Agnes AI 是一款处于早期阶段的 AI 应用，找到 Inpander 时日新增用户只有 30 左右——典型的"产品做出来了，增长没起来"。六个月后，这个数字变成了 70,000+，CPA 下降 65%，累计曝光突破 300M，App 登上目标市场品类榜 Top 5。这不是一次爆款运气，而是一套数据驱动的创意迭代机器持续运转的结果。
挑战
AI 应用赛道的增长难题很有代表性：产品功能新，用户没有现成的搜索习惯，必须靠内容"教育"出需求；同时赛道内竞品密集，买量成本水涨船高，早期团队烧不起粗放投放。
对 Agnes AI 来说，从约 30 DNU 起步意味着没有任何历史数据可以依赖——不知道哪类人群会转化、哪种卖点讲法有效、哪个价格心理点能打动用户。传统做法是先做定性调研再定创意方向，但这太慢；正确的做法是把"找答案"这件事本身工程化：让每一条素材都成为一次假设检验，让投放系统在真实市场里替团队完成调研。换句话说，增长团队要建的不是一条广告生产线，而是一台学习机器。
策略
Inpander 为 Agnes AI 搭建了三个咬合的模块：
第一，钩子工厂。 核心公式是"一个脚本，五个钩子"：产品叙事主体保持稳定，开头 3 秒的钩子做大规模变异，每周上线数十条变体。这样做的好处是变量单一——当一条素材跑赢时，能明确归因到钩子本身，而不是被脚本、达人、剪辑等因素混淆。胜利钩子被沉淀下来，成为下一轮生产的起点。
第二，付费注入。 自然跑出的爆款内容不会被放任自流，而是立即通过 Spark Ads 追投加热，同时以达人账号进行 Dark Posting——用达人身份投放但不占用其主页——再叠加相似人群定向，把爆款素材推给与已互动用户最相似的新受众。自然流量验证内容，付费流量收割规模。
第三，数据闭环。 预算分配以 7×24 的节奏动态运转：低效素材在小时级别止损，绝不让它们继续消耗预算；高 ROAS 素材持续加码。每一轮投放数据都会回流成下一轮达人 brief 的输入，让整个系统越跑越准。CPA 下降 65%，本质上就是把原本浪费在失败素材上的钱一点点省了出来。
成果
- 日新增用户从约 30 增长至 70,000+
- CPA 下降 65%
- 六个月累计曝光 300M+
- 目标市场品类榜 Top 5
数据来源：Inpander 项目复盘。
关键启示
- 早期产品最缺的不是预算，而是学习速度。 每周数十条钩子变体的意义在于用最小成本买到最多市场反馈——测试密度决定了找到胜利素材的速度。
- 爆款要"追杀"，不要"欣赏"。 一条内容自然跑爆的窗口期很短，Spark Ads 加相似人群的组合能在热度衰减前把它的商业价值榨干。
- 止损纪律比放大能力更稀缺。 多数团队舍不得关掉表现平庸的素材，总想着"再跑一天看看"，而小时级止损恰恰是 CPA 降幅的最大来源——砍掉失败者和放大胜利者，永远是同一枚硬币的两面，缺了前者，后者的预算就无从谈起。
如果你的 AI 产品也卡在早期增长阶段，想搭一套属于自己的创意测试机器，联系 hello@inpander.com，或访问 Inpander。