健身博主做卡路里识别App，闯入全球Top10
白鲸小编约 8 分钟换个角度，开辟一片新战场。
封面图片由AI生成
过去半年，卡路里追踪赛道的头部格局几乎没有变过。
在 2026 年上半年，月流水过百万美元的产品几乎
未变化，唯一新进产品是十几年前已经上线的
「Noom」，凭借司美格鲁肽等相关业务收入回暖
｜白鲸出海根据 AppMagic 数据绘制
AppMagic 数据显示，2026 年上半年，除一款老产品收入回暖，月流水在百万美元以上的产品基本是同一批面孔。头部产品的整体流水甚至环比微降，在一个 Top1 单月流水可以过亿人民币的赛道里，头部格局已经固化。
但到了 8 月， 榜单上出现了一个新名字。
「MenuFit」，没有披露过任何融资信息，创始人的上一份工作是在 TikTok 上发增肌减脂期如何正确饮食的主题视频。产品上线刚满一年，单月分成后流水突破百万美元，挤进了全球收入 Top10。
体重和食物热量追踪标签下，
8 月全球收入 Top10 产品（可能会有遗漏），
「MenuFit」位列第 9｜图片来源：AppMagic
「MenuFit」上线至今的
月流水曲线｜图片来源：AppMagic
不论是做了 16 年的 MyFitnessPal、还是近两年借 AI 拍照识别杀进头部的 CalAI、抑或是用养宠玩法切入的 BitePal，卡路里追踪赛道的产品共享着同一个基本假设，用户先吃东西，然后打开 App 记录。技术迭代改变的是效率，但场景始终在“餐后”。
「MenuFit」进榜，则源于其跳出了这个场景。
它的识别对象从用户准备好的食物，变成了快餐品牌的菜单。用户在点餐之前打开 App，选择一个餐饮品牌，系统根据减脂或增肌目标推荐具体的菜品组合，标注热量与宏量营养素；亦或者，第二条使用路径，用户只知道今天想吃牛肉或者墨西哥卷，App 在不同品牌的菜单中结合目标匹配方案。
产品核心使用方法有 2 种，一是用户选择餐饮品牌，
App 推荐多个选项（最适合目标-用户在onbarding
流程时填写；高蛋白菜单等等），点进去之后可以看到
菜单详情和数据，参见左图 1&2；二是，用户通过筛选器
填写偏好（例如想吃牛肉还是鸡肉、碗饭或者汉堡），
App 来推荐不同餐饮品牌的菜单｜产品截图
之前是“吃完了记一笔”，现在变成“餐前看看该吃什么”，不只是功能上的差异。减重期间不可能顿顿自己做饭，外出就餐时如何在热量预算内完成一顿饭，被创始人 Cole Kosco 认定为一个高频且真实的决策场景，而此前的头部产品几乎没有触碰这个节点。「MenuFit」用一个被忽视的入口，避开了与所有头部产品在同一场景下的正面竞争。
而这个入口的发现，与创始人的背景直接相关。
与热量追踪 App 的创始人多来自健康领域、或原本是工具开发者不同，「MenuFit」的创始人兼 CEO Cole Kosco 曾经是一名大学运动员，在运动生涯结束后退学、后续工作也并不顺利。之后，他转行做健身教练，2024 年年底在 Skool 上经营了一个 Kosco Fitness 的付费社区，提供健身课程、食谱规划、1v1 健身指导。
2025 年，Cole 开始在 TikTok 上发布视频，以各种常见食物为素材，讲解其对减脂增肌的影响，播放量在几千到几万之间，不温不火。
这条视频拿下了 270 万播放，
接近 20 万点赞、接近 1 万的评论，
数据远高于其他视频｜图片来源：TikTok
直到 2025 年 5 月，他做了一期墨西哥餐饮品牌 CHIPOTLE 的餐食对比，左手的碗饭，65g 蛋白，500 大卡；右手的肉卷，蛋白质虽多了 15g，但足足有 1400大卡。Cole 在视频里抛出了一句后来被反复引用的话，“不管是减脂、还是增重，只要你点的是对的食物，在外吃快餐也不会影响你完成目标”。同时，视频中引导用户，留言“Food”可以领取一份各餐饮品牌的饮食指南PDF，其中标注各菜品的热量与宏量营养素数据。这条视频拿下了接近 20 万点赞。
Cole 后来在播客中回忆，前后大概 6 个视频，送出了约 50 份分 PDF。“我确认需求是存在的，而市面上没有对应产品，一定能成功，唯一失败的可能是我没有执行或者执行得不够好。”
尽管实际开发者成本远超他最初设想的 1.5 万美元，2025 年 8 月，「MenuFit」正式在 iOS 平台上线，后续视频也从评论领 PDF 变成了下载 App。
从收入与下载曲线来看，「MenuFit」是非常
典型的下载驱动收入产品 | 图片来源：AppMagic
上线后的前 3 个月，「MenuFit」主要靠原有的社媒渠道引流，引导用户下载并付费，以验证 App 是否能够满足用户需求。苹果大概有 60 天的账期，因为是强付费墙的设计，10 月底陆续会有入账。在确认付费能够跑通之后，「MenuFit」在 11 月开始启动广告投放，全部集中在 Meta 渠道。此后，数据持续走强，整体呈明显的下载驱动收入形态。
2025 年 11 月下旬，「MenuFit」启动广告投放，
全部集中在 Meta 系渠道｜图片来源：广大大
为了走通社媒验证——产品开发上线——跑通付费（苹果的 60 天回款期）——启动广告投放——付费墙回收——继续投广驱动下载和付费的路径，团队搭建了一个能够让现金流转的机制。（我们没有查到任何融资信息，但不排除有未披露的资金支持）
在最花钱的广告投放上，团队选择的方式可以说既粗放、又精打细算，“宽进严出”，将 KOL投放，改造为一套“带绩效的创意供应链”。
「MenuFit」的产品 idea 源于社媒，验证也是在社媒平台完成，Cole 很清楚产品需要用广告去“制造”和放大需求，而不是承接用户的搜索行为（搜索健康点餐 App）、也清楚什么样的内容是有效 hook，为了抓住增长窗口期，除了一些 KOL 专属推荐码合作，主要选择了创作者背书+付费广告扩量的模式。
其创新在于，品牌与创作者之间无合同、关于发帖内容和数量不做任何限制，品牌方没有花钱去邀请 KOL 制作内容，而是把合作门槛降到最低，以激励去“引诱”KOL 主动为品牌背书，再通过广告测试去挑选合适的素材去放量。
「MenuFit」的创作者合作页面
具体而言，创作者可就「MenuFit」创作任何内容，团队会审核视频，首条审核通过的视频奖励 20 美元；团队承诺会测试每条提交素材，胜出素材会扩大投放，创作者获得对应 ad spend 的 10%，可以通过看板了解素材表现、投放金额和收益。页面还提供“winning videos/hooks that work now/simple formats”，把历史胜出经验反哺给下一批创作者。
低门槛招募——批量 UGC 变体——小额测试——按表现扩大 Meta ad spend——创作者分成——赢家模板回流，是 MenuFit 团队现在的核心增长机制。
这套机制能够核心运转的前提，是付费端接得住流量。和多数卡路里识别 App 一样，「MenuFit」采用强付费墙设计，不付费基本无法使用，也套路地搭配了很长的 onboarding 流程、甚至我们在测试的时候第一次发现有产品不让截屏保存 onbarding 流程。
根据创始人在播客中的说法，启动广告投放两周后，几乎每天都在刷新纪录，并称 99.8% 的启动用户会走完约 25 屏 onboarding 到达付费墙，其中有 40%–45% 会开始试用或付费。
但一组数据让我们注意到了这个增长故事的另一面。
我们试着用「MenuFit」推荐的一份 LONGHORN Steakhouse 菜单做验证。App 给出的推荐菜单是西冷牛排搭配 4 只烤虾，标注热量总计 400 大卡。但对照 LONGHORN 官方菜单，烤虾实际上带米饭、用了蒜香黄油，卡片背面的点餐提示并未提醒用户。米饭和蒜香黄油各贡献约 230 大卡，全部吃进去是 860 大卡。（注：根据美国 FDA 规定，拥有 20 家及以上门店的连锁餐厅必须在菜单上披露热量。）
「MenuFit」展示的菜单和热量信息（上）
LONGHORN 餐厅官方菜单（下）；根据美国
FDA 规定，同一品牌拥有 20家及以上门店、且销售
基本相同标准菜品的连锁餐厅，必须在菜单上披露
热量，并应消费者要求提供脂肪、碳水、蛋白质、
钠等营养信息，如果单纯调三方 API ，成本很高
对于一个核心价值主张是“告诉用户在外面怎么点餐不会超标”的产品来说，400 和 860 之间的差距，会直接动摇用户信任。
从产品公布的信息来看，「MenuFit」数据来源是三方营养数据库 Nutritionix，基于用户在 onboarding 流程里填入的基本信息使用 Mifflin–St Jeor 等公式估算基础代谢，推导出每日热量和宏量营养素目标，再由 OpenAI 根据计算结果、用户偏好，将菜单进行组合、生成推荐理由。其中，任何一道环节的偏差，如数据更新不及时、AI 做重新组合时对细节的疏忽、甚至合成图片时 4 只虾变 5 只虾，都会被用户视为数据错误。
「MenuFit」数据来源与 AI
使用声明｜图片来源：产品截图
对于评论的分析侧面验证了上述结论。虽然「MenuFit」上线一年后在应用商店的评分为 4.8，但我们用点点数据调取了近一年带有文字的 893 条有效评价，平均分仅为 2.73。高质量好评主要认可需求确实存在、节省点餐决策时间；但数据错误的相关评论高频出现，“热量与餐厅官方数据相差数百卡”、“已经下架的菜品仍被推荐”、“多个菜品显示相同热量”等问题都有出现。而因为这些数据错误，AI 没有增加价值感，AI 图片+不精准的推荐+付费墙，被用户认为是“低成本包装公开信息”。
2026 年 7 月之后，负面评论比例提升。「MenuFit」在扩大获客规模的同时，广告承诺与实际付费体验之间的落差，可能也在被同步放大。
从 MyFitnessPal 到 CalAI 再到 BitePal，之前大家卷的是怎样更快、更轻松地记录吃下去的东西。「MenuFit」的贡献在于验证了另一种思路，入口迁移。用户追踪热量的最终目的是减重或增肌，这条链路上不止“事后记录”一个节点，找到一个被头部产品忽视的入口，就不必在同一场景内正面竞争。
我们看到很多国内的团队在入局热量追踪，但思路是要么换个市场、要么加个 AI降低录入门槛、要么学一些厂商做 mascot 和游戏化，基本上还是在“餐后记录”的场景里找差异化。回归需求本身、找到链路上被忽视的节点，可能是更值得尝试的方向。
但显然，400 大卡和 860 大卡之间的差距，成为了「MenuFit」目前无法兑现的承诺。
参考视频-Menu Fit Founder Shares Marketing Secrets and Insights For App Growth | Cole Kosco, YouTube
注：6 个视频送出 50 万份 PDF；99.8%的启动用户走完 25 屏 onboarding 流程，40-45%用户开始试用或者付费，均为创始人自述，白鲸出海未做验证。
推荐阅读