一人公司月收 12.5 萬美元，他靠讀自己的問卷找到那段成長

Jason Zigelbaum 賣的東西是問卷。一款裝在 Shopify 店家網站上的工具，在顧客結完帳、或準備關掉頁面的那一刻跳出來問一句話，幫店家收集他們平常收不到的回饋。

2026 年上半年，這門生意的營收成長了 44%，半年多出接近 50 萬美元的年營收（他自述）。而推動它的那條線索，一直躺在他自己產品收上來的答案裡——他只是終於認真去讀了。

一個賣問卷工具的人，靠讀自己的問卷找到成長段。這件事自洽得有點好笑，也是這個案例最值得拆的地方。

先把數字和它的成色一起放上桌

Zigpoll 由 Zigelbaum 一個人經營：沒有共同創辦人、沒有外部融資、沒有業務團隊。收費方式是很單純的 SaaS 訂閱，依每月問卷回覆數分級。

他公開的營收軌跡是這樣的：

時點	數字	屬性
2025 年 11 月	約 6.8 萬美元月經常性收入（MRR）	自述
2026 年初	約 103 萬美元年經常性收入（ARR）	自述
2026 年 6 月	約 12.5 萬美元 MRR、年化約 150 萬美元	自述
2026 上半年	營收 +44%、單帳戶營收 +24%（未調漲價格）	自述

三件事要先講清楚，數字才讀得準。

第一，這些數字全部是他自己說的。 沒有第三方核實，沒有審計財報。這一點值得跟本系列上一篇擺在一起看：Rezi 的營收是營收追蹤站以唯讀 Stripe API key 直連抓的，創辦人改不了；Zigpoll 這邊沒有這層東西。兩篇的證據等級差一階，讀的時候要記得。

第二，「年化 150 萬美元」是水位，不是已經入袋的一年營收。 它的算法是把六月那個月的收入乘以十二。這是 SaaS 圈的通用講法，用來描述現在的運轉速度，跟過去十二個月實際收到多少錢是兩回事。

第三，可以獨立查證的部分只有規模訊號。 Zigpoll 在 Shopify App Store 上是 5.0 星、499 則評論，上架日期 2019 年 4 月 23 日。評論數與星等由 Shopify 平台維護，不是店家自己填的，這是本案最硬的一塊公開證據。官網另外自稱服務超過 2 萬間店家、累計收過超過 1 億則問卷回覆——這些是行銷數字，沒有外部佐證。

（順帶一提，兩處的定價也對不起來：官網列的標準版是每月 29 美元、進階版 97 美元、旗艦版 194 美元；Shopify App Store 同一天列的是 39、129、259 美元。免費方案都是每月 100 則回覆。這裡照兩處原樣並列。）

「我合作的一個自由接案者，每一間店都在用你們」

Zigelbaum 原本以為自己的用戶長什麼樣：一個品牌裡的內部電商團隊，幾個人管一間店，想知道顧客為什麼不下單。

他錯了，而且錯了一段時間。

真相是從 onboarding 問卷裡冒出來的。新用戶註冊時他會問一題「你怎麼知道我們的？」——一個大多數人設了就忘、頂多每季掃一眼的欄位。他認真去讀那些答案的時候，發現同一句話反覆出現：

「我合作的一個自由接案者，每一間店都在用你們。」

真正在帶動成長的是代理商與自由接案者。這群人接一個客戶就裝一次，一個人手上可能有幾十間店。一個這樣的帳號，重量等於一條把產品裝進幾十間店的通路。

用他自己的話說：「我把我的用戶想像成一個單一品牌的內部電商團隊，但我自己的 onboarding 答案顯示，真正的成長來自一個完全不同的區隔。」

他最貴的錯誤，正好卡在最會帶客的那群人身上

發現客群只是上半場。真正值錢的是他接著看見的東西。

當時 Zigpoll 把「整合功能」——串接電商後台、電子郵件與數據工具的那些接口——鎖在較高價的方案裡。這對一間自己用的品牌來說只是升級與否的選擇；對一個要在幾十間客戶的店裡都裝一次的代理商來說，是每一間店都要多付一次的摩擦。

「我恰恰卡住了我最想要的那群人，而我沒看出來，直到我認真去讀 onboarding 資料。」

修正很直接：把整合放進標準方案。結果是他自述單帳戶營收成長 24%，而且沒有調漲任何一檔的價格。他沒有多收錢，只是把擋在最有價值那群人面前的東西挪開。

這裡有一個對任何做訂閱產品的人都適用的檢查動作：你的方案分級，有沒有剛好卡住那群會替你帶客的人？分級設計通常是照「功能值多少錢」畫的，很少有人照「誰會替我帶來下一個客戶」重畫一次。

他還有一句關於取樣的話值得抄下來：「當你前五十份回覆裡有四十份講同一件事，你不需要第八百份回覆。你需要的是去把它修好的膽子。」

AI 在這個產品裡只做一件事：讀

「AI 賺錢」這個題材裡，多數案例賣的是 AI 生出來的東西——AI 寫的履歷、AI 做的圖、AI 唱的歌。Zigpoll 賣的是真人親口說的回饋，AI 在裡面只負責把這些回饋讀成人看得懂的東西。

具體是這幾件事：

• 自動分析開放式文字回饋，在模式浮現時直接給出可行動的結論。Zigelbaum 在 podcast 裡形容以前的做法是「手動翻一千列的 CSV 檔」。
• 用自然語言問資料，幾秒鐘拿到答案，不用自己組報表。
• 每週 AI 洞察——Shopify App Store 的上架頁顯示，所有方案都包含這一項，連免費方案也有。
• 產出 94 種以上語言的回覆，讓跨國店家的回饋能一起分析。
• 合成受訪者：AI 模擬的答題者，會照分支邏輯與跳題規則作答，用來在幾分鐘內先驗證一個假設。

前四項是同一件事的不同包裝：把開放式文字這種最難處理、最容易被丟在一邊的資料，變成不用花一整個下午就能讀完的東西。這是 AI 在小團隊產品裡最常見也最紮實的用法——接手那些原本因為太耗人力而根本沒人做的任務。

最後一項值得多看一眼。一家價值主張建立在「拿到真實顧客親口說出的回饋」的公司，同時也賣 AI 模擬出來的受訪者。兩件事各自都說得通，併在同一個產品裡，分量該怎麼算，留給讀者自己判斷。

新客有 14% 是模型帶來的，他把它當成一種新的 SEO

這是本案最新、也最少人寫的一塊。

Zigelbaum 公開的新註冊來源結構是這樣的（皆為自述）：

來源	佔新註冊
Shopify App Store	約三分之一
口碑推薦	約四分之一
AI 助理（ChatGPT／Claude／Gemini）	約 14%
Google 搜尋、YouTube、LinkedIn、podcast、付費社群廣告	合計較小

第三名是模型。有人打開 ChatGPT 問「Shopify 店家該用哪一款問卷工具」，模型報出 Zigpoll，人就來了。

他對這件事的處理方式很清楚——當成「一種新型態搜尋的 SEO 問題」：

「我確保內容、文件和定位夠清楚具體，讓一個要推薦問卷工具的模型能輕鬆解釋我的產品做什麼、給誰用。」

以及他的判斷：

「會被大型語言模型端出來的產品，是那些用途一句話講得完的產品。『給 Shopify 店家用的購買後問卷』就正好是這樣一句話。」

這句話裡有一個對做產品的人很實際的推論：模型要推薦你，得先能替你解釋你。定位模糊、功能列表很長、講不出「給誰、解決什麼」的產品，模型端不出來——它沒辦法在一句話裡替你交代清楚。

從他的行為也看得出這是有意識在做的：Zigpoll 官網上掛著自家與 Fairing、KnoCommerce 的比較內容。那正是模型在回答「這幾款差在哪」時會去撈、會去引用的素材形態。

撐過那兩年的，是前一款 app 的收入

成本與時間帳這一段，最容易被寫成勵志，所以要說得具體。

Zigpoll 花了約兩年才做出起色（他自述，之後每年營收翻倍）。兩年沒有明顯進展，一個人做，這段時間他靠什麼活？

靠他前一款 Shopify app 的收入。那款產品做的是 Shopify 商店的資料欄位管理，他自述維護它「一週只要幾個小時」，收入撐住了 Zigpoll 沒有起色的那兩年。

這是一塊緩衝墊，不是意志力。把它寫清楚，這個案例才有辦法被正確判讀：他不是在零收入的狀態下硬撐兩年，他是帶著一份低維護成本的現金流在做第二次。

起點本身也不是問卷。他 2018 年起念時想做的是「讓網站更互動、更好玩」的東西。轉向來自他自己用了工具之後——「我內部用這個工具，然後人們會送出聯絡表單和回饋表單，他們會告訴我他們想要產品變成什麼樣。」他也刻意留在熟悉的地盤：先前在電商代理商工作過，「我懂電商。所以就做一個電商的 app，丟到 Shopify App Store 上。」

技術選擇同樣服從一人維運這個前提：前後端都是 JavaScript（Express 加 MongoDB、React、Redis 快取），理由是「身為一人開發者，能靠可靠的第三方工具就靠」。

幾個數字他沒有公開，得先說明白：流失率沒有揭露，他只承認季節性的電商品牌確實會流失，並把它形容成「一個要維持無聊的數字」；獲客成本沒有揭露；淨利沒有揭露；是否有外包或約聘協力也沒有交代。「一人公司」在本案的確切意思，只到「沒有共同創辦人、沒有員工、沒有業務團隊」為止。

三分之一的命脈在 Shopify 手上，14% 在模型手上

這門生意的漂亮之處講完了，接下來是它踩著的地板。

平台依賴，而且是兩層。 約三分之一的新註冊來自 Shopify App Store。這條線由 Shopify 的分類、搜尋排序與平台政策決定，不由他決定。新冒出來的那 14% 同樣如此——模型要推薦誰、怎麼排序、下一版會不會改，他一樣沒有話語權。這條新通路和 App Store 是同一種依賴，換的只是房東。

品類擁擠，而且對手明確。 Shopify 的購買後問卷這個類別裡，Fairing、KnoCommerce、Grapevine 都在。其中 Grapevine 打的是每月 25 美元統一價、問卷與回覆數都不限——直接對撞 Zigpoll 依回覆數分級的收費結構。Zigpoll 在這組裡評論數最多（5.0 星、499 則），但那是評論數領先，不等於市占領先。

AI 分析已經從護城河變成入場券。 把幾千則開放式回覆讀成洞察，2023 年是一個差異化能力；2026 年，它是每個競品都買得到的東西。最好的證據是 Zigpoll 自己：連免費方案都送每週 AI 洞察。一項能力被放進免費方案的時候，它的任務通常已經從賺錢換成了留在牌桌上。

營收沒有第三方核實。 本文所有金額都是他自己公開的數字。他也承認這件事起步得晚：「如果重來，我會從第一天就公開做（build in public）。我今年才開始認真寫、認真公開真實數字。」

學得來的四件事，學不來的四件事

學得來的：

1. 選一個無聊、窄、但有人天天在痛的題目，然後收斂到單一客群。 Zigpoll 的成長來自把力氣壓在代理商這一群人身上，而不是把產品做寬去接所有人。
2. 去讀你自己的 onboarding 資料，特別是「你怎麼知道我們的？」那一題。 他整個 2026 上半年的成長段，是從這一題的答案裡撿出來的。這是所有成長線索裡最便宜的一種——你已經收到了，只是沒讀。
3. 照「誰會替我帶客」重畫一次方案分級。 他把整合解鎖，單帳戶營收多了 24%，一毛錢價格都沒漲。
4. 把產品用途壓縮成一句話，讓模型能替你解釋。 這是今天下午就能動手改的東西：文案、文件、定位。順帶一提，這一項對人也一樣有效。

學不來的（先天條件，得誠實列出）：

1. 他先在電商代理商工作過，進場時已經懂 Shopify 生態、懂店家在痛什麼。這種產業直覺沒有捷徑。
2. 前一款 app 的收入替他買到兩年。多數人沒有這塊緩衝墊，撐不到「約兩年才有起色」的那一天。
3. 2019 年就上架，累積出 499 則五星評論與分類位置。 今天新進者拿不到這個資產，而它直接餵養著那三分之一的新註冊。
4. 一個成熟平台現成的 app 商店通路。 不是每個題目都有 Shopify 這種地方讓你把產品擺上去。

這個案例真正告訴你的事

如果你手上有一個做了幾年、卡在某個水位的窄題工具，這個案例指出兩個具體的地方可以去翻。

第一個在你自己的資料庫裡。你的 onboarding 問卷、你的取消訂閱原因、你的客服對話——那些你設了就沒再讀的欄位。Zigelbaum 的整個成長段是從一句重複出現的話裡撿出來的，成本是他坐下來認真讀了一次。

第二個在你的文案裡。2026 年多了一條要顧的通路：模型會不會在有人問問題的時候端出你的產品，取決於它能不能用一句話替你解釋你是誰、給誰用。這條通路現在替 Zigpoll 帶進約 14% 的新註冊，而它跟 App Store 一樣，地板是別人的。

至於「一個人做到年化 150 萬美元」這件事本身——它成立的前提是一段代理商資歷、一款前作養活的兩年，以及一個 2019 年就站進去的位置。這些是這個故事的一部分，跟那個數字一樣重要。

---

更多同系列的拆解，見 AI 賺錢案例專題。