GoTall 用“我到底能长多高”切入青少年身高焦虑，靠 TikTok 评论区验证需求，一年内下载破百万、月入10万美元。文章拆解其“测身高—预测—习惯管理”的产品结构与三层需求验证。

今天分享的产品非常小，小到刚看到它的收入时我都疑惑了几秒，它就是：

去年夏天，Michael Que 还在纽约找金融实习。

他是 NYU Stern 的学生，学金融、心理学和计算机科学，原本走的是一条非常典型的商学院路线：投行、VC、暑期实习。

结果连续碰壁。

他后来自己复盘过2025年：

1月准备投行面试；2月大量投简历、Cold Email、找人内推，基本没结果；3月好不容易进了一个不错实习的终面，还是被拒；5月参加 Goldman Sachs 的 Superday，再次被拒。

最后找了一份没有工资的实习，干到6月也辞了。

但也正是在这段时间，他开始注意到另外一群年轻人。

很多跟他年龄差不多，甚至更小的人，正在靠一个很简单的 App 一个月赚几十万、上百万美元。

于是 Michael 开始研究消费类 App，然后他注意到了一个看起来小得不能再小的需求：

“我以后到底能长多高？”

于是他和合伙人做了一个 App：GoTall，一年左右，这个 App 下载量达到 100万次。

01 GoTall 到底在卖什么？

打开 GoTall，它首先会问你一堆问题：

你几岁？现在多高？父母分别多高？体重是多少？处于什么发育阶段？平时睡多久？运动和饮食怎么样？

系统再给你一个：预计成年身高。

这是它最核心的钩子。

例如一个14岁的男孩现在170厘米，父亲180厘米，母亲165厘米，回答完问题以后，GoTall 可能告诉他：

按照目前的生长情况，你成年以后预计可以长到某个区间。

但如果产品到这里结束，它其实只是网上已经存在几十年的“身高计算器”。

GoTall 后来把它继续扩成了一整套围绕“长高”设计的产品：

身高记录；成长曲线；睡眠追踪；营养记录；拍照识别食物；拉伸和运动计划；青春期判断；每周成长任务；AI Height Coach；以及一个让用户互相讨论身高和成长问题的社区。

现在官网对自己的定义也已经不是简单“预测身高”，而是：

预测你的成年身高，然后通过睡眠、营养、运动和习惯管理，帮助你尽可能发挥自己的自然生长潜力。

所以它的产品结构其实非常清楚：

用“我到底能长多高？”把用户拉进来，再用“我还能做些什么？”让用户留下来。

这两个问题背后的情绪完全不同。

第一个是好奇，第二个是焦虑。而真正产生付费的，通常是第二个。

02 这个需求 Michael 自己13岁时就有

Michael 后来专门写过一篇很长的文章，解释为什么他越来越确信这个需求是真的。

13岁的时候，他自己也非常在意身高。

但他并没有每天做什么复杂的“长高计划”。

他做的事情简单得多：一周往墙上量三次身高。

每长高四分之一英寸，都觉得非常开心。

隔几个星期，他还会去网上找免费的身高计算器，再预测一次：

自己最后到底能长到多高。

当时计算器一直告诉他，大概能长到 5英尺10英寸，约178厘米。

后来随着年龄增加，预测数字开始往下掉。

于是他又陷入了另外一个问题：“是不是我只是发育比较晚？”

他开始花很多时间研究青春期、晚发育、还能长几年。

十几年后看，这就是 GoTall 几乎完整的产品路径：

测身高；预测成年身高；判断发育阶段；不断重新预测；告诉用户还能做什么。

所以 Michael 后来发现 TikTok 评论区里那些孩子时，他其实非常容易理解他们为什么会这样问。

因为他曾经就是其中一个。

TikTok 评论并没有凭空给他创造需求，只是把一个原本藏在每个人房间、搜索记录和青春期焦虑里的需求公开展示了出来。

03 真正的需求验证，不是评论很多，而是有人在付钱

Michael 并没有看完评论就立刻开始写代码。

他还做了一件很“互联网创业”的事：去 Acquire.com 看别人卖什么 App。

Acquire 是一个买卖小型互联网公司的平台。

他在那里发现，已经有人做过类似的身高预测 App，而且一个产品挂出了大约 2万美元的出售价格。

这件事给了他第二层验证：

这不只是有人感兴趣，而是真的有人在这个需求上赚到过钱。

然后才开始做 GoTall，产品上线两天，就出现了第一笔付费。

所以整个产品验证其实有三层：

第一层：他自己有这个问题。

第二层：TikTok 上大量陌生人也反复问同一个问题。

第三层：市场上已经有人为解决这个问题付费。

这和很多创业者的顺序完全相反。很多人是：

先想到一个很酷的 AI 功能；把产品做出来；然后才开始找：“谁需要它？”

Michael 做的是：

先找到一个已经有人焦虑、有人搜索、有人付钱的东西，再考虑用什么产品去承接。

04 GoTall 真正的增长引擎，也是TikTok评论区

产品做出来以后，Michael 一开始增长得并不好。

他试过广告，没效果；找网红，报价又高得离谱。

2025年7月是他自己形容“精神状态最差”的一个月。

他住在 Jersey City，每天跑到 NYU 把学校当办公室；不断听消费 App 创始人的播客，然后自己测试 TikTok。

一度每天发 20条视频。

后来终于跑出了一个非常简单的内容形式：

直接回复TikTok评论里的“身高预测”。

比如有人留言：“14岁，173厘米，爸爸183，妈妈165，我能长多高？”

账号直接用 TikTok 的“回复评论”功能，把这条评论挂在视频上，然后给他预测。

这种视频天然有三个优点：

第一，问题非常具体。

第二，其他年龄相近的人会马上代入自己。

第三，看完以后最自然的下一步就是：“那我呢？”

于是评论区继续出现更多年龄、身高和父母身高。

又变成下一轮内容素材，这形成了一个特别漂亮的循环：

用户提问 → 视频回答 → 更多人看到 → 更多人留下自己的数据 → 再生成更多视频。

Michael 没有因为一条视频爆了就立刻砸钱，他先在自己的第二个账号上复制，成功。

再放到女朋友的账号上，还是成功。

确认这是“内容模板”，而不是单个账号运气以后，才开始规模化。

05 很简单但非常有效的事：批量招普通人拍视频

很多 App 做 TikTok 营销，会找几十万粉丝的网红。

Michael 没这么干，因为他真正需要的并不是“影响力”。

而是：有人按照已经验证过的格式，不断生产视频。

他开始每天私信几十个普通内容创作者。

不是请他们“自由发挥”，而是直接告诉他们：

什么选题，怎么开头，怎么回复评论，什么类型的视频已经有效。

早期甚至只需要 5美元一条 UGC 视频。

到2025年秋天，他已经把 TikTok UGC 做成 GoTall 最主要的增长渠道。

去年有一个阶段，GoTall 在30天里通过这些内容获得大约 1200万次观看；产品上线几个月以后达到超过 12万下载，单月收入约3万美元。

整个收入增长路径也相当清楚：

2025年8月，大约每月4000美元；9月，约1万美元；10月，约2万美元；11月，约3万美元；12月，突破10万美元。

Michael 自己的复盘是：

前面几个月主要靠 UGC 和不断优化付费墙；

到了12月，产品重新设计完成、留存提高之后，付费广告终于开始跑通。

收入才一下从3万美元跳到了10万美元以上。

这条路径在不少初创 App 上得到了验证：

自然内容找素材 → 批量UGC验证可复制性 → 优化产品转化 → 最后才花钱买量。

06 甚至把“焦虑”设计成了留存机制

GoTall 最值得研究、同时也是最有争议的一部分，在后面。

Michael 很快发现：用户并不会预测一次身高就结束，他们会不断回来重新算。

今天174厘米，过两个星期174.5厘米，重新预测一次。

过了生日，重新预测一次。

发育阶段变化了，再算一次。

Michael 自己形容这种行为很像：

不断想看看“这次会抽到什么数字”。

于是他在2025年8月的一篇产品思考里提出：不要只做一次性的身高计算器。

要把它变成一个持续更新的 “Height Stat”——身高数值系统。

睡得好不好；吃得怎么样；有没有运动；最近长了多少；这些数据全部进入系统。

预测结果每周更新一次。

用户输入的数据越多，系统告诉他预测越来越准确。

Michael 当时甚至明确提出，要把它做得更像多邻国，通过持续反馈和游戏机制提高留存。

后来很多东西真的进入了产品。

今年1月，GoTall 增加了更聪明的 AI Coach

；2月上线社区；3月进一步强化营养扫描和 AI 教练的记忆；

4月更新身高预测模型；随后增加每日习惯连续打卡；

到了4月的另一个版本，甚至直接推出：

邀请3个朋友，免费获得一年Premium。

于是一个原本只能使用一次的计算器，被逐渐改造成：

预测 + 记录 + AI教练 + 每日任务 + 连续打卡 + 社区 + 邀请裂变。

这才是它能做到100万下载的关键。

07 Michael 很早就意识到这个产品最危险的地方

GoTall 做了两个月、达到2.8万下载左右的时候，Michael 曾经公开写过一篇反思。

因为团队当时太省钱，连正式客服邮箱都没有，合伙人直接把他的 TikTok 账号写成了客服联系方式。

结果 Michael 开始亲自收到用户的问题，他这才意识到：

这些并不是普通的软件用户，很多是对自己身高非常焦虑的青少年。

一次错误的预测，对开发者而言可能只是算法误差。

但对一个14岁的孩子来说，看到 App 突然告诉自己：

“你可能只能长到165厘米。”可能真的会影响他的情绪和自信。

Michael 自己承认，早期 GoTall 曾经出现过错误预测，有用户因此受到很大打击。

他后来专门建了 Discord 和用户交流，也开始重新做预测逻辑。

它的商业模式建立在一个非常有效的东西上：焦虑。

而越焦虑，用户越想知道答案；

越想知道答案，付费转化越高；

预测不断变化，又会推动用户不断回来。

商业上这是极好的留存机制，但产品伦理上却必须非常小心。

最后，互联网最好的产品机会，很多时候就藏在人们已经公开重复一千遍的问题里。

如果一个问题已经在：

抖音评论、小红书评论、微信群、百度知道里每天反复出现，人们甚至愿意主动暴露隐私、花几十分钟查资料、一次又一次寻找答案。

那它可能已经不是一个“内容选题”，而是一个产品需求。

以上，祝你今天开心。