用户调研完整分析报告（V-Sprout · 问卷 V1.2 对齐）

本报告由仓库内脚本 tools/survey_pipeline/run_all.py 从 Excel 自动生成，指标定义与假设检验与 ../data_processing_plan.md 及 ../survey_v1.2.md 对齐。

• 原始数据：docs/requirements/灵感妙计调研 (1).xlsx（含邮箱等敏感信息：勿公开提交）。

一、方法与样本概况

• 数据来源：飞书问卷导出第 1 个工作表。
• 清洗规则：作答时长 < 45 s（或过长）剔除；Q2「活动类型」为空剔除；启发式剔除「六道以上必填单选题字面答案完全相同」。
• 本导出行数：55；剔除 2 行后 N_valid = 53。

条件题与分母

• Q7b opportunity_cost 作答人数：31。
• Q9d Eligible（Q3 ∈ {几乎每天，每周好几次}）：25；其中作答 Q9d：25。
• 「你是否认真作答问卷？」（飞书自建题）：是 5，否 48。未用于剔除，请结合实际题干核对语义。

二、核心指标面板（Wilson 95%，分母 = N_valid）

策划决策矩阵对照（§6.1）

三、单项频次（分母均为 N_valid）

3.1 年级与灵感频率

3.2 Q7 痛苦感 · Q6b 灵感关联体验

3.3 AI 价值 · 下载意向

四、V1.2 增强题

4.1 Q8b 外部内容捕获

• 高捕获（经常保存 ∪ 加批注）占比：54.7%；95% CI：[41.5%, 67.3%]。

4.2 Q9b 回顾习惯

4.3 Q9c 回顾方式偏好（多选命中率）

4.4 Q9d（仅高频灵感用户应答者）积累「涌现」感知

• 「有过拼图式成果」 ∪ 「想过但做不到」：在应答 Q9d 者中为 48.0%；Wilson：[30.0%, 66.5%]（分母 = 应答 Q9d 的人数）。

五、多选题 TOP·图

5.1 Q9 现存工具不满（slug = 数据处理计划命名）

标记	%（可多选命中率）
pp_scattered	60.4%
pp_no_develop	52.8%
pp_no_review	35.8%
pp_cant_find	30.2%
pp_friction	20.8%
pp_privacy	7.5%
pp_none	5.7%

5.2 Q11 功能优先级

标记	%（可多选命中率）
feat_link	66.0%
feat_speed	52.8%
feat_ai	34.0%
feat_minimal	28.3%
feat_local	22.6%
feat_cloud	20.8%
feat_widget	18.9%
feat_action	17.0%
feat_voice	7.5%

5.3 本地 ∩ 云端同时勾选冲突率（Q11）

1.9%。若明显高于 15%，说明硬件/隐私偏好尚未二元化；产品上建议：默认本地，云同步为可选。

六、推断统计简介

6.1 is_creator × has_pain

列：is_creator 行，has_pain 列。

• χ² = 0.3469, p = 0.55586, Cramér V = 0.0809

6.2 Spearman 秩相关（序数量表 · pairwise 省略缺失）

七、high_intent ∩ has_pain VIP 速写

• 人数：15（28.3%）。 | 年级 | 份额 | |------|-----:| | 大一 | 60.0% | | 大二 | 20.0% | | 大三 | 13.3% | | 大四 | 6.7% |

VIP 最常点的功能 slug（均值 Top5）：

八、开放题（仅用长度统计）

• 非空 16 份；平均字符：53.7。

九、数据 → 产品结构（节选）

十、局限与后续

• 有效样本 N_valid=53，低于规划 200，区间宽、检验力弱；适合方向判断而非精细效应量估计。
• 若飞书未严格跳题，报告仍按 题目设计 标注 Q9d 等子样本分母。
• 复现：在仓库根目录执行 python tools/survey_pipeline/run_all.py。

附录 · 列映射

详见 tools/survey_pipeline/mapping.yaml。

V-Sprout 问卷数据深度分析与项目方向行动方案

综合全部 10+ 份项目文档 + 53 份有效问卷 + 外部行业调研 日期：2026-05-04 | 目标：为 5/11 初赛提交提供数据驱动的产品决策

一、核心结论（Executive Summary）

[!IMPORTANT] 所有 6 大核心假设全部通过门槛验证，产品方向成立。 但数据揭示的用户真实需求与原始设计存在 3 处关键偏差，必须在 MVP 中修正。

三大关键偏差（必须修正）：

1. 用户最需要的不是"AI 孵化"，而是 "自动关联"（feat_link 66% >> feat_ai 34%）
2. 用户最大的痛不是"记不下来"，而是 "记了也没体系"（pp_scattered 60.4%）
3. "复利假设"在高频用户中得到验证（48%），但 回顾习惯极弱（仅 11.3% 定期回顾）

二、数据深度解读：六大维度逐一拆解

2.1 痛点结构：不是"丢失"而是"碎片化"

Q9 痛点排名揭示了真正的需求优先级：

[!WARNING] 关键发现： "记录太麻烦"仅排第 5（20.8%），说明 flomo 等工具已经解决了快速记录问题。我们的战场不在"捕捉"，而在"体系化"和"孵化"。 产品叙事必须从"更快记录"转向"让碎片生长为体系"。

2.2 功能偏好：关联 > 速度 > AI

Q11 功能优先级数据：

[!IMPORTANT] "自动关联"以 66% 的压倒性优势排名第一——这是产品的「道」（灵感复利）在用户侧的直接验证。MVP 必须把语义关联做到可感知，这是用户选择我们而非备忘录的核心理由。

本地 vs 云端冲突率仅 1.9%——用户倾向明确，采用 "默认本地 + 可选云同步" 架构无争议。

2.3 VIP 用户画像：大一 + 创作型 + 关联需求

高意向 ∩ 高痛感用户（N=15，占 28.3%）：

VIP 用户的核心诉求：极快记录 + AI 自动关联旧想法 + AI 反馈。 大一学生是最积极的早期采纳者——他们信息密度高、创作热情强、工具迁移成本低。

2.4 "灵感复利"假设验证

Q6b 关联体验（N=53）：

• 79.2% "偶尔有，挺惊喜" + 17.0% "经常有但找不到记录" = 96.2% 体验过灵感关联
• 仅 1.9% 从未有过

Q9d 积累涌现价值（仅高频用户 N=25）：

• 40% "有过拼图式成果" + 8% "想做但做不到" = 48% 认可积累价值
• 36% "隐约感觉过" → 潜在可转化用户

[!TIP] "灵感复利"的道成立，但需要工具帮助实现。 近半数高频用户已经自发体验到积累的涌现价值，但 88.7% 没有定期回顾习惯——这正是产品的切入点：不是教用户回顾，而是让系统自动完成关联和唤醒。

2.5 外部捕获需求验证

Q8b：54.7% 为"高捕获型"用户（经常保存或加批注）

Spearman 相关：外部捕获 × 使用意向 ρ=0.277, p=0.045 → 显著正相关

→ 内容收集型用户更愿意下载。剪贴板/分享导入应纳入 MVP。

2.6 统计检验关键结论

关键洞察：驱动下载的不是"痛苦程度"而是"灵感频率"和"收集习惯"。 产品获客应瞄准"高频产出灵感"和"习惯性收集内容"的用户，而非仅仅"痛苦"的用户。

三、外部研究补充：行业趋势验证

3.1 PKM（个人知识管理）行业 2024-2025 核心趋势

3.2 flomo/Obsidian 用户流失原因验证

我们的数据完美印证了行业研究发现：

• flomo 用户流失核心："记录很爽，整理很痛" → 我们的 Q9 数据：60.4% "无法形成体系"
• Obsidian 用户流失核心："伪繁荣的挫败感" → 我们不做复杂配置，AI 自动完成
• 共同缺失："记完之后的事" → 这正是我们的 AI 孵化 + 自动关联

3.3 竞品空白地带确认

           我们的差异化定位
                 ↓
    ┌──────────────────────────────┐
    │  快速记录  ← flomo 已解决     │
    │      ↓                       │
    │  AI 理解 + 孵化 ← 空白市场    │ ← V-Sprout
    │      ↓                       │
    │  自动关联旧灵感 ← 空白市场    │ ← V-Sprout
    │      ↓                       │
    │  行动化输出 ← Notion 部分覆盖 │
    └──────────────────────────────┘

四、产品方向修正：数据驱动的 3 大调整

调整 1：重新定义核心叙事

原叙事：「帮你更快记录灵感」 修正叙事：「让碎片想法自动长成体系」

依据：痛点 #1 是"零散无体系"(60.4%)，而非"记录慢"(20.8%)

比赛答辩话术修正：

"你有没有突然想到好点子但转头就忘了？" ✅ "你的备忘录里是不是存了一堆想法，但它们从来没有变成任何东西？V-Sprout 让每一条碎片自动找到同伴，长成可执行的方案。"

调整 2：MVP 功能优先级重排

P0（必须在 Demo 中展示，5/9 前完成）：
├── 极速文字输入（3 秒内完成记录）
├── AI 孵化输出（3 方向 + 1 质疑 + 1 下一步）
├── 语义关联（输入后自动显示 2-3 条相关旧灵感）← 新增为 P0
└── 剪贴板/外部内容一键导入 ← 从 P2 提升到 P0

P1（有则加分，5/10 打磨）：
├── GardenView 时间线浏览（43.4% 偏好）
├── 关键词搜索（43.4% 偏好）
├── 灵感 → 待办一键转化
└── 极简暗色 UI

P2（延后）：
├── 云同步（可选）
├── 语音输入（仅 7.5%）
├── 手机小组件
└── 主题分类视图

调整 3：GardenView 交互设计数据驱动

Q9c 回顾方式偏好数据：

五、比赛策划文档可直接引用的数据弹药

以下段落可直接复制进初赛策划文档：

用户调研概况

我们面向在校大学生投放了匿名问卷（飞书问卷平台），回收 55 份，剔除无效数据 2 份后获得 53 份有效样本。受访者覆盖大一至研究生（大一 34%、大二 15.1%、大三 24.5%、大四 22.6%、研究生 3.8%），活动类型涵盖论文写作、自媒体创作、竞赛策划、科研等多元场景。

核心发现

• 81.1% 的受访者承认灵感在记录后未被继续发展（"还记得但没深入"/"再没打开看"/"想不起来"）
• 58.5% 对灵感丢失感到遗憾或认为影响了项目/创作
• 在感到遗憾的用户中，32.3% 认为丢失的灵感本可变成项目方案，29.0% 认为可变成更成熟的认知
• 94.3% 对现有记录方式存在不满，最大痛点是"想法太零散，无法形成体系"(60.4%)
• 60.4% 认为 AI 即时反馈对自己有帮助
• 用户最看重的三个特性：①自动关联新旧想法(66%) ②极速记录(52.8%) ③AI 反馈(34%)
• 39.6% 表示愿意立刻下载试用，24 人主动留下内测邮箱（留存率 45.3%）

"灵感复利"验证

96.2% 的受访者体验过"看到新东西突然和旧想法产生关联"的经历。在高频灵感用户中，48% 曾有过"多条零散想法拼合为完整方案"的涌现体验，证实灵感的跨时间积累确实能产生超越单条的价值——这正是 V-Sprout"灵感复利引擎"的需求基础。

六、7 天冲刺行动计划（5/4 → 5/11）

Demo 演示脚本（30 秒核心闭环）

[用户打开 App，看到极简输入框]
→ 输入："能不能做一个让外卖骑手互助的平台"
→ [1.5 秒后] AI 返回孵化结果卡片：
   📌 项目灵感
   🔀 方向：①骑手社区互助 ②即时人力调度 ③安全预警网络
   ❓ 质疑：骑手有时间用这个吗？
   ✅ 下一步：先访谈 3 个骑手
→ [同时] 底部浮现："🔗 发现 2 条相关旧灵感"
   · 3 天前："共享经济在蓝领群体的应用"
   · 上周："外卖平台的信息不对称问题"
→ [用户点击关联] → 灵感网络可视化

七、风险与局限性

八、开放题精华摘录与启示

九、最终产品定位一句话

V-Sprout 不是更快的备忘录，不是另一个 AI 对话框。它是一个让你的碎片想法自动找到彼此、自动生长为可执行方案的本地灵感培养皿。

数据支撑：81% 的灵感在记录后死亡，60% 的用户苦于想法零散无体系，而 96% 体验过灵感之间的关联价值——V-Sprout 用端侧 AI 让这种关联自动发生。

正在加载交互图表…