loneranger1024 微信聊天报告 10 个月 2000 元复盘

背景和目标

个人开发者 loneranger1024 希望把"情侣聊天记录可视化"做成一个付费 AI 报告产品，最初的目标是 10 万付费用户。2024 年 4 月开始编码，5 月上线，到 2025 年初复盘时已经运营约 10 个月。

输入与条件

• 用户通过微信"留痕"导出聊天记录，格式包括 HTML、Word 和 CSV。
• 产品读取聊天文本，做预处理、统计、情感分析和可视化，再叠加 MBTI 报告、"AI 嘴替"等模板。
• 模型层比较过 Claude Sonnet 3.5 与 DeepSeek，最终选用 DeepSeek 作为生产模型。
• 获客以小红书笔记为主，辅以比赛、Product Hunt、Twitter、即刻和 V2EX 的小成本曝光。

过程

1. 在小红书一篇热门"情侣聊天记录可视化"笔记的评论区识别需求。
2. 基于开源 smart-excel-ai 改造原型，跳过从零搭建。
3. 用 DeepSeek 跑统计、情感分析和报告生成，把 Claude 留给少量对质量敏感的样本。
4. 上线后持续发笔记、做搜索词获客，并在多个社区同步曝光。
5. 通过 MBTI、AI 嘴替等模板扩展付费功能。
6. 10 个月后公开数据并复盘失败点。

产物或结果

• 约 1300 名登录用户、不到 300 名付费用户。
• 总收入约 2000 元；DeepSeek 充值 10 元到复盘时仍未用完。
• 2000 元是收入，不是利润；服务器、域名、退款、人工时间和客服成本未在原帖中披露。
• 原计划发布 100 篇小红书笔记，实际只完成 30 多篇，且没有出现爆款，部分笔记阅读量个位数。

限制

• 收入与用户数据来自作者自述，没有独立后台核验。
• 2000 元与"模型只花几元"不能画等号——获客时间、客服、信任、合规和退款成本未计入。
• 案例只有一人一产品，无法直接推论其他 AI 个体产品的模型选型或获客策略。
• 数据导入门槛高：电脑小白难以完成微信"留痕"导出。
• 隐私可信度不足：本地处理崩溃，转服务器后用户担忧；承诺删除但难自证。

相关教程和工具

• 工具：DeepSeek、Claude Sonnet 3.5、开源 smart-excel-ai。
• 方法：评论区需求发现法、本地 vs 服务器数据处理权衡。
• 风险：用户上传内容含第三方信息的隐私与授权风险、MBTI、情感分析被包装成心理或关系判断的风险、创作者自报收入、无第三方核验、口径不清的来源风险。