第一步：选垂直领域（1-2 周）

选垂直的 3 个标准

标准 1：客户为问题付费，不为 AI 付费

❌ 错误：「我要做一个 AI 写作助手，客户都需要写作」 ✅ 正确：「跨境电商商家每天花 4 小时回亚马逊客户的英文邮件，AI 可以草拟 80%」

差异：第一种是「产品 → 找客户」，第二种是「客户问题 → 用 AI 解决」。

标准 2：客户自己用不来通用 LLM

❌ 错误：客户是「20-35 岁技术人 / 程序员 / 内容创作者」 ✅ 正确：客户是「40+ 岁律师 / HR 经理 / 房产中介 / 医生」

通用客户群已被 ChatGPT / Claude 直接服务，AI Wrapper 没机会。

标准 3：客户有具体 ROI

❌ 错误：「省时 / 让你更高效」 ✅ 正确：「每月节省 20 小时回邮件 × $50/小时 = 价值 $1,000/月，定价 $99/月」

2026 年高潜力垂直领域

按案例数 + 现有付费证据：

领域代表产品月费客户群
法律合同审核Spellbook / Harvey$99-$499中小律所
医疗病历整理Suki / Abridge$200+诊所医生
跨境电商客服Tidio AI / Crisp$29-$99卖家
房产文案生成Description.ai$39房产经纪
HR 招聘筛选Loxo / hireEZ$99-$299中小公司 HR
销售外呼脚本Lavender / Smartwriter$29-$99B2B 销售团队
代码审查CodeRabbit / Greptile$20-$50/座软件团队
客服知识库Pylon / Plain$50-$200SaaS 公司

第二步：验证 PMF（4-8 周）

客户访谈，做 30 个）

不要写代码，做 30 个客户访谈。问题模板：

  1. 现状：你现在怎么做这个事？花多少时间？
  2. 痛点：哪一步最痛？为什么？
  3. 现有方案：用过 ChatGPT / 其他工具吗？为什么不够？
  4. 付费意愿：如果有工具帮你解决，你愿意付多少？
  5. 决策：你买这种工具自己决定还是要老板批？

30 个访谈后，如果 5+ 个明确说「我愿意付 $X/月」+ 描述了相似问题 → 验证通过。

写 Landing Page + 测试转化

不写代码，做 Landing Page：

  • Hero：客户问题描述 + 解决承诺
  • Demo：3 张产品截图（伪装的 mockup 也可以）
  • 定价：明确价格
  • CTA：「Join Waitlist」+ Email 收集

跑广告 / Reddit / Twitter $200-500 验证 CTR + Waitlist 转化。如果 100 访客中 5+ 留 Email → 验证通过。

MVP 完整链路验证

3 周内写一个最小 MVP（Cursor + Next.js + OpenAI API），不做精美 UI，给 10 个 Waitlist 客户免费用 2 周，看：

  • 有人主动用 ≥ 3 次？
  • 有人推荐给同事？
  • 有人主动问「能付费吗」？

3 个都对，PMF 通过。如果只有 1-2 个对，回到访谈环节。

第三步：选 API + 定价（1 周）

LLM API 选型

起步阶段：OpenAI + Anthropic 双轨

# 双轨 fallback 示例
import openai
import anthropic

def llm_call(prompt, retries=2):
    try:
        return openai.chat.completions.create(
            model="gpt-5",
            messages=[{"role": "user", "content": prompt}]
        )
    except Exception:
        return anthropic.messages.create(
            model="claude-sonnet-4-5",
            max_tokens=4096,
            messages=[{"role": "user", "content": prompt}]
        )

理由：

  • OpenAI 偶发 503 outage（2024-2025 多次）
  • Anthropic 偶发降级
  • 双轨保证 99.9% 可用性

不要做的

  • 不要碰开源模型自部署（GPU $500+/月 + 维护 30 小时/月）
  • 不要追新模型（GPT-6 / Claude 5 等出来再说，稳定版本先跑）
  • 不要 fine-tune（< $10K MRR 阶段，先验证 PMF）

成本估算

LLM 成本占收入比例：

客户行为Token / 月 / 客户API 成本 / 月 / 客户
轻度（< 10 次调用）50K$0.5-1
中度（100 次调用）500K$5-10
重度（1000+ 次调用）5M$50-100

定价 $49/月 + 客户中度 → API 成本 $5-10 / 客户 = 10-20% 毛利占用。

定价铁律

  • B2B 起步定价 $29-$99/月（中位 $49）
  • 不做「按 token 计费」（客户讨厌不确定）
  • 「Free 14 day trial」+ 月付 = 标准
  • 年付折扣 20%（提前锁现金流 + 降低 churn）
  • 企业版（$199+/月）含 SSO / 私有部署 / SLA

第四步：营销启动（持续）

5 个有效渠道（按优先级）

渠道 1：Twitter / X Build in Public

每天发 1-2 条：

  • 周一：上周 metric（MRR / Churn / 客户数）
  • 周二：技术细节 / 产品 update
  • 周三：客户故事
  • 周四：行业观察
  • 周五：周反思

3-6 个月积累 1-5K 粉丝后开始有「自然客户进入」。

渠道 2：Reddit 长期参与

在 5-10 个目标客户活跃的 subreddit 长期回答问题（不硬广），半年后偶尔提产品。

渠道 3：Product Hunt 上线

PH launch 一次性流量（500-5K 访客），核心收益是 backlink + 邮件订阅。准备：

  • 提前 2 周积累 hunter / supporter
  • launch 当天 6:00 AM Pacific 发布
  • 24 小时密集回应每条评论

渠道 4：SEO 内容站

每周 2 篇 1500-2500 字博客，专注垂直长尾词。例如：

  • 「亚马逊客服邮件模板 2026」
  • 「跨境电商如何用 AI 回客户邮件」
  • 「ChatGPT 写客户邮件 vs 专业工具」

6-12 个月起量。

渠道 5：Cold Email + LinkedIn DM（B2B 专用）

  • 用 Apollo / Hunter.io 找 500 个目标客户
  • 个性化邮件（用客户公司名 + 具体场景）
  • 跟进 3-4 次（不烦人但持续）
  • 5-10% 回复率，1-3% 转化为客户

启动后 6 个月 metric 目标

月份WaitlistMRR客户数
Month 1100$2005
Month 3500$1,50030
Month 62,000$5,000100
Month 128,000$15,000300

第五步：建护城河（持续）

护城河 1：私有数据 / Fine-tune

允许客户上传自己的数据（带 RLS + 加密），fine-tune 客户专属模型。OpenAI 通用 API 永远做不到「我的客户行业数据」。

例：法律 AI 让律所上传过往合同 → fine-tune 给律所专属审核模型。

护城河 2：集成深度

与客户使用的 CRM / ERP / 邮箱深度集成：

  • Salesforce / HubSpot 双向同步
  • Zendesk / Intercom 内嵌
  • Slack / Teams bot
  • 客户邮箱 IMAP 同步

OpenAI 不会做单一客户的 IT 集成。集成越深 = 切换成本越高。

护城河 3：客户关系 + 行业社区

  • 每月 1v1 客户访谈
  • 行业 Slack / Discord（仅你的客户加入）
  • 季度行业报告（基于客户匿名数据）
  • 邀请客户参加线下活动 / 会议

这 3 项 LLM 公司无法复制。

失败 90% 的常见原因

失败原因占比修复
选了通用场景 OpenAI 自己做35%转垂直 + 工作流
没有客户访谈直接写代码20%强制 30 个访谈
定价 < $20/月 拼不过 ChatGPT15%提价到 $49+
营销靠 PH 一次性12%多渠道长期
没有客户支持10%每天 2 小时
API 成本失控5%加缓存 + 限流
团队太大烧钱3%单人开始

基础设施：API 连接稳定性

跑 AI Wrapper 需要稳定访问 OpenAI / Anthropic / Stripe / Vercel 等海外服务。跨境工作或临时回中国时访问 platform.openai.com / console.anthropic.com 经常出现 SSL 超时，影响调试 + KYC + 计费操作。建议常备一条 海外服务跑 GitHub Actions / Cloudflare 的稳定线路，确保 AI API 调试不被网络问题打断。

关联文章