網路上的一個 AI 髮型建議網站：廣告 ROI 只有 8.3% 的爛生意
這是一位開發者在網路上分享的真實案例。他做了一個「AI 髮型建議網站」——你上傳照片，AI 分析臉型後給你髮型建議。花了一天用 AI 寫完、UI 很醜、功能陽春、系統不穩。
它也許是個好產品，但數字已經證明它是個爛生意。這篇記錄它怎麼個爛法，以及這門課為什麼對每個想做 AI 軟體的人都值錢。
🔬 實驗方法：只相信陌生人的行為
做完網站後，他雖然會分享給認識的人——但不認識的人的意見才重要。因為：
他們不認識你，他們只在意這個服務有沒有用。
所以他的習慣是下一些廣告，找一批陌生人來用，然後仔細觀察：
- 點擊進來的人怎麼使用這個服務
- 更重要的——有沒有付費的意圖
雖然服務現階段不收費，但他故意加了一個付費按鈕：觀察多少人按，再乘上一個預估成功率，就能約略算出實際收入。這在業界有個正式名稱：Fake-Door Test（假門測試）——用一個真實價格的按鈕，測試陌生人的真實付費意願。
💡 為什麼不用熟人測試？因為熟人會出於禮貌說「聽起來很棒」——這叫 Niceness Gap（迎合差距），是虛假的市場訊號。陌生人才會誠實地用荷包投票。
📉 悲傷的數據
| 指標 | 數值 |
|---|---|
| 取得一人上傳照片 | 花 NT$120 廣告費 |
| 上傳 → 走到付費按鈕 | 30 人中只有 1 人（3.3%） |
| 取得一位付費客戶成本 | NT$3,600（120 × 30） |
| 客單價 | NT$299 |
| ROI | 299 ÷ 3,600 = 8.3% |
也就是說：每花 100 元廣告，只回收 8.3 元。
🎯 ROI 怎麼算及格？
| 回收率 | 評價 |
|---|---|
| 50% | 超強！一天隨便做的東西、UI 很醜都能回收一半——努力拚一下就能打平 |
| 100% | 廣告費可以回收 → 廣告就能放大 → 換來規模 |
| <10% | 錢像掉到水裡，再多努力也擠不出 10 倍回收 → 直接放棄 |
他的 8.3% 落在最後一檔。再多的努力，都擠不出超過 10 倍的回收，最快的方法就是直接放棄。
💰 用 AI 軟體銷售的專業框架重新解讀
如果把這組數據放進 SaaS 單位經濟學的標準框架，會更殘酷：
1️⃣ LTV:CAC 比率：0.083:1（健康標準是 3:1）
| 指標 | 案例數據 | 2026 行業標準 |
|---|---|---|
| CAC（獲客成本） | NT$3,600 | — |
| LTV（客戶終身價值） | NT$299（一次性） | — |
| LTV:CAC | 0.083:1 | 最低 3:1、健康 4:1、優秀 5:1+ |
低於 2:1 就是不可持續——這個案例是 0.083，差了 36 倍。理論上每賣一個客戶就虧 NT$3,301。
2️⃣ 轉換率 3.3%：低於 5% 及格線
Fake-Door Test 的經驗法則是：付費廣告流量下，點擊購買的轉換率要 ≥5% 才算有統計意義的需求訊號；低於 5%，代表定位有誤或市場根本不買單。這個案例的 3.3% 在線下。
3️⃣ AI 產品的隱形成本：推理費還沒算
傳統 SaaS 毛利 80-90%，AI 產品只有 50-60%——因為每一次 AI 推理都是真實成本（COGS），不隨規模稀釋。髮型分析每張照片都要跑一次視覺模型，這個案例的 8.3% ROI 甚至還沒扣掉 AI 推理成本，實際更慘。
4️⃣ 一次性買斷 vs 訂閱制：LTV 天花板
案例賣的是 NT$299 一次性買斷——LTV 在購買當下就固化了，沒有複利空間。訂閱制只要月流失率優化 0.5%，LTV 就躍升 33%；買斷制沒有這個槓桿。
5️⃣ 這是 B2C 的詛咒
B2C 工具的月流失率 6.5-8%（B2B 只有 3.5%）、LTV 被壓縮，獨立開發者做 B2C 需要數百萬用戶才有意義的營收——而髮型建議這種「低頻、免費預期高」的需求，更是 B2C 中最難收費的一類。
💡 但這依然是最划算的實驗
以前做一套這樣的實驗——從 MVP 到廣告走完——要一個月。現在有了 AI coding，時間縮短為 1 天。
- 1 天時間成本：極低
- 學到的市場資訊：無價（這個需求付費意圖不足，直接放棄）
- 下一個實驗：明天就能開始
我們何其有幸生在這個時代。
🎯 5 個可以帶走的教訓
- 熟人的稱讚是毒藥——只相信陌生付費廣告流量的行為數據
- 測試付費意圖一定要掛真實價格——測試免費產品驗證不了任何付費意圖
- ROI 8% 不要硬撐——廣告無法回收 = 無法規模化 = 直接放棄最快
- AI 產品毛利天生比 SaaS 低——計價時要把推理成本算進去
- 數量就是勝利——一個接一個做，除非人生真的很雖，不然一定會中一次
開發者分享這段經驗時引用了他朋友的話：「如果你一個服務接一個一直做，除非你人生真的很雖，不然一定會中一次。」他也深深這麼相信。
本文為網路開發者親身實驗案例分享。SaaS 基準數據來源：CloudZero 2026 SaaS Unit Economics Guide、Bessemer Venture Partners AI Pricing Playbook（2026.02）、ICONIQ State of AI（2026.01）、Micro SaaS Solo Founder Blueprint（MRR Story），查證 2026-08-25。