6个月收入狂揽700万!17岁高中生开发一个新AI应用爆火,网友:别低估小孩子

声明:本文来自于微信公众号 CSDN(ID:CSDNnews),作者:苏宓,授权站长之家转载发布。

谁能想到,当年濒临倒闭的创业公司英伟达,如今凭借 AI 的爆发,一路逆袭超越微软,成为全球第二大公司。AI 带来的机遇,让不少人顺势而上,迫不及待地想要大干一场。

过去这段时间里,就独立开发者而言,有人用 AI 来写代码、写文档、搞设计来提高生产效率,也有人雇佣它当老板,还有人用它来做副业项目希望实现一夜暴富。

那么,真的有人成功了吗?答案无疑是肯定的。这不,还在上高中且年仅17岁的网友 Zach Yadegari 于9月初颇有成就感地在社交媒体 X 上分享道:

Cal AI 刚刚突破了100万美元(约706万元)的收入。

今天是我高中最后一年的第一天。

这是命运吗?

是我自己让这一切实现的吗?

运气?

我不知道。

时隔一个月,Zach Yadegari 和自己的好朋友Blake Anderson 又开了一场播客,其透露,Cal AI 年经常性收入已达800万美元。这距离他开发 Cal AI 这款应用程序仅仅过去了6个月。

这一金额让不少风险投资界的人士都感到震惊,来自美国硅谷的顶级风险投资公司 Menlo Ventures 的合伙人 Deedy Das 评价道:

“我最近在互联网上发现了一些地方,这里聚集了一群来自无名大学、年龄在18到22岁的独立开发者孩子们,他们通过 TikTok “增长黑客”技术运营着自筹资金的移动应用。每个应用都有超过10万的月活用户,每年收入在100万到500万美元之间。永远不要低估这些孩子们。”

卡路里追踪神器——Cal AI

说起来,很多人好奇 Cal AI 究竟是怎样的一款 App?它为何没有受到大模型迭代的挤压,存活得如此之好?

打开 Cal AI 的官网,我们发现它的定位是一款 AI 卡路里追踪器。

从体验上来看,其实也挺简单。这款卡路里追踪器结合了 AI 和数据分析技术,通过分析所食用食物的营养价值来追踪每日卡路里摄入量。其中,用户只需要对着食物拍照或者扫描包装上面的条形码,亦或者手动输入餐食描述,Cal AI 就可以检测食物类型、估计份量大小并实时计算出卡路里和营养素。

它可以帮助用户监控每日食物摄入量并实现营养均衡和健身目标。正因此,Cal AI 打出了“只需一张图片即可追踪您的卡路里”的 Slogan。

AI 卡路里追踪器的一个主要优点是它们能够个性化饮食建议。通过分析体重、年龄、活动水平和健康目标等用户数据,算法可以为用户提供定制帮助,帮助他们实现目标。

在实现原理方面,大多数这类应用程序都由 OpenAI 的 API 提供支持,并且采用免费增值模式。它们通常依靠 GPT-4Vision 来检测和识别图像中的食物。这些模型在大型图像数据集上进行训练,以识别水果、意大利面或饮料等食物。标准 OpenAI API 还可以帮助描述或细化检测到的项目,尤其是在需要上下文时。

针对 Cal AI 这款应用,Zach Yadegari 在官网上分享道,当打开 Cal AI 对着食物拍照时,首先,手机上的深度传感器会计算出食物的体积。根据这些信息,借助经过数千张食物图片训练的 AI 会将用户的餐食分解成不同的部分,并计算它们相应的比例。

最后,多模态 AI 模型会综合所有信息,给出最终结果:计算出用户这顿饭的卡路里、蛋白质、碳水化合物和脂肪含量。

根据官方透露,Cal AI 的图像扫描功能通常有90% 的准确率。

不过,如果你扫描的是像奶昔或汤这种有隐藏成分的食物,它的准确率会有所下降。对于此类食物,可以使用 Cal AI 中的“描述”功能,用自然语言补充解释你所持的具体食物或者相关信息。

此外,你也可以使用 Cal AI 应用中的条形码扫描功能或食物标签扫描功能。

Cal AI 不仅能够利用 LLM 准确追踪每日卡路里摄入量并改善消费者健康状况,而且同时支持中文、德文、意大利文、英语、法语、葡萄牙语、西班牙语共计7种不同语言。

它可以免费下载,不过免费版本只可以用查看卡路里、营养和运动追踪等基础功能。如果你需要使用个性化膳食计划和详细分析等功能,就需要额外付费来获得更多高级功能的访问权限。

这是一个相对简单的商业模式,也吸引了包括普通用户、运动员、想要减肥的人群的广泛关注,这在很多人追求健康生活模式的今天,颇为实用。

据悉,该项目于今年4月发布,目前在美国 App Store 的健康与健身部分排名第24位。这款应用在过去一个月的下载量超过20万次。

Cal AI 背后的年轻团队

达到今天的成就,Zach Yadegari 在转发别人的评价时,自己都忍不住在 X 上自夸起来:

听起来真是个很酷的孩子。

事实上,观其背后,Cal AI 的成功并非一蹴而就。

Zach Yadegari 透露,自己在七岁的时候就开始编程了,那时候特别喜欢制作电子游戏。

在制作了几款不成功的游戏之后,Yadegari 通过一个可以让学生在校期间玩游戏的无阻塞游戏网站获得了成功。“这个网站火了起来,我自己做营销,只是录了一些 TikTok 视频,用户量暴增到了500万,然后我以六位数的价格把它卖了,”Yadegari 说。

此外,他还在 X 上分享自己如何在15岁时将一个网站扩展到拥有数百万用户的经历。

除了Zach Yadegari 本人之外,他介绍道,Cal AI 从开发到营销还有另两位小伙伴的加入。

一位是同样17岁的 Henry Langmack。另一位是年龄稍长也仅有23岁的 Blake Anderson。

相较而言,Blake Anderson 的经历更为丰富,一年前他还不懂编程,便用零资金建立了一个价值700万美元的应用程序帝国。2023年,Blake Anderson 经历过一系列失败之后,他决定全力投入移动应用,为此他还剃了头让自己变得更丑,以消除社交干扰……并学习使用 ChatGPT 编码。

偶然间,因为Blake 的大学室友一直寻求约会应用对话方面的帮助。Blake 想,“ChatGPT 能解决这个问题吗?”……于是他开发的 Plug AI 诞生了。这款每月收入19万美元的 AI 约会教练,专门教会你如何在约会时候避免尬聊和冷场,这款应用在4个月内下载量达150万次。

后来,Blake 又开发了 Umax,这是一款外观最大化应用程序,今年已经赚了300万美元。

现在,其三人合作开发了 Cal AI 这款应用。

秘诀

对此,Anderson 和 Yadegari 将他们的成功归功于独特的营销和产品开发方法。“这些应用取得成功的主要原因是我们的营销策略以及某种产品理念,”Anderson 解释道。

在播客中,该团队分享了开发 App 的四个关键步骤:

步骤1:定义问题

明确要解决的问题。Anderson举了一个例子:“自己在开发约会聊天 App 时,我的室友曾问我,‘哥们,我该在交友软件上和这些女孩说什么?’所以我的问题非常简单:构建一个 AI 应用,帮助人们知道该说什么。”

为了验证问题的想法,他们会浏览社交媒体。“如果你在社交媒体上看到有数百万次观看量的内容,人们正为你要解决的问题而苦恼,那是一个很好的迹象,表明你可以扩大你的产品规模”,Anderson建议道。

步骤2:成为目标受众

一旦确定了问题,下一步是深入目标受众的世界。Anderson 表示,对于Umax,“我们创建了社交媒体账号。这些不一定是你正式使用的账号,可以是随机的匿名账号。然后我们开始与所有关于'外貌提升'的内容互动。”

这种深入探索让他们能够理解受众的心态,并设计出能够引起共鸣的产品。“我们意识到,人们在寻找两样东西。第一,他们想变得更有吸引力;第二,他们想知道自己有多有吸引力”,Anderson说。

步骤3:构建与测试

在明确问题和受众之后,团队开始构建和测试。Anderson强调了简化的重要性:“我构建的所有应用本质上都非常简单。所以,如果你尝试构建一个复杂的消费者社交应用,这不适用于你。”

Yadegari补充道,“不要把你使用的技术搞得太复杂。你不想使用过于底层的东西。你应该选择非常高层次的编程语言,比如简单的 Python 或 Node.js。”

为了初步验证,他们会向朋友和家人展示原型。Anderson提到:“如果他们的反应是支持的,那么可能你走的方向不对。如果他们的反应是,‘天哪,这太酷了!’那么你很可能手里有一个有病毒传播潜力的产品。”

步骤4:发布和营销

这对搭档的营销策略围绕着与网红的合作以及细致的指标跟踪展开。他们使用两个关键指标:

RPM(每千次展示收入):每1,000次观看所产生的收入

CPM(每千次展示成本):产生1,000次观看的成本

“理想情况下,你可以构建一个高 RPM 且低 CPM 的产品”,Anderson解释道。他们的策略是,在不同的与产品相关的小众领域测试较小的网红,然后在最盈利的渠道上进行扩大。

不得不说,凭借对 Z 世代消费者行为的敏锐洞察力和创造病毒式产品的良好记录,Anderson 和 Yadegari 在开发 AI 应用上摸到了门路,开启了新的赛道,不禁让人佩服。

参考:

https://x.com/blakeandersonw

https://x.com/rom1trs/status/1829147613742150038

https://x.com/zach_yadegari/status/1777963616366727600

https://www.forbes.com/sites/josipamajic/2024/10/07/hacking-the-app-store-gen-zs-15m-arr-bootstrapped-success-story/

返回顶部