这个案例我反复读了两遍，因为它戳中了一个大多数创业者都在犯的顺序错误：我们是先想到一个很酷的产品，再去找谁需要它；而这个 20 岁的学生是先找到一群已经公开焦虑、公开提问、甚至已经有人付过钱的人，再考虑用什么产品去承接。需求不是被创造出来的，是被发现的——GoTall 这个小得不能再小的 App，把这句话演示得清清楚楚。

去年夏天，Michael Que 还在纽约找金融实习。他是 NYU Stern 的学生，学金融、心理学和计算机科学，原本走的是一条典型的商学院路线：投行、VC、暑期实习。结果连续碰壁——他自己复盘过 2025 年：1 月准备投行面试；2 月大量投简历、Cold Email、找人内推，基本没结果；3 月进了一个不错实习的终面还是被拒；5 月参加 Goldman Sachs 的 Superday，再次被拒；最后找了一份没有工资的实习，干到 6 月也辞了。

正是在这段时间，他注意到另一群年轻人：很多跟他年龄差不多甚至更小的人，正靠一个很简单的 App 一个月赚几十万、上百万美元。于是他开始研究消费类 App，然后注意到一个看起来小得不能再小的需求："我以后到底能长多高？"他和合伙人做了一个 App：GoTall，一年左右下载量达到 100 万次。

GoTall 到底在卖什么

打开 GoTall，它首先问你一堆问题：几岁？现在多高？父母分别多高？体重多少？处于什么发育阶段？平时睡多久？运动和饮食怎么样？然后给你一个预计成年身高——这是它最核心的钩子。如果一个 14 岁男孩现在 170 厘米、父亲 180、母亲 165，回答完问题后 GoTall 会告诉他按照目前情况成年后预计长到某个区间。

如果产品到这里结束，它只是网上已经存在几十年的"身高计算器"。GoTall 把它扩成了一整套围绕"长高"设计的产品：身高记录、成长曲线、睡眠追踪、营养记录、拍照识别食物、拉伸和运动计划、青春期判断、每周成长任务、AI Height Coach，以及一个让用户互相讨论身高和成长问题的社区。官网的定义也已经不是简单预测身高，而是：预测你的成年身高，然后通过睡眠、营养、运动和习惯管理，帮助你尽可能发挥自己的自然生长潜力。

所以它的产品结构非常清楚：用"我到底能长多高"把用户拉进来，再用"我还能做些什么"让用户留下来。这两个问题背后的情绪完全不同——第一个是好奇，第二个是焦虑，而真正产生付费的通常是第二个。

这个需求 Michael 自己 13 岁时就有

Michael 后来专门写过一篇长文解释为什么他确信这个需求是真的。13 岁的时候他自己就非常在意身高，做的事很简单：一周往墙上量三次身高，每长高四分之一英寸都觉得非常开心；隔几个星期去网上找免费的身高计算器再预测一次。当时计算器一直告诉他大概能长到 5 英尺 10 英寸（约 178 厘米），后来随着年龄增加，预测数字开始往下掉，于是他又陷入另一个问题："是不是我只是发育比较晚？"开始花很多时间研究青春期、晚发育、还能长几年。

十几年后看，这就是 GoTall 几乎完整的产品路径：测身高、预测成年身高、判断发育阶段、不断重新预测、告诉用户还能做什么。所以他后来在 TikTok 评论区看到那些孩子时，非常容易理解他们为什么这样问——因为他曾经就是其中一个。TikTok 评论并没有凭空给他创造需求，只是把一个原本藏在每个人房间、搜索记录和青春期焦虑里的需求公开展示了出来。

真正的需求验证，不是评论很多，而是有人在付钱

Michael 并没有看完评论就立刻写代码。他还做了一件很"互联网创业"的事：去 Acquire.com（买卖小型互联网公司的平台）看别人卖什么 App。他在那里发现已经有人做过类似的身高预测 App，而且一个产品挂出了大约 2 万美元的出售价格。这给了他第二层验证：这不只是有人感兴趣，而是真的有人在这个需求上赚到过钱。然后才开始做 GoTall，产品上线两天就出现了第一笔付费。

整个产品验证其实有三层：第一层，他自己有这个问题；第二层，TikTok 上大量陌生人也反复问同一个问题；第三层，市场上已经有人为解决这个问题付费。这和很多创业者的顺序完全相反——很多人是先想到一个很酷的 AI 功能，把产品做出来，然后才开始找"谁需要它"；Michael 做的是先找到一个已经有人焦虑、有人搜索、有人付钱的东西，再考虑用什么产品去承接。

真正的增长引擎，也是 TikTok 评论区

产品做出来以后，一开始增长并不好。他试过广告，没效果；找网红，报价高得离谱。2025 年 7 月是他自己形容"精神状态最差"的一个月：住在 Jersey City，每天跑到 NYU 把学校当办公室，不断听消费 App 创始人的播客，然后自己测试 TikTok，一度每天发 20 条视频。

后来终于跑出一个非常简单的内容形式：直接回复 TikTok 评论里的身高预测。比如有人留言"14 岁，173 厘米，爸爸 183，妈妈 165，我能长多高？"账号直接用 TikTok 的"回复评论"功能，把这条评论挂在视频上，然后给他预测。这种视频天然有三个优点：问题非常具体；其他年龄相近的人马上代入自己；看完以后最自然的下一步就是"那我呢？"——于是评论区继续出现更多年龄、身高和父母身高，又变成下一轮内容素材。这形成了一个特别漂亮的循环：用户提问 → 视频回答 → 更多人看到 → 更多人留下自己的数据 → 再生成更多视频。

Michael 没有因为一条视频爆了就立刻砸钱，他先在自己的第二个账号上复制，成功；再放到女朋友的账号上，还是成功；确认这是"内容模板"而不是单个账号运气之后，才开始规模化。

很简单但非常有效：批量招普通人拍视频

很多 App 做 TikTok 营销会找几十万粉丝的网红，Michael 没这么干，因为他真正需要的不是"影响力"，而是有人按照已经验证过的格式不断生产视频。他开始每天私信几十个普通内容创作者，不是请他们自由发挥，而是直接告诉他们：什么选题、怎么开头、怎么回复评论、什么类型的视频已经有效。早期甚至只需要 5 美元一条 UGC 视频。

到 2025 年秋天，TikTok UGC 已经是 GoTall 最主要的增长渠道：有一个阶段 30 天里通过这些内容获得约 1200 万次观看；产品上线几个月后超过 12 万下载，单月收入约 3 万美元。收入增长路径也相当清楚：2025 年 8 月约每月 4000 美元，9 月约 1 万，10 月约 2 万，11 月约 3 万，12 月突破 10 万美元。他自己的复盘是：前面几个月主要靠 UGC 和不断优化付费墙；到了 12 月，产品重新设计完成、留存提高之后，付费广告终于开始跑通，收入才从 3 万跳到 10 万以上。这条路径在很多初创 App 上得到过验证：自然内容找素材 → 批量 UGC 验证可复制性 → 优化产品转化 → 最后才花钱买量。

甚至把"焦虑"设计成了留存机制

GoTall 最值得研究、同时也是最有争议的一部分在后面。Michael 很快发现用户并不会预测一次就结束：今天 174 厘米，过两周 174.5，重新预测一次；过了生日再算一次；发育阶段变了再算一次——他形容这种行为很像不断想看看"这次会抽到什么数字"。于是他在 2025 年 8 月的产品思考里提出：不要只做一次性的身高计算器，要把它变成一个持续更新的"Height Stat"身高数值系统——睡得好不好、吃得怎么样、有没有运动、最近长了多少，这些数据全部进入系统，预测结果每周更新一次，用户输入的数据越多，系统告诉他的预测越来越准确。他当时甚至明确提出要做得更像多邻国，通过持续反馈和游戏机制提高留存。

后来很多东西真的进入了产品：今年 1 月增加更聪明的 AI Coach，2 月上线社区，3 月强化营养扫描和 AI 教练记忆，4 月更新身高预测模型、增加每日习惯连续打卡，4 月的另一个版本甚至直接推出"邀请 3 个朋友，免费获得一年 Premium"。一个原本只能使用一次的计算器，被逐渐改造成：预测 + 记录 + AI 教练 + 每日任务 + 连续打卡 + 社区 + 邀请裂变——这才是它做到 100 万下载的关键。

他很早就意识到这个产品最危险的地方

GoTall 做了两个月、约 2.8 万下载时，Michael 公开写过一篇反思。团队当时太省钱，连正式客服邮箱都没有，合伙人直接把他的 TikTok 账号写成客服联系方式，结果他开始亲自收到用户的问题——这才意识到这些并不是普通的软件用户，很多是对自己身高非常焦虑的青少年。一次错误的预测，对开发者只是算法误差；但对一个 14 岁的孩子，看到 App 突然告诉自己"你可能只能长到 165 厘米"，可能真的会影响他的情绪和自信。他承认早期 GoTall 曾出现过错误预测、有用户因此受到很大打击，后来专门建了 Discord 和用户交流，也重新做了预测逻辑。

这个产品的商业模式建立在一个非常有效的东西上：焦虑。越焦虑，用户越想知道答案；越想知道答案，付费转化越高；预测不断变化，又推动用户不断回来。商业上这是极好的留存机制，但产品伦理上必须非常小心。

我的总结：互联网最好的产品机会，很多时候就藏在人们已经公开重复一千遍的问题里。如果一个问题已经在抖音评论、小红书评论、微信群、百度知道里每天反复出现，人们甚至愿意主动暴露隐私、花几十分钟查资料、一次又一次寻找答案——那它可能已经不是一个内容选题，而是一个产品需求。想做独立开发的读者，不妨把"翻评论区"当成日常功课，它的验证价值不比任何关键词工具低；找到方向之后的完整变现路径，可以接着看独立开发者变现指南。