ARTICLE · 1249038
iOS皮肤识别App加周付,ARPU升约20%
HEALTH APP · SUBSCRIPTION DESIGN
iOS皮肤识别App加周付，ARPU升约20%
Rash ID 测试把月付、年付两档改成周付、月付、年付三档，并将年付标为推荐。Superwall 案例称 ARPU 提升约 20%、试用转付费提升超过 50%；但未披露样本量、基准率和测试周期，不能直接当作通用结论。
先看这组结果
ARPU 约 +20% ｜ 试用转付费提升超 50%案例方披露；样本量、基准率、周期未公开，“50%”口径未说明。
先把案例说准确：这是一款什么产品？
Rash ID 是一款 iOS 皮肤问题识别 App。用户拍摄皮肤照片并描述症状，产品提供初步分析和后续 AI 对话；商店页说明它不是诊断工具，也不能替代医生意见。订阅的卖点不只是一次扫描，还包括更深入的对话、扫描记录和后续跟踪。
这类产品的付费墙要解决一个具体问题：用户刚刚为自己的皮肤状况花了时间上传照片、回答问题，产品此时怎样把“进一步理解与持续跟踪”的价值说清楚，同时不把健康焦虑变成强迫付费。
所以真正的业务问题不是“把付费墙提前，能不能多收一次钱”，而是付费墙出现时，用户是否已经体验到可信的初步价值；付费后得到的服务，是否足以支撑后续续订。一次扫描、一次订阅、长期跟踪，分别对应不同的用户任务，应该用不同指标看。
实验改动：月付、年付之外，加了周付选项
Superwall 在 2026 年 1 月 9 日发布的案例写到，Rash ID 用 A/B 测试比较两种付费墙。对照组展示月付和年付；测试组加入周付，形成周付、月付、年付三种期限，并把年付标记为“最佳方案”。
因此，变化不只是“多了一个按钮”。周付提供了更短的承诺周期，年付则在它的参照下显得更完整；把年付标为推荐，又把用户注意力拉到目标方案上。价格锚定和选择架构是合理的解释方向，但公开案例没有给用户访谈或逐项实验结果，不能断言这就是唯一原因。案例称测试为 50/50 A/B，但没有列出各档价格，也没有说明设计上除方案数量与推荐标签外是否完全一致。也就是说，我们知道团队测试了“方案组合”，却无法从文章中进一步拆分：效果来自新增周付、年付推荐标识，还是两者叠加。
结果很抓眼，但两个百分比都缺关键分母
案例称，三档付费墙让试用开始数上升，ARPU 提高约 20%，试用转付费提高超过 50%。这是案例方公开的结果，值得进一步研究；但文章没有给出绝对转化率、样本量、实验周期、统计显著性，也没有说明“超过 50%”是相对提升还是增加了 50 个百分点。
这会影响业务判断。假设一个指标从 2% 到 3%，相对提升是 50%，绝对提升只有 1 个百分点；若从 20% 到 30%，虽然也提高 50%，对收入模型的影响就完全不同。缺少起点与分母时，我们只能转述“案例声称提升”，不能替作者补出规模。
百分比别脱离基准率
“提升 50%”可能是相对变化，也可能是百分点。未披露基准值时，不推算实际增量。
ARPU 也要问清口径：是每个新用户、付费墙曝光用户，还是实验期总用户？案例没有展开。若试用开始增加、但短期付费墙收入上升同时伴随更高退款或取消，最终净收入不一定同步改善。同样，试用转付费率和 ARPU 不一定指向同一件事。一个版本可以让更多人先开始试用，另一个版本可能让较少的人试用、但付费后续订更好。没有分组漏斗与成熟续费数据，就无法判断三档方案究竟是扩大了合格付费人群，还是只改变了短期选择。
为什么“周付 + 年付锚点”可能有效？
它可能同时接住两类任务不同的人：只想尽快获得一次帮助的用户，可能偏好较短周期；已经认可产品、希望持续记录的人，可能接受年付。三档方案让用户在期限与总价之间做选择，而不是只在“买或不买”之间二选一。
年付被标成推荐方案，可以减少选择成本，但不能只看年付占比。若用户误解“每周价格”与“年付实际扣款”的关系，短期转化会掩盖信任损失、退款和商店差评。健康产品更要避免把不确定的识别结果包装成确诊，再用恐惧推动订阅。
Rash ID 当前美国商店页也列有周、月、年内购项目，但那是今天可见的商品目录，不等于 2026 年 1 月实验使用的价格或配置。两者不要混为一谈。
对做健康工具的团队来说，选择架构之外还有承诺边界：如果产品只能提供初步信息，就应把限制与建议求医的情形放在用户能看到的位置。转化提升不能靠放大恐惧换来；否则购买后的落差会反映在退款、投诉与留存上。
开发者可以怎么复测：把成功标准设在完整漏斗
01｜先定义免费与付费价值
第一，复刻结构之前，先确认免费体验交付了什么。把一次扫描、初步解释和付费后的持续服务区分清楚，让用户在付款前看见订阅解锁内容、扣费周期、续订价格与取消路径。
02｜一次只改一个核心变量
第二，实验尽量只动一个核心变量。若同时增加周付、改年费价格、换文案又改页面设计，最后即使指标变化，也无法知道哪项真正起作用。先固定价格，只测期限选项与推荐标记；或固定布局，只测价格呈现。
03｜把变量拆开测试
如果流量允许，可以把“多一个周付选项”和“年付加推荐标签”拆成连续实验：先测方案数，再测推荐标记。一次只回答一个问题，分析时按新老用户、国家和获客来源分层，避免总体平均数掩盖某个市场的反向结果。
04｜看完整订阅漏斗
第三，至少跟完整这条链：付费墙曝光 → 开始试用 → 试用转付费 → 首次续订 → 退款和取消。对照 ARPU 时明确分母和观察窗口，按国家与获客来源分 cohort，并等待付费与退款数据成熟。
05｜先设护栏，再决定扩量
第四，先设护栏再扩量。若试用数上升但试用后留存变差、退款增多，或者用户误解计费周期，就不能只凭 ARPU 的短期变化宣布测试胜出。把可持续净收入、用户投诉和健康信息场景的信任一起纳入决策。
这篇案例真正能带走的
三档付费墙是一个值得测试的价格架构，不是“加一个周付就能涨 20%”的通用公式。先讲清价值与扣费，再用完整订阅 cohort 验证转化、续费、退款和净收入。
来源与口径
1. Superwall：Rash ID 付费墙案例，2026-01-09。服务商案例，自述 50/50 A/B 测试；未披露样本量、周期、绝对转化率和显著性。
2. Apple App Store：Rash ID 官方应用页。用于核对产品路径、内购类型及“不替代专业医疗意见”的说明；当前商店商品不等同于案例实验配置。
本文是产品变现案例分析，不是医学建议。ARPU 提升和试用转付费变化均按案例方披露转述；“提升超 50%”原文未明确相对百分比或百分点。
