ARTICLE · 1047710
1210 个真实 iOS 付费墙样本,免费开源可解析

一、开篇:订阅经济的"盲盒设计"困境
做订阅产品的开发者都有一个共同的纠结时刻:自家 App 的付费墙到底该长什么样?
有人参考 App Store 头部订阅应用,但每个 App 的付费墙截图分散在更新日志、媒体报道里,零散且难以对比;有人寄希望于 A/B 测试,但试点周期动辄两三周,跑出来的结论也只能回答"A 还是 B",回答不了"我的定价结构和功能呈现方式合理吗"。
更现实的情况是:iOS 头部订阅 App 的 MRR 已经动辄百万美元级,年付与月付的锚定、免费试用的入口位置、首屏价值传递的顺序,每一处细节都对应着一套经过多次迭代的转化策略。而大部分中小团队的设计决策,依然停留在"我觉得""老板觉得""参考某个竞品"的阶段。
如果你也踩过这个坑,今天介绍的这个开源数据集,可能会改变你的付费墙设计方法论。
二、一句话看懂:这是个什么项目
Open Paywall Gallery 是一个收录了 1210 个头部 iOS 订阅 App 付费墙与引导流程截图的公开数据集,由订阅情报平台 PaywallPro 团队发布。每个 App 单独一个 Markdown 文件,包含定价模型、付费墙类型、MRR、版本数等结构化元数据,同时附带代表截图。无需注册、机器可读、人工易读。
数据集每周新增 50 个 App,并以机器可读的前置元数据(YAML Frontmatter)形式组织,方便程序化处理。

三、核心功能深度解析
1. 结构化的 App 案例库
每个 App 单独存放为 apps/{app-name}-{app_id}.md 文件,正文顶部使用 YAML Frontmatter 描述关键字段:paywall_type(付费墙类型,如 Free Trial - Soft Paywall)、pricing_model(定价模型描述)、mrr(预估月经常性收入)、offers(订阅周期与价格列表)等。这种结构让开发者可以直接用脚本批量提取所有 App 的定价信息做横向分析,而不必逐页翻截图。
2. 多维度索引体系
仓库不只提供一份总索引 apps/index.md,还按 24 个 App 类别(Photo & Video、Social Networking、Health & Fitness 等)提供分类入口,按付费墙模式(Free Trial Paywalls、Monthly vs Annual Pricing、Paywall Pattern Taxonomy)提供模式入口。换句话说,你可以快速找到"健身类目下所有使用免费试用付费墙的 Top App"这类交集结果。
3. 真实货币化信号标注
数据集不只展示截图,还附带部分公开可推断的货币化信号,例如 YouTube 标注 MRR 约 $3.07M、Telegram 标注 $2.13M、Peloton 标注 $1.01M。这让设计参考不再是"看图说话",而是能结合业务规模判断:月入百万美元级的付费墙设计,与月入十万级的,逻辑可能完全不同。
4. 持续扩充的数据更新机制
项目承诺每周新增 50 个 App,并通过 GitHub Actions 自动化更新流水线维护。对于做长期订阅产品研究的团队来说,这是一个"会自动变厚"的参考库。

四、技术亮点与性能数据
这套数据集在工程上有几个值得借鉴的设计:
零依赖、纯文本存储:所有元数据用 YAML Frontmatter,正文用 Markdown,截图用静态资源,无数据库、无服务端,仓库克隆即可离线浏览。 机器可读 + 人工可读双适配:同一个文件既能被脚本解析出结构化数据,也能直接在 GitHub 网页上人眼阅读。 覆盖规模:当前公开 1210 个 App、46,000+ 张付费墙截图、2,000+ 个引导流程,并在持续增长。 按付费墙模式分类的标签体系:包含 Free Trial Paywalls、Monthly vs Annual Pricing 等独立文档页,方便做模式对比研究。

五、适用场景与人群
适合谁:
独立开发者:在启动订阅功能前,参考同类 App 的定价结构与免费试用策略,避免闭门造车。 产品经理:做付费墙改版前,横向对标 Top App 的功能呈现顺序、价值传递话术。 增长团队:寻找 A/B 测试灵感,分析价格锚定方式与试用入口位置对转化的潜在影响。 设计师:建立订阅 UX 参考库,研究布局层级、Offer 卡片、CTA 按钮、权益陈列方式。
不太适合谁:
只想看单一 App 完整付费墙全流程的用户——公开仓库仅提供精选截图,完整截图集、历史版本对比、A/B 实验记录属于付费版 PaywallPro 的能力范围。 Android 端订阅产品——本数据集当前仅覆盖 iOS 生态。
六、竞品对比
相比之下,Open Paywall Gallery 在"免费 + 付费墙专项 + 结构化数据"这三个维度形成了清晰的差异化定位。

七、如何快速上手
步骤一:克隆仓库
git clone https://github.com/paywallpro/paywall-gallery.git
步骤二:浏览分类索引
进入 categories/ 目录,按 App 类目筛选;或进入 docs/ 目录,按付费墙模式阅读。
步骤三:解析元数据
用脚本批量读取所有 apps/*.md 的 YAML 头,例如 Python:
import frontmatter, glob
for f in glob.glob("apps/*.md"):
meta = frontmatter.load(f).metadata
print(meta["app_name"], meta["mrr"], meta["paywall_type"])
步骤四:提交补充申请
如果你希望数据集收录某个特定 App,可通过 App Request 模板 提交 Issue。
八、总结与行动建议
Open Paywall Gallery 把"头部 iOS 订阅 App 付费墙研究"从闭源情报工具变成了一份人人可读、机器可解析的开源资产。它的价值不在于给你一个答案,而在于给你一份可对比、可统计、可复用的真实样本。
给你的三条行动建议:
启动新订阅功能前,花 30 分钟扫一遍同品类 Top 20 的付费墙截图与定价结构。 用脚本批量解析 YAML 元数据,建立你自己的定价锚点表与付费墙模式分布图。 关注仓库的周更(每周 +50 App),把它当作订阅产品研究的"持续输入源"。
项目地址:
GitHub:github.com/paywallpro/paywall-gallery 完整版平台:www.paywallpro.app
一句话推荐:做订阅产品,付费墙设计不该靠"猜",这份开源数据集让你看见 1210 个真实样本是怎么做的。
#paywall-gallery #PaywallGallery #paywallpro #开源项目 #GitHub
推荐阅读
Impactor 上手 5 分钟:用 Apple ID 在三大系统签 iOS 应用 h5player:一个脚本统一管理全网视频播放 没写一行代码,iii 却把消息队列、定时任务、AI Agent、可观测性全接好了 团队每加一个 Skill 都要重写一遍?这个官方工具把流程标准化了 还在为爬虫抓破头?这个 16 万 Star 的项目把 Web 数据变成了一行 API 4 个月狂揽 7.5 万 Star,这个开源项目把 AI 前端审美拉到了新高度 Token 砍到 1/9,行级精度反超通用 Agent:阿里开源 2 万 Star 代码评审工具 为什么你的 AI 总在重复问题?这个 19.8K Star 的项目给出了答案 如何让 AI 写出不再「丑哭」的前端代码? 把 Linux 沙箱塞进手机后,这个开源 App 让我重新理解了 AI Agent