AI应用的流量「炼金术」

“五个离职同事里，至少有三个人在搞应用”，一位刚从大厂离职的员工告诉光子星球。

大厂高管出走、组团找融资，大热项目组成员离职看应用，是目前AI赛道最真实的写照。

进入2024年，模型层大局已定，鲜少有新玩家能够进入。而卷生卷死的AI应用，门槛不高，投入成本低，“单枪匹马+N个GPT”抵得过一支创业队伍。

另一位刚从百度离职欲投身海外AI应用的前产品经理算了一笔账：雇佣四名员工，两个Claude Pro（薪资40美金/月），一个GPT（薪资20美金/月），一个Devv AI（薪资20美元/月），单月成本共计80美元。从技术开发到UI设计一应俱全，而其自身只需要作为产品经理提需求。

“折腾到最后可能还是要返厂，但至少得试一把，万一就跑通了呢”，一位前大厂员工表示道。基于此，市面上能看到的AI应用也不过是冰山一角，大量项目仍在深水区。

看上去今年创业环境似乎更友好了，实则恰恰相反。被迫接受了一年市场教育的投资人终于学聪明了，张口便是：“你的PMF（产品市场匹配)/TPF(技术产品匹配)是什么?”

肉眼可见的是，今年以来AI应用赛道初创公司融资数量正在减少。悬在头上那把达摩克利斯之剑，把创业者推向了两个极端，要么小而美，独自优雅；要么在用户规模攀升中，跑通PMF/TPF。

后者最好的方式便是天降一场“流量雨”，跻身爆款应用行列。如此的泼天富贵，在国内屈指可数，早期的妙鸭到“哄哄模拟器”再到近期爆火的文风测试。

拆解三款爆款应用，用户群体、传播裂变渠道、流量增长曲线几乎可以一比一复制，这对埋头苦干的开发者来说不失为一个好消息。但流量催生的产品终是昙花一现，如何不困在制造流量的循环游戏中，找到商业转化的正确着陆姿势才是关键。

1、从妙鸭到文风测试

去年踩着AI相机风口爆火的妙鸭，首次证明了AI时代社交关系圈的重要性。

时间回到去年3月份，彼时张月光带领的AI团队才刚刚确定了“写实人像”的方向。妙鸭作为阿里大文娱内部的“试验品”本没有过多期待，但令其团队始料不及的是，妙鸭刚内测就显露出爆火的潜质。

6月底，在为期两周的内测期间，妙鸭使用人数达到了一万人左右，邀请码一码难求。种子用户是阿里大文娱内部的工作人员，通过在朋友圈分享传播迅速打破圈层，向外扩散。7月17日，妙鸭全面上线，冲上微博热搜，又进一步助推传播。微信指数显示，“妙鸭相机”一词指数值在7月25日到达顶峰，前后热度约维持了一周左右。

后期妙鸭热度虽然逐渐回落，但还是影响了一波创业者。这些创业者亦步亦趋，将产品种子用户沉淀在微信群里，开始了最早期的用户反馈和产品迭代。如今的AIPPT和蛙蛙写作等AI应用在社区运营上仍沿袭同样思路。

今年年初的哄哄模拟器和年中的文风测试，则意外地跑通了“QQ空间-小红书”的流量链路。

临近春节，一款在线教你怎么在线哄女朋友的网站突然爆火。据开发者王登科统计，仅24小时之内，涌入超过60万用户，消耗了大模型十几亿token，发生2000万次对话。突如其来的爆火，也让王登科瞬间“负债累累”，背上了几千美元的账单。

事后追溯，王登科发现这次流量是从QQ空间和QQ群引爆。

他称，刚开始找不到流量来源的原因在于，QQ空间和QQ群比较封闭，没有KOL，传播节点也很分散。彼时的QQ群已经逐渐Discord化，成为了孵化爆款AI应用的温床。Minimax大火社交产品“Glow”就是在QQ群中逐渐成型。

QQ群流量外溢路径在文风测试网站得以进一步明晰。据文风测试网站算法模型负责人Ankie介绍，文风测试网站的爆火源于其朋友在QQ空间发的一条动态。测试用户开始涌入网站，半个小时文风测试网站502崩溃，一个小时之内帖子的转发量达到了3000。截至7月初，该条动态转发量已经将近有1.5万。

（图源：受访者）

据光子星球调查发现，QQ空间和QQ群里聚集了大量00、05后的年轻人，他们对新事物接受程度较高，态度也更加开放。在QQ形成了大量二次元、乙女、同人、宅男、耽改为标签的亚文化群体。

基于QQ用户特性，这实际上在回答一个核心问题：AI应用到底需要一个怎样的“风洞测试”？答案是，试错成本低、容错率高、敢于尝试新事物。

紧接着，以QQ为圆心，流量开始向小红书、豆瓣、微博四面八方迸发。其中流量承接效果最好的是小红书。Ankie团队把文风测试排名前三的结果纳入了统计，截至目前，网站累计产生了约200万个测试结果。仅小红书一个平台就贡献了300多万的浏览量，转发和讨论热度居高不下。

2、爆款AI应用启示录

借用Ankie的一句话来形容文风网站：“非典型创业”。

“非典型”有几层含义，大学生在校毕业论文项目，成本低至500元，纯粹为爱发电。

但站在AI应用井喷的关键节点，研究具有爆款气质的AI应用，或许能成为打开超级APP的钥匙。

应用的传播路径基本形成：在QQ空间和QQ群里酝酿，瞬时爆发后，流量开始向四处扩散。Ankie认为小红书之所以能够成为流量二次爆发地得益于其开放和推荐机制。

“无论是在QQ空间、微博还是豆瓣，如果你不去主动搜索，或者没有朋友在用，就不会收到相关推荐，但小红书却能。比如你平时关注阅读、写作方面的内容，很大概率就能被推荐到我们网站”，Ankie表示道。

光子星球注意到，小红书已经成为了大模型公司和AI应用的营销阵地，最大的目的不在于导流转化，而是明晰用户画像和获取垂类领域的数据。Kimi在B站、抖音、微博等地大肆投流，但在小红书则发起“Kimi居然还能这样”的话题，希望通过收集prompt和使用场景来进行用户分层。

Kimi目前上线的“Kimi+”就是用户细分后的结果，即把一些最热门、最常用的功能单独做成Agent。此外，小红书上的热门应用也成了Kimi+“素材来源”，其首页一段时间内就挂着与文风测试网站相似的“文风测试器”功能。

Ankie告诉我们，“上述Kimi玩法来自于我们的文风测试网站”，该说法也得到了Kimi运营人员的证实，曾主动联系Ankie询问是否需要从首页撤掉。

尽管Ankie放弃了Kimi撤销“文风测试器”的提议，但丝毫未减弱文风测试网站的爆火程度。在网站基建极其差，动辄就502的情况下，文风测试网站的流量热度持续了约三周，流量高峰期日活达到十万，衰落期降到一万以内。该应用的长尾效应超出了Ankie的预期，直到今天，还有人源源不断地在小红书分享测试结果。

“有些人会重复去测试，特别对于养成写作习惯的部分用户，只要写了新的，就会再重新测试一遍”，Ankie谈道。

事实证明，一个好的idea比大模型噱头更重要。

Ankie在采访中跟我们复盘成功经验提到了几点：放弃对大模型的执念，能快速让用户用起来才是王道。2016年的算法技术、垂类小模型、作家测试数据集，几乎构成了文风测试网站的全部。

在ChatGPT、Kimi等通用对话助手之外，AI应用的价值是更懂场景和用户。一个案例或许可以侧面印证，起初，Ankie预计用户对AI测试结果的信任度在60%-70%，但没想到竟收到了“被打击到了”“完全不想再写作”的反馈。

只有引导用户打破各种“框”，才能实现破圈传播和增长。对比下来，在Kimi中生成的文风测试结果有两个最主要的问题，测试结果冰冷且不够有说服力，生成结果缺乏分享转发的欲望，从本质上来看，输入和输出都没能逃出问答框。而文风测试网站虽然也是在框里生成答案，但通过各种截图、网站链接的传播，最后产生了巨大流量。

3、爆款可复制，AI应用商业化思考

制造一个爆款AI应用是偶然，那制造一批呢？

王登科证明了复制爆款AI应用的可行性。延续文风网站调性（简洁）、用户群体（二次元、同人）基础上，他如法炮制，复制出了OC测试、名家嘴替等AI应用。

作为参考，文风测试网站的全部支出成本在500元。虽然爆款AI应用有周期，但只要能掌握方法论，跳出昙花一现的周期，就可以无限地延长热度曲线。

Ankie认为目前轻量化的AI应用与网易云H5功能如出一辙，既可以在业务研发过程中进行A/B 测试，收获用户反馈数据，预测上线效果。也可以通过爆款应用引流到主业务上，继而实现转化。

如此一来，我们似乎找到了一条全新的引流路径。省去几十万的投流成本，以爆款的应用/Agent为饵料，吸引用户使用，建立一定用户黏性后，导流跳转到主AI应用上。

导流的效果初步显现，王登科在《从文风测试到OC分析，AI产品的一波流也有春天》一文指出，“OC成分测试虽然是一个小玩具，但是给团队产品精准导流的效果好到不可思议。OC成分测试约30万人的访问量，带来数万APP的下载转化”。

拆解上面的流程实则有两波流量，AI应用作为流量接口吸纳第一轮“泼天富贵”，导流后的主APP承接第二波空降流量，找寻商业转化落点。

站在商业化的角度思考，流量与广告变现挂钩，单就上面的流量传导过程就可以产生两次广告收入。最初的应用可视为主APP的功能切片或尝鲜，所以开发者在研发过程中要思考为应用导流，以及与主营业务的匹配程度。如果前者是一项AI性格测试，后面导流到了一款宠物应用，就会显得十分割裂。一旦用户体验感受损，必然会影响最后的转化。

Kimi的思路其实没有问题，比起专门开发一个网站或应用，现在大火的智能体更适合轻量化的诉求。但就像上文所述，好的想法、垂类的场景数据集和具有传播分享的趣味性，都缺一不可。

观察市面上AI应用，大部分AI应用仍以付费订阅制为主，但能一上来就产生付费的寥寥无几。就现下应用市场来看，日活、月活不过是浮云，订阅付费率和续费率或许才是检验AIGC时代应用能不能打的唯一标准。

大多数AI产品为了活下去还是会选择to B，这种模式在免费应用中尤为常见。通过在应用中展示广告，AI公司能够从广告商那里获得收入。

另一种是“订阅收费+分成”机制，有些AI应用会跟大模型厂商进行深度合作，大模型厂商需要通过落地产品案例来证明自身模型能力，AI应用也需要降低调用API成本。

二者互为导流通道，用户使用AI应用过程中会消耗token，也会强化对该模型厂商的心智。在大模型厂商的产品入口也能调用AI应用的相关功能，为应用引流，最终带来的订阅付费转化，将由二者按比例分成。

谈论超级应用或许还为时尚早，但王登科和Ankie的实践为我们揭示了一条可行之路：通过精心设计的轻量化AI应用，不仅能够有效吸引用户，还能在商业化道路上开辟可能性。

这些应用如同精心编织的渔网，捕捉着用户兴趣和注意力，最终将他们引导至更深层次的产品体验中，这才是审视爆款应用案例的意义所在。