研究路径
如何验证这个判断
从下方的一手资料开始，围绕「Open-source distribution, product-led growth, multi-channel orchestration」记录其问题定义、采取的动作与适用边界。原始研究中出现的收入、估值、流量或转化数字，除非存在带日期的一手来源，否则不作为这里的事实陈述。
AI-native 操盘 / @antonosika
Anton Osika
Co-founder & CEO, Lovable
Open-source distribution, product-led growth, multi-channel orchestration
核心判断
EN · 研究快照原话
Run many growth channels in parallel; open-source is distribution, not
just code. Credit-based PLG can convert massive free usage.
适用场景
把定价变成产品学习的一部分
适用于 AI 功能、按量使用或从免费自助转向商业化的 SaaS。
练习动作
不要照搬结论。
列出一个高频价值事件，比较 seat、usage 与 outcome 三种计费单位；先用访谈和行为数据验证价值暴露点，再设计一个最小的包装实验。
随身框架
用这些镜头拆解问题
- 01Open source as distribution (GPT Engineer 50K GitHub stars)
- 0212+ growth channels simultaneously
- 03Credit-based PLG
- 04Sacrifice short-term ARR for accessibility
原始材料
从一手资料开始，而不是从摘要结束。
链接来自研究快照的公开来源；逐帖提炼与链接核验会继续归档。数字和商业判断请回到原始来源复核。