Research Match：不替你写邮件，而是让你写的邮件有人回

产品是什么

Research Match 解决的是一个非常具体、非常痛的场景：本科生想进实验室做科研，得给教授发冷邮件，而这类邮件 90% 会被删掉。

它把这件事拆成三步，全站只有这三个功能：

• 搜索匹配：输入你在意的研究方向（量子计算、认知神经、气候政策都行），它从索引的 2.5 亿篇已验证学术文献里，按影响力排出真正在这个方向发文章的教授，覆盖 1000+ 所大学。官网给出的示例是搜「neuroscience + Harvard」，直接出来 Dr. Emily Nakamura（Harvard Medical School，记忆/fMRI）、Prof. James Miller（MIT，神经环路）、Dr. Aisha Patel（Stanford，计算/BCI）。
• AI 通俗摘要：每位教授配一段「新人能读懂」的研究摘要，并且标出关键发现。示例里写得很具体——「REM 睡眠期间的 theta 振荡使记忆巩固提升了 34%，2024 年发表，一作」。这不是让你假装读过论文，而是让你真的知道该引用哪一句。
• 邮件检查器：基于 20+ 位教授的真实反馈建的规则，在你点发送之前把问题挑出来。官网演示的那句话很有代表性——「I found your work fascinating and groundbreaking」被标为「Sycophantic tone（谄媚语气）」，建议 Remove flattery（删掉奉承）；对应的正解是「我读了你 2024 年那篇 theta 振荡的论文，34% 的记忆巩固提升让我意外，因为……」。

官网首页直接摆了一张和 ChatGPT 的对比表，把定位讲得极清楚：

怎么赚的钱

订阅制。TrustMRR 上创始人授权同步的 Stripe 数据显示：

• 月经常性收入（MRR）约 ¥36.4万，累计营收约 ¥957.6万
• 付费客户 19 个，当月新增 7 个、流失 1 个
• 月流失率 4.5%，月增长率 38.34%
• 客单价（ARPU）约 ¥19,172/月，客户终身价值（LTV）约 ¥42.6万

这组数字里有一个需要你自己判断的地方：19 个客户对应 ¥36.4万 MRR，意味着人均月付接近 ¥19,488，对「学生工具」这个定位来说高得反常。一种可能是实际卖的是院系/机构级别的批量授权，TrustMRR 没有披露更细的口径。这里如实呈现数据，不做推断。

站长是谁

TrustMRR 登记为匿名（Anonymous），国家填的是美国。官网也没放创始团队介绍，只强调「所有工具都经过 20+ 位教授的建议打磨并验证可用」。产品上线时间（TrustMRR 建号）是 2026-06-26。

这个案例能学到什么

第一，把「AI 的短板」而不是「AI 的能力」做成卖点。现在绝大多数产品在说「我用 AI 帮你写」，Research Match 反过来说「AI 写的教授一眼识破，所以我不替你写」。当所有人都在同一侧卷的时候，站在反面本身就是定位。

第二，用对比表替用户完成竞品教育。它不回避 ChatGPT，而是把它放在首页正中间逐条比。用户心里本来就有个问号，你先说出来，信任就建立了一半。

第三，把「专家反馈」沉淀成产品规则，而不是内容。20+ 位教授的意见没有被写成一篇博客，而是变成了邮件检查器里的判定规则。专家知识一旦变成每次使用都会触发的机制，就从一次性内容变成了留存。

第四，挑有明确截止压力的场景。暑研申请、研究生套磁都有时间窗口，用户不会「以后再说」。付费意愿往往不来自需求强度，而来自需求的截止时间。

来源与数据

• 站点：https://www.researchmatch.site
• 产品：教授搜索匹配 + AI 论文摘要 + 邮件检查器；订阅制
• 运营数据：MRR 约 ¥364,224，累计约 ¥9,574,327；19 个付费客户，月流失率 4.5%，月增长率 38.34%，ARPU 约 ¥19,172（TrustMRR 平台 Stripe 授权同步，verified=True，快照 2026-07-15）
• 产品数据：2.5 亿+ 论文索引、1000+ 大学、<24 小时首次教授回复（官网首页口径）
• 团队：匿名，美国；产品规则来自 20+ 位教授反馈

一句话总结

它没有帮你写那封邮件，它只是让你知道该引用哪篇论文、该删掉哪句奉承——在一个 AI 生成邮件被教授秒删的时代，卖「可核实的素材」比卖「漂亮的文案」更值钱。