Sociaaal 专买“过气”App，用 AI 广告和 A/B 测试让它们起死回生。从删掉付费墙到每月 4000 条 AI 视频，这家公司把增长拆解成可复制的系统。当 AI 降低执行成本，真正的壁垒变成了判断力：什么值得测试，什么值得买入。

今天想分享一下关于 App 运营的那些事儿，不过是从 App “买方”的角度。

这家公司叫：Sociaaal，https://www.sociaaal.com/。

Sociaaal 在用 AI 改造一家消费 App 公司的经营方式：

怎么买 App、怎么判断值不值得买、怎么买用户、怎么提高付费、怎么做广告，甚至怎么把经营判断慢慢教给 AI。

有一类 App，很多人应该都见过：

比如上传一张自拍，看看自己长得像哪个明星；

把自己的手写字变成手机键盘字体；

提前存好几段文字，以后在键盘里一键粘贴；

或者做几个恶搞贴纸，发给朋友。

这些产品不复杂，甚至很容易让人产生一个判断：

这种 App 能有多大生意？

一家叫 Sociaaal 的公司，偏偏在做这些东西。

它现在手里有 22 个 App，累计下载量超过 4000 万。

2026 年 7 月，公司联合创始人兼 CEO Patrick Stuart-Constant 披露，Sociaaal 的年化收入已经达到 1600 万美元，而且已经盈利。

公司还曾经在只有 11个人的时候做到 1100 万美元年化收入，相当于每名员工对应约 100 万美元收入。

但这些 App 并不全是他们自己做的。

Sociaaal 很喜欢干一件反常识的事：

专门去买那些已经火过、然后开始往下掉的 App。

01 别人喜欢买正在增长的 App，他们反而盯着“掉下来的”

Sociaaal 2022 年成立。

官方给自己的定位不是一家普通 App 开发公司，而是一家消费 App 运营商：

自己做 App，也收购 App，然后通过数据、投放、产品优化和 AI，把这些 App 继续做大。

它手里的产品也非常杂：

• Fontmaker，可以把自己的手写字做成手机字体；
• LitStick，可以在 iMessage 里制作恶搞贴纸；
• AutoPaste Keyboard，把经常发送的文字提前存在键盘里；
• Rizz God，是一个帮用户聊天、约会的 AI 助手；

还有 Celebs，Celebs 的功能尤其简单：

上传一张自己的照片，看看自己最像哪个明星。

Sociaaal 官网目前仍把这些产品列在自己的产品组合里。

Celebs 这个 App 很能说明这家公司的思路。

这个 App 已经有大约六年历史，早期曾经因为“测明星脸”火过一阵，随后热度下降。

对于很多开发者来说，这种产品的生命周期差不多已经结束了。

Sociaaal 却把它买了下来。

CEO Patrick 的判断是：“测自己像哪个明星”不是一个只存在几周的热点。

它背后其实是一个非常长期的人类心理：

好奇心，加一点虚荣心。

随便问一个人“你想不想知道自己长得像哪个明星”，相当一部分人都会愿意试一下。

也就是说，产品可能过气了，但需求没有过气。

Sociaaal 收购以后继续投放和优化，到现在，这款已经六岁的 App，规模反而比以前更大。

这其实是理解 Sociaaal 的第一个关键。

它买 App 的时候，并不特别迷信现在的增长曲线。

反而有些产品恰恰是在：

爆红过，已经验证有人要，随后开始下滑，原团队又不知道怎么继续增长的时候，以及，产品现在变得更便宜。

对 Sociaaal 来说，这反而可能是一个好的买入点。

02 App还没买，就先替别人投广告

那怎么判断一个 App 到底值不值得买？

这就是我今天想通过 Sociaaal 要分享给大家的。

Sociaaal 同时做两套判断。

第一套很正常，从市场往下看。

这个品类有多大？市场还在不在增长？用户愿不愿意为这类产品付钱？竞争格局怎么样？

但接下来就不太正常了。

Sociaaal 还会进行一套从下往上的测试：

给自己还没有买下来的 App 投广告。

甚至有些时候，产品都还没有真正存在。

他们先制作一批高度标准化的广告，再把广告放到市场上测试，看用户愿不愿意点击、获取一个用户大概要多少钱。

因为素材尽量标准化，所以不同 App 的数据可以互相比较。

例如：

A 类产品投 1000 美元广告，可以带回来这么多用户；

B 类产品只能带回来一半；

而 Sociaaal 自己过去几十款 App 的平均数据又是多少。

慢慢地，他们就有了一套自己的数据库。

Patrick 甚至说，他理想中的状态是：

未来买一个 App，可能都不需要先喜欢这个 App。

只看市场数据、产品数据，再自己花一点钱制造新的投放数据，就能够判断值不值得买。

这其实和传统收购 App 的逻辑有点不同。

传统买家容易盯着：这个 App 现在赚多少钱？有多少用户？过去六个月增长多少？

Sociaaal 更关心另外一个问题：

如果把这个 App 放进我的机器里，它的规模还能长到多大？

所以一个已经下滑的 App，对原来的主人可能就值 1。

但如果 Sociaaal 判断：

自己的投放成本更低；自己的付费转化率更高；自己的广告测试能力更强；

那它在 Sociaaal 手里，可能值 5。

这就是为什么他们会特别喜欢那些“曾经火过，现在没人知道怎么办”的产品。

03 只盯两个数字：用户买得够不够便宜，一个用户能赚多少钱

Sociaaal 的增长方法，说复杂可以非常复杂，但把它压缩以后，其实就两件事。

第一，尽量便宜地获得用户。

第二，让进来的每个用户贡献更多收入。

前一个解决广告，后一个解决产品和付费，然后两边互相推动。

用户买得便宜，可以买更多用户，用户多了，就能跑更多产品实验。

实验跑得多，付费效率提高。

每个用户能赚的钱多了，又可以承受更高的广告成本，继续扩大投放。

这也是为什么 Sociaaal 会同时拼命做广告和产品实验。

截至今年7月，公司每个月大约要跑：

• 4000 条 AI 视频广告；
• 数百个可互动广告；
• 数千张静态广告；
• 以及大约 100 个 A/B 测试。

所谓 A/B 测试也很简单：

比如100万人进入 App，一部分人看到版本 A，另一部分看到版本 B。最后比较哪一种让更多人留下、付费或者贡献更多收入。

靠着不断做这些测试，Sociaaal 称过去18个月，旗下 App 的平均每用户收入提高了约3倍；仅过去 12个月也大约翻了一倍。

这不是靠一次次“大改版”实现的，而是靠几十、上百个小实验一点点堆叠起来的。

04 一个很好的例子：他们把付费墙直接删了

Celebs 上有一个测试，非常能说明他们怎么玩这套系统。

很多订阅 App 都有一个标准套路。

第一次打开 App：先回答几个问题；看几页介绍；最后出现一个付费页面。不付钱，就不给继续用。

这就是所谓的“硬付费墙”。

消费 App 行业里，一个非常普遍的经验是：

付费墙最好放在新用户第一次使用流程的最后。

因为这时候用户兴趣已经被调动起来了，直接要求订阅，转化往往不错。

Sociaaal 却在 Celebs 上测试了一件几乎完全相反的事情：

把这个付费墙删掉。

用户不用先付钱，直接进入 App，先上传照片，先让他看到最想看到的东西：

“我到底像哪个明星？”

然后再在分享结果、重新打开 App 或使用其他功能的时候寻找付费机会。

结果反而赚得更多。

因为原来的付费墙虽然能让一部分人立刻付钱，但同时也赶走了大量还没有体验到产品价值的人。

后来 Sociaaal 已经把 App 内部其他付费位置优化得足够好。

于是他们发现：

与其刚进门就收费，不如先把用户送到最好奇的那一刻。

用户已经看到了明星匹配结果，再要求付费，整个 App 最终获得的钱反而更多。

这里还有一个细节。

这个实验以前他们其实做过，而且失败过，后来又测试一次，才成功。

为什么？因为 App 已经变了。

以前后面的付费位置很差，删掉前面的付费墙当然会少赚钱。

等后面的付费位置全部优化以后，同样一个实验，结果完全不同。

Sociaaal 团队给出的一个经验是，他们可能做 20个实验：

10个没什么变化；5个结果很差；3个看起来有希望；最后真正留下来的，也许只有2个。

所以他们不会因为一个实验失败一次，就认定：“这个方法不行。”

他们会在产品环境变化以后，重新回来测试以前的假设。

这其实比“多做 A/B 测试”这句话有用得多。

一次实验验证的不是永恒真理，它只证明：在当时那个产品状态下，这件事没有用。

05 每个月4000条 AI 广告，但他们反而把做广告的人从 2个加到了 6个

Sociaaal 另外一个非常夸张的数字，是广告量。

他们已经连续两年多用 AI 制作视频广告，到最近每个月大约生产 4000 条 AI 视频素材。

如果按照最普通的 AI 故事写到这里，后面大概应该是：

以前需要几十个人，现在几个人加 AI 就够了。

但 Sociaaal 后来得出的结论正好相反。

早期，他们确实用 2个人就做到了每月大约2000条广告。

数量非常高，数据也不差。

但 Patrick 很快发现一个问题：

2000 条广告，看起来很多，其实大量素材只是同一个想法的变化。

换一个演员，换一个开头，换一句文案，换一个背景。

数量增加了，但本质上还是在同一个地方反复打转。

于是他们把创意团队从 2个人扩大到6个人，一段时间甚至没有继续增加广告数量，仍然维持在每月2000条左右。

结果广告点击率大约翻了一倍。

因为这6个人的工作发生了变化。

他们不需要自己一条一条剪4000个视频，AI 可以干这些重复工作。

人负责的是：

寻找新的用户痛点；想新的广告角度；发现新的形式；判断哪个想法值得测试。

例如有一款 App，大约只有1%的用户评论说：“我根本不知道这个 App 怎么用。”

正常做法是做一个教程广告。

告诉大家：第一步点这里，第二步点这里。

Sociaaal 的团队反而想到一个很损的创意：

直接做广告吐槽那些“连这么简单的 App 都不会用”的用户。

结果这条广告表现非常好。

Patrick 把这种表现远超平均水平的广告称为“独角兽广告”。

而一旦一个新创意被验证有效，AI 的价值就出来了。

可以快速换不同演员。

不同开头，不同文案，不同场景，不同国家和语言。

迅速把一个成功方向扩成几十、几百个版本。

所以 Sociaaal 对 AI 广告的理解其实很清楚：

人负责找到新的方向，AI 负责把一个方向迅速铺开。

06 4000 条广告的意义，不是“多”，而是多买4000张彩票

Patrick 有一个很形象的说法。

他把广告看成一个巨大的“搜索空间”。

假设所有可能的广告创意都摊在一张无限大的地图上。

其中一些区域根本没有好广告，另外一些区域可能藏着很多好广告。

传统团队一个月只能做30条广告，相当于只能在地图上挖30个坑。

AI 出现以后，一个月可以挖4000个。

但是问题也来了：

如果这4000个坑全挖在同一个地方，也没有意义。

比如发现：“年轻女性真人讲解”效果不错。

然后做4000个版本：换头发、换衣服、换背景、换台词。

这不是探索4000个方向，而是在同一个小区域里挖4000次。

所以 Sociaaal 会把两种动作分开。

一部分资源拿来做开发：

一个方向已经证明有效，继续大量生成变化。

另一部分必须做探索：

故意跑到完全不同的地方寻找新创意。

他们甚至很少盯着自己品类里的直接竞争者抄。

反而会去看完全不相关的 App、电商甚至餐厅广告，再思考这些形式能不能搬过来。

Patrick 举过一个例子：

有些餐厅短视频会先播一个完全无关的搞笑画面，然后突然切到餐厅 Logo。

Sociaaal 就把这种形式搬到了 App 广告：

一个人从屋顶掉下来，最后直接“掉进”App Store 产品页面。

整个视频也是 AI 做的。

这套方法的重点并不是“AI可以一天做很多广告”，现在谁都可以做到。

问题已经变成：

当生产几乎无限以后，你到底让AI生产什么？

07 Sociaaal 还在做一件更有意思的事：把“为什么做这个实验”也存下来

如果只看到 4000条 AI 广告，我觉得还不够解释这家公司。

Sociaaal 更有意思的一步，其实藏在它的 A/B 测试系统里。

他们不仅记录：

版本A是多少，版本B是多少，谁赢了。

还要求团队给每个实验打标签，记录：

为什么要做这个实验，原来的假设是什么，结果是什么，从结果里学到了什么。

因为他们正在尝试把这些数据交给 AI Agent 学习。

这两种数据其实完全不同。

如果告诉 AI：“Celebs 删除付费墙以后，收入提高了。”

AI 很容易得出一个错误结论：以后所有 App 都删付费墙。

但如果把完整信息告诉它：

我们当时为什么测试删除付费墙；用户在哪个环节流失；

App 后面的几个付费点已经优化到了什么程度；

删除以后哪些转化下降；哪些转化增加；最终为什么总收入反而提高。

AI 学到的就不再是一条操作指令。

而是：人在什么条件下，为什么会做这个判断。

一个新员工第一天进入公司，也不可能凭一句“这个测试以前赢过”，就学会怎么运营 App。

AI 也一样。

所以公司正在把过去大量实验背后的决策逻辑结构化保存下来，希望未来 Agent 可以参与提出下一轮实验、判断优先级，逐渐自动化更多 App 运营工作。

08 这家公司给 AI 创业更有意思的启发

过去做消费 App，很多昂贵的东西都发生在执行层。

开发一个产品很贵、拍广告很贵、做几十套创意很贵、分析大量数据也需要很多人。

所以创业者常常把大量时间花在：怎么把一个方案做出来。

现在 AI 正在快速降低这些成本。

但是成本下降以后，并不意味着做 App 这件事变容易了。

新的瓶颈只是换地方了。

当一个月只能做30条广告的时候，问题是：

怎么做出更多广告？

当一个月可以做4000条以后，问题变成：

4000个可能性里，到底应该先测试哪4000个？

以前一年只能做20个产品实验，现在可以做1000个。

真正稀缺的就不再是实验能力，而是：什么值得实验。

同样的事情也发生在产品开发上。

AI 让复制一个功能越来越容易，那“我能不能把这个 App 做出来”的价值自然下降。

反而是：

• 这个需求到底有没有那么大？
• 哪个已经下滑的 App 其实被市场低估了？
• 什么样的用户最便宜？
• 哪个环节值得优化？
• 什么时候应该推翻行业经验？

这些判断变得更值钱。

这也是 Sociaaal 这家公司比较特别的地方，它没有把 AI 只当成一个“少雇几个人”的工具。

它在尝试搭一套循环：

买下已经验证需求的 App；用大量广告不断买来新用户；

用更多用户产生更多实验数据；靠实验提高每个用户的收入；收入提高以后继续扩大投放；

同时把每一次实验背后的原因和结果留下来，让下一次决策更快。

最终，公司拥有的就不只是 22个 App。

而是一套不断重复的：

买入——测试——增长——学习——再买入。

2024年，Sociaaal 对外披露时还只有 20款 App、3400万次下载；

到2026年7月，披露的数据已经变成 22款 App、超过 4000万次下载和 1600万美元年化收入。

现在他们还开始自己做消费级 AI Agent。

但从这家公司身上，我觉得更值得关注的并不是它下一个 App 会是什么。

而是另外一件事：

当 AI 把“做东西”的成本越来越往下打，一家公司真正需要积累的，可能会从产品本身逐渐变成一套不断做出更好判断的系统。

以上，祝你今天开心。