一、从「打工人」到创业者
Julian 出生在阿根廷，他爸以前开健身房。他几乎整个青少年时期，不是在学校就是在健身房、运动场。
后来他学了软件工程，去了澳大利亚，在小公司、大厂（比如 Atlassian）和投资机构做工程师。听起来是那种"稳稳的技术人生"。
真正的故事起点，是他和朋友一起做的那个项目——帮手游做网红营销的平台。
一开始他们想做的是平台：撮合网红和手游广告主。慢慢地，这个业务变成了非常典型的"营销代理"：
- 不断接项目、做人力活
- 可扩展性有限
- 生意不是他们一开始想象的那种"产品公司"
好处是：
- 他们学会了怎么买量、投放广告、看数据
- 更重要的是，他们第一次近距离看到了头部 App 的收入规模，尤其是健身类 App
那一刻的认知很简单：
“与其帮别人买量，不如自己做一个 App。”
二、先做了一个平庸产品，才看清真正的机会
有意思的是，Julian 一开始做的东西，其实非常普通——一个 workout tracker，类似 Heavy / Strong，帮你记录训练内容。
做到一半，他突然意识到一件事：
“我没有创造任何新的价值。我只是在抄作业。”
这句话，对很多现在在做"AI 应用"的人也成立。你看起来是在做一个 App，实际上只是在把别人的功能重新实现一遍，包装一下 UI。
转折点来自一个朋友。有一天，朋友给他看 Fitbod，说这是自己在用的健身 App。
Julian 一上手，第一感觉是：
- UI/UX 非常顺滑
- 自动给你生成训练计划，体验很爽
但他毕竟从小混健身房，又有专业认知。用得越久，他越觉得不对劲：
- 有的训练组合很奇怪
- 有的搭配甚至有点危险
他最后得出的结论是：
“Fitbod 把产品壳子做得很好，但训练引擎本身有问题。”
于是他的定位就变成一句话：
“我们要做的是：Fitbod 的 UI/UX + 真正靠谱的训练引擎。”
这是第一个关键决策：
- 不再比谁的功能多一个 tab
- 而是专注在"别人做错的那一块"，用专业优势去打别人短板
三、 MVP难的不是写代码，而是定义业务
他把自己锁在"训练引擎"这件事上，两三个月做出了 MVP。
真正难的不是写 App，而是这几件事：
如何根据不同人的条件生成训练计划：你一周练几次？你是新手还是老鸟？你的目标是增肌、减脂还是保持？你是男是女？多重？多大岁数？你家/健身房有什么器械？你的训练习惯有多稳定？
这些变量组合起来，是典型的"爆炸级"的业务逻辑。
Julian 把大部分精力，都压在了这个引擎上。UI 当然要顺滑，但对这个产品来说，最重要的不是"好看"，而是：你每天打开 App，拿到的训练计划是不是可信、好用。
很多人做 AI 应用，恰好反过来：前面一堆炫酷的 AI 动效，真正的业务逻辑薄得要死，结果留存和复购完全撑不起来。
这一步，他踩对了重点。
四、一条 Reddit 帖子，拎来了第一批"超级用户"
MVP 做完，他们先不着急收费。
Julian 在 Reddit 发了一条帖子，讲：
- 自己是怎么做这个 AI 健身 App 的（当时名字叫 Gains AI）
- 用了什么技术、解决了什么问题
这条帖子直接爆了：几百个赞、30 万+ 曝光、前几千个用户全是靠这一个帖子进来的。
更妙的是，这批用户本身就非常对路子：很多是开发者，本来就喜欢折腾工具和产品，又对健身感兴趣，但对传统健身房有点社恐
这两类标签叠在一起，是典型的"超级测试用户"：会认真用你的产品，会帮你报 bug、提功能，甚至会帮你传播！
总结来看，在这个阶段，他做了两件对的事：
- 产品先上手里，不急着收费，先把"值不值"做扎实
- 用自己真正熟悉的社区（开发者 + 健身爱好者多的 Reddit）作为冷启动阵地
很多人做 App，一上来就问：
“我要不要先做小红书 / 抖音 / 广告？”
Julian 的顺序是：
- 先找到一群真的会用、会说真话的人
- 验证产品的方向和潜力
- 再考虑怎么把这东西变成一门生意
五、从"好玩的小项目"，到"买量 + 订阅"的生意引擎
拿到一批早期用户、反馈和使用数据之后，他们做了第二个关键决策：
加订阅，开始认真当成生意来做。
他们上了订阅制，并且同时尝试付费广告。结果非常直接：
- 广告开跑 10 分钟，出了第一笔订阅
- Julian 形容这是"人生最高光时刻之一"
接下来，就是一套非常典型但有效的打法：
1. 翻译成西班牙语，先打南美市场
- 他和合伙人都是西语母语
- 南美流量单价远低于美国
- 这样他们可以用更低预算，跑出可持续的回本模型
2. 小预算、长期投放
- 早期广告预算：< $50/天
- 不靠"赌爆款"，而是稳定压注在回本逻辑跑得通的创意组合上
- 直到今天，核心新增仍来自付费广告
3. 内容与创意逻辑非常朴素
- UGC（用户生成内容）是王道，真实人出镜效果最好
- 用 AI 工具 + CapCut 之类也能快速出量
- Meta Ads 库里看同行谁花钱多，就直接学习他们的创意结构和文案
你会发现，他对"用户获取"这块的视角非常冷静：
- 没有玄学
- 没有讲什么"算法红利"
- 就是：找对人群，用便宜的流量池，大量测试，然后一直投
六、产品细节：为什么用户愿意在看到完整内容前就掏钱？
如果只看广告策略，你会觉得这只是一个"买量套路"。但他在产品上的几个选择，其实非常狠。
1. Onboarding 非常细，且明确"这是 AI App"
从用户打开 App 到生成训练计划，中间会问：你为什么想用健身 App？你的训练经验如何？（新手 / 中级 / 高级）某些关键动作的一次最大重量（1RM）？...
然后，会有一个明显的"AI 正在为你生成训练计划"的动效和页面。
Julian 自己说了一句很现实的话：
“记得展示这是 AI App，因为 AI 能卖。”
这不是忽悠，而是懂人心：
- 用户愿意为"有智商的东西"付费
- 而不是为一个"漂亮的计数器"付费
2. 很硬的一道 Paywall
在用户填完信息，看到"你的训练计划摘要"之后，他们直接上了一道硬付费墙：
- 不提供长期免费体验
- 很多用户甚至在完整体验前就付钱了
这和很多人心里想象的路径相反：“先大量免费用户，再慢慢转付费。”
但对一个解决明确问题的产品来说，“先收费，再体验” 有时候比 “先体验，再收费” 更符合商业逻辑。
3. 细节是长期留存的护城河
- 每个动作有视频 + 文本说明
- 如果中途调整动作顺序，会自动重新计算重量
- 读 Apple Health / Strava 等外部数据，综合判断你的恢复状态
- 按你的疲劳程度动态调节训练方案
这些细节不会帮你多卖一单广告，但会让你少流失一大批本来愿意长期付费的人。
4. 7x24 人工客服，而不是"又一个 AI Chatbot"
他们在 App 内做了 7x24 的真人客服：
- 有知识库文章
- 有真人聊天
- 用户真的会觉得"有人在后面"
这点非常反常识：
- 一个做 AI App 的团队
- 故意选择在最费人的地方不上 AI
- 而是上"人"
为什么？因为对用户来说：训练计划错了、身体练坏了，不是一个"AI 生成的 FAQ"能解决的事。
这背后其实是对"哪里可以用 AI、哪里必须用人"的边界感。
七、财务结构：这是一个什么样的生意？
再来看财务数据：收入： $440K+/月
主要支出：
- 广告：约占收入的 1/3（Meta、TikTok、Google、Apple Search）
- 人员成本：50–80K/月，13–14 人团队
- 平台分成：Apple 15% + 支付通道约 1%
- 工具 + 基础设施：各约 1K/月
你不用算得多精确，也能得出结论：
- 这是一个毛利很高、现金流非常健康的订阅制生意
- 规模上来以后，每多一个用户，边际成本极低
很多人对 AI App 的想象是：
“我要做一个有 1 亿用户的爆款。”
Julian 这个案例反而告诉你：
高客单订阅 + 相对集中的目标用户 + 稳健的买量回本，远比"幻想用户规模"更现实。
八、他自己给出的建议，和我想补的两句
Julian 给 2025 年想做 App 的人的建议有几条——很朴素，但挺扎心：
先验证，再投广告
验证不是"有人用过"，而是"有人心甘情愿掏钱"。否则广告只是在放大一个没跑通的坑。
地理市场要选对
美国谁都想打，但那是最贵的战场。他先用西语市场把买量模型跑通，再慢慢扩张，这是非常冷静的选择。
从小体量的创作者和 UGC 开始
不要一上来幻想签大网红，50 美金就能买到不错的素材，你真正缺的是测试数量，而不是"那一个爆款视频"。
抄，可以，但要抄对人
Meta Ads 库是公开的，去看你的竞品真金白银砸在哪些创意上，从那儿起步，比自己闭门想象靠谱得多。
最后，是那句老话：要为自己做的东西感到骄傲
不然在"零收入阶段"，你根本撑不住。但反过来，也要有勇气承认：有些东西不值得你再耗一年。他前一个创业项目，就是拖了一年才真正认输。
退一步看，这个故事对你我这种做产品的人，至少有三点提醒
1. 别把"抄作业"当成产品
如果你自己都说不清楚：你的产品到底比现在市面上的好在哪里，那大概率只是在给自己找一点"忙碌感"。
2. 别把"工具"和"生意"混在一起
工具好不好用，是一套标准；生意值不值钱，是另一套标准；真正跑得起来的项目，是两套标准都过线。
3. 别只盯着技术，忘了结构
Julian 做的是一个健身 App，底层逻辑却很朴素：
- 有清晰的用户画像
- 有可被复制的获客结构（买量 + UGC）
- 有算得过来的财务结构（订阅制 + 高毛利）
你不需要复制一个 Gravel，也没必要盯着"月入 40 万美金"发呆。更有意义的问题可能是：
- 你手上现在这个东西，到底是在创造新的价值，还是在抄别人已经做烂的功能？
- 你有没有一块像 Julian 那样的"真正优势"：行业、背景、认知上的叠加？
- 如果答案是否定的，你是要硬拗下去，还是干脆承认——该换一条路？
如果你现在正卡在"要不要 All in 一个产品 / 一个方向"，不妨把这篇当成一个参照系：
不是告诉你"AI 多赚钱"，而是提醒你：真正值钱的，是判断，是取舍，是你敢不敢把时间押在对的那一边。
后面我会继续拆这类案例，但重点不会停在"谁又赚了多少钱"，而是：在 AI 这波里，什么样的产品和生意结构，是真正站得住的。
本文由公众号“董佳琦的AI创业笔记”授权转载｜ https://mp.weixin.qq.com/s/7c1VYr8Ckg0rs8gYaG3rpA ｜（编辑：ZN）
⬆ 扫码加入AI产品交流社群，你有机会得到：
- 最值得关注的AI产品；
- 最新鲜的 AI 产品资讯；最实用的AI产品使用经验；
- 还有不定期赠送热门新品的邀请码、会员码。