2025年1月，一位澳大利亚用户给Glam Up留下了一条差评：自拍传好了，等着看AI给出的妆容分析，出现的却是另一道选择题——付费，或者邀请三位朋友。这款iPhone应用本来承诺帮人找到适合自己的妆容，用户却在最想看答案的时候，被要求先替它找来下一批用户。这条评论至今保留在App Store上。
图：Glam Up官方演示。用户上传照片，查看所选风格的妆容预览；不是本文作者的实测结果。
这条抱怨，恰好点出了Glam Up早期增长里最值得拆的一步：它把拉新安排在了结果揭晓之前。
联合创始人Nicole Cheung后来把创业经历写进毕业论文。公开摘要称，2024年5月至11月，产品做到超过100万用户、15万美元月度经常性收入；她明确把“要求邀请朋友”列为增长方法之一。这些数字来自创始人自述，未经第三方审计。
她的经历在2025年7月被母校克莱蒙特麦肯纳学院报道：Nicole在校期间主修心理学和经济学，做出百万下载量的应用时还在读大四。这门生意里的关键决定，恰好发生在理解用户和设计交易的交界处。
美妆教程很多，“我的脸适合什么”还是要问
Glam Up的入口简单得几乎不用解释：拍照或者上传自拍。
接下来，它让用户选择想尝试的风格，生成妆容预览，再给出实现这种效果的指南。官网还展示了色彩分析和面部特征分析：从“想变成什么样”，继续回答“该用哪些颜色、怎样化”。这几项功能在官网分开展示，并没有被包装成一个需要反复输入提示词的聊天框。
图：Glam Up官方演示。预览之外，产品还提供具体妆容指南。
对用户来说，区别就在这个“我”字。短视频里别人的妆再漂亮，也要判断能不能搬到自己脸上。把自己的照片放进去，观看教程就变成了等待一个关于自己的答案。
这也解释了它为什么适合在手机上完成：自拍是现成的输入，妆容预览是直观的输出，分享又不必离开日常使用的社交工具。AI承担图像分析和个性化建议，用户不用先学习一套新操作。
美妆本来就是一个结果比原理容易展示的品类。一段视频可以先让人看见效果，再引导她去试自己的照片。产品与传播材料说的是同一件事。
最想看结果的时候，付钱还是找朋友
但有下载意愿，不等于愿意付钱。
Glam Up早期的办法，是在这两者之间增加另一种交换：不付费，可以尝试通过邀请朋友解锁。前面那位用户描述的，就是这样的使用过程。加拿大区也有用户在2024年10月抱怨，已经邀请三位朋友，系统却没有计入，因此仍然看不到结果。评论反映的是当时用户遇到的情况，不能当作今天每个用户都会看到的固定流程。
这个安排让一次自拍带出了两个可能的商业结果：有人付钱，有人带来新用户。收费和拉新没有被分放在两个页面，而是挤在同一个决定里。
它也改变了邀请发生的时间。用户还没有拿到结果，就已经开始替产品传播。这与“用得好，再推荐给朋友”是两种不同的关系：前者依靠对答案的期待，后者依靠已经兑现的体验。
差评提醒我们，前一种关系很脆。邀请没有被计入，用户就会觉得自己做完了任务，却没拿到承诺的东西。此时修复的不是一句营销文案，而是整个奖励兑现过程。
百万用户之前，先试了二三十种办法
这套做法也不是一次想出来就奏效。
Nicole在2026年9月的访谈里回忆，为Glam Up测试过大约二三十种社交媒体策略，才找到有效的方法。她把主要精力放在TikTok和Instagram，持续尝试内容与传播方式。
这里真正可以借鉴的是测试对象。团队没有只问“分析还能不能更准”，还在问“什么内容让人愿意试自己的照片”“用户到哪一步愿意付款或分享”。入口、结果和收费时机，被放在一起调整。
图：Glam Up官方演示。色彩分析把一次自拍延伸到日常妆容与配色选择。
今天，美国区App Store仍把Glam Up标为免费下载、含应用内购买，说明文字明确写着分析需要订阅。页面约有3.3万条评分。从吸引人上传第一张自拍，到让人愿意支付分析费用，这段看似很短的距离，仍然是它要完成的生意。
从这款应用身上，能看到一种很具体的AI生意：先让用户想看自己的结果，再把这份期待转成付费或传播。百万用户说明它曾经吸引了注意力；那些关于邀请失败的评论，则留下了这套设计另一面的账单——用户替你把朋友叫来了，你就必须把答应的结果交出去。