一个人、没融资、没销售团队，做到月经常性收入 12.5 万美元：转折点是他读了自己产品的问卷
先把产品说清楚，因为这个产品简单到容易被低估。
Zigpoll 装在你的 Shopify 店里，在买家下单之后弹一道问卷，问”你为什么买”或者”你为什么没买”。就这一件事。官方给的平均回答率是 50%，说是行业平均的 10 倍。两万多家店在用，其中有 TOMS、Steve Madden 这种牌子。
它卖的不是”又一份数据”，是一个很具体的缺口：分析工具能告诉你购物车在哪一步被弃了，但说不清为什么。
48 个月里，前 24 个月基本没动静
Jason Zigelbaum 做这个之前，经营一家叫 Argonautic Labs 的电商代理，帮 DTC 品牌做网站、做转化优化、做投放。再早他做过两款 SaaS，一款被 Shopify 收购，一款卖掉了。
Zigpoll 大约 2020 到 2021 年起步。起步之后的两年里，方向是模糊的，收入接近零。
启动资金是自己的积蓄，加上另一款应用的收入——那款应用每周只需要花 2 小时维护。这个细节比后面的收入数字更有参考价值：他给自己留了一条不占时间的现金流，用来扛住没有收入的开发期。
技术栈也刻意选得朴素：前端 React，后端 Express 加 Mongo，规模上来之后加了 Redis 缓存。能用现成第三方的地方都用第三方。
那一份问卷
转折点来得有点滑稽，因为他自己就是靠问卷赚钱的。
他开始认真读客户通过 Zigpoll 收集上来的回答，看看到底是谁在用、为什么留下来。结果和他原本的假设对不上：把他真正推起来的客户群，不是他以为的那类 DTC 品牌，而是代运营公司。一群同时管着好多家店的运营商，他们需要的不是”一份问卷”，是能批量部署到所有托管店铺、并且把数据汇总回来看的能力。
他做的调整也很克制：没有开新产品线，没有招人，只是重新切了套餐——把集成能力从高价档挪进标准档，价格一分没涨。
结果每账户收入涨了 24%。
我挺喜欢这个动作的。大多数人在这种时刻会去加功能、涨价格、开新市场，他做的是把自己已经有的东西重新打包给真正在买的人。没涨价还能让每账户收入涨四分之一，说明此前那部分价值是被错误定价挡在门外的，不是不存在。
客户是从哪来的
上半年增长 44%，新增近 50 万美元年收入，目标 200 万美元 ARR。渠道构成是这样的：
- Shopify 应用商店：33%
- 口碑：25%
- AI 工具推荐：14%
- 付费投放：0
第三行是这份清单里最值得琢磨的。14% 的新客户来自 AI 工具的推荐——不是他做了什么优化，是别人在回答”该用哪个问卷工具”时提到了他。这一条他控制不了，只能顺着。
他真正能控制的其实只有一件事：产品确实回答了那个”为什么”的问题，于是有人愿意主动提起它。
抄不了的部分
第一，那两年。 24 个月接近零收入，靠另一款每周维护 2 小时的旧产品养着。多数人不是做不到，是熬不过这两年，或者没有那个”每周 2 小时就能维持”的旧产品当底。
第二，他在电商代理行业泡的那些年。 Zigpoll 的起点不是”我觉得问卷是门生意”，是他每天替客户看数据，反复撞上同一堵墙——知道弃购发生在哪一步，不知道为什么。这个问题他不是调研出来的，是干出来的。
第三，Shopify 生态本身。 33% 来自应用商店，这个数字的前提是 Shopify 愿意把流量分给你。平台改一次排名规则，这一块就可能归零。一人公司最舒服的状态和最危险的状态往往是同一个：渠道不在自己手上。
第四，12.5 万是月经常性收入，不是利润。 问卷产品有真实的调用和短信成本，Shopify 抽成也在里面。这个量级大概率很赚钱，但”大概率”不等于可以拿这个数字去规划自己的到手收入。
我的判断
这段时间最容易犯的错，是把”细分”理解成”挑一个人少的赛道”。Jason 做的事其实是反过来的：他在一个已经有大玩家的品类里，通过读数据发现了一群被错误定价的客户，然后把已有的东西重新卖给他们。细分不是选出来的，是读出来的。
如果你手上有产品、有用户，但增长卡住了，值得试一次他这个动作：把客服记录、注册填表、取消原因、问卷回答这些你自己一直在收但从来没认真读过的数据，从头读一遍。答案大概率已经在里面了，只是你一直在往外面找。