38万条眼镜讨论,哪些能帮你做产品决定
38 万条原始记录、21 万条筛选后记录,能说明“用户在哪一步卡住”,不能说明“市场有多大”。这篇文章拆开产品反馈与开放场景,给出三个可验证的判断和五个不能下的结论。
关键结论
- 不同子集分别提示了连接、售后、续航、价格、重量和配镜问题,不能把它们拼成总体痛点排名。
- 产品反馈只有 74,719 条,开放场景有 135,143 条;两者不能混在一起算“产品评价”。
- 场景讨论量只能排验证顺序,不能排功能优先级,更不能当购买意愿。
- Reddit 占产品反馈的 57.7%,2026 年 6 月占 17.3%;这些偏差决定了任何汇总比例都不能当市场估计。
- 下一步不是再抓 38 万条,而是拿三个问题去问真实用户。
目录
一、问题:三种证据不能混在一起
研究 AI 眼镜,最容易把三件事混在一起:
- 有人在讨论某个场景,比如骑行、滑雪、开会;
- 有人在抱怨现有产品,比如配网、续航、重量;
- 有人真的买了、持续用、或者退货。
这三件事的证据强度完全不同。把第 1 类当第 3 类,就会得出“这个场景很火,所以产品会卖”的错误结论。
所以这份研究把数据分成两层:
- 产品反馈:明确谈论 AI/AR 眼镜产品、品牌、购买、使用、售后;
- 开放场景:先不看眼镜,先看用户在某个活动里遇到什么任务、痛点和替代方案。
两层都保留,但结论分开写。
二、数据:38万条怎么分层
| 数据层 | 记录数 | 用途 |
|---|---|---|
| 原始记录 | 384,474 | 采集池,含未过日期/相关性的内容 |
| 筛选后记录 | 209,862 | 2023+、去重、正文完整、可追溯 |
| 产品反馈 | 74,719 | 直接谈论产品/品类/购买/使用 |
| 开放场景 | 135,143 | 活动、任务、痛点、替代方案 |
筛选后记录里的 135,143 条是开放场景,不能算成“20 万条产品评价”。
平台分布也不均衡:Reddit 占产品反馈的 57.7%;2026 年 6 月一个月占 17.3%。这两个数字决定了:任何汇总比例都要带偏差说明,不能当市场估计。
三、方法:产品轨与场景轨
这份研究用了“产品 + 场景”双轨采样。
产品轨:按产品社区、品牌、品类关键词,做 2023 年以来的时间切片;每个月设配额,避免某次发布会刷屏。
场景轨:选了 14 类开放场景,包括游泳/公开水域、旅行/翻译、骑行、跑步、滑雪、摩托/驾驶、徒步/登山、航海/钓鱼、无障碍、处方眼镜、现场作业、照护、亲子、创作者/活动。
场景轨按月份和场景做均衡配额,43 个月连续采样;不同社区覆盖每月的不同三分之一,减少“月底发帖多”的偏差。
每条记录保留来源、URL、日期、正文和匿名作者标识;正文里的证据按场景上下文、任务痛点、替代方案、接受方案、购买意向、拥有或使用线索分层;规则标签需要回看原文核实。完整编码映射放在附录。
四、发现:三个门槛怎样影响选型
1. 不同子集,回答不同问题
| 摩擦及所属子集 | 记录 | 对应的产品问题 |
|---|---|---|
| 配网/连接(未分类产品反馈) | 1,782 | 换手机、换账号、换 App,能不能一次连上? |
| 售后/保修/退货(未分类产品反馈) | 1,388 | 坏了去哪修,门店还是寄修? |
| 续航太短(未分类产品反馈) | 1,297 | 一天一充,还是换电/充电盒? |
| 价格不值(未分类产品反馈) | 1,243 | AI 功能值多少溢价? |
| 重量/佩戴(未分类产品反馈) | 612 | 戴两小时,能不能忘记它的存在? |
| 处方镜片(处方日常佩戴) | 2,736 | 验光、装配、取镜,谁来做? |
这些数字不能证明“佩戴比 AI 更重要”,但能拆出三种待验证的阻力:连接影响能否开始使用,重量和续航影响能否覆盖整段任务,配镜和售后影响能否长期维持。它们对应不同的产品负责人和测试方法。
2. 场景热度不是需求
研究中已识别的产品场景标签包括生产力/空间显示器 10,229 条,免手持拍摄/Vlog 7,692 条,游戏/影音 7,653 条,处方日常佩戴 5,246 条,通勤助手 2,286 条。
这些数字只能用来排“先验证哪个场景”,不能用来排“先做哪个功能”。它们不是购买意愿,更不是市场规模。
比如设想一个“骑行时想要导航”的场景,不代表骑行者愿意为眼镜付钱;他可能用手机支架、骨传导耳机,或者一块码表。开放场景的 135,143 条记录,只能说明“这个活动里有这个麻烦”,不能说明“眼镜是首选解法”。
3. 从场景到一次完整比较
这批不同形态的产品里,可以拆出几种价值:大屏显示、佩戴者视角拍摄、免手持音频、随时在场的 AI 助手。这些功能对应的佩戴条件不同:室内大屏可能只用一小时,通勤导航要处理移动和噪声,日常近视镜则需要更长时间的舒适度。
一个值得验证的路径是:先把它当墨镜、近视镜或运动相机用,再在具体任务里调用 AI。该路径是否适用于目标用户,要记录佩戴时长、调用时刻及放弃原因,不能从讨论数量推出。
例如验证通勤导航:先记录手机或耳机怎样提示路线,再用眼镜走同一段路,记录是否频繁低头、提示是否遮挡、强光下是否看清、是否需要中途充电。若没有减少操作却增加了佩戴负担,就应优先修改任务设计,而非继续增加 AI 功能。这里是建议的测试方案,不是已完成的对照实验。
五、边界:五个不能下的结论
- 不能算市场规模。这是公开讨论样本,不是抽样调查;不能乘系数变成人数、销量或渗透率。
- 不能代表中国用户。中文平台记录很少,Reddit 占 57.7%,地域无法核实。
- 不能说“AI 眼镜没需求”。产品反馈里存在真实购买、使用、退货;只能说“日常佩戴和连接是前置门槛”。
- 不能说“某个场景火了”。场景讨论量不等于购买意愿;开放场景 135,143 条不是 135,143 个买家。
- 不能把“任务/痛点”当“购买/持续使用”。抱怨多,不等于愿意付钱;愿意付钱,也不等于持续使用。
如果你也在做公开反馈研究,可以先选一个明确人群,记录他现在用手机、耳机或普通眼镜怎样完成同一件事,再测试新眼镜究竟减少了哪一步。
六、复现附录
数据与字段
- 时间窗:2023-01-01 至 2026-07-12。
- 原始记录:384,474 条。
- 筛选后记录:209,862 条(产品 74,719 + 开放场景 135,143)。
- 关键字段:
product_form、scene_labels、demand_evidence_level、corpus_role、author_hash。
编码映射
| 正文说法 | 编码 |
|---|---|
| 场景上下文 | E0 |
| 任务/痛点 | E1 |
| 替代方案 | E2 |
| 接受方案 | E3 |
| 购买意向 | E4+ |
| 拒绝/退货 | E4- |
| 自述购买、拥有或使用线索 | E5 |
复核口径
- 产品反馈 57.7% 的 Reddit 占比,分母是 74,719 条产品反馈,不是 209,862 条全量。
- 摩擦数字来自对应场景小节,不能把“未分类产品反馈”的子集当全量排名。
- 74,719 + 135,143 = 209,862;不要把开放场景算成产品评价。
已知限制
- 2026 年 6 月事件占 17.3%;
- 拥有者幸存者偏差:产品社区更容易留下“还在用的人”;
- 提及不等于痛点,场景不等于需求,记录数不等于人数;
- 缺独立人工金标准。
本文不提供未经验证的采集命令;外部读者只能复用方法,不能宣称复现本研究。
七、参考资料
- AI 眼镜用户研究,2026-07-12。
- Rokid Glasses 2 / Color 发布,IT之家,2026-10-27:https://www.ithome.com/1/018/475.htm