一个人跑到 12.5 万美元月收入，Zigpoll 的转折是把集成放回标准档

让 Zigpoll 明显提速的一步，是把集成功能从高价档挪回标准档。创始人 Jason Zigelbaum 自述，这次改包装之后，单账户收入在 2026 年涨了约 24%，期间没有涨过一次价。他一个人运营这家 Shopify 售后问卷 SaaS，没有合伙人、没有融资、没有销售团队，2026 年 6 月收尾时月经常收入约 12.5 万美元。

材料来自 Indie Hackers 2026 年 7 月 2 日刊发、James Fleischmann 整理的 Jason 访谈。原文正文对未登录访客折叠，本稿按 Internet Archive 2026-09-30 的完整快照逐段核对。文中收入、渠道占比都是创始人自述，没有经过审计；利润他没公开，本稿也不估。

第三个 SaaS，才是能养活自己的那个

Zigpoll 之前，Jason 已经做过两个 SaaS。一个叫 Metafields Manager，后来 Shopify 把同类能力做进了平台本身，这个产品就被吸收掉了；另一个他卖掉了。两条路都走完了，所以第三个项目的出发点很朴素：他需要一份靠得住的收入。

选题来自他的工作经历。他长期在电商代运营一侧，看着品牌把钱砸进广告和分析工具，能看到购物车被放弃，却不知道顾客为什么放弃。Zigpoll 就是补这个缺口的问卷与反馈工具，在下单后的感谢页、离站前、转化优化环节问一个问题。他举的例子是在感谢页问「差点让你没下单的是什么？」，他认为这一个问题能抵得上一次 1.5 万美元的转化审计。

钱的问题他自己扛。第一版是他一个人写的，花的主要是晚上和周末；之前那个应用每周只要几个小时维护，收入正好托底。他没拿过 VC，也没拿天使，理由是想要一家「周二下午想改就能改」的公司。

时间上并不快。按他的说法，Zigpoll 大约两年才有起色，之后每年收入翻倍。2026 年初 ARR 约 103 万美元，6 月收尾约 12.5 万美元 MRR，折算年化约 150 万美元，半年涨了约 44%。他眼下的目标是 200 万美元 ARR，也就是每月还要再加约 4.3 万美元。

真正的客户，是从问卷回答里冒出来的

很长一段时间，Jason 心里的用户画像是「某个电商品牌的内部团队」，产品和定价都按这个人设计。后来他翻「你是怎么知道我们的」这类回答，最常见的说法是：「我合作的一个自由职业者，每个项目都用你们。」

也就是说，增长主要来自代运营人员。一个自由职业者在一位客户的店里装上 Zigpoll，好用，就装到下一家，再下一家。单个品牌只是一个账户，代运营人员背后是一串店铺。

产品方向也是这样被用户推着走的。最初的想法并不聚焦售后问卷，是需求冒出来以后他才押上去，之后离站问卷、转化优化问卷、配送问卷都重复了这条路。他的原话大意是：先做四十个人要的那个小功能，他们留下来，就会复利。

定价表上那道门槛，挡住的正是最想要的人

Zigpoll 是按月付费的订阅，按收集的问卷回复量分档。Jason 说定价他重做过好几轮，每一轮都学到表格算不出来的东西。

代价最大的一次，是把集成和 AI 功能锁在高价档。放在一般 SaaS 包装逻辑里，这很常见：高级功能卖高价。可代运营人员要在十几家客户店里把 Zigpoll 接到每家都在用的工具上，这道门槛等于专门向他们多收一笔「连接费」。他承认数据里的信号存在了好几个月，他直到仔细读了入驻阶段的数据才看见。

修法是重做定价，让集成留在标准档，再有意识地为这群人做功能。按他的归因，这在很大程度上解释了今年单账户收入涨约 24%，而且没有任何一次提价。他给的结论是，最大的突破不是涨价，是看清哪类客户会自然扩张，然后专门为他们做。

流失他也提到了。客户多是小电商，有的会关店，有的季节性暂停，流失一定存在。他的处理办法是用自己的产品去问离开的人为什么走，再修他们报告的问题，让这个数字保持「无聊」。

获客：一个平台市场打底，口碑和 AI 推荐叠在上面

Jason 说没有哪一次发布成就了这门生意，没有爆帖，也没有 Product Hunt 日。他拆过新注册的来源：

• Shopify App Store 是最大单一来源，约占三分之一。他把「先做成 Shopify 应用」称为最重要的分发决定，靠的是打磨应用页、认真对待评价、缩短从安装到见效的路径。
• 口碑约占四分之一，几乎都能追溯到代运营人员，也就是上一节那群人。
• 第三大渠道是 AI 助手，约 14% 的新注册来自 ChatGPT、Claude、Gemini 的推荐。他把它当成一种新搜索的 SEO 来做，让内容、文档和定位清楚到模型能一句话讲明白「这是做什么的、给谁用」。

剩下的是 Google 搜索、少量 YouTube 和付费社交。他几乎每天在 LinkedIn 写东西，也上播客、和集成伙伴联合推广。单看都不大，但他认为这些让人在应用市场或 AI 回答里看到 Zigpoll 时，名字不陌生。他最后悔的一件事是没从第一天就公开构建，今年才开始认真写、晒真实数字，效果比他做过的大多数分发动作复利都快。

技术栈他只简单交代：前后端都是 JavaScript，后端 Express 加 MongoDB，前端 React，规模上来后加了 Redis 做缓存。他的取舍是一个人就尽量用稳定的东西和靠谱的第三方服务，把时间留给客户。

如果你也在做平台生态里的小 SaaS

下面几步是从他的经历里拆出来、一个人也能这周动手的事。

1. 翻一遍「从哪知道我们」的原始回答。 直接读原话，汇总饼图会把细节抹平。重点找「一个人在很多地方装你」的迹象：代运营、自由职业者、顾问、外包工作室。这类人往往同时是你的客户和你的渠道。
2. 对照定价表，看这类人卡在哪道门槛。 集成、席位、工作区、店铺数，哪一项是他们每个项目都要用、却被你放在高档里的。Jason 的教训是，常规包装逻辑恰好会惩罚这群人。
3. 挑一个平台市场当主渠道，把基本功做满。 对 Shopify 应用来说是应用页、评价和安装后多快看到价值。他的建议是找一个由平台替你分发的地方，争取在那里做到最好的选项。
4. 把定位写到一句话能复述。 Jason 拿到约 14% 的 AI 推荐注册，做法是让内容、文档和定位足够清楚具体，模型推荐时能顺口解释你做什么、给谁用。
5. 在用户刚做完关键动作时问一个问题。 比如付费后问「差点让你没付的是什么」。他的经验是不必等统计显著，前五十条里有四十条说同一件事，就该去改了。

这个案例的边界

Zigpoll 的分发高度依赖 Shopify，而 Jason 早年的 Metafields Manager 正是被 Shopify 内置功能吸收的。他现在的下一步是走出电商，让 SaaS 和应用公司也用起来，这既是增长目标，也可以看作在给单一平台风险找出口。

另外，「一个人」和「收入规模」要分开看。他说成本主要是基础设施、业务工具和部分付费获客，利润率是一人软件公司该有的样子，但没有给具体数字。24% 的单账户增长是他对改包装的因果归因，不是对照实验。照搬之前，先在自己的数据里确认有没有同样那群人。