ARTICLE · 1110491
做一个新 App,两年内月入 1 万美元的概率只有 4.6%
最近我把 RevenueCat 刚发布的《State of Subscription Apps 2026》完整看了一遍。
这份报告有 335 页，统计了超过 11.5 万个订阅 App、160 亿美元以上收入和超过 10 亿笔交易。从付费墙、免费试用、续订、AI，到不同平台、地区和产品类型，基本把订阅 App 这门生意拆得非常细。
我原本只是想看看，到了 2026 年，订阅 App 市场到底发生了哪些明显变化。结果读下来，有一个数字让我停留了很久：
一个新 App，在上线后的前两年里，月收入达到 1 万美元的概率，只有 4.6%。
也就是说，大概 22 个新订阅 App 里，只有 1 个能赚到 $10,000，也就是接近 7 万元人民币的月收入。
而且 RevenueCat 的这个标准其实并不算特别严格。它不是要求一个 App 两年以后，还能稳定保持月入 1 万美元；只要它在上线后的前两年里，曾经达到过这个月收入水平，就会被统计进去。即便如此，也只有 4.6%。
这里也说明一下：4.6% 是 RevenueCat 自己样本中新上线订阅 App 的统计结果，并不是 App Store 和 Google Play 全部新 App 的严格全球成功率。但 11.5 万个 App 的样本已经足够大，我觉得很适合拿来重新认识一下现在新 App 的真实收入分布。
后文为了方便阅读，美元大致按 1 美元≈6.7 元人民币换算。
01｜真正难的，往往不是赚到第一笔钱
RevenueCat 统计显示：17.3% 的新 App，能在两年内做到月收入约 7000 元人民币。
但能继续做到接近 6.7 万元人民币月收入的，只剩下 4.6%。
这段数据，我觉得做过 App 的人应该会比较有感觉。
一个新产品刚上线的时候，后台终于开始有动静：有人下载了，第一笔订阅出现了，一天一两单，后来一天几单，某个国家突然开始有自然量。
如果前几周的数据比预期还好，人其实很容易兴奋，会觉得：这个产品好像成了。
然后很自然地开始往后推：现在一天有 10 个用户，以后会不会有 100 个？这个月收入几百块、几千块，再过几个月是不是自然就会继续往上涨？
但 App 的增长往往没有这么线性。新产品刚上线时出现的第一波用户，可能来自首发关注，也可能包含平台对新产品的探索性曝光。等这部分流量慢慢过去以后，才会看见一个更现实的问题：下一批用户从哪里来？
很多产品并不是没人愿意付钱。相反，它已经证明自己能找到第一批付费用户了。真正卡住的，是第一批用户以后，没有持续找到第二批、第三批，以及更多同样愿意付钱的人。
02｜上线一年后，一半的新 App 月收入不到 500 元
还有一组数据更直观。RevenueCat 统计了新 App 上线一年后的月收入：
中位数只有大约 480 元人民币/月；
做到 约 2900 元/月，已经进入前 25%；
做到 约 1.7 万元/月，已经进入前 10%。
这个数据很能解释我们平时看到的一种错觉。月收入几十块、几百块的产品，很少有人会写复盘；月收入两三千块，开发者自己可能也觉得没什么值得分享。真正容易被转发的，往往都是“一个人做 App 月入几万美元”“三个人的小团队一年百万 ARR”。
这些故事当然是真的。只是它们天然就是已经被筛选出来的那一小部分。RevenueCat 把另外那些平时很少出现在我们信息流里的产品，也一起放了回来。
03｜增长还在，但增长大头更偏向大团队和成熟组织
RevenueCat 在报告中引用了 a16z 投资人 Olivia Moore 的一组观察：2025 年，非游戏 App 的 IAP 收入同比增长了 21%。
所以 App 市场当然不是没有增长。只是从公开市场上这两年最显眼的新增量来看，相当一部分并不是现在很热门的 OPC、一人公司，或者两三个人的小团队能直接参与的。
最典型的就是 2025、2026 年增长非常快的短剧。它本质上不是一个轻资产的小工具生意。现在真正跑出来的团队，要么本身就在内容行业里有很深的积累，要么就是专业化程度非常高的短剧团队。单剧投入二三十万甚至更高并不少见，后面还有持续的投放、素材制作、内容测试和规模化复制。
另一类，则是原本就在网文、影视、广告、内容制作等行业里做了很多年的资深从业者，带着原来的团队、供应链和经验转过来做短剧。至少到现在，我基本没有听说过哪个完全没有内容行业经验的新人团队，靠三两个人从零开始，把短剧业务稳定跑通。
短剧行业的分析市面上已经数不胜数，这篇就暂时不展开。我还是更想把注意力放在 RevenueCat 报告里那些中小团队确实有机会尝试，而且过去可能没太被注意到的产品和做法。
04｜HabitKit：真正的差异，不是代码栈，而是“第一眼就懂”
HabitKit 是独立开发者 Sebastian Röhl 做的一款习惯记录工具。这个需求当然不新，Habit Tracker 已经是一个非常成熟、甚至有点拥挤的品类。
HabitKit 的核心界面：彩色习惯网格，以及直接放到桌面的 Widget。
但它和 Sebastian 上一款没跑起来的产品有一个很明显的区别：HabitKit 的核心价值几乎不需要解释。
RevenueCat 后来专门采访 Sebastian 时提到，HabitKit 最初的想法其实非常简单：他想把 GitHub Contribution Graph 那种一格一格的贡献图，用在习惯记录上。
他第一次把 HabitKit 主界面的截图发到社交媒体上，反馈几乎立刻就变了——那条截图拿到了大约 800 个赞。而前一款 App LiftBear 做了几个月，每周下载量一度只有大约 10 个。
我觉得这里才是 HabitKit 最值得看的地方。
它不是重新发明“习惯养成”，而是把一个已经存在很多年的需求，压缩成了一个非常容易理解的产品循环：
做完 → 点一下 → 格子亮起来 → 看着自己的连续记录越来越完整。
习惯养成本来是一个“回报很慢”的事情。今天跑一次步、读二十页书、少抽一根烟，用户当天很难得到明显结果。HabitKit 用那个不断被填满的彩色网格，给了用户一个当天就能看到的正反馈。
同时，它把记录本身也做得很轻。现在 HabitKit 官网甚至直接把产品概括成：One tap logs the day. 完成之后点一下，不需要复杂输入；Widget 还能把记录入口直接放到桌面，进一步少一次“打开 App”的动作。
所以如果把这款产品拆到底层，我觉得不是“Flutter 还是 SwiftUI”决定了它的增长，而是两件更简单的事：
第一，用户第一眼就能理解这个产品在干什么；第二，每天完成习惯以后，马上能得到一个可见的反馈。
至于 RevenueCat 报告里提到的 Flutter、SwiftUI、Widget、Shortcuts、iCloud Sync，其实是产品跑起来之后的第二层问题。
Sebastian 自己说得很明确：framework 没有改变他的 conversion rate。 HabitKit 最初用 Flutter，是为了快速同时覆盖 iOS 和 Android；后来收入结构从大约 50:50 逐渐变成 75:25 偏向 iOS，用户又越来越需要 Widget、锁屏组件、iCloud 等原生能力，他才开始把更多精力往 iOS 原生体验上倾斜。
所以这里更像是：
先用最低成本验证需求；产品成立以后，再把资源集中到更高价值的平台和用户上。
这个顺序，比“因为原生开发所以增长”准确得多。
05｜Mojo：真正本地化的不是语言，而是用户怎么理解“值不值”
Mojo 是一款面向创作者和小商家的社媒视频制作工具：模板、字幕、动画、品牌素材、Reels/TikTok 内容都可以在里面完成。先看一下它大概长什么样。
Mojo：围绕 Reels / TikTok 的模板化视频编辑器。
RevenueCat 采访 Mojo 的增长负责人时，最值得看的并不是“某个 Paywall 长什么样”，而是他们发现：同一个价格、同一套产品，在不同市场里，用户判断“值不值”的方式可能完全不同。
在日本，一版信息更多、页面更长、强调 Social Proof、同时明确对比 Free 和 Pro 的 Paywall，相比原来偏美式的简洁版本，收入提升超过 20%。但同一套页面拿去美国，效果反而不好，美国用户更喜欢简单、直接的表达。
拉丁美洲的实验更有意思：Mojo 没有降价，只把“全年多少钱”换成了“平均每个月只要多少钱”。总价完全没动，但 Trial Start 提升 30%，Trial → Paid 没有下降，年订阅选择率还提高了 10%。
这其实不是翻译层面的本地化，而是商业表达的本地化：同样的钱，用户用什么方式去理解它，会直接影响他当下觉得贵不贵、值不值。
RevenueCat 里还提到一个很实用的小动作：Mojo 在 onboarding 之后，对免费用户每周打开 App 时展示一次 Paywall，这一动作贡献了 15% 的新增收入，而且没有出现明显的用户反弹。对于已经有一批免费用户的产品，这种优化有时候比再做一个新功能更直接。
06｜Rise Science：它优化的不是 Trial Start，而是“进来的到底是不是会付钱的人”
RISE 是一款睡眠和精力管理 App，核心不是单纯告诉你“昨晚睡了几小时”，而是把 Sleep Debt（睡眠债）和一天里的精力高低做成持续可见的指标。
RISE：把 Sleep Debt 和 Energy Potential 做成每天持续可见的指标。
RevenueCat 采访 RISE 联合创始人兼 CTO Leon Sasson 时，他们讲的其实不是“Web 比 App 好”，而是一个更底层的问题：不要只优化看起来漂亮的漏斗数字，要确认这个数字代表的真的是高质量用户。
已经下载 App 的人，大概率知道自己为什么来，所以 App onboarding 更重要的是尽快让他看到产品价值。
但广告点进 Web 的用户，很多还处在“我到底有没有这个问题”的阶段。所以 RISE 的 Web Funnel 会先帮助用户理解和个性化自己的问题，再把产品作为解决方案放进来。
他们在 Web 上还发现：低价首月，有时反而比完全免费的 Trial 表现更好。
原因不是用户更喜欢付钱，而是免费 Trial 太容易吸引“先试试，反正不要钱”的人。这些人 Trial Start 数据很好看，却很快取消；如果广告平台把 Trial Start 当作主要优化信号，算法反而会继续去寻找更多同类低质量用户。
低价首月多了一点点门槛，却把“付费意愿”更早放进了转化信号里。RevenueCat 没公布这个实验具体提升了多少收入，所以这里不硬加数字，但它对买量产品很有启发：最容易做高的指标，不一定是最值得优化的指标。
07｜Ladder：用户真需要的时候再教，比新手引导里讲一遍更有效
Ladder 是一个力量训练 App。它卖的不是一堆零散动作，而是教练每周编排好的训练计划：今天练什么、动作怎么做、重量和进度怎么追，都直接放进训练流程里。
Ladder：从“今天练什么”到训练过程中的动作、节奏和记录，都放在同一个流程里。
将心比心，我们自己做产品的时候很喜欢设计 onboarding：第一屏介绍什么，第二屏解释什么功能，第三屏告诉用户这个按钮有什么用。
但轮到自己当用户的时候，大多数人的操作其实很诚实：飞速点过去，先让我进去再说。
真正开始使用 App 以后，遇到不会用的功能，才会去找教程、看提示，或者研究这个按钮到底是干什么的。
Ladder 的数据也符合这个很直觉的使用习惯：等用户真正进入某个使用场景，再教他对应的功能，采用率明显高于在 onboarding 阶段提前讲一遍。 RevenueCat 把这种方式叫做 in-context coaching。
Ladder 另外一个我觉得不错的做法，是长期看五星评价里用户反复提到什么。不是只看“哪个功能被夸了”，而是看：用户用了产品以后，到底得到了什么结果。 然后再围绕这些结果继续调整产品。
逻辑都不复杂。只是产品做久了以后，很容易站在自己的角度想：“这个功能很重要，我一定要让用户知道。”轮到我们自己做用户的时候，其实谁都不想第一次打开 App，就先被拉去上一堂产品培训课。
08｜最后
RevenueCat 这份 335 页的报告里，还有很多值得继续拆的数据和产品案例。
这篇我先挑了几组，我觉得对中小团队相对更有参考价值的：HabitKit / FocusKit、Mojo、Rise Science、Ladder。
