最近一段时间我在系统研究流量站的变现模式，想找一些**“表面简单、底层极强”**的案例。Tenor 就是在这个过程中被我挖出来的。
说实话，第一次看到数据时是有点不真实的：
一个 GIF 搜索网站，每个月能做到 400–500 万美金收入。
不是 SaaS，不是订阅制，也不是金融或成人流量，而是我们每天聊天时顺手发的表情包。
这篇文章，就是我对 Tenor 这个案例的完整拆解。
一、基础数据先摆出来
先不谈模式，直接看体量。
核心流量与站点数据
| 指标 | 数据 |
|---|---|
| 月访问量 | 33.45M |
| 全球排名 | 1618 位 |
| 国家排名 | 987 |
| 跳出率 | 52.88% |
| 平均访问页数 | 2.85 |
| 平均停留时间 | 00:01:48 |
| 域名年龄 | 30.56 年 |
| 日均搜索请求 | 3 亿+ |
| 月度请求量 | 120 亿+ |
| 覆盖语言 | 45 种 |
| 收购背景 | 2018 年被 Google 收购 |
光是“日均 3 亿次搜索、月 120 亿请求”这一条，就已经说明：
Tenor 根本不是一个普通网站，而是基础设施级别的服务。
二、Tenor 到底在卖什么
表面看，Tenor 是一个 GIF 搜索引擎。
但如果只看到这里，是完全看不懂它为什么这么赚钱的。
本质上，它卖的是“情绪表达能力”
Tenor 并不是在解决“找图”的问题，而是在解决一个更底层的需求：
当用户不知道该怎么回一句话时，用什么情绪回应最合适。
官方和第三方数据显示，超过 90% 的 GIF 搜索，本质都是情绪相关的搜索。
比如：
- 开心
- 尴尬
- 无语
- 社死
- 惊讶
- 不想说话但又得回一句
这不是内容消费，而是即时决策辅助。
我自己就是重度用户。有些场景你真不知道怎么回，
但一个 GIF 发过去，情绪立刻就到位了。
三、Tenor 的核心壁垒：情感图谱
Tenor 最核心、最难复制的资产，并不是 GIF 本身，而是它背后的 Emotional Graph（情感图谱）。
什么是情感图谱
它解决的是一个非常难的问题：
- 用户输入的是抽象、模糊、情绪化的词
- 系统返回的是能精准表达该情绪的视觉内容
举个非常典型的例子：
- 用户搜索：“尴尬”
Tenor 并不是简单返回标签叫“尴尬”的 GIF，
而是能命中以下细分情绪：
- 社交冷场
- 说错话
- 不知道该接什么
- 想逃离现场
这是语义 → 情绪 → 视觉表达的映射，不是关键词匹配。
为什么这件事很难复制
原因只有一个：数据规模。
Tenor 每天处理的是数亿次真实情绪选择行为。
这些数据反复训练、反复修正排序，才逐渐形成稳定的情绪理解能力。
这不是靠堆工程师能解决的，是靠时间 + 使用频率堆出来的。
四、真正致命的一步：占据聊天入口
Tenor 最聪明、也是最狠的一步，并不是 SEO，而是分发策略。
它几乎不试图把用户留在自己的网站。
它做的是另一件事：
直接嵌入用户每天最常用的聊天场景。
核心集成入口
- WhatsApp（20 亿用户）
- Facebook Messenger（13 亿用户）
- Google Gboard（10 亿+）
- iMessage
- Twitter 等
用户在聊天时，点一下 GIF 按钮，
背后调用的就是 Tenor 的搜索能力。
用户甚至不知道自己在“使用 Tenor”。
这一步，直接决定了它的上限。
五、为什么 Google 一定要收购 Tenor
2018 年 Google 收购 Tenor，很多人只看到了表层理由：
增强 Gboard、搜索和表情体验。
但从今天回看，这次收购的真正价值在于一件事：
情绪数据，是 AI 时代被严重低估的训练资产。
Tenor 每天积累的是：
- 人类在真实社交中的情绪表达
- 情绪词与行为选择之间的对应关系
- 情绪在不同文化、语言下的差异
如果你希望 AI 助手“更像人”，
那 Tenor 的数据，价值远超现金流。
六、Tenor 的 SEO：不花哨，但极其狠
流量来源结构
| 来源 | 占比 |
|---|---|
| 自然搜索 | 62.99% |
| 直接访问 | 33.65% |
| 引荐 | 2.02% |
| 社交 | 1.21% |
| 付费 | 0.13% |
| 邮件 | 0.01% |
63% 的流量来自自然搜索，几乎不依赖广告。
长尾关键词打法
Tenor 基本不碰“GIF”这种大词，而是彻底铺长尾：
- happy birthday gif
- good morning gif
- excited reaction gif
- hungry food gif
情绪 × 场景 = 关键词。
这些词的特点是：
- 搜索意图极强
- 用户进来就是要用
- 几乎不存在“信息型闲逛”
内容规模如何撑住
Tenor 有：
- 230+ 分类
- 11000+ 工具标签
全部靠自动化完成：
- AI 自动分类 GIF
- 自动生成标签和描述
- 根据搜索行为动态调序
- 趋势榜单每小时更新一次
这是典型的机器驱动型内容站。
七、产品体验：极致克制
Tenor 的产品设计，有一个非常明显的特点：
几乎没有任何“多余功能”。
搜索即结果
- 打开就是搜索框
- 输入即返回
- 不需要理解规则
整个流程在聊天场景中，不超过 3 秒。
无限滚动设计
瀑布流 + 无限加载，完全为移动端服务。
Similarweb 数据显示：
- 平均停留时间：1 分 47 秒
- 平均浏览页数：2.9
对一个工具型网站来说，这是非常健康的数据。
跨平台同步
收藏夹可在：
- 网页
- 键盘
- 各聊天应用
之间同步。
这是一个非常小的功能，但直接提升了复用率和粘性。
八、Tenor 面临的真实风险
风险一：API 关闭引发的信任问题
2026 年 6 月，Tenor 关闭第三方 API，只保留 Google 生态。
直接结果是：
- 大量开发者流失
- 第三方应用转向 KLIPY 等替代方案
这是一个典型的生态信任风险。
风险二：过度依赖聊天场景
如果未来 AI 助手可以：
- 直接理解上下文情绪
- 自动生成合适的回应
那“手动搜索 GIF”这一步，可能会被弱化。
风险三：隐私与合规压力
情绪数据本身就是高度敏感数据。
在 GDPR、美国各州隐私法不断收紧的背景下，
这类数据的合规成本只会越来越高。
九、普通人还有机会吗
我自己的判断是：
不可能再复制一个 Tenor，但可以复制它的“方法论”。
可行方向一：特定人群
- 游戏玩家专属情绪库
- 职场场景表情包
- 老年人友好型表达工具
可行方向二：文化与语言细分
- 中文互联网梗图
- 二次元情绪库
- 方言情绪表达
可行方向三：B 端情绪数据
- 品牌情绪监测
- 内容情绪分析
- HR 情绪健康工具
十、核心启示总结
Tenor 这个案例，最值得记住的不是“GIF 很赚钱”，而是这几点：
- 高频刚需，哪怕看起来很小
- 做工具，而不是做内容
- 嵌入使用场景，比引流更重要
- 情绪数据，是长期资产
- 简单做到极致，本身就是壁垒
在 AI 时代，技术一直在变，但人类表达情绪的需求不会消失。
Tenor 只是用一个非常低调的方式，把这件事做到了极致。