做内容站，赚广告钱：我的被动收入打法

我在《AI 时代的真优先级》里写过，拿到 AI 以后，真正的优先级只有三步：

1. 靠 AI 赚到被动收入，解决钱从哪里来的问题；
2. 研究清楚人和钱的关系；
3. 去创造自己想要的事业和生活。 前面两步都解决了，你才能真正去追求自己想要的人生。

第一步是地基。我有 CFP（注册理财规划师）执照，跟无数人深度聊过钱的问题，反复感受到的一点是：绝大多数人的问题，本质上不是钱的问题，而是钱从哪里来的问题。你必须不依赖打工也能赚到钱，靠的是你自己，而不是一份工作。只要做到这一点，整个人生就会好很多。所以在任何时代，最重要的都是先解决这件事。而 AI 时代，正是做这件事最好的时代，这里面绝对是有机会的。

这篇文章讲的，就是我在第一步上的具体做法。

我现在的副业，一句话就能说完：做免费的内容网站，靠广告赚钱。

先说清楚我说的内容站是什么。它是一种靠海量页面承接搜索流量的网站：围绕一类一直有人在搜的需求，搭一个很大的分类体系（taxonomy），做出成千上万个页面，每个页面都有扎实的内容。用户从搜索进来，网站靠页面上的广告赚钱。按这个标准，博客（blog）其实不算内容站，它要靠人一篇一篇地写，很难规模化。

拿我自己做的 Open Exam Prep 举例：它覆盖了两万多个考试，提供两百多万道免费练习题，还有几百份 study guide。用户不用注册，搜到哪个考试，点进来就能直接刷题。

另外，小游戏站在某种程度上也和内容站很像：同样靠用户的参与度（engagement）赚广告钱，同样靠一个大规模的 taxonomy 撑起流量，只是每个页面上放的是一个小游戏。

这门生意听上去一点都不新鲜，甚至有点土。但走到这一步，中间每个选择我都反复想过：为什么做网站不做 App，为什么做免费不做订阅，为什么做"老词"不追风口，以及最要紧的一个问题——在一个早就有人在做的市场里，凭什么是我赢。这篇文章把这套思路从头到尾完整地理一遍。

一、先定规矩：副业必须纯被动、低成本

我做这件事有一个前提，也是最大的限制：它是副业。我有一份主业，所以这件事必须是纯粹的被动收入（passive income），不能持续占用我的精力。这一点我在之前的一次访谈里也讲过：能自动化的全部自动化，最好跑起来以后我什么都不用管。

还有一条，是我一直以来的一个理念：做副业一定要低成本。我们这套东西几乎是零成本的。

带着这个前提，在互联网上赚钱，开局就要面对三个岔路口：

• 做 App 还是做网站？
• 做收费的还是做免费的？ 免费的通常就是靠广告赚钱。
• 做新词还是做老词？ 新词是追新出现的东西，老词是做一直有人在搜的需求，本质上是在蓝海和红海之间做选择。

第一个问题我的答案很明确：网站优先。我希望能快速迭代，做一点、看数据、再改一点，不断试错（try and learn）。App 要过审核，发版节奏慢，不适合这种高频试错的玩法。

后两个问题，需要多展开一些。

二、做老词：像开餐馆一样先找人流

我参加过一些做网站的社区，感觉大家普遍更倾向于做新词。

做新词的底层逻辑是抓风口：一个新东西出来了，立刻冲进去，疯狂做外链、抢好词、堆内容，赚一波快钱。这种打法确实能赚钱，但风口过去以后，品牌能不能沉淀下来，就不一定了。

我个人更想做老词，因为我希望做出来的东西能长久。在我看来，只有能长久存在的东西，才称得上长期的被动收入。一个需要不停追逐下一个风口的生意，本质上还是在用时间换钱。

这件事跟开餐馆很像。一种做法是追网红餐，小红书上什么火就做什么。另一种做法，是我看勇哥说餐饮时受到的很大启发：先去找人流量大的地方，再看这里的人缺什么，缺什么就做什么。

我选的是后者。所以在选品这件事上，我没有任何个人执念。做什么内容，不取决于我喜欢什么，而取决于哪里有稳定的需求、哪里的供给还不够好。

三、Why me：红海里凭什么是我赢

做老词，就意味着要进入一个已经有人在做的市场。那就必须回答一个问题：同样一个方向，为什么我能做而别人不能做？或者说，我的竞争优势到底是什么？

我的答案有两点。

主观能动性，加上持续优化

这一点听起来像句正确的废话，其实并不是。就算去开餐馆，面对一个红海到不行的市场，你依然有可能比别人做得好。

原因很简单。在公司里做网站的人，绝大多数都是打工人。他们没有从根本上去优化一件事的意识，老板让做什么就做什么。而我是网站唯一的主人，比他们有强得多的主观能动性，会一直琢磨怎么解决问题、怎么做得更好，也会想出更多办法来。

更重要的是，现在的 AI 工具非常强。只要你愿意持续优化，就一定能比别人用得更好。

极端不对称的成本结构

第二点是成本。别人做同样一个东西，只要雇了一个全职员工，成本就可能比我高出一大截，这个游戏他就玩不下去了。除非 founder 自己亲自上阵，成本才有可能跟我拼一拼。

一个全职员工一年就算 10 万美元，这笔成本会极大地限制他能做的事情。而我的目标，是一个站一个月赚 1000 美元左右。这种体量不可能养得起一个全职员工，只能完全靠 AI 和工具来放大规模。

所以我真正的竞争优势是：AI 工具用得好，而且没有员工，运营成本更低。在这个思路下，我可以打败很多对手，因为他们都是靠员工搭起来的公司，成本根本没法跟我比。

在这类生意里，真正的护城河不是"别人想不想得到"，而是对手的成本结构。

四、为什么只做免费加广告：Tubi 教会我的事

商业模式上，我受 Tubi 的影响很深。

我在 Tubi 工作过几年，以前也在知乎上介绍过这家公司。它是一个非常好的例子：当时很多人不理解，但它敢做免费的长视频，而且真的赚到了钱，实现了盈利。这在长视频领域几乎闻所未闻。

如今，Tubi 已经是世界上最大的免费长视频平台之一，月活跃用户超过 1.1 亿，年收入超过 10 亿美元。2024 年 5 月，它在 Nielsen 统计的美国电视收视里，观看人数第一次超过了 Disney+。

Tubi 的理念和价值主张（value proposition）非常清晰，就是 free and premium：内容必须免费，不需要注册，也不搞付费去广告之类的特权，就是纯粹的免费加广告。用户一眼就能理解，所有和这件事无关的功能，一概不做。

这个模式能成立，是因为它刚好赶上了一个拐点。做生意无非就是营收和成本，而那几年因为技术进步，各项成本都在急剧下降：

1. 人员成本；
2. 工具成本：大量 SaaS 和云服务出现；
3. CDN 成本：大量新的 CDN 公司涌现；
4. 内容获取成本：Tubi 不碰热门内容，只批量获取长尾内容。

天时地利人和，让这个商业模式在那个时间点成立了。

这也解释了我现在为什么选这个方向。第一，我想做的是能长期沉淀下来的品牌；第二，我的价值主张也同样清晰，就是 free and premium。

单一 KPI：时长

Tubi 模式还有一个很大的优势：KPI 非常清晰。广告收入和观看时长（hours）直接成正比。

做优化最痛苦的，就是 KPI 不明确。广告模式下，优化目标和用户时长完全一致。订阅模式就不一样了，它的 KPI 不是时长，而是订阅率。订阅率有时候和用户体验并不完全一致，甚至为了防止用户退订，还会去做一些奇奇怪怪的优化。更根本的是，从商业逻辑上讲，订阅制原则上希望用户用得越少越好，你没办法去优化使用时长。

商业模式会直接决定你的优化动作。 在 Tubi 的时候，hours 这一个 KPI 极大地简化了我们的很多决策。今天我用 AI 做内容站，把广告作为唯一的收入来源，逻辑也同样简单：核心就是用户在网站上停留了多久。单一、简单的 KPI，就是时长。这一点非常重要，也非常清晰。

订阅制比想象中难得多

订阅制比我想象中难很多。我在 Open Exam Prep 上开过门槛很低的充值，在那么大的访问量下，半年总共也没充到 100 美元，这段经历我在《AI 会永远找到方法让你开心》里详细复盘过。

而且难还在其次，更主要的问题是：你收了别人的钱，就要一直维护下去。这一点非常不被动，是我不想做的事情。

五、具体怎么做：选词、taxonomy 和内容

方向定下来以后，接下来是具体怎么做。我把它拆成三步。

第一步：找供需错配的关键词

首先要去抓关键词，看供需关系：找那种需求一直很稳定、但供给不够好的方向。

供给不够好，通常有这么几种情况：

1. 现有的网站都很老，用户体验很差。
2. Google 的 AI Overview 还没覆盖住。 现在很多搜索，Google 会直接用 AI Overview 给出答案。一个需求一旦被它覆盖，大家就都去看 Overview 了，不会再点进网站。所以要找的是 Overview 还没覆盖住的需求。
3. 现有的产品大多要付费。 比如我做 Open Exam Prep 的时候，搜各种考试的备考资料，几乎全都要付费。那我做一个纯免费、连注册都不需要的版本，用户天然就会非常喜欢。

所以做之前，一定要先去看一看供需。工具方面，我用的是 DataForSEO。它是一个非常便宜、量大管饱的 API。数据可能更新得不是特别及时，但胜在便宜、量大，值得试一试。

很多人会执着于选词。这就像开餐馆选址，要选人流量大的地方，本质上还是供需关系。那选词有没有什么诀窍？说实话，我的答案是：我不知道。

拿 Open Exam Prep 来说，我为什么会有那么强的直觉？因为我自己考过一二十个考试，知道免费的备考资料一定是很多人的痛点。所以我不需要任何数据，就知道这件事一定有用，而且会有很多人用。我自己的经历太痛了，我相信这一点。

但如果换成一个我不懂、也从来没经历过的领域，我怎么能提前知道做出来一定有人用、能有那么多 engagement hours 呢？这时候只有两条路：

1. 对数据研究得足够深，比如前面说的 DataForSEO；
2. 自己有一套很强的用户画像和感知，清楚什么样的内容、什么样的 engagement 是缺失的。

所以，有领域知识（domain know-how）当然很好；如果没有，就必须非常依赖数据分析，而且要挖得非常深。你不能只让 AI 随便帮你看一眼，它说什么就是什么。你要让 AI 去做，再把做出来的实际反馈喂回给它，这样它才知道效果到底好不好，进而反思自己之前的打分和判断对不对。

把这个闭环跑通，做出来的东西上线到足够多的网站，你和你的 AI 某种程度上都会变得更聪明，能更快、更容易地发现内容站的机会在哪里。我觉得这也是一件非常好的事情。

第二步：taxonomy 至少要撑起一千个页面

内容是免费的，就注定是长尾生意。所以网站的 taxonomy，也就是内容的分类体系，必须足够大。你不能只做一两个、十几个页面，至少要做出一千个页面来，而且每一个页面都要有扎实的内容。

比较理想的情况是：一千个页面，月入一千美元；一万个页面，月入一万美元。换算下来，差不多是一个页面每个月一美元。能做到这一步，已经是非常理想的状态了。

这本身就是一个很强的筛选条件。哪怕你觉得某个方向的内容很扎实，如果撑不起一个足够大的 taxonomy，这个方向还是不行。

那 taxonomy 怎么才能做大？以 Open Exam Prep 为例，它的 taxonomy 来自两个方面：

• 考试的数量本身就很大，一个国家可能就有几百上千种考试；
• 不同维度交叉切分。比如美国有不同的州，很多时候用不同的国家、不同的州，乘以不同的职业或者其他维度，就能切出非常多的页面。

第三步：把非结构化数据变成结构化数据

比 taxonomy 更重要的，是确保每个页面都真的有内容。

我比较喜欢的方式，是去找大量非结构化的数据，比如散落在各个政府网站或者其他角落里的信息，用 AI 大规模地爬取，再把它们整理成结构化数据。我觉得这是一个需求非常强的方向：爬政府数据是一类，很多其他领域的数据也可以这么做。

从 taxonomy 的角度讲，把非结构化的东西变成结构化的，本身就产生了大量的信息。

这也是我们能赢的另一个原因，同时回答了 Google 为什么愿意给你流量：你花了大量时间，把非结构化数据变成了结构化数据，而这件事对搜索引擎非常友好（search engine friendly）。

客观上有大量数据确实有人想了解，它们可能存在某个数据库里，也可能藏在 PDF 里。但这些内容目前并不是以对搜索引擎友好的形式存在：它们散落在 PDF 或者各种奇奇怪怪的地方；原来的页面可能做得很不好用，对搜索引擎也不友好，关键词也没优化好。

这些都是我们的机会，因为我们很擅长做这类优化。所以即便这些信息原本就存在，Google 依然愿意把流量分给我们，因为我们把它做得对搜索引擎更友好，对用户也更友好。

对 Google 来说，它早期愿意推你的内容，本质上是因为你提供了额外的信息增量；后期还会持续推，靠的是你的 engagement 指标好。这就引出了整套打法里最核心的东西。

六、最核心的 KPI：engagement

搜索引擎做决策其实非常简单，它最看重的就是 engagement，也就是用户参与度。

整套打法里，最重要的 KPI 只有两个：engagement rate 和 engagement hours。

• 参与率（engagement rate）：用户进来之后有没有留下来，还是马上离开（它的反面就是跳出率，bounce rate）；
• 停留时长（engagement hours）：用户在网站上一共待了多久。

这和前面讲的 Tubi 是同一个逻辑：广告收入跟着时长走，搜索引擎给的权重也跟着时长走。

很多人对内容质量有很多执念，总想把它定量化，或者反复纠结内容到底够不够好。这恰恰是我们把 KPI 定为 engagement hours 的原因：有了这个指标，你不需要再花心思琢磨内容质量到底够不够。你要相信，只要 hours 够长，就说明内容足够好。

我们老说数据驱动、老说 engagement hours 重要，也是这个道理。你会尝试不同的内容、方向和流量来源，会做图片、文字、视频，甚至小游戏这种互动的东西。但不管形式怎么变，最后都要统一回到一个最根本的指标上。hours 足够长，直接关系到三件事：

1. 用户体验；
2. 搜索引擎给你的评分；
3. 你的广告收入。

所以，只要 engagement hours 足够长，一切就都对了。

埋点在很多地方都能做，比如 Google Analytics，也可以直接让 AI 帮你搞定。核心就是盯住这两个数：只要用户进来不走，而且停留很久，搜索引擎是很聪明的，它一定能识别出来。

这和做免费产品的逻辑天然契合。 我们的 KPI 和优化目标，跟搜索引擎完全一致，所以很容易形成正向飞轮。免费的好处在于，用户停留时长非常容易优化：你自己做产品，就看用户的停留时间有没有越来越长。只要时间越来越长，网站的权重就会越来越高。

反过来看订阅模式。用户的客单价虽然高很多，但你的优化目标和搜索引擎并不一致，往往就不容易做大。更麻烦的是，我觉得大家可能低估了订阅制的 KPI 有多容易走偏。前面说过，订阅制原则上希望用户用得越少越好。如果目标是赚钱，订阅制下最理想的用户是这样的：第一，不退订；第二，订阅之后每个月照付钱，但什么都不做，毕竟他做的每一件事都要消耗你的成本。顺着这样的 KPI 优化下去，产品很容易迭代到一个奇奇怪怪的方向上，哪怕你自己主观上从来没这么想过。

七、冷启动和算账：前期熬住，站多了就轻松了

冷启动：先让网站待着

engagement 要起作用，前提是网站先被搜索引擎看见。Google 为什么要给一个新站流量？这就是冷启动问题，也是绕不开的一关。

冷启动在某种程度上是无解的。我的原则就是先让网站待着。当然，基本动作要做，比如把网站提交到 Google Search Console。但我从来没有花钱买过外链，也没有用过任何人为的冷启动手段。一般是 Bing 先开始索引你，它支持 IndexNow，可以顺手配置一下；Google 给流量会比较慢，对新站普遍都慢。

如果你手上已经有一批网站，相互之间做一些链接，可以让冷启动容易一点。

还有一类常见的做法，是做外链，以及到各种网站目录（directory）去提交自己的网站。我一直听说这件事有效果，但我自己从来没有实践过，所以没办法评价。某种程度上，我希望一切都是自动化的，太手工的活儿，我有时候就懒得去做了。

前期确实比较难。一个网站可能要放上三个月，才慢慢开始有一些流量。很多人会在这个阶段放弃，刚开始很痛苦、很失望。对此我也没有什么特别的办法，只能说，你得有耐心。

算账：一个站不多，站多了生活就轻松了

账可以这样算。就按一个站一天 1000 个访客、CPM 10 到 15 美元来算，单站一个月也有三五百美元的收入。做 5 到 10 个这样的网站，收入问题其实就解决了。

这是一个积少成多的过程。好在每做一个新站，启动成本都不高。

我对单个网站的预期，是一个月 1000 美元左右，我觉得这是一个很合理的目标。做得再大，别人就会来跟你抢；做得太小，自己可能又不想做。但如果做 10 个、20 个、50 个这样的网站，生活就会变得很轻松。这就是我的目标。

这些网站现在走到了哪一步、孵化中的收入有多少，我放在内容站孵化器里持续更新：

八、技术栈和变现

为什么选 Vercel 和 Next.js

我自己非常喜欢 Vercel 加 Next.js 这一套。听说 Cloudflare 也很好，但我从来没用过，没法比较。

选 Vercel，是因为内容站客观上不会有很重的后端，所以是不是 serverless 都无所谓；而且它天生就能帮你扛住大量的流量。

另外，Vercel 和 Next.js 这一套非常 AI native，AI 很擅长写。就算不用任何模板，只要你做过一个网站，让 AI 参考着做下一个，也会做得很快。

不用数据库，数据直接放在代码库里

这种网站本质上就是一套 taxonomy，一堆数据。我非常倾向于不用数据库，直接把数据放在代码库里，这和我整理自己内容库时尽量不用数据库是一个思路。

如果数据量比较大，可以借助 Vercel 的 CDN，把数据放在 Next.js 项目的 public 目录下面。Vercel 对部署的代码体积有限制，而 public 目录里的静态文件不计入这个限制。所以即使网站数据大到了几个 G，也完全可以继续放在 Git 里，没有任何问题。

这么做非常简单。所有东西都在本地，AI 做迭代、做修改都会容易很多，这才是比较 AI native 的做法。设计上我用 Claude Design，效果非常好，直接就能把网站做出来。

广告平台：AdSense 和 Adsterra

最理想的广告平台当然是 Google AdSense，但现在 AdSense 越来越难通过审核，它经常会说你这种内容站没有足够的原创内容。

我最近找到了一个叫 Adsterra 的平台，基本上一申请就能通过。缺点主要有两个：

1. CPM 可能不够高；
2. 很多广告偏黄赌毒。

这一点需要你自己权衡。如果是刚起步的小站，先放着倒也无所谓；等流量做起来了，再想办法换成 AdSense 也可以。想试试的话，可以用我的推荐链接注册。

九、真正的对手是 Google 的 AI Overview

在这个思路下，我觉得最大的竞争对手倒不是其他做网站的人。

我们做的是一堆小的文字内容，而现在很多信息直接就出现在 Google 的 AI Overview 里了，用户不需要再点进你的网站。这可能会是一个问题。

但从运营的角度讲，已经很难有人比你更便宜，或者做得比你更好了。所以某种程度上，我不觉得这里有所谓的竞争对手。

另外一点是，做得早，品牌就会一直留在那里。如果你能把"免费、高质量"做成自己的品牌，它就是一门可以长期经营的生意。

十、内容形式：从文字走向图片、视频和互动

再说说内容到底做成什么样。

现在肯定还是以文字为主，因为文字最容易规模化。但必须意识到，看文字的人会越来越少，再加上前面说的 AI Overview，纯文字内容的空间只会越来越小。所以要开始逐步转向图片、视频，以及小游戏这类互动形式。这一点非常重要。

从这个角度看，接下来要琢磨的是三件事：

1. 怎么低成本地做图片；
2. 怎么低成本地做视频。用 AI 做视频的一套具体做法，我在《如何使用 AI 制作音乐视频》里写过；
3. 怎么低成本地托管视频。不一定非要放在 YouTube 上，自己托管也可以。如果自己托管，Mux 是 Vercel 生态里比较原生的选择，用起来很不错，我自己网站上的 MV 就是用它托管的。

这也解释了为什么我说这是一门很重运营的生意，本质上是供应链运营（supply chain operation）：用什么方式、以多低的成本，把用户愿意花时间的内容源源不断地供应出来。

归根结底，这门生意的核心只有一个：你能不能以更低的成本，提供更多的 engagement hours。

把这一点想明白，事情就简单了，也就能理解为什么要从文字逐步转向图片、视频，甚至互动形式的内容。

十一、最后一步：让 AI 自己跑、自己迭代

这一步最容易被忽略，也最容易被低估。

我们最终希望这个模式是纯被动的，也就是让网站自己运转（self-running）。但纯被动不只是我们不用干活，而是 AI 能自己琢磨出怎么持续优化（self-optimize），让你越赚越多。

AI 怎么才能自己优化？你不可能光对它说一句"你去做得更好"，它就真能做好。你必须把所有的指标和反馈都交给它。

在我的实践里，比较好的方式是每天做一次快照（snapshot）：

1. 记录网页变更。 每天给 XML sitemap 做一次快照，AI 就知道每天新增或修改了哪些页面的 URL；要追溯到 GitHub 上具体是哪次改动，也会简单很多。
2. 记录核心指标。 每天给每个页面的核心指标做一次快照，数据可以来自 Google Analytics，也可以来自 Vercel Analytics。至于哪些指标真正有用，可以跟 AI 一起不断迭代。

广告收入，以及你每天做了哪些决策、产生了什么结果，也要一起喂给它。这套每日导出的做法，我在《AI 会永远找到方法让你开心》里也提到过。

这样积累几个月，你就有了一份完整的记录：每天做了什么动作，这些动作在很长一段时间里对数据产生了什么影响，是让它增长了，还是拉低了。把这些彻底数据化以后，AI 就有了可以依据的事实来源（source of truth）。它不再凭感觉做判断，而是根据实际数据做出更好的选择。产出的东西会越来越精准，整个系统进入自我优化的正向循环，钱也就越赚越多。

所以搭建这样一条 pipeline 非常重要，它会让你越做越轻松。一旦 pipeline 建起来，就相当于你教会了 AI 怎么去赚钱。起初，你可能还要自己花时间研究选题、确定方向、设置关键词；但到后面，这些完全可以交给 AI 自己去优化。

总结：这个模式为什么成立

说到底，这个游戏跟开餐馆一样：去热闹的地方，开一家大家都爱吃的店。

这个模式之所以成立，主要有这么几点：

1. 免费是最强的价值主张。 所有人都会去搜免费的东西。
2. 免注册也是很强的护城河。 很多人天生就不想注册，免注册天然就能提升各项指标。
3. 真正的护城河是对手的成本结构，而不是有没有人能想得到。
4. 小天花板同样是护城河。 一个站一个月 1000 美元左右，大玩家根本不会来抢。
5. 长尾的总和非常重要。 只要长尾足够大，你就能接住巨大的流量，日子会过得很舒服。
6. 真实收入约等于停留时长。 做广告生意，就要不断优化用户的参与度和停留时长，这刚好和搜索引擎的目标一致，做起来会顺畅很多。
7. 比的是供应链运营。 不管是文字、图片、视频还是小游戏，最后比的都是谁能以更低的成本，提供更多的 engagement hours。
8. 让 AI 自己迭代。 把每天的页面变更、核心指标、广告收入和决策结果都交给 AI，它就能自己优化，你也会越做越轻松。

变现方式上，我的实践经验是：广告收入 > 卖 leads 收入 > 订阅收入。

这种模式有时候确实挺无聊，但它是真的能赚钱。