研究规模
16,357 条真实评论 · 8 款产品 · 全球(13,278)+ 中国(3,079)双市场
在场 · PRESENCE
用 AI 重做
实时位置社交
从 16,357 条用户声音到一个产品定义 · 一次完整的产品决策
本文复盘一次完整的产品决策:从 16,357 条真实用户评论出发,先判断赛道机会,再定义一款产品。文中产品已做脱敏处理(下称「在场 / Presence」),早期原型不在本文展示;竞品与调研引擎为真实名称。
这条链路只有三步,且每一步都基于数据、不基于设想:机会发现 → 战略判断 → 产品定义。从一个「被错杀的赛道」出发,推导出「亲密关系的信任空间」这一定位,再把它落成两条设计法则、一套信息架构与四个共享同一底层引擎的 AI 功能。
00 — 摘要
结论先行
先给结论
这是一个被错杀的赛道。在 7,548 条关于 Zenly 的 Hacker News 讨论里,产品层面的负面评价数量为零——它不是死于产品失败,是死于一次错误的商业决策。需求没有消失,只是被错误地杀死了;而被错杀的市场,永远会自己找继承者。
16,357
真实用户评论 · 分析母体
8
海内外位置社交产品
13,278
海外样本 · 看完整兴衰周期
3,079
中国样本 · 验证洞察适用性
一把 16,357 条声音读完之后,五个判断
- 赛道判断:实时位置社交不是死胡同,是刚被空出的「继承位」。
- 核心矛盾:中国用户的真实焦虑不是「被监控」,是「信任验证失效」——他们主动选择透明,反对的是产品用透明来收割他们。
- 新定位:这款产品应该是「亲密关系的信任空间」,而不是「位置共享工具」。
- 四个支柱:主动透明 / 零广告 / 双人仪式 / 数据归用户。
- 产品赌注:三个 AI 功能(意图识别共享 / 位置叙事生成 / 情境化脉搏)共享同一个底层「情境理解引擎」——赛道里没有任何玩家用 AI 重新设计过这个场景,这是唯一的 AI 原生设计。
二需求公式
把海外的七大需求逐一拿到中国 3,079 条数据里验证之后,中国位置社交真正的需求收敛成一个公式——前两项跨文化成立,后两项是海外框架里完全没有的新维度。目前没有任何一款产品同时做到这四件事,这四个维度的空白就是机会。
实时性+
社交化叙事+
反广告+
信任验证
01 — 方法
从 16,357 条声音走到一个产品
决策焦点这条链路有三步,三步都基于数据、不基于设想:机会发现 → 战略判断 → 产品定义。
一研究规模与数据纪律
16,357 条真实评论、8 款产品、全球(13,278)+ 中国(3,079)双市场。海外覆盖 Zenly、Life360、Find My、Snap Map、Bump,中国覆盖 Jagat、小恩爱、iSharing。调研由自建的 AI 调研系统 VoxLens 完成,模型分层处理:低成本模型批量筛选,强推理模型深度分析。
关键约束:事实核验下沉到数据采集层,数据不足时显式标注「仅供参考」,禁止编造;所有数字均由 Python 确定性计算生成,LLM 不参与数值聚合;所有用户原话引用均来自原始采集语料。
二为什么做双市场
海外数据规模大、跨度长,能看清赛道完整的兴衰周期;中国数据能验证海外洞察是否适用。这次调研最有价值的发现,恰恰来自两份数据的分歧之处——同一个需求,在两个市场里被表达成了完全相反的焦虑。
三关于 AI 协作
整个过程我用 AI 作为思考伙伴、用 Claude Code 作为执行协作者,但所有判断、取舍、反向否决都由我自己做。
我对「AI 产品经理」的理解是:不是用 AI 替代判断,是用 AI 放大判断。
02 — 市场与机会
被错杀的赛道
决策焦点判断这个赛道是不是真的死了,以及中国与海外的需求结构到底差在哪里。
先给结论
三个数字定调:Zenly 的产品负面评价为「零」——它死于商业决策而非产品;Jagat 的广告抱怨高达「18.9%」——中国的最大瓶颈是商业模式扭曲;中国的隐私讨论只占「1.6%」——中国用户不怕被看,怕的是看不到对方。隐私焦虑的方向,在两个市场完全相反。
0
Zenly 7,548 条 HN 讨论里的产品负面评价
18.9%
Jagat 评论中抱怨广告泛滥的比例
1.6%
中国样本中隐私相关讨论占比 · 七大需求最末
7.7%
中国样本中的情侣绑定场景占比
一Zenly 的尸检:产品没死,是被商业决策杀死的
7,548 条 HN 讨论,零条产品负面(无崩溃、耗电、难用)。所有负面都指向 Snap:收购后零整合、为避免与自家 Snap Map 竞争而主动关停,而不是把这个看起来很有价值的资产卖掉。前 Zenly 团队在 2023 年推出的 Bump 证明了两件事:需求是真的、团队能重建;但评分从 4.5 跌到 3.18 也说明,单纯复制功能不够,信任和网络效应要重新建立。
「为什么团队不能换个名字重新做一遍呢?」
这是赛道的墓志铭——它证明 Zenly 的死亡是一次非理性的主动销毁,而不是市场的自然淘汰。需求没有消失,只是被错误地杀死了。
Hacker News关于 Zenly 关停的讨论7,548 条
二在世的对手在做什么
- Life360 — 活下来但被恨着。用户反对的不是「付费」,是「为故障付费、为倒退付费、为监控权付费」。订阅模式已从「增值服务」异化为「故障保险」和「监控许可」。
- Find My — 系统级应用的天花板。苹果用「操作系统思维」解决「应用层问题」,把「寻物」当成设备属性,但用户要的是情境化服务,而且被锁死在苹果生态内。
- Snap Map — 作为功能 vs 作为产品。多数用户被动感知,以「不安」和「无用」为主。大平台集成的隐私是「架构风险」——位置成了打通全栈行为画像的密钥。
三海外七大未被满足的需求
按跨产品出现频次排序(应用商店关键词统计 + HN 语义分析)。横向结论:核心矛盾不是「隐私 vs 便利」,是「可撤销的意图性共享 vs 不可见的系统性捕获」——用户要的是「我在场时主动点亮的灯」,不是「我离场后仍持续燃烧的信标」。
海外七大未被满足的需求 — 频次为关键词与语义分析口径
| 需求 | 信号强度 | 本质 |
|---|---|---|
| 通知 / 提醒可靠性 | 352 | 核心安全场景失效,通知失效 = 产品价值归零 |
| 位置实时性与准确性 | 290 | 没有一个做到「真实时」 |
| 电池友好的持续定位 | 124 | 续航与持续在线的矛盾 |
| 跨平台兼容 | 119 | iOS / Android 体验割裂 |
| 隐私粒度控制 | 86 + HN 1000+ | 要的是场景化分级共享,而非开 / 关二元 |
| 社交化的位置叙事 | 高频主题 | Zenly 证明位置可以是社交货币,而非监控工具 |
| 可信透明的数据使用 | 高频主题 | 不反对付费,反对为不透明、不可控的数据交易付费 |
四中国市场:完全不同的战场
评分注水严重:Jagat / 小恩爱的 App Store 页面分(4.6 / 4.8)与采样均分(2.63 / 2.32)之间存在巨大鸿沟,真实的深度反馈以差评为主。三个最反直觉的中外差异决定了产品必须为中国重做,而不是把海外产品翻译一遍。
三个反直觉的中外差异 — 同一需求,两种相反的表达
| 维度 | 海外 | 中国 |
|---|---|---|
| 隐私焦虑方向 | 怕「被看」· 自主性框架 | 怕「看不到」· 信任验证框架 |
| 广告泛滥 | 几乎为零 | 头号痛点 · Jagat 18.9% / 小恩爱 14.5% |
| 核心场景 | 朋友圈 ·「你和你的世界」 | 情侣绑定 ·「你和你的对象」(7.7%) |
「我对象充了一个会员,现在我用苹果定位看他移动了,在这上面一动不动…… 这个软件可以冻结定位。」
一条把中国市场说透的 Jagat 一星评论。使用场景是「查岗」(信任验证工具),核心不满是「对方能用 VIP 隐藏自己」(信任验证失效)。决策语境是亲密关系,不是工具。
App Store · Jagat一星评论★☆☆☆☆
五真正的中国市场需求公式
把海外七大需求逐一在中国数据里验证:3 个完全成立(实时性、社交化叙事、跨平台部分),2 个部分成立但内涵不同(通知可靠性变成「状态显示失灵」、数据透明变成「不要用我分手后的记录收我钱」),2 个完全不成立(隐私粒度控制、电池友好)。剩下的,就是机会的形状。
03 — 战略定位
先说清楚不做什么
决策焦点早期产品最容易死于「什么都想做」。所以先划掉三条路,再立一个定位。
先给结论
新定位是「亲密关系的信任空间」:一个让两个人主动选择透明的、没有商业化污染的、为中国情侣场景从头设计的产品。它由四个支柱支撑——主动透明、零广告、双人仪式、数据归用户。
一三条明确不走的路
- 不是又一个 Zenly 复刻品。Jagat 已在做,而且正用广告和陌生人社交亲手把它做坏——再做一个,等于和一个正在自毁的产品抢它正在流失的用户,这是负和博弈。
- 不是又一个家庭安全工具。Life360 / Find My 的路,但订阅制在中国接受度极低,家庭安全场景在中国数据里只有 1.6%,远低于情侣场景的 7.7%。
- 不是又一个情侣记录 App。小恩爱的路,用打卡欺诈把自己玩死。「记录」是过去时态,位置社交是现在时态,混在一起两边都做不好。
二新定位:亲密关系的信任空间
这不是凭空想出来的——三条证据链汇聚到同一点:信任验证框架 → 需求公式(实时性 + 叙事 + 反广告 + 信任验证)→ 17+ 分级天然对应「亲密关系场景下的不安全感与确认需求」。
支柱 1
主动透明,不可隐藏
- 反 Jagat 的 VIP 隐身
- 一旦建立「信任绑定」,双方必须对等透明
- 不提供任何「付费隐藏」功能
支柱 2
零广告承诺
- 永不插入任何第三方广告
- 变现走娱乐化付费
- 解决中国市场头号痛点
支柱 3
双人仪式,不是群组工具
- 所有核心交互默认双人
- 是「我和 TA」,不是「我和一群朋友」
- 不是限制,是聚焦
支柱 4
数据归用户所有
- 关系结束后可一键导出、彻底删除
- 绝不设计「付费查看历史」
- 反「后悔药」模式
三价值主张(一句话)
它让位置共享从「被监控」变成「主动叙事」。「不是一张地图」否定了赛道里所有玩家的设计哲学——他们都在用 2012 年的地图思维,解决 2026 年的亲密关系问题。
不是一张地图,是两个人之间一个始终亮着的房间。
它还是设计决策的试金石:任何新功能,只要问一句「它是让房间更亮了,还是让监控更严了?」——前者就做,后者就砍。
04 — 用户与场景
他们做的是关系决策
决策焦点不写「25-35 岁一二线城市女性」这种人口学标签——那对产品设计没有指导意义。用对应真实动机的场景性画像。
一三个场景化画像
画像一 · 最大群体
异地恋的「信号维系者」
- 对抗空间距离带来的信任焦虑
- 不是监控,是需要「看到对方还在」
- 要求:状态绝对可靠、仪式丰富、共享对等
画像二
同城情侣的「日常默契者」
- 把位置变成日常关系的润滑剂
- 看到他「往家走」就知道该准备晚饭
- 要求:实时、情境感知、低打扰
画像三 · 补充群体
亲密闺蜜的「安全感共担者」
- 无伴侣阶段的情感 / 安全共同体
- 允许 3-4 人封顶的小组
- 要求:安全功能可靠、仪式私密
二三个使用场景
场景 A · 异地恋
睡前仪式
- 看一眼「在家 · 电量 67% · 刚结束通话」
- 点一下「已经躺下了」,AI 自动生成温暖状态
- 没打一个字,但双方都感到被爱
场景 B · 同城
下班默契
- 看到「他在地铁 2 号线」就开始做饭
- 加班到 9 点,AI 推「要不要准备点夜宵?」
- AI 给的不是位置,是一个关系决策
场景 C · 闺蜜
走夜路护航
- 每 30 秒同步位置给两个闺蜜并预告到达
- 超时未到自动报警
- 到家后自动结束,不留任何记录
三场景背后的真痛点
三个场景的共同点:它们都不是「我想知道 TA 在哪」的工具需求,而是「我想通过位置信息做一个关系决策」。做晚饭 / 发消息 / 等回家 / 不打扰——这些决策才是真正的产品价值。
现有产品失败的根因就在这里:它们给用户的是「信息」(经纬度、速度、电量),用户要的是「决策支持」。
AI 的价值,恰好是把前者翻译成后者。
05 — 产品定义
两条法则,四个 AI 功能
决策焦点把「亲密关系信任空间」这个抽象判断,变成具体的产品:设计法则、信息架构、AI 功能、设计原则。
一两条设计法则
- 第一法则 · The Law of TA。用户打开产品的第一秒,眼睛应该落在 TA 身上,不是落在产品自己身上。这条法则排除一切「宣传自己」的设计(大字 slogan、品牌弹窗、功能引导)。但有一条修正:主屏视觉主角是 TA,功能结构仍须承载完整的关系复杂度。
- 第二法则 · 入口的确定性。任何功能入口都固定在单手拇指热区,且不随内容长度上下漂浮。用户的典型场景是排队、等电梯、睡前躺在床上——单手、只想快速瞥一眼 TA。固定位置,是产品对用户的承诺:你永远知道去哪里找它。
二信息架构:三个 tab 对应时间的三个维度
底部 tab 不是「功能分类」,是「时间维度分类」:此刻 = 现在(关系的当下),故事 = 过去(关系的积累),信任 = 关系本身(契约常驻)。三个 tab 分别承载 AI 功能 1、AI 功能 2,以及「主动透明 / 数据归用户」两条支柱。
三AI 功能 1 · 意图识别共享
解决「信任验证」:用户主动选择透明,但现有产品给的要么是冷冰冰的经纬度,要么是允许对方隐藏的 VIP 功能。意图识别共享,是要让「双方完全透明」这件事变得更有意义,而不是更可怕。看到 TA 时不只看到一个坐标,而是三层信息——真实状态、状态可靠性、已经持续多久。
三个子能力:情感解读一行(把「在咖啡馆」翻译成「在常去的咖啡馆安静工作中」)、智能问候预填、情境化按钮状态(对方睡觉时「发消息」变成「悄悄话」)。兜底三层:一键覆盖修正、置信度显式化(推测中不触发通知)、可降级为纯「在 / 离线」。
四AI 功能 2 · 位置叙事生成 + 关系档案
解决中国排名第一的需求「社交化位置叙事」。现有产品的「叙事」停留在「你今天去了 3 个地方」这种日志,不是叙事。每天 AI 根据轨迹、停留时长、POI,自动生成一段 2-3 句的「今日故事」,用户一键批准后可选择分享给伴侣——它不是描述位置,是讲一个人的一天。
从「日记」到「关系档案」:每天的叙事自动积累成一份可回望的关系时间线(第 1 天 / 第 100 天 / 第 247 天)。这是对小恩爱「后悔药」的直接反击——数据归你,可导出、可删除,永不付费查看。绑定是双向确认的,不支持单方面建立,不支持「附近的人」发现。
五AI 功能 3 · 情境化脉搏
即使技术上把「到家通知」修好,用户要的也不是「TA 到家了」这个事实,是「TA 到家了,所以我现在要做什么」这个决策。情境化脉搏把通知从「事实陈述」升级成「决策建议」。兜底:每天 3 条硬上限(可调低到 1)、可关闭回归纯事实通知、用户给每条通知点「有用 / 无用」让 AI 学习。
六AI 功能 4 · 情感气象站
它不是工具,是「氛围」。AI 根据两人的关系状态,从一个精心策划的句子库里选一句「此刻恰到好处的话」,显示在首屏边缘(小字,像页脚)。关键设计:句子本身永远是「对所有人都成立」的话,所有「针对性」来自时机,不来自内容——这是好的情感设计和差的情感设计的分水岭。
七三条设计原则
- 地图的认知成本。地图不是「让用户看地图」,是「让用户看到 TA 在一个真实的空间里」。地图是背景不是前景——去掉点位密度、周边推荐、可点击图标,只留 TA 一个头像和一片暖色的城市纹理。如果用户开始研究路线,说明地图在和 TA 争夺注意力。
- 视觉签名:一条贯穿全程的红线。它在头像、状态、故事扉页、信任扉页反复出现,每次位置稍有不同,但都是同一种「产品在这里画了一笔」的语言。不是装饰,是签名。
- 记忆褪色。「此刻」的三张观察卡(此刻 / 1 小时前 / 3 小时前)字色逐级变淡——越近越清晰,越远越模糊,像真实的人类记忆。这不是视觉花样,是产品对「时间」的态度。
06 — 风险与边界
三条红线,写进产品设计
决策焦点亲密关系 + AI + 位置数据,是一个高风险组合。安全网、商业红线、内容安全必须在第一天就成立。
一AI 安全网(三层)
第一层
置信度显式化
- 任何 AI 推断都带置信度标签
- 「推测中」只显示、不触发通知
- 宁可让用户看到「不确定」,也不让用户相信错误的「确定」
第二层
一键覆盖 + 主动学习
- 所有 AI 生成内容都能一键修正
- 修正回流到用户的个人模型
- 下次不再犯同样的错
第三层
功能降级为纯工具
- 设置里可一键降级到「纯事实模式」
- AI 永远是增强项,不是强制项
- 帮用户做得更好,不取代用户判断
二三条商业红线(硬承诺)
中国数据里最刺眼的两个教训:Jagat 309 条广告 + 127 条 VIP 收费抱怨,小恩爱 198 条打卡欺诈。这两个产品都不是死于「用户不来」,是死于「用户来了但被商业模式赶走」。这三条一旦松动,产品就退化成「又一个 Jagat」。
三条商业红线 — 写进产品设计的硬承诺
| 红线 | 承诺 | 对照的反例 |
|---|---|---|
| 红线一 | 绝不出售用户数据给第三方;位置数据只用于本产品内共享 | Life360 把驾驶数据卖给保险公司 |
| 红线二 | 关系结束后,数据归用户;可一键导出、彻底删除 | 小恩爱「花钱看历史」的后悔药 |
| 红线三 | 没有「付费隐身」;要么一起暂停,要么一起解除 | Jagat 的 VIP 单方面隐藏 |
三内容安全三机制(17+ 场景的第一天责任)
- 不向陌生人开放「信任绑定」。必须手机号 + 短信验证码双向确认,绝不允许「附近的人」式陌生人绑定——直接切断 Jagat 被骂最凶的「陌生人社交污染」入口。
- 72 小时强制冷静期。解除绑定不立即生效,期间任何一方可撤回。第一个 24 小时还在愤怒高峰,第二个 24 小时自尊心阻止让步,第三个 24 小时情绪才真正冷却——这是关系可以被重新审视的最早时间点。
- 异常行为检测。若检测到某一方异常监控模式(查看频率远超正常值),在对方界面弹出一个不声张的提醒,指向反家暴和心理健康支持资源——不触发任何通知,保护被监控者的安全。
四商业模式:零广告 + 娱乐化付费
- 路径一 · 虚拟形象与互动道具。头像样式、对话气泡、同步背景、纪念日特效——买了锦上添花,不买不影响使用。与「用户信任」正相关。
- 路径二 · 高级会员(但绝不卡核心功能)。会员只卡「好看」,不卡「好用」——绝不包括解锁 AI 功能、实时位置、通知。这是和 Life360 的根本区别。
底线:永远不上广告,永远不把核心功能藏在付费墙后。
07 — 指标与路线
DATP 与反向指标
决策焦点用什么衡量成功,以及用什么提前发现产品正在走偏。
北极星指标
DATP — 每日活跃「信任绑定对」的数量(Daily Active Trusted Pairs):今天有多少对绑定关系中的双方都至少有一次意义性互动。不用 DAU,因为产品本质是「关系」不是「用户」——一个孤立的日活用户对这款产品没有价值。
一三个 AI 功能的核心指标
三个 AI 功能的核心指标 — 目标值
| 功能 | 核心指标 | 目标 |
|---|---|---|
| 意图识别共享 | 状态推断准确率(修正率的倒数) | ≥ 85% |
| 位置叙事生成 | 每日叙事分享率(一键批准并发送) | ≥ 60% |
| 情境化脉搏 | 通知有用率 | ≥ 70% |
二反向指标:产品走偏的自检系统
反向指标保护产品不被商业压力腐蚀、不被短期 KPI 拐带。其中最关键的一条是「解锁 AI 功能」付费尝试比例——它永远应为 0,因为根本不提供这个付费选项;若不为零,说明团队出现了「把 AI 藏起来变现」的冲动,必须在决策层叫停。
反向指标 — 触线即审查
| 反向指标 | 阈值 | 含义 |
|---|---|---|
| 单向共享比例 | > 5% | 「主动透明」被破坏,立刻审查 |
| AI 状态修正率 | > 20% | 情境理解引擎出问题,回滚或重训 |
| 夜间(23:00–7:00)通知量 | ≠ 0 | 时间窗口逻辑失效,即使 1 条也是哲学破裂 |
| 「解锁 AI 功能」付费尝试 | 永远为 0 | 不为零 = 团队想把 AI 藏起来变现,决策层叫停 |
08 — 边界与方法
这份文档没有解决的问题
决策焦点诚实声明边界,比假装无所不知更可信。
未解 · 一
商业模式
- 拒绝广告后的替代收入
- 需要更完整的推演
- 与支付意愿验证
未解 · 二
冷启动
- 「双人效应」=激活成本翻倍
- 必须同时让两个人下载、绑定
- 是亲密关系产品的固有难题
未解 · 三
AI 能力边界
- 气象站 / 意图识别 / 脉搏
- 当前 LLM 能做到什么程度
- 需与工程团队做 POC 确认
一研究方法与数据纪律
数据采集自 App Store(美区 + 中国区)、Google Play、Hacker News 的真实用户评论,总样本 16,357 条,覆盖 8 款核心产品。调研由自建的产品调研自动化 Agent(VoxLens)完成,被严格约束:事实核验下沉到采集层,数据不足时显式标注「仅供参考」,禁止编造;所有数字由 Python 确定性计算生成,LLM 不参与数值聚合;所有用户原话引用均来自原始采集语料。