TikTok 广告推广 AI 付费应用蓝图
本技能基于 Starter Story 采访的真实案例——23 岁德国开发者 Timo 用 TikTok 广告将 AI 股票图表分析应用 Chart Detector AI 做到月收入 5.6 万美元、累计收入 26 万美元、每月仅工作 20 小时。
核心理念
这不是一个"躺赚"故事。这是一个用利润换可预测分发的工程化方法。核心等式：
> 一次下载的成本 < 每位用户的平均收入 → 可以放大投放
> 一次下载的成本 > 每位用户的平均收入 → 必须修复转化链路
整套方法论围绕让这个等式成立并持续运行来设计。
阶段一：产品验证——从最小原型开始
1.1 抓住新能力窗口
大模型突然能识图（ChatGPT 图片上传）时，Timo 和哥哥立刻做了一个 Telegram 机器人，让用户上传股票图表，AI 返回分析。
关键原则：
- 不要先预测市场有多大
- 把新能力塞进一个足够具体的场景
- 先看有没有人愿意用、愿不愿意付钱
- 最快做出原型，用真实数据说话
1.2 从 Bot 到 App 的转化
Telegram 机器人验证了需求后，再将同样的体验装进移动应用，接上订阅和应用商店分发。
行动步骤：
1. 识别大模型新能力（如多模态、识图、长上下文等）
2. 找到该能力可以解决的具体、可付费场景
3. 用最轻量的方式验证（Telegram Bot / Web Demo / API 原型）
4. 一旦验证有付费意愿，立刻包装为移动应用
阶段二：让单位经济成立（Onboarding 优化）
> 在投广告之前，先让转化链路跑通。
Timo 的付费模式：硬付费墙 + 无免费试用。用户进入应用后立刻面对付费墙。
2.1 硬付费墙策略
| 策略点 | 说明 |
|---|---|
| 付费模式 | 每周 12.99 美元 或 每 6 个月 59.99 美元（A/B 测试得出的最优方案） |
| 无免费试用 | 用户当天付费，当天就能看到获客成本有没有收回来 |
| 全年订阅少见 | 半年订阅是拆分测试后跑出来的结果，不做预设 |
2.2 Onboarding 应展示的顺序
参考 Screens Design 里表现好的应用，逐页安排：
- 结果第一：用户最终能得到什么（"拍一张股票图表，AI 即时分析"）
- 功能说明：怎么做到这个结果的
- 社会证明：别人用过后怎么说
- 价格展示：最后才展示价格
> 先卖应用带来的实际结果。功能、好处都不要放在结果前面。
2.3 单位经济验证
在投第一分钱广告前，先确认：
用户平均收入（ARPU） = 总收入 / 总下载量
每次下载成本目标 ≤ ARPU × 50%（为广告费留空间）
如果 ARPU 连下载成本都覆盖不了，先优化产品转化，不要投广告。
阶段三：TikTok 广告基础设施搭建
3.1 归因工具（MMP）集成
这是最容易出错也是最关键的一步。
- 建立 TikTok Business Manager 账号
- 接入 MMP 归因工具（推荐 AppsFlyer）
- 记录用户下载后的订阅事件（Subscription Event），并传回 TikTok
- 在 Upwork 找有经验的人配置，因为任何一段出错都会导致数据失真
为什么重要：
- TikTok 需要知道哪些人下载后真的付了钱
- 只优化 Install（安装），算法会寻找最容易下载但可能从不付费的人
- 优化 Subscription Event，算法会寻找更可能付费的人
3.2 投放目标选择
| 优化目标 | 效果 |
|---|---|
| 优化安装（Install） | 带来大量下载，但付费转化率低 |
| 优化订阅事件（Subscription Event） | 下载量较少，但付费转化率高 |
永远选择优化订阅事件。下载量只是漏斗入口，订阅事件才告诉平台这次投放有没有为生意带来钱。
阶段四：第一轮广告投放
4.1 素材准备
- 至少准备 6 条视频素材
- 格式参考：录屏展示用户如何操作应用（最简单也最有效）
- Timo 的一条高表现素材：只录下用户操作流程，接近 500 万次播放，带来 1.5 万美元收入
4.2 广告设置
| 参数 | 建议值 |
|---|---|
| 广告类型 | Smart+ Campaign（由平台自动寻找受众并分配预算） |
| 起始预算 | 每天至少 50 美元 |
| 受众定向 | 只选择投放国家，不叠加兴趣标签 |
| 市场选择 | 不要执着于美国，测试多个国家 |
4.3 学习期管理（最关键）
广告上线后会进入大约 7 天的学习期。
学习期禁忌：
- ❌ 不断改设置（预算、受众、素材）
- ❌ 看到某天数据波动就下结论
- ❌ 频繁开关广告组
学习期正确做法：
- ✅ 让 6 条素材在不同受众面前测试
- ✅ 让系统逐步寻找更可能订阅的人
- ✅ 等待系统调整每条素材的预算分配
- ✅ 在稳定条件下跑完第一轮
Smart+ 已经在替团队寻找人群、调整素材分配，你要做的是先忍住，让它在稳定条件下跑完第一轮。
阶段五：持续优化与放量
5.1 回报检查节奏
| 频率 | 动作 |
|---|---|
| 每周一次 | 检查广告回报（ROAS） |
| 每天一次 | 不做决策，只是观察（太短的数据周期会误导判断） |
| 学习期内 | 忍住，不干预 |
5.2 预算调整规则
- 回报稳定且有利润 → 小幅提高预算
- 开始亏损 → 做新视频补进广告组，而不是调整现有广告
- 每 3 天最多提高 20% 预算（加太快广告重新进入学习期，原本赚钱的投放可能突然失效）
> 放量是一串很克制的小动作，和大胆下注无关。
5.3 素材生命周期管理
- 同一条视频被太多人反复看到，回报就会下降
- 必须持续补充新视频
- 做法：把自然流量中已验证的短视频直接拿去投放
- 自然发布等待平台分发，付费投放主动购买同类受众（代价是利润率被广告费压低）
5.4 数据驱动决策
只比较两个数字决定是否继续投放：
广告回报倍数 = 每位用户平均收入 / 每次下载成本
- 假设下载成本 1.5 美元，ARPU 3 美元 → 回报 2 倍 → 可以继续
- 苹果抽成、AI 调用、归因工具和素材制作成本仍要从中扣掉
- "2 倍"从来不等于净赚一倍
阶段六：技术栈与时薪工程
6.1 推荐技术栈
| 用途 | 工具 |
|---|---|
| 前端框架 | React Native + Expo |
| 后端 | Supabase |
| AI 能力 | OpenAI API |
| 付费墙/订阅 | RevenueCat |
| 归因追踪 | AppsFlyer |
| 广告视频剪辑 | CapCut |
6.2 时薪思维
Timo 的利润率约 25%，不算夸张，但它换来了更少的日常工时。
月收入 5.6 万美元
- 广告费 2 万美元
- 苹果抽成 15%
- 其他成本
= 利润约 1.15 万美元 / 月
每月工作 20 小时 → 时薪约 500 美元
关键认知：
- 低利润率 = 用资本（广告预算）买分发时间
- 可预测分发 = 不再每天追着流量跑
- 团队只有 Timo 和哥哥两人，没有过度优化的必要
6.3 这套模式的脆弱性
这份收入看似"自动"，但需要持续维护：
- ✅ 维护产品
- ✅ 检查数据
- ✅ 更新素材
产品转化变差、追踪失真或素材耗尽，低工时都会结束。
输出要求
使用本技能后，输出一份结构化的 AI 付费应用 TikTok 广告获客方案，包含：
- 产品机会评估：当前哪些大模型新能力可以转化为具体场景
- 单位经济模型：基于目标用户的 ARPU 预估和可接受下载成本
- Onboarding 优化方案：结果→功能→证明→价格的页面顺序设计
- TikTok 广告执行计划：素材数量、预算、定向、学习期、放量节奏
- 技术栈建议：基于现状的推荐技术选型
- 风险提示：低利润率模式的脆弱性和应对方案
示例场景
示例 1：AI 拍照识别植物的付费应用
用户有一款植物识别 App 想法，想通过 TikTok 广告获客。按照本技能的框架：
1. 产品验证：用 Telegram Bot 先做拍照识别原型
2. 单位经济：设定每周 $9.99 订阅，测试硬付费墙
3. Onboarding：结果优先（"一拍就知道这是什么植物"）
4. TikTok 广告：6 条录屏素材，每天 $50，优化订阅事件
示例 2：AI 生成头像的付费应用
用户已有头像生成 App。按本技能评估：
1. 检查当前 ARPU 是否 > 估算下载成本
2. 如不成立，先优化 Onboarding
3. 搭建 AppsFlyer + TikTok 归因
4. 从 $50/天开始，每周检查回报
