Chỉ cần chụp một tấm ảnh là có tiền: Hai học sinh trung học dùng công thức này đạt 30 triệu USD, bạn cũng có thể “sao chép”

Bạn mở App Store, gõ “AI”, 10 trong số 50 kết quả đầu tiên là các ứng dụng chụp ảnh. Những sản phẩm AI thực sự kiếm được tiền trong hai năm nay trông đều rất “tầm thường” — không phải là những mô hình ngôn ngữ lớn đa năng có thể trò chuyện triết học với bạn, viết code hay tạo ra phim ảnh, mà là những món đồ nhỏ bé với ít tính năng đến mức khiến người ta phải hoài nghi “kiểu này mà cũng tính phí sao?”: bạn cầm điện thoại lên chụp một tấm ảnh, nó trả lời lại cho bạn một câu, và rồi bạn trả cho nó 10 USD mỗi tháng.

Hãy đặt con số phũ phàng nhất lên trước.

Một ứng dụng tên là Cal AI, chỉ có duy nhất một tính năng: chụp bữa ăn bạn định ăn, nó sẽ cho bạn biết chứa bao nhiêu calo. Người tạo ra nó là hai học sinh trung học 17 tuổi, ra mắt vào tháng 5 năm 2024. 18 tháng sau: lượt tải xuống vượt 15 triệu, doanh thu hàng năm vượt 30 triệu USD. Tháng 12 năm 2025 bị MyFitnessPal thâu tóm, toàn bộ đội ngũ 7 người được nhận vào làm. Forbes dự báo doanh thu năm 2026 sẽ đạt 50 triệu USD.

7 người, một tính năng chụp ảnh, 30 triệu USD.

Đằng sau đó là một bộ điều kiện lọc có thể tái sử dụng, và nó đã được xác chứng không chỉ một lần. Hôm nay hãy mổ xẻ các điều kiện này, kể cả vấn đề “Tôi không biết viết code thì sao?” cũng sẽ được tính toán giải đáp cho bạn xem.

Một, Người dùng không thiếu thông tin, thứ họ thiếu là không cần động não

Đa số mọi người khi làm sản phẩm đều đang tìm “nỗi đau” (pain point) theo cách sai. Họ cứ nghĩ người dùng đang thiếu thông tin — mình chỉ cần nói cho họ biết, họ sẽ móc hầu bao ra trả tiền.

Sai bét. Thông tin vào năm 2026 là thứ rẻ mạt nhất. Bạn muốn biết một đĩa mì Ý chứa bao nhiêu calo? Công cụ tìm kiếm chỉ mất 3 giây để nhả ra cho bạn 20 câu trả lời, lại còn miễn phí.

Vậy dựa vào cái gì mà Cal AI lại thu tiền người dùng?

Bởi vì một người đang trong giai đoạn cắt giảm mỡ, khi đi ăn nhà hàng, cầm thực đơn lên với 20 món, món nào họ cũng đọc hiểu hết, nhưng họ không biết nên gọi món nào. Mỡ có cao không? Tinh bột có vượt ngưỡng không? Ăn bữa nay thì ngày mai có phải bù đắp bằng tập luyện không? Về lý thuyết, họ phải: nhận diện nguyên liệu, ước lượng gram, tra lượng calo của từng loại, cộng lại, rồi đối chiếu xem hôm nay còn bao nhiêu chỉ tiêu. Quá trình này tốn tới 5 phút, một ngày 3 bữa, một tháng 90 bữa.

Đây chính là hiện tượng “kiệt sức vì quyết định” (decision fatigue) trong kinh tế học hành vi: càng phải ra nhiều quyết định, chất lượng của những quyết định sau càng tệ. Vậy nên, thứ người dùng thực sự thiếu là một câu trả lời chắc chắn đến mức khiến họ phải “im lặng và làm theo”.

Có người đã làm ra cái này: chỉ cần chụp một tấm ảnh thực đơn, AI sẽ nói thẳng cho bạn biết nên gọi món nào. Rút ngắn 10 phút chần chừ xuống thành 3 giây quyết định.

Thể loại app này hiện nay đang sống rất khấm khá. Lấy ví dụ MenuFit trên App Store: lượt tải xuống vượt 1 triệu, 4.8 sao với 53.900 lượt đánh giá, gói đăng ký cơ bản 9,99 USD/tháng. Trong mảng mô hình đăng ký, một sản phẩm đạt mức tải xuống hàng triệu kết hợp với phí hàng tháng 10 USD là một mô hình kinh doanh có thật, có dòng tiền rõ ràng.

Hai: Ba điều kiện sàng lọc, thiếu một cái cũng coi như bỏ

Ghép tất cả các case study trên lại, ta có thể đúc kết ra ba điều kiện sàng lọc — đây là bộ lọc để chọn hướng đi, chứ không phải một công thức kinh doanh cố định:

Tần suất cao × Lúng túng khi lựa chọn × Nhập liệu bằng ảnh

Tại sao đến năm 2026 mới hội đủ điều kiện? Bởi vì hai điều kiện đầu đã có sẵn từ lâu, còn cái thứ ba phải đợi đến khi các mô hình đa phương thức (multimodal) trưởng thành mới được “mở khóa”. Trước đây, nếu bạn bắt người dùng tự gõ “ức gà 150 gram, súp lơ 100 gram”, thì chi phí thao tác còn cao hơn cả việc tự họ tính toán, sản phẩm chắc chắn sẽ chết yểu. Giờ đây, “giơ điện thoại lên” đã trở thành thao tác duy nhất, nỗ lực của người dùng giảm từ “gõ ba mươi chữ” xuống chỉ còn “chạm một cái”, lúc này ba điều kiện kia mới cuối cùng hội tụ đủ.

Để tôi phân tích rõ từng cái một — phần lớn mọi người đều vấp ngã ở đúng một trong số các mắt xích này.

Điều kiện 1: Tần suất cao

Xảy ra hơn một lần mỗi ngày, tốt nhất là ba lần. Ăn uống là một kịch bản hoàn hảo — ba lần một ngày, một nghìn lần một năm. Khi người dùng mở app của bạn ba lần mỗi ngày, rào cản tâm lý để họ rút ví trả tiền sẽ thấp đến mức khó tưởng tượng. Ngược lại, những nhu cầu kiểu “giúp tôi tính xem nên chọn phương án trả góp vay mua nhà nào” thì cả đời người ta chỉ dùng hai lần, bạn chỉ có thể thu phí một lần. Mà tiền thu một lần đồng nghĩa với việc bạn sẽ phải vĩnh viễn đi mua traffic.

Điều kiện 2: Lúng túng khi lựa chọn

Người dùng phải đang ở trong thời điểm bắt buộc phải ra quyết định ngay lập tức, nhưng lại không thể quyết định được. Đứng trước menu gọi món, trước kệ siêu thị, hay trước danh sách rượu, đó chính là những “điểm nghẽn” ra quyết định. Còn câu nói “tôi muốn tìm hiểu về dinh dưỡng học” không phải là điểm nghẽn, đó là học tập. Học tập thì không mang tính cấp bách, và những nhu cầu không cấp bách thì tỷ lệ chuyển đổi trả tiền cực kỳ thấp.

Quyết định dưới áp lực tâm lý có một đặc điểm: người dùng trả tiền để mua cảm giác giải thoát, chứ không phải mua thông tin. Một người đang giảm cân nâng điện thoại lên chụp ảnh món ăn trên bàn tiệc, đọc thông báo “320 calo”, rồi yên tâm ăn tiếp — thứ họ mua không phải là con số 320 calo đó, mà là sự giải thoát khỏi sự giằng xé trong khoảnh khắc ấy. Đó mới chính là nguồn gốc thực sự của willingness to pay (sự sẵn sàng chi trả).

Điều kiện 3: Nhập liệu bằng chụp ảnh

Các mô hình đa phương thức (multimodal) chính là động cơ của làn sóng này. Bài báo trên TechCrunch có đề cập rằng tỷ lệ nhận diện của Cal AI đạt khoảng 90% — không phải 100%. Với những người đang giảm cân, một câu trả lời trong 3 giây với độ chính xác 90% có giá trị hơn rất nhiều so với một câu trả lời trong 5 phút với độ chính xác 100%. Giảm cân là một trò chơi của thống kê, không phải khoa học chính xác tuyệt đối; sai số trung bình ngày dưới 5% là hoàn toàn đủ dùng.

Ba, Năm bước, từ con số 0 đến khi ra mắt

Năm bước dưới đây, hãy làm theo đúng thứ tự.

Bước 1: Chọn tình huống, đừng chọn tính năng

Lấy một tờ giấy, viết ra những khoảnh khắc trong cuộc sống của bạn mà “bắt buộc phải quyết định ngay, nhưng mỗi lần đều phải đắn đo”. Chỉ viết những tình huống mà bản thân bạn thực sự từng bế tắc, đừng viết những thứ bạn đoán người khác sẽ bế tắc. Tham khảo một vài hướng sau:

• Thực đơn tại quầy bar: ly rượu nào có lượng calo thấp nhất (nhu cầu thiết yếu của tệp khách hàng tập gym, và nhóm này có sức mua rất mạnh)
• Đồ ăn vặt ở cửa hàng tiện lợi: chụp mặt sau bao bì, cho tôi biết có ăn được trong giai đoạn giảm mỡ hay không
• Đồ ăn tại nhà hàng sân bay / ga tàu: chờ chuyển chuyến 2 tiếng, ăn thế nào để không hỏng kế hoạch
• Bảng thành phần tại siêu thị: chụp danh sách nguyên liệu, cho tôi biết có chứa thứ tôi đang cố gắng kiêng hay không

Hướng cuối cùng này đã chứng minh được mô hình. Seed Oil Scout, một app chuyên giúp người dùng né các nhà hàng và thực phẩm chứa seed oil, công bố dữ liệu đạt hơn 1 triệu lượt tải, 4.8 sao với 14.000 lượt đánh giá. Nó tích hợp ngay một cửa hàng trực tiếp trong app, người dùng có thể click vào mua các sản phẩm đạt chuẩn — ăn song song hai dòng tiền: phí đăng ký và hoa hồng.

Bước 2: Xác thực bằng dữ liệu ngách, đừng dùng Google Trends

Chọn xong ngách, đừng vội viết code. Dành 20 phút để xác thực xem nhu cầu có phải do bạn tự ảo tưởng hay không.

Nhưng có một cái bẫy cần nói trước: phương pháp dùng Google Trends và gợi ý tìm kiếm (autocomplete) hoàn toàn không áp dụng được cho lưu lượng App. Hành vi tìm kiếm trên App Store khác hoàn toàn với Google, tiêu chuẩn đánh giá độ nóng của từ khóa cũng không giống nhau. Bản thân Cal AI cũng chẳng dựa vào Google để bứt phá, nó dựa vào tỷ lệ chuyển đổi từ video TikTok và thứ hạng trên Product Hunt.

Cách xác thực đúng đắn là:

1. Mở App Store, kết nối VPN tới thị trường mục tiêu (ví dụ: khu vực Mỹ), tìm kiếm từ khóa tiếng Anh cốt lõi của bạn (ví dụ: menu calorie), xem trong 10 kết quả hàng đầu có sản phẩm cùng loại nào đạt hơn 100.000 lượt tải xuống và vẫn đang được cập nhật không.
2. Lên Sensor Tower (nền tảng dữ liệu bên thứ ba của cửa hàng ứng dụng) tra cứu đường cong lượt tải xuống của các sản phẩm top đầu dưới từ khóa này, xem xu hướng là đang tăng hay giảm.
3. Tìm kiếm “X decision”, “X help” trên các subreddit liên quan của Reddit, Quora, xem mật độ phàn nàn — càng nhiều người than vãn, điểm đau càng chân thực.

Có sản phẩm cùng loại đang tồn tại ổn định + trên Reddit có người liên tục hỏi các câu hỏi tương tự = Nhu cầu là có thật, không phải do bạn tự ảo tưởng.

Bước 3: Hành động, đừng tự code từ con số 0

Tech stack của Cal AI không có bí mật gì: TechCrunch đã viết rất rõ ràng, nó gọi API mô hình của Anthropic và OpenAI, kết hợp thêm RAG (công nghệ giúp AI truy xuất cơ sở kiến thức bên ngoài để trả lời), rồi nạp thêm một batch cơ sở dữ liệu hình ảnh lượng calo thực phẩm mã nguồn mở. Không có mô hình tự nghiên cứu, không có đột phá thuật toán — đây là một sản phẩm tổ hợp lại các năng lực có sẵn.

Năm 2026, rào cản kỹ thuật của bạn sẽ là như sau:

• Nhận diện hình ảnh → gọi thẳng API đa phương thức của GPT / Claude (tức API cho phép AI nhận diện ảnh), trả tiền theo lượt gọi, chi phí khởi động gần như bằng không.
• Giao diện ứng dụng → có thể ra MVP (bản dùng được tối thiểu) trong 4–8 tuần, cộng thêm 2–3 tuần duyệt IAP (mua hàng trong ứng dụng), chính sách bảo mật, phân loại thuế.
• Thu tiền đăng ký → mua hàng trong App Store / Google Play, nền tảng xử lý thanh toán và hoàn tiền toàn cầu cho bạn.

Bạn dám chặt tính năng xuống chỉ còn đúng một cái không, đây mới là phần khó. Cal AI không có tính năng xã hội, không có kho công thức, không có kế hoạch tập luyện. Nó chỉ làm đúng một việc, làm chính xác tới 90%, rồi thu tiền.

Bản đầu tiên bạn làm chắc chắn sẽ muốn thêm tính năng. Đừng thêm. Mỗi tính năng bạn thêm đều đang pha loãng cảm giác chắc chắn trong ba giây đó.

Bước 3.5: Người không biết viết code đi đường nào

Đây là câu được nhiều độc giả hỏi nhất, nên viết riêng.

Nếu bạn hoàn toàn không biết code, năm 2026 có một đường đi được:

1. Dùng Glide / Bubble / Softr / Adalo (các nền tảng no-code, chỉ cần kéo thả component là ráp được app) để làm bản đầu tiên — giờ mấy tool này gọi được API GPT-4o vision, làm một app nhận diện ảnh rồi trả text là chuyện kỹ thuật hoàn toàn khả thi.

2. Đồng thời lên Upwork thuê một freelancer biết Swift (ngôn ngữ dev iOS), giá 30–50 USD/giờ, để họ rewrite prototype no-code thành app native lên được App Store.

3. Tự học Cursor + Claude Code (tool AI viết code), để lo phần iterate sau.

Lộ trình này chậm hơn một chút, nhưng không cần bạn học code từ con số 0. Bản đầu 8–12 tuần, ngân sách 10.000–30.000 USD (bao gồm subscription no-code + freelancer + tài khoản Apple Developer 99 USD/năm) là ra được bản up lên store được.

Bước 4: Nhét chữ “AI” vào app store

Trong một báo cáo của Sensor Tower có một số liệu rất quan trọng: Cal AI nhồi trung bình 35 từ khóa liên quan đến AI vào mô tả trên app store mỗi quý, kết quả là các từ khóa tìm kiếm AI mang về 25% lượt download từ tìm kiếm của họ.

Một phần tư traffic tự nhiên, đến từ việc “viết AI vào title và mô tả”.

App Store đang gắn “AI” như một nhãn phân loại để đánh chỉ mục. Bất kỳ sản phẩm nào có từ này trong tiêu đề đều sẽ lọt vào bể tìm kiếm AI — điều này liên quan trực tiếp đến cơ chế trọng số từ khóa trong ASO (Tối ưu hóa tìm kiếm trên App Store). Hiện nay có lượng lớn người dùng vào thẳng App Store để tìm “AI food”, “AI scanner”, “AI menu”. Họ không tìm thương hiệu của bạn, họ tìm chính phân loại này. Nếu tên app, phụ đề và phần mô tả của bạn không chứa những từ khóa này, bạn sẽ không nắm được một giọt traffic nào.

Đây là công việc một lần rẻ nhất, làm xong là ăn bữa lâu.

Bước 5: Định giá bắt đầu từ gói thuê bao hàng tháng, đừng làm mua đứt bán đoạn

9.99 USD/tháng chính là mỏ neo giá đã được kiểm chứng trong ngách này.

Tại sao không làm mua đứt? Giá trị của các kịch bản sử dụng tần suất cao được释放 liên tục, người dùng hôm nay dùng xong ngày mai vẫn phải dùng tiếp. Mô hình mua đứt sẽ nén doanh thu của bạn thành một lần duy nhất, ép bạn phải mua traffic mãi mãi. Trong khi đó, mô hình subscription cho phép những người dùng ký hợp đồng hôm nay, sang năm vẫn tiếp tục trả tiền cho bạn.

Một phép tính thô nhưng tỉnh táo: 10.000 người dùng trả phí × 9.99 USD × 12 tháng ≈ 1.2 triệu USD doanh thu mỗi năm. Nhưng đây là doanh thu trần, không phải là tiền trong túi bạn. Trừ đi:

• Apple chia 30% doanh thu trên App Store → còn lại 840 nghìn
• Chi phí API model (theo GPT-4o vision $0.01-0.03/lần, 10.000 người chụp 3 ảnh mỗi ngày = 90.000 lần/ngày ≈ 27.000-80.000 USD/tháng) → còn lại 760.000-810.000
• Chi phí thu hút người dùng (eCPI trung bình cho mảng Health trên iOS tại Mỹ khoảng 2-4 USD, 10.000 người dùng trả phí đồng nghĩa với việc cần 200.000-500.000 lượt tải về) → ngân sách chạy ads khoảng 300.000-2.000.000 USD
• Tỷ lệ hoàn tiền phổ biến 8-25% cho mô hình subscription → tiếp tục trừ đi thêm 20%

Lợi nhuận ròng thực tế có thể rơi vào khoảng 300.000-600.000 USD, và đây còn là con số mà một sản phẩm đạt quy mô như Cal AI mới làm được. Một mô hình kinh doanh nhỏ gọn vừa đủ nuôi sống 1-2 người, chứ không phải con số 1,2 triệu rơi ngay vào túi như bạn tưởng.

4. Những “nút thắt” thực sự trên con đường này

Tôi sắp xếp các khó điểm theo mức độ “bóp nghẹt” bạn, chứ không xếp theo xác suất xảy ra.

Khó điểm 1: Marketing mới là bức tường chặn, công nghệ thì không

Phần này phải tách ra nói riêng, bởi vì vài bước trước đã hạ thấp rào cản công nghệ đến mức khiến bạn lầm tưởng rằng “marketing cũng dễ xử lý luôn” — đây là một sai lầm chết người.

Từ khóa trên App Store có thể mang lại cho bạn một phần lưu lượng, nhưng để đạt mốc một triệu lượt tải về, gần như chắc chắn bạn phải chạy quảng cáo trả phí. Ở thị trường Mỹ, chi phí CPI (Cost Per Install) cho ứng dụng iOS mảng sức khỏe phổ biến ở mức 4-8 USD; sau khi pha trộn với lưu lượng tự nhiên, eCPI rơi vào khoảng 2-4 USD. Một triệu lượt tải về đồng nghĩa với việc bạn cần ngân sách chạy quảng cáo ít nhất 2-4 triệu USD. Đây không phải mức ngân sách của một học sinh trung học, mà là ngân sách dành cho một startup chuẩn bị gọi vốn vòng Series A.

Nhóm làm Cal AI đổ sức lực vào marketing còn nhiều hơn cả viết code. “Hoàn thành sản phẩm chỉ là điểm bắt đầu, không phải điểm kết thúc” – câu này là sự thật, không phải câu sáo rỗng.

Nếu bạn từng làm thương mại điện tử, thì đây là tin tốt: Kỹ năng chạy quảng cáo trên Meta và TikTok, kinh nghiệm tối ưu từ khóa Amazon ASO (Listing Optimization) của bạn có thể chuyển đổi trực tiếp sang App Store ASA (Apple Search Ads). Đó là tấm vé vào cửa của bạn, có không biết viết code cũng không sao.

Nếu bạn chưa từng chạy quảng cáo trả phí, con đường này bắt buộc bạn phải bổ sung kiến thức đó trước khi bắt tay vào làm.

Khó khăn 2: Công thức là điều kiện cần, không phải điều kiện đủ

Ba điều kiện sàng lọc chỉ giải thích “tại sao có người sẵn sàng trả tiền”, chứ không giải thích “tại sao người lấy được số tiền đó lại là bạn”.

Lợi thế cạnh tranh của Cal AI không nằm ở việc “ít tính năng”, mà ở vòng lặp dữ liệu tạo ra từ 15 triệu lượt chụp ảnh—mỗi bức ảnh đều được mô hình hoặc con người hiệu chỉnh, nên kho dữ liệu nhận dạng thực phẩm của nó chính xác hơn nhiều so với những kẻ đến sau. Đối thủ mới có chụp 1 triệu lượt cũng chẳng đủ bù đắp. Đây là tài sản dữ liệu, được tích lũy theo thời gian, công thức không thể mang lại cho bạn.

Độc giả sẽ nghĩ “tôi cũng có thể sao chép Cal AI”, nhưng độ khó để đi từ 0 lên 10.000 người dùng trả phí đã bị công thức đánh giá quá thấp. Ba điều kiện sau có thể giúp bạn không dẫm vào những hố rõ ràng nhất, nhưng có bứt phá được hay không lại phụ thuộc vào tổng hợp sức mạnh giữa trải nghiệm sản phẩm + marketing + năng lực thực thi của đội ngũ.

Khó khăn 3: Rào cản cạnh tranh rất nông, nhưng vẫn có mặt sâu hơn

Bạn đang làm một sản phẩm “tính năng có thể tóm tắt trong một câu”, đồng nghĩa với việc người khác cũng có thể sao chép nó chỉ trong một câu. Cách làm thông thường là “tốc độ và chiều sâu theo ngách”—ai chiếm lĩnh được từ khóa và trở thành lựa chọn mặc định trong tâm trí người dùng tại một ngách đủ hẹp trước, người đó sẽ nắm trọn lưu lượng tìm kiếm của từ khóa đó. Nhưng trên con đường này không có viên đạn bạc: 1.000 đánh giá đầu tiên, việc chiếm lĩnh từ khóa, lưu lượng tìm kiếm thương hiệu—tất cả đều là tài sản cần thời gian tích lũy.

Rào cản sâu hơn nằm trong dữ liệu người dùng—sau khi bạn ghi nhận 1 triệu lượt chụp, kho nhận dạng của bạn sẽ chính xác hơn đối thủ mới 5%. Chính 5% này sẽ quyết định bạn có thể đứng top 1 trong kết quả tìm kiếm hay không.

Khó khăn 4: Sự phân hóa đánh giá là điều bình thường

MenuFit trên App Store đạt 4.8 sao, nhưng điểm đánh giá bằng văn bản của người dùng chỉ có 2.7 — phần lớn review tiêu cực tập trung vào trải nghiệm đăng ký và trừ tiền. 4.8 là số sao trung bình toàn cầu, còn 2.7 là điểm trải nghiệm thực tế khi người dùng viết review; trải nghiệm đăng ký/trừ tiền tệ là hiện tượng phổ biến trong ngách này.

Kiếm tiền bằng mô hình subscription không vấn đề, nhưng sống dựa vào việc làm người dùng khó hủy đăng ký thì chắc chắn sẽ lật xe — đường đó đi đến cùng chỉ là review tiêu cực dồn dập và bị nền tảng gỡ app.

5. Khung thử nghiệm 30 ngày

Nếu bạn thấy nhận định trên đứng, thì cứ theo khung thử nghiệm 30 ngày này mà hành động —

Ngày 1–3: Liệt kê 5 tình huống, chọn ra cái khó nhằn nhất với bản thân, theo cách ở bước 2 thì lên App Store và Reddit để xác minh.

Ngày 4–7: Dùng Glide / Bubble / Softr để làm prototype no-code + chạy thông qua một lần nhận diện ảnh chụp (dù chỉ nhận diện đúng một món ăn). Chi phí: 0–50 USD. Điểm quyết định: Tỷ lệ nhận diện có đạt trên 70% không? Không thì đổi tình huống.

Ngày 8–14: Tìm 20 người dùng mục tiêu (tìm trên Reddit / Discord / Pinterest+Reddit) cho dùng thử miễn phí, thu thập phản hồi thật “có chịu trả tiền không”. Điểm quyết định: Trong 20 người, nếu ≥ 3 người nói “tôi sẵn sàng trả 9.99/tháng” — thì tiếp tục; nếu không thì đổi tình huống.

Ngày 15-30: Tìm freelancer Swift để viết lại phiên bản native + viết asset cho App Store + chuẩn bị IAP để lên kệ. Ngân sách 3000-8000 USD. Điểm quyết định: Đến ngày 30, bạn có tự tin sẽ lấy được 100 người dùng trả phí thật trong 60 ngày không? Không thì dừng.

Bản năng của dân thương mại điện tử lão luyện là “chạy ads ra lãi thì tiếp tục, không ra lãi thì dừng ngay” — quy tắc này với App cũng y hệt. 30 ngày có thể xác chứng hướng đi thì xác chứng, không xác chứng được thì đổi. Cố chấp là chi phí lớn nhất trong ngành này.

Tờ giấy liệt kê năm kịch bản đó, tôi khuyên bạn lấy ngay bây giờ.

Chi phí lớn nhất của người thường khi làm sản phẩm không phải tiền, mà là chờ một “ý tưởng hoành tráng hơn” — rồi cuối cùng chẳng làm gì. Hai cậu học sinh 17 tuổi không chờ, các cậu ấy làm một tính năng chụp ảnh, 18 tháng sau bị MyFitnessPal thu mua. Bạn không hề kém hơn các cậu ấy, nhưng bạn sẽ chậm hơn — trừ khi hôm nay bạn bắt đầu chụp tấm đầu tiên.

Giơ điện thoại lên.