AI销售工具250名用户月入150美元:零广告拿到第一批客户

250 名用户，月经常性收入 150 美元，广告支出 0 美元。

这组数字不大，甚至有点“不够成功”。但它比许多只晒流量、不晒收入的 AI 项目更值得研究：一个没有名气、没有预算的个人开发者，怎么把陌生人的抱怨变成第一批用户，再把其中一部分变成付费客户？

案例来自 AI 销售工具 DeepReachAI 。 2026 年 9 月，创始人 Aryan Agrawal 在 Indie Hackers 披露了上述数据。必须先说明：收入、用户数和零广告支出均为创始人自述，未经独立审计。产品官网和服务条款可以核验产品、价格、运营主体与付款方式，但不能独立证明收入。

真正可学的，不是 150 美元，而是他找到需求的方法。

他没有卖“更多外联”，而是卖“少做无效外联”

Aryan 位于印度浦那。服务条款显示， DeepReachAI 由他个人运营。这个项目瞄准的是一个很旧的痛点：销售人员知道个性化邮件更有效，却常常没有时间逐个研究公司、岗位、新闻和需求，于是最后还是批量复制模板。

市面上的销售工具很多，最常见的卖点是“发得更多”。 DeepReachAI 反过来强调：先发现潜客，补全信息，再研究对象，最后生成有上下文的外联内容。

客户为什么愿意付钱？不是因为 AI 能写一封语法正确的邮件。免费的通用模型早就能做到。客户购买的是三个更具体的结果：少开几个网页、少在表格里搬运资料、在发送前得到一段可用的研究摘要。

这也解释了它为什么能收费，却只能收到不高的客单价。官网公开了免费版、每月 5 美元的 Starter 和每月 15 美元的 Pro 。这样的价格降低了尝试门槛，但也意味着必须控制模型、搜索、数据补全和支付成本，否则用户越活跃，毛利未必越好。

AI 只负责中间的“压缩”，不负责最终成交

把这门生意拆开， AI 主要做四件事：整理公开信息、提取与销售相关的信号、把信号变成个性化角度、生成外联初稿。

它没有替代名单来源，也没有替代销售判断，更不可能保证回复和成交。 DeepReachAI 的条款明确写明不保证销售结果，并要求用户自己承担外联合规责任。

这条边界很重要。许多 AI 销售项目的问题，是把“生成内容”包装成“自动成交”。前者可以交付，后者受名单质量、产品竞争力、发送信誉、时机和销售能力共同影响。一个普通人如果复制这个结构，承诺应当停在“节省研究时间”和“提高内容相关性”，不能承诺订单。

第一批客户不是等来的，而是从评论区捞出来的

Aryan 复盘时说，早期注册几乎都来自 Reddit 和 X 的痛点讨论。他没有在每个帖子下面丢产品链接，而是先回答问题：为什么批量模板没有回复、怎样判断潜客是否值得联系、如何让第一句话体现研究。

当讨论与产品能力高度匹配时，他才邀请对方试用。创始人在一则早期社区帖子中自述，产品上线一周获得 50 多名用户；到 9 月披露时，累计用户达到 250 名。这两组数据都没有平台后台佐证，同样应视为创始人自述，未经独立审计。

更有意思的是反例：他称那些泛化的“我发布了一个 AI 工具”帖子，没有带来注册。原因并不神秘。发布帖吸引的是同行和围观者，痛点帖聚集的才是正在解决问题的人。

他还用表格记录自己在哪条讨论里回复、说了什么、有没有注册。这个动作很笨，却构成了早期最实用的获客系统：不追求曝光总量，只追踪“痛点—回答—试用—付费”的链路。

150 美元 MRR 说明了什么，又没有说明什么

250 名用户对应 150 美元 MRR ，首先说明有人愿意持续付费，需求不是纯口头兴趣。但它没有证明业务已经赚钱。

公开材料没有披露付费用户数、退款、模型费用、搜索与数据费用，也没有披露创始人的时间成本。因此，我们不能计算转化率、毛利或净利润，更不能把 150 美元当成可复制收益。

低价还有一个结构性风险：月费 5 美元的用户只要多做几轮研究，就可能消耗不少第三方数据和模型调用；而为了留住用户，开发者还要承担客服、修复、支付手续费和合规维护。真正的利润取决于每名付费用户的使用强度，而不是注册人数。

这个案例当前更像“需求验证”，还不是“规模化商业证明”。它最有价值的信号，是陌生人愿意为研究工作流掏出小额月费。

护城河不在模型，而在三份不断变厚的清单

这个产品容易被复制。潜客搜索、网页摘要和邮件生成，都能用现成模型与接口拼出来。模型本身不是护城河。

如果它能继续积累优势，可能来自三类数据：哪些公开信号最能判断潜客值得联系，哪些个性化角度更容易得到回复，哪些社区问题正在产生购买意图。

换句话说，护城河不是“我也接了一个大模型”，而是把客户研究的方法、分发渠道和合规边界做成一套可重复的工作流。谁只复制页面和功能，谁就会立刻陷入低价竞争。

国内可以怎么借鉴：先卖十次人工结果

国内创业者不必照抄一个海外冷邮件工具，更不该把批量骚扰搬回来。可以复制的是商业结构：选择一个研究成本高、结果可以人工验收的垂直环节。

例如为外贸工厂整理海外经销商信号，为招聘机构生成候选人研究卡，为本地企业筛选渠道合作对象。第一版甚至不需要完整软件。

一个低成本验证方案是：

第一，锁定一种客户和一种名单，不要同时服务所有销售团队。第二，访谈 10 位从业者，收集他们最近真实处理过的研究任务。第三，先用人工加通用 AI 交付 20 份研究卡，记录每份耗时、数据成本和修改原因。第四，用一口价卖一个小套餐，而不是立刻卖年费。第五，只有当至少 3 位客户复购，再把重复步骤做成工具。

验证期间要盯三条停止线：客户只夸不付费；单份交付成本随使用量持续上升；获客完全依赖创始人逐条回复，却无法沉淀可复用渠道。出现两条，就应缩小场景或停掉。

DeepReachAI 没有给出一个“靠 AI 快速致富”的答案。它给出的，是更朴素也更可信的路径：去客户抱怨问题的地方，先证明你理解问题，再用 AI 压缩最费时间的一段工作。

150 美元不耀眼。但对一门小生意来说，第一笔持续收入的意义从来不是证明终局，而是证明下一轮验证值得做。

本文由 AI 辅助创作，作者进行了实测验证和编辑修改。