在對的時間、對的地點，帶著對的產品。
AI 原生新創自成一個層級
作為經驗法則，較新世代的軟體公司並沒有更擅長找到動能。但這條法則有一個（很大的）例外。你大概猜得到是什麼。
ChartMogul 團隊用 AI 把這 6,000 多家公司分進產品類別，包括 PLG（網站上有自助購買方案）、垂直 SaaS（為特定產業或利基設計的軟體），以及企業級 SaaS（平均 ACV 1 萬美元以上）。
接著我看產品類別如何影響一家新創成為極端值的機會；我把極端值定義為六個月內達到 100 萬美元 ARR，或十二個月內達到 1,000 萬美元 ARR。（這些類別並非互斥，一家公司可以同時落在多個桶子裡。）
我的發現：AI 原生新創在六個月內達到 100 萬美元 ARR 的機率高出 3 倍；在十二個月內達到 1,000 萬美元 ARR 的機率高出 8 倍。
必須說清楚，這些里程碑仍然極為罕見。首次變現後十二個月內達到 1,000 萬美元 ARR 的 AI 原生新創不到 1%。但發生的頻率已遠高於我們歷史上見過的水準。
沒有任何其他產品類別能與「AI 原生」相提並論：
- 企業級 SaaS 公司在六個月內達到 100 萬美元 ARR 的機率高出 40%，不過在十二個月內達到 1,000 萬美元 ARR 這件事上只是平均水準。
- 與許多人的預期相反，PLG 與消費者 SaaS 都比較不容易在起跑就爆發；這類公司裡有很多在變現之前先優先衝使用者數，因此爬坡較慢。
- 垂直 SaaS 的極端值也較少。我猜這反映了要賣給「不是科技早期採用者」的買家有多難。
我要補充一點：起跑爆發不必然預示長壽。快速取得客戶，往往也伴隨著快速把這些客戶輸給另一個產品。
你不需要待在灣區（但那有幫助）
傳統觀念認為，想做大就得搬到灣區。事實證明這不見得成立，儘管待在灣區當然也不吃虧。
我依照公司目前的總部所在地分析資料集，再把公司歸進 ChartMogul 客戶中最大的十個區域樞紐。這些群組包含大型都會區（如灣區與紐約）、國家（如法國、加拿大、英國），有時也包含區域（如中東歐、北歐）。
我的發現：灣區新創確實更容易突圍。但考慮到待在灣區的種種優勢（以及額外成本），差距沒有你想的那麼懸殊。灣區公司：
- 在三年內達到 100 萬美元 ARR 的機率高出 70%。
- 在四年內達到 500 萬美元 ARR 的機率高出 150%。
- 在五年內達到 1,000 萬美元 ARR 的機率高出 40%。
法國與加拿大出人意料地擅長培養在三年內達到 100 萬美元 ARR 的軟體公司（不過加拿大特別少見在五年內達到 1,000 萬美元的公司）。
紐約市與美國其他地區產出的公司最能長跑。這些地方的公司在「五年內達到 1,000 萬美元 ARR」這一項勝過灣區。或許在灣區之外打造事業的人更耐得住；當同業選擇轉向、關門或提前出售時，他們選擇撐下去。
成為極端值需要什麼
如果你已經越過 100 萬美元 ARR，做得好。你打敗了機率。
那麼，除了「是 AI 原生」和「總部在舊金山」之外，究竟是什麼把某些新創推上去、其他的沒有？接下來幾週我會繼續探究這個問題。訂閱 Growth Unhinged 並關注 ChartMogul，就能在文章發布時收到通知。
方法論與名詞說明
資料來源與分析框架： 為製作本報告，我們分析了 ChartMogul 的匿名化彙總資料。
資料來源： ChartMogul 的 MRR 變動、以 AI 分群強化的帳戶資料，以及地理與產業分類。已排除沙盒帳戶。
ARR 里程碑分析： 檢視公司多快達到關鍵 ARR 里程碑（100 萬、500 萬、1,000 萬、1,500 萬、2,000 萬、2,500 萬美元），時間軸為 1 至 120 個月。只有距離首次營收日已經過足夠時間的公司才納入。
最快十分位分析： 聚焦於達到每個里程碑最快的前 10% 公司，分析他們在爬坡期間的續留與成長特性。
續留指標： 依爬坡窗口計算的總收入續留率（GRR）與淨收入續留率（NRR）。
成長指標： 每帳戶平均收入（ARPA）、ARPA 成長，以及營收組成（新簽、擴張、重啟）。
營收變動： 新簽、擴張、縮減、流失與重啟的 MRR 類別。
統計方法： 依年份、地區與商業模式進行世代分析；以向前填補資料的方式做月度彙總；以百分位為基礎進行績效基準比較。