24小時賺進數千美元!無聊行業藏著AI創業的巨大商機

當所有人都在追逐性感的GPT應用和SaaS工具時,一位行銷專家卻發現了一個被忽視的金礦——用AI改造傳統地方服務業。他僅用Claude Code花了4小時建立網站,24小時內就接到數千美元的訂單,這背後隱藏著什麼秘密?

- #被忽視的數十億美元套利機會

資深行銷專家James(The Boring Marketer)在最新訪談中揭露了一個驚人的商機。他指出:「每個人都在建立AI代理、工作流程和SaaS工具,但我覺得大家都忽略了自家後院的生意。」

他分享的案例令人震驚——幫朋友的柴油卡車維修服務建立網站,僅在上線24小時內就產生數千美元的實際收入。他強調:「這是實實在在的行銷投資回報率,只用了Claude Code就達成了,這簡直令人難以置信。」

- #傳統產業的AI改造優勢

為什麼選擇「無聊」的傳統產業?James提出了幾個關鍵洞察:

首先是競爭對手的技術落後。他解釋:「如果你在地方市場找到一個無聊的利基市場,你面對的是那些可能10到15年都沒更新過網站的競爭對手,他們還在用筆記本和試算表經營。」

其次是AI防禦性。他提到一個有趣的觀點:「如果到2030年AGI真的來臨,數位服務和SaaS可能會被徹底顛覆。但我不認為未來5年內會有機器人在高速公路上維修重型拖車。」

- #4小時完成數月SEO工作的秘密

James使用Claude Code在短短4小時內完成了通常需要數月的工作:

  1. 建立完整網站架構
  2. 創建50+個針對性地點頁面
  3. 進行全面技術SEO優化
  4. 實現網站速度最佳化

他透露關鍵技巧:「我讓Claude Code進行極度深入的思考,使用ultra think指令,真正深入研究並找出所有技術和頁面SEO問題。」

更驚人的是,他善用Claude Code的sub-agents功能:「你可以告訴Claude Code啟動三個代理,一個尋找內容機會,一個分析競爭對手,一個識別網站需要修復的其他問題。」

- #實戰成果:24小時排名前三

成果令人驚嘆。James展示:「如果你現在去Google搜尋『mobile diesel mechanic Charlotte』,我們已經出現在地圖前三名和自然搜尋結果前三名,而這些競爭對手有些已經經營20年了。」

他的商業夥伴電話響個不停,維修師傅接下來幾天的檔期都被預訂滿了。這證明了一個重要觀點:「卡車司機在路邊拋錨時,他不會打開ChatGPT問該怎麼修車,他會打開Google,找評價好的維修服務,然後打電話。」

- #給創業者的實用建議

James分享了幾個關鍵工具和流程:

設計工具:使用Figma設計網站,再用Anima插件將設計轉換為React組件,讓Claude Code組裝成網站。

開發環境:透過終端機安裝Claude Code,設定GitHub儲存庫,使用Vercel部署網站。

SEO優化:使用Google PageSpeed Insights檢測問題,將錯誤報告複製給Claude Code自動修復。

最重要的洞察是:「AI最大的差距是人們不知道該問什麼問題。垂直領域的專業知識才是關鍵。如果我不知道要問Claude Code關於SEO的問題,就不會在昨天接到那些訂單。」

- #無聊產業的巨大機會

這個案例揭示了一個巨大的套利機會——當所有人都在追逐AI的尖端應用時,用AI改造傳統地方服務業反而能快速獲利。正如James所說:「不要小看無聊的生意。」

在AI時代,真正的機會可能不在於建造下一個AI獨角獸,而是用AI工具武裝傳統產業,在競爭對手還在使用過時方法時,搶先佔領市場。這不僅是技術競爭,更是認知差異帶來的商業機會。

參考資料來源:https://www.youtube.com/watch?v=gWNFna6fgS8

Read more

Claude 的 Project、Skill、Connector 到底怎麼分?一次搞懂三者的關係

Claude 的 Project、Skill、Connector 到底怎麼分?一次搞懂三者的關係

很多人問我,在 Claude 裡面,Project、Skill、Connector 這三個東西到底差在哪裡? 什麼時候該用哪一個? 老實說,我一開始也搞得很混亂。 但實際用了一段時間之後,我發現其實邏輯很簡單。 先從最基本的開始:Connector 是對外的資料來源 如果你需要從外部拿資料,比如說接 Google Calendar、接 Notion、接你自己的資料庫,你就需要 Connector。 它就是一個 MCP 的連結,讓 Claude 可以去外面抓資料回來。 沒有 Connector,Claude 就只能用它自己知道的東西,沒辦法碰到你的資料。 Skill 則是內部的運算邏輯 Skill 沒有辦法對外連接。 它只能在內部用 Python 或程式碼執行。 你可以把它想成是一個 Controller,專門負責處理運算的部分。 比如說,你想讓 Claude 用特定的格式改寫文章、

By Andy Lin
讓 AI 認識你 — Memory is All You Need

讓 AI 認識你 — Memory is All You Need

讓 AI 認識你 — Memory is All You Need 最近我在 Claude 上快速搭建了七大 Agent。 原因很簡單:你的助理應該是越使用越懂你。 而 Claude Project 有個關鍵功能叫 Memory,它會根據你不斷詢問的過程,主動提取記憶。 這就是我認為 AI 助手真正強大的地方。 GA 分析助手:從進階到客製化 自從我串接 GA MCP 後,這位助手已經變得非常厲害。 漏斗分析、訪客來源、異常事件追蹤、站上任何問題都難不倒它。 但我想要的不只是這些。 我希望它隨著時間,能夠對齊我的知識,知道我要什麼。 你不用想太多,不用一次設定好整個 instructions。 試著使用一週,再回頭看看 memory,你會發現它已經根據你的行為開始學習客製化了。 許多助手不需要懂老闆要什麼,但網站分析不一樣。 因為我沒有那麼多美國時間,

By Andy Lin
AGI 來臨:兩大 AI 巨頭的預測與警示

AGI 來臨:兩大 AI 巨頭的預測與警示

在近期的達沃斯論壇上,Anthropic 執行長 Dario Amodei 與 Google DeepMind 執行長 Demis Hassabis 進行了一場關於「AGI 之後的世界」的深度對談,揭示了 AI 發展的最新進展與未來展望。 AGI 時間線預測 Dario 重申了他去年的預測:在 2026-2027 年,AI 模型將能夠在諸多領域達到諾貝爾獎得主的水準。他表示目前 Anthropic 的工程師已經不再親自寫程式碼,而是讓模型來完成編寫工作,人類只負責編輯和周邊任務。他預估在 6-12 個月內,模型將能端到端完成大部分工程師的工作。 Demis 則持稍微保守的態度,認為在十年內有 50% 的機會實現 AGI。他指出編程和數學領域較容易自動化,因為結果可驗證;但自然科學領域則更具挑戰性,需要實驗驗證,且目前模型在「提出問題」和「建立理論」

By Andy Lin
讓 AI 當你的健康顧問:我用 Apple Watch 數據打造個人健康分析 Agent

讓 AI 當你的健康顧問:我用 Apple Watch 數據打造個人健康分析 Agent

最近我嘗試做了一個 Agent,專門用來分析我的身體健康狀況。 這不是什麼有商業潛力的專案,純粹是出於好奇。 我想知道現在的 AI 到底能幫我們把健康分析做到什麼程度。 資料從哪來? 要讓 AI 分析任何東西,首先得有資料。 我第一個想到的就是 Apple Health。 因為我每天戴著 Apple Watch,它本來就會自動記錄睡眠、運動、心跳這些數據。 除此之外,我也在嘗試另一個經絡檢測的儀器,有點像中醫把脈的概念,只是還沒整合進來。 我覺得如果未來能把更多資料源串在一起,應該可以做出更有意思的應用。 技術架構其實不難 我用了一個叫「Apple Health Auto Export」的 App。 這個 App 可以把健康資料透過 REST API 自動傳送到你指定的伺服器。 資料打到伺服器後,我再處理並存到 Database 裡。 接著寫一個 MCP Server,然後在

By Andy Lin