Faceless.video，用Bubble做废6个之后的第7个——非工程师10个月做到年入$1M的视频自动化

不会写代码的人，只用无代码工具，10个月做到年入$1,000,000。而且在此之前，他在同一环境里做了6个，全部落空。

我们来读作曲家、音乐制作人出身的Jacob Seeger在Indie Hackers公开的记录。

到第7个为止的两年半

在Faceless.video之前，Seeger用无代码开发环境Bubble做了6个应用，历时两年半，全部没有成果。名字和数字都没有公开，这6个只能以”合计两年半·全灭”的粒度被知晓。

第7个是Faceless.video：把不露脸的SNS视频频道，从写脚本、剪辑到向各平台投稿全部自动化的服务。最初的形态是给Minecraft游戏画面配上朗读Reddit帖子的声音。

本人的总结是：“6次失败教给你1次成功学不到的东西。别执着。”

类似的打击率也见于做了17个、中了1个。这是收录案例里反复出现的形状：中的那一个前面，堆着落空的数量。

启动花了多少钱

初期投入合计$500，对这个规模的事业来说几乎可以忽略。技术栈以Bubble为轴，拼上RunPod、AWS Lambda、Replicate、Stripe、Bunny.net这些现成部件。

从第一天就收费

Seeger反复强调的是收费的顺序：“永远作为付费服务上线。最有说服力的验证，就是有没有人买。“他没有设Freemium。

与先免费铺开再转收费相比，初速的人数出不来；换来的是第一单进来的那一刻，需求的存在就被确认了。第一天就摆出付费方案的API开发者采用同样的顺序——在收录案例里是少数派，但确实存在。

获客从X的帖子开始，把由此产生的利润再投进短视频和网红投放，一路做到5位数MRR——用买来的曝光的利润去买下一次曝光，回路很简单。

250万注册与MRR $83,000之间的距离

累计注册250万人，MRR $83,000。最畅销方案月$35，简单一除，付费用户约2,000〜3,000人，注册者的千分之一上下。

这种”薄”在生成式AI工具里不稀奇。值得注意的反而是：这个转化率下月$83,000依然成立。分母够大，薄转化也出金额。而造出这个分母的，正是从$250的帖子开始的投放连锁。

同样”先造巨大分母”的类型，见于先有400万粉丝、2天做出MVP、2个月做到月入$35万的案例，那边是无偿攒的观众，这边是花钱买的曝光。

最初做出来的东西有多糙

Faceless.video的初期形态，就是Minecraft画面叠上朗读Reddit帖子的声音，非常简单。现在提供的”从脚本、剪辑到各SNS投稿全自动”的功能，是从那里堆上来的。

也就是说第7个也不是以完成形问世的。用$250能做出来的糙东西收费上线，确认卖得动之后再扩。

关于设计，Seeger给了一条基准：“按最好的情况去造。如果今天有10万人注册，这个应用扛得住吗？“他一边选择Bubble这个无代码环境，一边把重活儿逃到RunPod的Serverless GPU、AWS Lambda、Replicate等外部。不自己扛重的部分，就是能扛住突发流量的设计。

在收录案例中的位置

月收入1,245万日元，是本站公开月收入案例中位数(约150万日元)的8倍以上，进入前两成；和限定SaaS的中位数(约841万日元)比也在其上。

无代码做到这个水平的事业，收录案例里很少。与产假期间用Bubble做出的Excel公式AI月入$23,000的案例并排看，能看到同一环境产出金额的幅度。

本人列出的弱点

顺风数字的背后，Seeger具体讲了3个隐忧。

一是Bubble的极限。他在考虑迁移到自有代码，但”课题很多”。无代码带来的快，和之后的堵，是同一个选择的正反面。

二是AI模型成本的上升。推理费在涨，定价需要调整。视频生成尤其重，单位经济性被外部的调价左右。

三是模仿。虽然先行，但做同样东西的竞品已经出现。入场对自己容易，对别人也容易。“$250就能从Bubble开始”这个事实，原样就是防御的薄弱。

这份记录说明什么

只抽出”第7个中了”这个结论，就成了试错次数的故事。但这个案例里真正起效的，是6个失败教会的不是做的技术，而是出的顺序。

收费上线。花钱买反应来测。利润投进下一轮曝光。技术上始终是Bubble，只有第7个拥有这个回路。

未公开的是：利润、流失率、付费用户实数、员工人数、以及落空的6个的内容。创业时一个人，之后组了内部团队，但规模未示。“10个月$1M ARR”这个标题之下的费用结构，从这份记录读不到。