在过去的半年里，卡路里追踪领域的头部格局几乎维持原样。
根据AppMagic的数据，2026年上半年，除了某款老产品收入回升外，月流水超过百万美元的产品基本是熟面孔。头部产品的整体流水甚至环比略有下滑，在这个单月Top1流水能过亿人民币的赛道中，头部格局已然固化。
然而到了8月，榜单上出现了一个新面孔。
“MenuFit”未曾披露过任何融资信息，其创始人上一份工作是在TikTok上发布关于增肌减脂期间如何正确饮食的主题视频。这款产品上线刚满一年，单月分成后流水便突破百万美元，成功跻身全球收入前十。
在体重和食物热量追踪标签下，8月全球收入前十的产品中，“MenuFit”位列第九。
一、从餐后记录，到餐前决策
无论是运营了16年的MyFitnessPal、还是借助AI拍照识别闯入头部的CalAI、抑或是用养宠玩法切入的BitePal，卡路里追踪赛道上的产品都共享一个基本假设：用户先吃东西，然后打开App记录。技术迭代改变的是效率，但场景始终停留在“餐后”。
“MenuFit”进入榜单，则源于它跳出了这个场景。
它的识别对象从用户准备好的食物，转向了快餐品牌的菜单。用户在点餐前打开App，选择一个餐饮品牌，系统会根据减脂或增肌目标推荐具体的菜品组合，并标注热量与宏量营养素；或者，另一条使用路径是，用户只知道今天想吃牛肉或墨西哥卷，App会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两种：一是用户选择餐饮品牌，App推荐多个选项（如最适合目标、高蛋白菜单等），点进去后可查看菜单详情和数据；二是用户通过筛选器填写偏好（例如想吃牛肉还是鸡肉、碗饭或汉堡），App来推荐不同餐饮品牌的菜单。
以前是“吃完了记一笔”，现在变成“餐前看看该吃什么”，这不仅是功能上的差异。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及这个节点。“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。
二、6条视频发出50万份PDF
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。
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50万份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。
三、让现金流转起来
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。
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。
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。
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onboarding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。
四、400打卡 vs 860大卡
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。）
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。
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。
写在最后
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。
本文来自微信公众号“白鲸出海”（ID：baijingapp），作者：殷观晓，编辑：智婷，36氪经授权发布。
