24 岁离职做产品，爆红之前已有积累
Bhanu 辞去软件工作后做独立产品，需要让一次发布热度变成可持续收入。SiteGPT 不是凭空出现：他已有多年 Web 开发经验、Feather 产品客户，以及发布前约 1 万名社交媒体关注者。
他把已有博客客户的需求缩成一个清楚结果：输入网站内容，生成可嵌入的 AI 客服。产品在 Twitter 发布后获得传播，随后进入 Hacker News 首页，并成为 Product Hunt 当日第一。
一个月 1 万美元 MRR 与 50% 流失必须同屏
创始人在 Indie Hackers 自报，SiteGPT 一个月达到 1 万美元 MRR。MRR 是月度经常性收入，不是净利润，也没有公开审计材料证明完整成本、退款和税费。
案例资料同时记录，首月约 50% 客户离开。创始人也公开承认 AI 产品流失很高，若不先解决留存，MRR 会像漏水的桶一样难以增长。爆红只能证明有人愿意试，不能证明产品已经稳定创造价值。
钱从哪里来：网站客服按订阅收费
SiteGPT 让客户基于自己的网站内容建立聊天机器人，再按订阅收费。用户购买的是更快部署网站客服与回答访客问题的结果，不是一个抽象模型名称。
这种收入结构必须同时计算模型调用、托管、数据库、失败回答和人工支持。创始人在公开问答中称 Feather 与 SiteGPT 的合计运行成本约为每月 3000 至 5000 美元，但没有拆分单个产品，因此不能据此推算 SiteGPT 利润。
这些发布条件不能从故事里删掉
发布前已有受众、Twitter 传播、Hacker News 首页与 Product Hunt 曝光共同放大了首月结果。创始人本人也表示，即使再做一个同样好的产品，也无法保证复制同样的传播。
因此普通人不该模仿 1 万美元，而应模仿验证顺序：先确认一类客户是否愿意付费，再观察首次成功、重复使用、失败任务与退订原因。
今天先回访一位退订客户
不要先发优惠券，也不要继续加功能。找一位已经停止付费的人，问清他退订前最后一次想完成的任务、哪一步失败、是否需要人工修正，以及什么结果会让他继续付款。
用一个独立项目 Key 跑同类最小真实调用，记录成功率、单次用量、人工修改时间和预算上限。把收入与流失率放在同一张表里；没有稳定重复使用前，不扩大流量和成本。
信息来源与事实边界
来源包括创始人在 Indie Hackers 的自述 I reached $10k MRR with my AI SaaS product in 1 month，以及案例资料 SiteGPT's Rise to $15K MRR。
1 万美元是创始人自报 MRR，50% 是案例所述首月客户流失，均未经独立审计。公开材料没有提供完整利润表；案例人物没有证据使用 APIToken。