2026-09-02-gotall-tiktok-height-anxiety-app

20岁大学生在 TikTok 评论区发现一个焦虑，做出月入10万美元的 AI App

NYU 学生 Michael Que 从「我到底能长多高」切入青少年身高焦虑，做成 GoTall：一年下载破百万、月入 10 万美元。文章拆解「测身高—预测—习惯管理」产品结构、三层需求验证，以及把 TikTok 评论区做成增长引擎的路径。

基本信息

• 来源类型：文章（人人都是产品经理）
• 原文位置：raw/articles/2026-09-02-134759-tg-3e1b98.md
• 原文 URL：https://www.woshipm.com/chuangye/6457112.html
• 作者：张艾拉（公众号：Fun AI Everyday；AI 出海 App「爱卜」）
• 发表日期：2026-09-02
• 消化日期：2026-09-02
• 原文标签：AI应用、创业、案例分析、用户增长、行业观察

核心观点

1. 钩子是好奇，付费点是焦虑：GoTall 用「我到底能长多高？」把用户拉进来，再用「我还能做些什么？」让用户留下来。前者是好奇，后者是焦虑；真正产生付费的通常是第二个问题。产品因此从一次性「身高计算器」扩成预测 + 记录 + AI 教练 + 每日任务 + 打卡 + 社区 + 邀请裂变。

2. 需求验证有三层，顺序和多数创业者相反：第一层是创始人自己 13 岁就有这个问题（一周量三次身高、反复用网上计算器）；第二层是 TikTok 评论区大量陌生人反复问同一个问题；第三层是 Acquire.com 上已有同类身高预测 App 挂出约 2 万美元出售价，证明有人在这个需求上赚过钱。产品上线两天出现第一笔付费。Michael 的路径是：先找到已经有人焦虑、有人搜索、有人付钱的东西，再考虑用什么产品去承接——而不是先做酷的 AI 功能再找「谁需要它」。

3. 增长引擎是 TikTok 评论区，不是网红也不是广告：早期广告没效果、网红报价离谱。跑通的内容形式是：用 TikTok「回复评论」功能，把「14岁，173厘米，爸爸183，妈妈165，我能长多高？」这类具体问题挂在视频上当场预测。优点是问题具体、同龄人立刻代入、看完下一步自然是「那我呢？」，形成「用户提问 → 视频回答 → 更多人看到 → 更多人留下数据 → 再生成视频」的循环。确认可复制后才规模化：先在第二个账号复制成功，再放到女朋友账号上仍成功，才认定是内容模板而非单账号运气。

4. UGC 要的是可复制产能，不是影响力：Michael 每天私信几十个普通创作者，不让他们自由发挥，而是直接给选题、开头、回复评论方式和已验证视频类型。早期 5 美元一条 UGC 视频。2025 年秋天 TikTok UGC 成为主增长渠道：某阶段 30 天约 1200 万次观看；上线几个月后超过 12 万下载、单月收入约 3 万美元。收入路径：2025 年 8 月约 4000 美元 → 9 月约 1 万 → 10 月约 2 万 → 11 月约 3 万 → 12 月突破 10 万美元。前几个月靠 UGC 和付费墙优化；12 月产品重新设计、留存提高后，付费广告才跑通，收入才从 3 万跳到 10 万以上。路径总结：自然内容找素材 → 批量 UGC 验证可复制性 → 优化产品转化 → 最后才花钱买量。

5. 把一次性计算器改成持续更新的「Height Stat」是留存关键，也是伦理风险：用户不会预测一次就结束——长高 0.5 厘米、过生日、发育阶段变化都会回来重算，行为像「这次会抽到什么数字」。2025 年 8 月 Michael 提出做成持续更新的身高数值系统：睡眠、饮食、运动、最近长了多少全部入系统，预测每周更新一次；数据越多，系统声称预测越准。后续产品节奏：1 月更聪明的 AI Coach；2 月社区；3 月营养扫描和 AI 教练记忆；4 月更新预测模型、每日习惯连续打卡、邀请 3 个朋友免费获一年 Premium。一年左右下载达 100 万次。但创始人很早就意识到危险：用户是对自己身高非常焦虑的青少年；一次错误预测对开发者是算法误差，对 14 岁孩子可能打击情绪和自信。早期确实出现过错误预测。商业上焦虑是极好的留存机制，产品伦理上必须非常小心。

实操内容保留

代码/配置

（本文无实操代码/模板）

Prompt 模板

（本文无 Prompt 模板）

操作步骤

GoTall 产品结构（从钩子扩成系统）

1. 打开 App 先问：几岁、现在多高、父母分别多高、体重、发育阶段、睡眠时长、运动和饮食。
2. 系统给出核心钩子：预计成年身高（例如 14 岁男孩现高 170cm、父 180、母 165，给出成年身高区间）。
3. 若只停在这一步，它只是网上已存在几十年的「身高计算器」。
4. 后续扩成整套「长高」产品：身高记录、成长曲线、睡眠追踪、营养记录、拍照识别食物、拉伸和运动计划、青春期判断、每周成长任务、AI Height Coach、讨论身高与成长的社区。
5. 官网定位变为：预测成年身高，再通过睡眠、营养、运动和习惯管理，帮助用户尽可能发挥自然生长潜力。

三层需求验证（做产品之前）

1. 自己有这个问题（第一人称体验，不是凭空脑暴功能）。
2. TikTok 上大量陌生人也反复问同一个问题（公开重复的评论 = 需求公开展示）。
3. 市场上已经有人为解决这个问题付费（Acquire.com 同类 App 挂约 2 万美元）。
4. 然后才开始做 GoTall；上线两天出现第一笔付费。

TikTok 评论回复内容模板（增长引擎）

1. 找到评论区里具体的身高预测提问（年龄 + 当前身高 + 父母身高）。
2. 用 TikTok「回复评论」功能把原评论挂在视频上，当场给预测。
3. 不要一条视频爆了就砸钱；先在第二个账号复制，再放到另一个账号验证，确认是模板不是运气。
4. 批量招普通人拍视频：每天私信几十个普通创作者，直接给选题、开头、回复方式和已验证类型；早期 5 美元一条。
5. 形成循环：用户提问 → 视频回答 → 更多人看到 → 更多人留下自己的数据 → 再生成更多视频。

收入与投放顺序（不要颠倒）

1. 自然内容找素材（评论区）。
2. 批量 UGC 验证可复制性（低价普通人，不是大网红）。
3. 优化产品转化和付费墙。
4. 产品留存提高之后，最后才花钱买量。GoTall 是 12 月产品重设计后广告才跑通，收入才从约 3 万美元跳到 10 万美元以上。

把计算器改成留存系统的产品改造

1. 不要只做一次性身高计算器，做成持续更新的 Height Stat。
2. 睡眠、饮食、运动、近期增长全部进入系统；预测每周更新一次。
3. 用户输入越多，系统告诉他预测越来越准确。
4. 明确对标多邻国：持续反馈 + 游戏机制提高留存。
5. 后续叠：AI Coach、社区、营养扫描、教练记忆、预测模型更新、每日打卡、邀请 3 个朋友免一年 Premium。

产品伦理红线（创始人自己踩过）

1. 做了两个月、约 2.8 万下载时，因太省钱没有正式客服邮箱，合伙人把 Michael 的 TikTok 账号写成客服联系方式。
2. 他亲自收到用户问题后才意识到：很多用户是对自己身高非常焦虑的青少年。
3. 早期出现过错误预测，有用户因此受到很大打击。
4. 后来专门建 Discord 和用户交流，并重新做预测逻辑。
5. 判断标准：如果一个问题已经在抖音评论、小红书评论、微信群、百度知道里每天反复出现，人们甚至愿意主动暴露隐私、花几十分钟查资料、一次又一次寻找答案——它可能已经不是内容选题，而是产品需求。

关键概念

• AI创业 — 本文是消费级 AI App 从评论区需求到百万下载、月入 10 万美元的完整案例
• 产品思维 — 「先验证问题再做功能」vs「先做酷功能再找用户」的对照
• 增长黑客 — TikTok 评论回复模板、低价 UGC 复制、付费墙优化后再买量
• 零投放增长 — 前几个月几乎不靠付费广告，靠评论区和 5 美元一条的 UGC
• 伪痛点三层验证法 — 本文的三层验证（自己有过 / 陌生人反复问 / 市场上有人付过钱）可与伪痛点验证对照
• 情绪价值 — 身高焦虑既是获客钩子也是留存燃料，同时构成伦理风险
• GoTall — 本次素材的产品主体：身高预测 + 习惯管理的消费 App，一年下载约 100 万
• Michael Que — NYU Stern 学生，学金融、心理学和计算机科学；2025 年投行实习连续碰壁后转做消费 App
• Height Stat — 把一次性身高预测改成持续更新数值系统的产品概念
• Acquire.com — 买卖小型互联网公司的平台，用于验证「已有人在这个需求上赚过钱」

与其他素材的关联

• 与 2026-05-11-seed-user-cold-start 的关系：那篇讲冷启动要先找种子用户再裂变；本篇把「种子」具体化成 TikTok 评论区里主动暴露年龄/身高/父母身高的提问者，裂变载体是可复制的评论回复视频，而不是邀请奖励本身（GoTall 的邀请 3 人免一年 Premium 是后期才加的）。
• 与 2026-05-27-inverted-funnel-marketing 的关系：倒漏斗强调内容先验证再投放；GoTall 的路径几乎同构——自然内容找素材 → 批量 UGC 验证模板 → 优化转化 → 最后才花钱买量，12 月广告才跑通。
• 与 2026-08-23-084120-gizmo-ai-1300万用户 的关系：同为消费级小 App 靠内容渠道做到大规模下载；本篇更完整地写出「焦虑型刚需 + 评论区素材循环 + 伦理风险」。
• 与 2026-07-09-woshipm-keep-ai-fitness 的关系：Keep 是运动习惯管理，GoTall 把运动/睡眠/营养嵌进「长高」叙事；都是把一次性工具做成每日任务 + 打卡 + 社区。

原文精彩摘录

用“我到底能长多高？”把用户拉进来，再用“我还能做些什么？”让用户留下来。这两个问题背后的情绪完全不同。第一个是好奇，第二个是焦虑。而真正产生付费的，通常是第二个。

所以整个产品验证其实有三层：第一层：他自己有这个问题。第二层：TikTok 上大量陌生人也反复问同一个问题。第三层：市场上已经有人为解决这个问题付费。这和很多创业者的顺序完全相反。很多人是：先想到一个很酷的 AI 功能；把产品做出来；然后才开始找：“谁需要它？” Michael 做的是：先找到一个已经有人焦虑、有人搜索、有人付钱的东西，再考虑用什么产品去承接。

这种视频天然有三个优点：第一，问题非常具体。第二，其他年龄相近的人会马上代入自己。第三，看完以后最自然的下一步就是：“那我呢？” 于是评论区继续出现更多年龄、身高和父母身高。又变成下一轮内容素材，这形成了一个特别漂亮的循环：用户提问 → 视频回答 → 更多人看到 → 更多人留下自己的数据 → 再生成更多视频。

一次错误的预测，对开发者而言可能只是算法误差。但对一个 14 岁的孩子来说，看到 App 突然告诉自己：“你可能只能长到 165 厘米。”可能真的会影响他的情绪和自信。……它的商业模式建立在一个非常有效的东西上：焦虑。而越焦虑，用户越想知道答案；越想知道答案，付费转化越高；预测不断变化，又会推动用户不断回来。商业上这是极好的留存机制，但产品伦理上却必须非常小心。

如果一个问题已经在：抖音评论、小红书评论、微信群、百度知道里每天反复出现，人们甚至愿意主动暴露隐私、花几十分钟查资料、一次又一次寻找答案。那它可能已经不是一个“内容选题”，而是一个产品需求。

相关页面

• AI创业
• 产品思维
• 增长黑客
• 零投放增长
• 伪痛点三层验证法
• 情绪价值