צלם תמונה ותתחיל לגלגל כסף: שני תיכוניסטים השתמשו בנוסחה הזו והגיעו ל-30 מיליון דולר, וגם אתה יכול להעתיק

אתה פותח את App Store, מקליד “AI”, ומתוך 50 התוצאות הראשונות – 10 הן אפליקציות מבוססות-מצלמה. מוצרי ה-AI שהרוויחו באמת כסף בשנתיים האחרונות נראים די “מרושלים” – לא מודלים ענקיים וכל-יכולים שידברו איתך על פילוסופיה, יכתבו קוד או ייצרו סרטים שלמים, אלא כלים קטנים עם כל-כך מעט פיצ’רים שאתה שואל את עצמך “על זה באמת משלמים?”: אתה מרים את הטלפון, מצלם תמונה, מקבל תשובה אחת, ואז משלם להם עשרה דולר בחודש.

בואו נשים את המספרים הכי כואבים על השולחן ראשון.

אפליקציה בשם Cal AI, שמבצעת פעולה אחת בלבד: מצלמים את הצלחת שעומדת לאכול, והיא אומרת לך כמה קלוריות יש בה. מי שבנה אותה הם שני תיכוניסטים בני 17, והיא עלתה לאוויר במאי 2024. 18 חודשים אחר כך: מעל 15 מיליון הורדות, והכנסות שנתיות של מעל 30 מיליון דולר. בדצמבר 2025 היא נרכשה על ידי MyFitnessPal, וכל 7 חברי הצוות גויסו אליהם. דיווח של Forbes צופה שב-2026 ההכנסות יגיעו ל-50 מיליון דולר.

7 אנשים, פיצ’ר אחד של צילום, 30 מיליון דולר.

מאחורי הסיפור הזה מסתתר סט קריטריונים לסינון רעיונות שאפשר לשכפל, והוא כבר הוכח יותר מפעם אחת. היום אנחנו הולכים לפרק את הקריטריונים האלה, ולהראות לך גם את החישוב של “מה עושים כשלא יודעים לכתוב קוד”.

אחד: למשתמשים לא חסר מידע, חסר להם לא לחשוב

רוב האנשים שמפתחים מוצרים מחפשים נקודות כאב בדרך הלא נכונה. הם חושבים שחסר למשתמשים מידע – אני אספר להם, והם ישלמו.

לא נכון. ב-2026 מידע הוא הדבר הכי פחות שווה. רוצים לדעת כמה קלוריות יש בצלחת פסטה? מנוע החיפוש ייתן לכם עשרים תשובות תוך שלוש שניות, ובחינם.

אז למה Cal AI גובה תשלום?

כי מי שרוצה לרדת באחוזי שומן ויוצא לאכול בחוץ, מקבל תפריט עם עשרים מנות. הוא מבין כל מנה, אבל לא יודע מה להזמין. האם השומן גבוה? האם הפחמימות יעיפו את המכסה? אם אוכל היום הזה, האם אצטרך להשלים פעילות גופנית מחר? בתיאוריה הוא צריך: לזהות את הרכיבים, להעריך משקל בגרמים, לבדוק את צפיפות הקלוריות של כל פריט, לחבר הכול, ואז להשוות למכסה שנותרה להיום. התהליך הזה לוקח חמש דקות. שלוש ארוחות ביום, תשעים ארוחות בחודש.

זה בדיוק מה שנקרא בכלכלה התנהגותית “עייפות החלטות”: ככל שמקבלים יותר החלטות, איכות ההחלטות הבאות יורדת. לכן מה שחסר למשתמש הוא אותה תשובה ודאית שתגרום לו להפסיק להתלבט.

מישהו עשה בדיוק את זה: מצלמים מבט על התפריט, וה-AI אומר לך ישירות מה להזמין. הופך עשר דקות של התלבטות להחלטה של שלוש שניות.

האפליקציות מהסוג הזה משגשגות כיום. קחו למשל את MenuFit ב-App Store: מעל למיליון הורדות, דירוג 4.8 כוכבים, 53,900 דירוגים, ומנוי בסיסי ב-$9.99 לחודש. בתחום המנויים, מוצרים עם מיליוני הורדות ומחיר חודשי של עשרה דולר הם סוג עסק אמיתי וקיים.

שני, שלושה תנאי סינון – בלי אחד מהם זה לא עובד

אם מסתכלים על כל המקרים האלה יחד, אפשר לחלץ שלושה תנאי סינון – אלו נועדו לבחור את הכיוון, לא לשמש כנוסחה עסקית:

תרחיש בשכיחות גבוהה × קושי בבחירה × קלט מצילום

למה זה רלוונטי רק ב-2026? כי שני התנאים הראשונים כבר היו קיימים מזמן, אבל השלישי השתחרר רק כשמודלים מולטימודליים הבשילו. פעם, אם היית מבקש מהמשתמש להקליד ידנית “חזה עוף 150 גרם, ברוקולי 100 גרם”, עלות הקלט הייתה גבוהה יותר מאשר לחשב לבד – והמוצר היה נידון למוות. היום, “להרים את הטלפון” הפך לפעולה היחידה הנדרשת. המאמץ ירד מ”להקליד שלושים מילים” ל”ללחוץ פעם אחת”, ורק אז שלושת התנאים התחברו סופית.

אעבור עליהם אחד-אחד – רוב האנשים מועדים בדיוק באחת מהחוליות האלה.

תנאי 1: שכיחות גבוהה

זה צריך לקרות פעם ביום לפחות, ועדיף שלוש פעמים. ארוחות הן תרחיש מושלם – שלוש פעמים ביום, אלף פעמים בשנה. כשהמשתמש פותח את האפליקציה שלך שלוש פעמים ביום, מחסום התשלום הפסיכולוגי צנח לרצפה. לעומת זאת, צורך כמו “לעזור לך לחשב איזה תוכנית משכנתא לבחור” יידרש פעמיים בחיים, ותוכל לגבות תשלום חד-פעמי. תשלום חד-פעמי אומר שאתה תקוע לנצח במרוץ רכישת תנועה.

תנאי 2: קושי בבחירה

המשתמש חייב להיות ברגע שבו הוא חייב לקבל החלטה מיידית, אבל לא מצליח להכריע. מול תפריט, מול מדף בסופר, מול רשימת יינות – אלו נקודות חסימה קלאסיות לקבלת החלטות. לעומת זאת, “אני רוצה ללמוד על תזונה” זו לא נקודת חסימה; זה למידה, ולמידה אינה דחופה. צרכים שאינם דחופים מביאים שיעורי המרה (המרות לתשלום) נמוכים באופן קיצוני.

החלטות בלחץ רגשי מתאפיינות בעוד דבר: המשתמש קונה את תחושת ההקלה, לא את המידע. אדם שרוצה לרדת במשקל מרים את הטלפון בארוחה עסקית, מצלם, מקבל תשובה של 320 קלוריות, ואז אוכל בראש שקט. הוא לא קנה את הנתון של 320 הקלוריות, הוא קנה את ההקלה שלא להתלבט באותו רגע. זהו המקור האמיתי לנכונות לתשלום.

תנאי שלישי: קלט מצילום

מודלים מולטימודליים הם המנוע של הגל הזה. בכתבה של TechCrunch מוזכר שהדיוק של Cal AI עומד על כ-90% — לא 100%. למי שרוצה לרדת במשקל, תשובה של 3 שניות בדיוק של 90% שווה הרבה יותר מתשובה של 5 דקות בדיוק של 100%. ירידה במשקל היא משחק של סטטיסטיקה, לא מדע מדויק. שגיאה יומית ממוצעת של פחות מ-5% היא לגמרי מספיקה.

שלושה: חמישה צעדים, מאפס ועד להשקה

את חמשת הצעדים הבאים יש לבצע לפי הסדר.

צעד ראשון: לבחור תרחיש, לא פיצ’ר

קחו דף נייר, וכתבו את הרגעים בחייכם שבהם “חייבים להחליט מיד, אבל תמיד מתלבטים לרגע”. כתבו רק מצבים שבהם אתם באמת נתקעתם, אל תכתבו מה שאתם מנחשים שיתקע אחרים. הנה כמה כיוונים להשראה:

• תפריט יין בבר: איזה כוסית יין עם הכי פחות קלוריות (צורך חיוני עבור קהל הכושר, והפלח הזה בעל כוח קנייה גבוה)
• חטיפים בחנות נוחות: לצלם את הגב של האריזה, ולקבל תשובה אם אפשר לאכול את זה בתקופת דיאטה
• אוכל בשדה תעופה / תחנת רכבת: חניית ביניים של שעתיים, איך לאכול בלי לפספס את המטרה
• רכיבי מזון בסופרמרקט: לצלם את רשימת הרכיבים, ולקבל תשובה אם יש שם משהו שאני מנסה להימנע ממנו

הכיוון האחרון כבר התפוצץ. Seed Oil Scout, אפליקציה שעוזרת למשתמשים להתחמק ממסעדות וממוצרים עם שמני זרעים, מציגה נתונים גלויים של מעל מיליון הורדות, דירוג של 4.8 כוכבים ו-14 אלף ביקורות. הם בנו חנות ישירות בתוך האפליקציה, שם משתמשים יכולים ללחוץ ולקנות מוצרים תואמים – וכך הם חותכים שתי נתיבי הכנסה במכה אחת: מנויים ועמלות.

שלב שני: אמתו את הנתונים בנישה, אל תשתמשו ב-Google Trends

ברגע שבחרתם תרחיש, אל תמהרו לכתוב שורת קוד אחת. השקיעו עשרים דקות כדי לוודא שהביקוש הוא אמיתי ולא רק פרי דמיונכם.

אבל יש פה מלכודת שחייבים לדבר עליה: השיטה של שימוש ב-Google Trends ובתיבת ההשלמה האוטומטית של החיפוש פשוט לא עובדת עבור תעבורת אפליקציות. התנהגות החיפוש ב-App Store שונה לחלוטין מ-Google, והקריטריונים להערכת חום של מילות מפתח גם הם שונים לחלוטין. Cal AI בכלל לא התבססה על Google כדי לצמוח – היא הגיעה לשם בזכות אחוזי ההמרה של סרטונים ב-TikTok והדירוג ב-Product Hunt.

שיטת האימות הנכונה היא:

1. פתחו את App Store, התחברו ל-VPN בשוק היעד שלכם (למשל ארה”ב), חפשו את מילות המפתח המרכזיות באנגלית (למשל menu calorie), ובדקו אם בעשרת התוצאות הראשונות יש מוצרים דומים שעברו את רף 100 אלף ההורדות ועדיין מתעדכנים.
2. היכנסו ל-Sensor Tower (פלטפורמת נתונים חיצונית לחנויות האפליקציות) ובדקו את עקומת ההורדות של מובילי המוצרים תחת מילת המפתח הזו – האם המגמה בעלייה או בירידה.
3. ב-Reddit וב-Quora, בקהילות הרלוונטיות, חפשו ביטויים כמו “X decision” או “X help” ובדקו את צפיפות התלונות – ככל שיש יותר תלונות, הכאב האמיתי חזק יותר.

יש מוצרים דומים ששורדים ומתפקדים יציב + אנשים ב-Reddit ששואלים שוב ושוב אותן שאלות = הביקוש אמיתי לחלוטין, ולא פרי דמיונכם.

שלב שלישי: צאו לדרך, אל תכתבו הכל מאפס

אין שום סוד כמוס בערימה הטכנולוגית של Cal AI: TechCrunch כתבו על זה בדיוק. האפליקציה קוראת למודלים של Anthropic ו-OpenAI, משלבת RAG (טכנולוגיה שמאפשרת ל-AI לשלוף מידע ממאגרי ידע חיצוניים כדי לענות), ומקבלת הזנה של מאגרי נתונים מבוססי קוד פתוח לתמונות קלוריות של מזון. אין כאן מודל פרייבט, אין שום פריצת דרך אלגוריתמית – זהו מוצר שפשוט מרכיב מחדש יכולות מוכנות שכבר קיימות.

הרף הטכנולוגי שלכם בשנת 2026 נראה כך:

• זיהוי ויזואלי → פשוט תקראו לממשקים המולטימודליים של GPT / Claude (ממשקי API שמאפשרים ל-AI לזהות תמונות), תשלמו לפי קריאה, ועלות הכניסה כמעט אפסית.
• ממשק האפליקציה → תוכלו להוציא MVP (מוצר בסיסי שמיש) תוך 4-8 שבועות, ועליהם עוד 2-3 שבועות לעבור אישור IAP (רכישות בתוך האפליקציה), מדיניות פרטיות וסיווג מס.
• גביית תשלומי מנויים → רכישות בתוך App Store / Google Play, הפלטפורמה מטפלת בשבילכם בתשלומים ובהחזרים גלובליים.

האם יש לכם את האומץ לקצץ את הפיצ’רים ולהשאיר רק אחד? זה האתגר האמיתי. ל-Cal AI אין רשת חברתית, אין מאגר מתכונים, ואין תוכניות אימון. היא עושה דבר אחד בלבד, מגיעה לדיוק של 90%, ואז גובה תשלום.

בגרסה הראשונה שתפתחו, בוודאי תרצו להוסיף פיצ’רים. אל תוסיפו. כל פיצ’ר שתוסיפו רק מדלל את תחושת הוודאות של אותן שלוש שניות.

צעד 3.5: איך מתקדמים מי שלא יודע לכתוב קוד

על זה נשאלו הכי הרבה שאלות מצד הקוראים, לכן הוקצה לכך פסקה נפרדת.

אם אתם לא יודעים קוד בכלל, ב-2026 ישנו מסלול אחד שעובד:

1. בנו את הגרסה הראשונה עם Glide / Bubble / Softr / Adalo (פלטפורמות No-Code שבהן פשוט גוררים ומשליכים רכיבי ממשק כדי לבנות אפליקציה) – הכלים האלה יכולים כבר עכשיו להתחבר לממשק של GPT-4o vision, כך שטכנית זה לגמרי אפשרי לבנות אפליקציה שמזהה תמונות ומחזירה טקסט.
2. במקביל, תמצאו ב-Upwork פרילאנסר שמתמחה ב-Swift (שפת פיתוח ל-iOS), בעלות של 30-50 דולר לשעה, שיעזור לכם להמיר את אב הטיפוס מ-No-Code לאפליקציה נייטיבית שמוכנה להעלאה ל-App Store.
3. תלמדו בעצמכם לעבוד עם Cursor + Claude Code (כלי כתיבת קוד מבוססי AI), כדי לבצע את האיטרציות הבאות.

המסלול הזה קצת יותר איטי, אבל לא דורש מכם ללמוד תכנות מאפס. גרסה ראשונה תוך 8-12 שבועות, בתקציב של 10,000-30,000 דולר (כולל מנוי No-Code + פרילאנסר + חשבון Apple Developer ב-99 דולר לשנה) – ויש לכם גרסה שמוכנה להעלות לחנות.

שלב רביעי: לכתוב את המילה “AI” לתוך חנות האפליקציות

בדוח של Sensor Tower יש נתון קריטי: Cal AI דחפה בממוצע 35 מילות מפתח הקשורות ל-AI לתוך תיאור האפליקציה בחנות בכל רבעון. התוצאה? מילות חיפוש הקשורות ל-AI הביאו לה 25% מכלל ההורדות האורגניות מחיפוש.

רבע מכלל התנועה האורגנית מגיע פשוט מזה שכתבתם “AI” בכותרת ובתיאור.

חנויות האפליקציות מתייחסות ל-“AI” כתגית קטגוריה לכל דבר ועניין. מוצרים שהמילה הזו מופיעה בכותרת שלהם נכנסים ישר לבריכת החיפוש של AI – וזה קשור ישירות למנגנון משקל מילות המפתח ב-ASO (אופטימיזציה לחיפוש בחנות האפליקציות). כרגע יש מסה עצומה של משתמשים שמחפשים ישירות ב-App Store דברים כמו “AI food”, “AI scanner”, “AI menu”. הם לא מחפשים את המותג שלך, הם מחפשים את הקטגוריה. אם המילים האלו לא מופיעות בשם האפליקציה, בכותרת המשנה או בתיאור שלך – אתה לא תיקח מהטראפיק הזה אפילו לא גולש אחד.

זו העבודה הכי זולה וחד-פעמית� שאתה יכול לעשות, והיא מחזיקה לתקופה ארוכה מאוד.

שלב חמישי: התמחור מתחיל ממנוי חודשי, לא ממכירה חד-פעמית

9.99 דולר לחודש זה עוגן המחיר המוכח בנישה הזו.

למה לא מכירה חד-פעמית? כי הערך בתרחישי שימוש בתדירות גבוהה משתחרר בצורה רציפה. המשתמש משתמש היום, ויצטרך להשתמש גם מחר. מודל מכירה חד-פעמית מרסק את ההכנסה שלך לפעם אחת, וכך אתה נאלץ לקנות טראפיק עד סוף ימיך. לעומת זאת, מודל מנויים מבטיח שמשתמש שנרשם אצלך היום, ימשיך לשלם לך גם בשנה הבאה.

חישוב גולמי אבל צלול: 10,000 משתמשים משלמים × 9.99 דולר × 12 חודשים ≈ 1.2 מיליון דולר הכנסה שנתית. אבל זה רווח תקרת המכירות, לא הכסף שנכנס לך לכיס. אחרי ניכוי:

• עמלת 30% של App Store → נשארים עם 840 אלף
• עלות API של המודל (לפי GPT-4o vision $0.01-0.03 לשיחה, 10 אלף משתמשים מצלמים 3 פעמים ביום = 90 אלף שיחות/יום ≈ 27-80 אלף דולר בחודש) → נשארים עם 760-810 אלף
• עלות רכישת משתמשים (eCPI ממוצע לאפליקציות בריאות ב-iOS בארה”ב עומד על כ-2-4 דולר, 10 אלף משתמשים משלמים אומרים 200-500 אלף הורדות) → תקציב קניית מדיה של 3-20 מיליון דולר
• שיעור החזרים כספיים סטנדרטי של 8-25% במודל מנויים → עוד חיתוך של 20%

הרווח הנקי בפועל עשוי לנוע בין 300 ל-600 אלף דולר, וזו עדיין המספרים שרק מערכת בסדר גודל של Cal AI מסוגלת להגיע אליהם. זו עסקיה קטנה שיכולה להחזיק 1-2 אנשים, ולא 1.2 מיליון דולר נקי שנכנסים לכיס.

ארבע. הקשיים האמיתיים בדרך הזו

סידרתי את הקשיים לפי כמה הם תקעו אותך, לא לפי סיכויי ההתרחשות שלהם.

קושי ראשון: שיווק הוא החומה, טכנולוגיה לא

צריך להקדיש לזה פסקה נפרדת, כי השלבים הקודמים שפירקו את רף הכניסה הטכנולוגי לרסיסים, ייצרו אצלך אשליה ש”גם שיווק ניתן לפתרון” — וזו טעות קריטית.

מילות מפתח בחנות האפליקציות יכולות להניב לכם חלק מהתנועה, אבל כדי להגיע למיליון הורדות כמעט בלתי־אפשרי בלי לקנות מדיה. באזור ארה”ב, מחיר CPI (עלות להתקנה) לאפליקציות בריאות ב-iOS נע בדרך כלל בין 4 ל-8 דולר, ואחרי ערבוב עם תנועה אורגנית ה-eCPI מגיע לכ-2 עד 4 דולר. מיליון הורדות פירושן לפחות 2 עד 4 מיליון דולר תקציב רכש מדיה. זה לא תקציב של תלמיד תיכון, זה תקציב של סטארטאפ שצריך לגייס סבב A.

האנשים שמאחורי Cal AI השקיעו הרבה יותר מאמץ בשיווק מאשר בכתיבת קוד. לסיים את הפיתוח זה רק ההתחלה, לא הסוף — והמשפט הזה אמיתי, לא סתם קלישאה.

אם עסקתם בעבר במסחר אלקטרוני, הנה בשורה טובה בשבילכם: היכולת שלכם לקנות מדיה ב-Meta וב-TikTok, והניסיון שלכם במילות מפתח ל-ASO ב-Amazon (אופטימיזציית Listing), יכולים לעבור ישירות ל-ASA ב-App Store (Apple Search Ads). זה כרטיס הכניסה שלכם, ולא אכפת לכם אם אתם לא יודעים לכתוב קוד.

אם מעולם לא קניתם מדיה, בדרך הזו קודם צריך להשלים את הפער הזה לפני שמתחילים.

קושי שני: הנוסחה היא תנאי הכרחי, לא תנאי מספיק

שלושת תנאי הסינון רק מסבירים “למה מישהו מוכן לשלם”, אבל לא מסבירים “למה אתם אלה שיקבלו את הכסף הזה”.

חפיר ההגנה של Cal AI אינו “מיעוט פיצ’רים”, אלא גלגל הנתונים שנוצר מ-15 מיליון צילומים – כל תמונה עברה תיקון של מודל או אנושי, כך שמאגר זיהוי המזון שלה מדויק בהרבה מזה של מתחרים חדשים. מתחרה חדש שיצלם מיליון פעם עדיין לא יספיק. זה נכס נתונים שנבנה עם זמן – הנוסחה לא יכולה לתת לך את זה.

קוראים יחשבו “גם אני יכול לשכפל את Cal AI”, אבל הקושי לעבור מ-0 ל-10,000 משתמשים משלמים – הנוסחה ממעטת בערכו. שלושה תנאים יכולים למנוע ממך ליפול למלכודות הכי ברורות, אבל האם תצליח לפרוץ – תלוי בשילוב של חוויית מוצר + שיווק + יכולת ביצוע של הצוות.

קושי שלישי: חפיר ההגנה רדוד, אבל יש לו צד עמוק

אתה בונה מוצר שאפשר להסביר במשפט אחד, ולכן גם אחרים יכולים להעתיק אותו במשפט אחד. הגישה המקובלת היא “מהירות ועומק אנכי” – מי שראשון הופך לאופציה ברירת המחדל בתודעת המשתמשים בנישה מספיק צרה, רוכש את תעבורת החיפוש של מילת המפתח הזו. אבל אין קליע כסף בדרך הזו: 1,000 התגובות הראשונות, תפיסת מילות מפתח, וחיפושים של מונח המותג – אלה נכסים שדורשים זמן לצבירה.

החפיר העמוק יותר נמצא בנתוני המשתמשים – אחרי 100 מיליון צילומים, מאגר הזיהוי שלך מדויק ב-5% יותר מזה של מתחרה חדש. ה-5% האלה הם שיקבעו אם תדורג ראשון בתוצאות החיפוש.

קושי רביעי: פיצול שמועות השוק הוא המצב הרגיל

ל-MenuFit יש דירוג של 4.8 כוכבים ב-App Store, אבל הניקוד בביקורות הטקסט בלבד עומד על 2.7 בלבד — רוב הביקורות השליליות מתמקדות בחוויית המנוי והחיוב. ה-4.8 הוא ממוצע הכוכבים העולמי, ואילו ה-2.7 משקף את ניקוד החוויה בפועל כשמשתמשים כותבים ביקורת טקסטואלית. חוויית מנוי וחיוב גרועה היא תופעה נפוצה וכואבת בענף הזה.

אין שום בעיה לעשות כסף ממודל מנויים, אבל להתעשר מכך שאתה מקשה על משתמשים לבטל את המנוי — זה ייגמר בתאונה. בסוף הדרך הזו מחכים רק המון ביקורות שליליות והסרת האפליקציה מהחנות.

5. מסגרת הבדיקה ל-30 יום

אם ההערכות למעלה נשמעות לך הגיוניות, קח את מסגרת הבדיקה ל-30 יום ותתחיל לפעול —

ימים 1-3: רשום חמישה תרחישים, בחר את זה שהכי תקוע עבורך, ולך לאמת אותו ב-App Store וב-Reddit לפי השיטה בשלב השני.

ימים 4-7: בנה אב-טיפוס ללא קוד עם Glide / Bubble / Softr + כוון פעם אחת זיהוי תמונה (גם אם תזהה רק מנה אחת). עלות: 0-50 דולר. נקודת החלטה: האם רמת הדיוק של הזיהוי מגיעה ל-70% ומעלה? אם לא — החלף תרחיש.

ימים 8-14: מצא 20 משתמשי יעד (חפש ב-Reddit / Discord / Pinterest) לניסוי חינמי, ואסוף פידבק אמיתי לשאלה “האם ישלמו על זה”. נקודת החלטה: אם לפחות 3 מתוך 20 האנשים יגידו “אני מוכן לשלם 9.99/חודש” — תמשיך; אחרת — החלף תרחיש.

ימים 15-30: למצוא מפתח Swift בפרילננס לשכתב את הגרסה המקורית + לכתוב חומרים ל-App Store + להתכונן להעלאת IAP. תקציב 3,000-8,000 דולר. נקודת החלטה: ביום ה-30, האם יש לך ביטחון שתשיג 100 משתמשים משלמים אמיתיים תוך 60 יום? אם לא – תעצור.

האינסטינקט של ותיקי מסחר אלקטרוני הוא “אם קמפיינים פרסום מביא ROI חיובי – ממשיכים, אם לא – עוצרים מיד” – הכלל הזה תקף בדיוק אותו דבר גם לאפליקציות. אם תוך 30 יום אפשר לאמת את הכיוון – מאמתים. אם לא – מחליפים כיוון. להתעקש על משהו שלא עובד זו ההוצאה הגדולה ביותר בתחום הזה.

את הדף עם חמשת התרחישים, אני ממליץ שתיקח עכשיו.

העלות הגדולה ביותר של אנשים רגילים בבניית מוצרים אינה כסף, אלא ההמתנה ל”רעיון גדול יותר” – ואז לא לעשות כלום. שני תלמידי תיכון בני 17 לא חיכו, הם בנו פיצ’ר צילום, ו-18 חודשים לאחר מכן נרכשו על ידי MyFitnessPal. אתה לא גרוע מהם, אבל תהיה לאט מהם – אלא אם כן תתחיל היום לצלם את התמונה הראשונה.

תרים את הטלפון.