Make it RAIN：先找到付费客户，再谈自动化

技术创始人的痛点：产品做出来了，但谁会买？

很多技术出身的创业者都经历过这样的困境：凭借扎实的工程能力，他们能够快速把产品上线交付，但当被问到「谁会为它付费」时，往往陷入沉默。他们习惯用工程思维解决问题——先自动化、先扩规模、先搭建流程，却在最关键的「验证付费意愿」这一步上，选择了猜测而非验证。

这种现象在创业领域有一个经典描述——「解决方案寻找问题」（Solution Looking for a Problem）。Y Combinator 联合创始人 Paul Graham 曾多次指出，创业失败的首要原因不是技术不行，而是做了没人要的东西（Making something nobody wants）。工程师的训练让他们擅长将问题分解为可执行的技术任务，但商业验证需要的是完全不同的思维模式：从市场需求出发，通过与潜在客户的对话来测试假设，而非在代码层面寻找答案。这种认知差距导致了大量「技术上完美、商业上失败」的产品。

近期登上 Product Hunt 的新品 Make it RAIN，正是瞄准了这个被反复忽视的环节。Product Hunt 是全球最具影响力的新产品发布平台之一，自 2013 年由 Ryan Hoover 创立以来，已成为科技创业者发布和验证早期产品的首选阵地。平台采用每日排名制，用户通过 upvote 机制决定产品曝光度，一次成功的发布可以在 24 小时内为产品带来数千名早期用户。

Make it RAIN 的 slogan 直击要害：「Find who may pay before you automate a guess」——在自动化一个猜测之前，先找到谁可能会付费。这句话本身就是对当下「先建再验」创业惯性的一次有力纠偏。

核心机制：一条「首位客户路径」

Make it RAIN 的使用方式极为轻量。用户只需粘贴一个产品 URL，即可免费获得一份「First Customer Path」（首位客户路径）。这份路径并非泛泛的市场分析报告，而是包含一系列可直接执行的验证要素：

• Buyer hypothesis（买家假设）：明确谁最可能成为你的第一个付费客户
• Paid pain（付费痛点）：识别客户愿意为之掏钱的真实痛点
• Smallest paid offer（最小付费方案）：设计一个门槛最低的付费入口
• Price test（价格测试）：验证你的定价是否站得住脚
• Buyer Stress Test（买家压力测试）：对报价本身进行压力测试
• Next conversation（下一步对话）：明确下一步该和谁聊、怎么聊

这套流程的核心价值在于，它不是给你一份「看起来很专业」的 GTM（Go-To-Market）计划或一堆冷冰冰的销售线索列表，而是在你投入更多外联资源之前，先给你的商业假设做一次压力测试。

与传统 GTM 工具的关键区别

Go-To-Market 策略是指产品从开发完成到进入市场获取首批客户的完整路径规划，通常包含目标客户定义、价值主张、定价策略、渠道选择和销售打法等环节。传统 GTM 工具如 Apollo.io、ZoomInfo、Outreach 等，主要聚焦于「规模化获客」阶段——它们假设你已经知道卖什么、卖给谁，帮你高效触达更多潜在客户。但对于早期创业者而言，真正的挑战往往出现在更前端：你的价值主张本身是否成立？你设想的目标客户是否真的存在这个痛点？

这正是 Make it RAIN 与传统工具的根本分野。市面上不乏 GTM 规划工具和线索列表生成器，但它们大多有一个共同缺陷：默认你的价值主张已经成立，直接帮你「放大」。而 Make it RAIN 反其道而行——先质疑，再放大。

产品明确指出，与「另一个通用 GTM 计划或线索列表」不同，它会在更多外联动作之前对 offer 本身进行压力测试，并利用真实的买家反馈来优化下一步动作。换句话说，它把创业中最容易被跳过的「验证闭环」重新嵌入了流程。

「Vibe coding」时代的一味清醒剂

值得关注的是，Make it RAIN 的分类标签里除了 Sales 和 Marketing，还有一个耐人寻味的词——Vibe coding。

Vibe coding 这一概念由 Andrej Karpathy（前 Tesla AI 总监、OpenAI 联合创始人）在 2024 年初提出，描述的是一种借助 AI 编程助手（如 GitHub Copilot、Cursor、Claude 等）凭直觉和自然语言描述快速生成可运行代码的开发方式。开发者不再逐行编写代码，而是通过对话式交互让 AI 完成大部分实现工作，自己主要负责方向把控和结果验证。这种模式将产品原型的交付时间从数周压缩到数小时，但也带来了一个深层问题：当构建成本趋近于零时，产品本身不再是竞争壁垒，真正的稀缺资源变成了「对市场需求的准确判断」。

这正是当下 AI 辅助编程浪潮的真实写照：借助 AI 工具，开发者可以「凭感觉」快速把想法变成可运行的产品，交付速度前所未有。但速度是一把双刃剑。当造东西变得越来越容易，「造对东西」反而成了新的稀缺能力。大量在几小时内「vibe」出来的产品，缺的从来不是代码，而是明确的付费买家。Make it RAIN 恰好切中了这个 AI 时代的新缝隙：帮那些能快速造出产品、却不知道卖给谁的技术创始人，补上商业验证这一课。

设计细节透露的产品哲学

从产品描述中，还能读出两个体现克制的设计决策：

第一，「No card」——无需绑定信用卡即可使用免费的首位客户路径。这大幅降低了技术创始人尝试的心理门槛，符合 PLG（产品驱动增长）的典型思路。PLG（Product-Led Growth）是相对于 Sales-Led Growth（销售驱动增长）的一种商业模式，核心理念是让产品本身成为获取、激活和留存用户的主要驱动力。典型代表包括 Slack、Notion、Figma 和 Dropbox——用户先免费使用产品，体验到价值后自然转化为付费客户。PLG 的关键设计原则包括：极低的上手门槛（无需销售介入）、快速的价值展示（Time-to-Value 要短）、以及从免费到付费的自然升级路径。Make it RAIN 采用「无需信用卡即可获取首份报告」的策略，正是这一核心原则的体现。

第二，「Nothing sends without approval」——任何外联动作在未经用户批准前都不会自动发送。这一点在自动化外联工具容易「越界群发」的当下尤为重要。近年来，AI 驱动的自动化外联工具（如 Instantly.ai、Lemlist、Smartlead 等）大幅降低了批量邮件触达的成本，但也引发了严重的行业信任危机。大量创业者在未验证目标客户画像的情况下，就通过这些工具向成千上万个邮箱发送模板化的冷邮件，导致收件人信任度下降、域名被标记为垃圾邮件、甚至面临 GDPR 和 CAN-SPAM 法案的合规风险。这种「先群发再筛选」的粗暴打法，本质上是用自动化放大了一个未经验证的假设。Make it RAIN 把控制权牢牢交还给用户，避免了「AI 帮你把邮件群发给一堆陌生人」的尴尬场景。

这两个细节共同传递出一种清晰的产品哲学：自动化应该服务于验证过的判断，而不是替代判断本身。

目前的市场反响

作为一款新上线的产品，Make it RAIN 目前在 Product Hunt 上取得了 14 个投票、5 条评论，排名第 11 位，成绩属于中等偏上。产品由 Oliver Ellison 打造。从数据规模看，它还处于早期验证阶段——某种程度上，这款帮别人验证付费意愿的工具，自己也正走在同样的验证之路上。

先问对问题，再谈自动化

Make it RAIN 的真正价值，或许不在于它具体输出的那份报告有多精准，而在于它提出的那个根本性问题：在你自动化一切之前，你确定有人会为此付费吗？

对于身处 AI 编程浪潮、能够以前所未有速度交付产品的技术创始人而言，这个问题比任何工具都更值钱。产品可以很快造出来，但对「谁会买」的诚实回答，永远无法被自动化跳过。

核心要点