Vanso 用户画像分析
数据来源：
- 用户原始 prompt：285 条（近期，~0527 前两周）+ 145 条（早期，~0503 前两周）
- 用户输入参数：人声性别、人声/纯音乐、风格选择（含"去掉模板"的真实选择分布）
覆盖市场： 马来西亚、菲律宾、哥伦比亚、厄瓜多尔、玻利维亚、秘鲁、巴西、南非、肯尼亚、尼泊尔
一、核心结论
用户不是音乐创作者，是情绪表达者和社交内容生产者。产品应该服务于"表达"和"分享"，而非"创作"。
支撑数据：
- 84% 是音乐小白，不懂也不想懂音乐术语
- 37% 的 prompt 有社交赠送意图（"送给某人"）
- 48.7% 不主动选风格，53% 不主动选人声性别——用户不想做专业决策
- 情绪驱动明显：浪漫+悲伤+快乐合计 48%
二、用户是谁
语言与市场分布
| 语言 |
占比 |
对应市场 |
| 英文 |
72% |
菲律宾、马来西亚、南非、肯尼亚（英语为通用语） |
| 葡萄牙语 |
9% |
巴西 |
| 中文 |
7% |
内部测试/华人用户 |
| 马来语/印尼语 |
2% |
马来西亚 |
| 西班牙语 |
2% |
哥伦比亚、厄瓜多尔、玻利维亚、秘鲁 |
| 菲律宾语 |
1% |
菲律宾 |
| 其他（尼泊尔语等） |
2% |
尼泊尔 |
关键发现： 拉美西语区 4 国仅贡献 2%，远低于预期。东南亚和非洲用户倾向直接用英文输入。
用户专业度分层
| 层级 |
占比 |
特征 |
| Tier 1 - 小白 |
24% |
极简输入："生日快乐"、"I love music 🎶" |
| Tier 2 - 普通 |
44% |
有基本风格描述，无专业术语 |
| Tier 3 - 进阶 |
26% |
自带完整歌词或详细风格描述 |
| Tier 4 - 专业 |
4% |
完整结构标记 + BPM + 音乐术语 |
三、用户想要什么
参数选择行为（去掉模板后的真实分布）
人声 vs 纯音乐：
人声性别：
| 性别 |
真实选择 |
| Auto（不选） |
53% |
| Male |
28.5% |
| Female |
18.3% |
风格选择：
| 风格 |
真实选择 |
| Auto（不选） |
48.7% |
| Rock |
12.9% |
| Pop |
12.9% |
| Rap/HipHop |
4.9% |
| Country |
4.9% |
| Electronic |
4.9% |
| R&B |
4.2% |
| Soul |
1.9% |
| Classical |
1.9% |
| Folk |
1.9% |
| Latin |
0.4% |
| Metal |
0.4% |
参数选择的核心洞察：
- 近一半用户不选风格、超一半不选性别——用户不想做专业决策，想让 AI 自己判断
- 主动选的人里，Rock 和 Pop 并列第一，与 prompt 文本分析一致
- 男声偏好是女声的 1.5 倍
- 风格选项中没有 Dangdut/Afrobeat 等本地风格——用户想选也选不了
情绪倾向（来自 prompt 文本分析）
| 情绪 |
占比 |
| 浪漫/爱情 |
21% |
| 亢奋/力量 |
19% |
| 悲伤/思念 |
16% |
| 放松/治愈 |
14% |
| 快乐/庆祝 |
11% |
| 愤怒/黑暗 |
5% |
行为模式
| 模式 |
占比 |
含义 |
| 极简输入 |
24% |
不知道写什么/懒得写/试探 |
| 自带完整歌词 |
22% |
有明确创作意图，把 AI 当编曲工具 |
| 包含歌曲结构标记 |
19% |
了解歌曲结构，有一定音乐认知 |
| 纯风格/音色描述 |
14% |
知道想要什么"感觉"，但不写歌词 |
| 模仿已有歌曲 |
14% |
"帮我做一首像 XXX 的歌" |
四、用户怎么用
社交赠送是第一场景
- 37% 的 prompt 带有社交赠送属性（包含人名 + 赠送意图）
- 用户不只是给自己听，而是要"送给某人"或"关于某人"
产品可用性问题
- 9 条疑似复制了输入框 placeholder 文本
- 24% 极简输入中，部分明显是"不知道该写什么"的试探
- prompt 中 Rap 占 7%，但参数风格选择只有 4.9%——用户更信任自己的文字描述而非下拉菜单
五、数据变化趋势（0503 → 0527）
对比： 早期 145 条 vs 近期 285 条，间隔约 2 周
核心指标
| 维度 |
早期 |
近期 |
变化 |
| 总量 |
145 条 |
285 条 |
+97%，翻倍 |
| 极简输入占比 |
68% |
24% |
大幅下降 ↓↓ |
| 平均 prompt 长度 |
54 字符 |
245 字符 |
4.5 倍增长 |
| 自带歌词占比 |
极少 |
22% |
显著增加 |
| 社交赠送意图 |
13% |
37% |
近 3 倍增长 |
| 重复提交率 |
27% |
低 |
下降 |
语言分布
| 语言 |
早期 |
近期 |
变化 |
| English |
74% |
72% |
稳定 |
| Malay/Indonesian |
14% |
2% |
大幅下降 ↓↓ |
| Filipino |
8% |
1% |
大幅下降 ↓↓ |
| Portuguese |
0% |
9% |
新增（巴西激活） |
| Chinese |
0% |
7% |
新增 |
情绪倾向
| 情绪 |
早期 |
近期 |
变化 |
| 快乐/庆祝 |
15% |
11% |
略降 |
| 浪漫/爱情 |
14% |
21% |
↑ |
| 亢奋/力量 |
12% |
19% |
↑ |
| 悲伤/思念 |
5% |
16% |
大幅上升 ↑↑ |
| 放松/治愈 |
7% |
14% |
↑ |
音乐风格
| 风格 |
早期 |
近期 |
变化 |
| EDM / Electronic |
9%（第一） |
8% |
稳定 |
| Rock |
4% |
15%（第一） |
大幅上升 |
| Pop |
4% |
11% |
↑ |
| Reggae |
4% |
— |
消失 |
变化解读
- 从"试探"到"认真用" — 极简输入 68%→24%，prompt 长度涨 4.5 倍。用户已进入深度使用阶段。
- 社交赠送爆发（13%→37%） — 用户发现了 AI 音乐的"社交货币"价值，这是最强增长信号。
- 悲伤情绪崛起（5%→16%） — 用户开始用 AI 音乐处理负面情绪，产品正在成为"情绪出口"。
- 马来/菲律宾本地语言消失（22%→3%） — 需排查：是模型对本地语言支持不足，还是这两个市场获客放缓。
- 风格从"酷"变"真" — 早期 EDM 主导（试探期选酷的），近期 Rock/Pop 主导，品味更分散真实。
六、对产品设计的启示
1. 减少决策，增加引导
- 48.7% 不选风格、53% 不选性别、24% 极简输入——用户不想做选择
- 建议：场景化模板（"为朋友生日"、"表白情歌"、"发泄心情"）替代开放输入
- 建议：用情绪选择器（而非风格选择器）作为主入口
2. "送歌"是杀手级场景
- 37% 有社交赠送意图，且从 13% 快速增长到 37%
- 建议：把"为 TA 生成一首歌"作为首屏核心入口
- 建议：生成完直接提供分享流程，视频化导出时加入收件人名字
3. 本地化风格被产品自身限制
- 风格选项中没有 Dangdut/Afrobeat/Sertanejo 等本地风格
- 用户想选也选不了，prompt 中本地风格占比极低不代表没需求
- 建议：按市场提供本地风格快捷入口
4. 歌词创作是高价值功能
- 22% 自带完整歌词（"有词不会编曲"）
- 14% 模仿已有歌曲（"知道感觉但表达不出来"）
- 建议：强化"贴入歌词 → AI 编曲"流程，支持"像 XXX 的风格"输入
5. 对"游乐场方案"的数据验证
| 方案功能 |
数据验证 |
| Spark 副歌模式 |
✅ 情绪密集内容偏好（亢奋+浪漫 40%），87% 要人声歌曲 |
| 视频裂变下载 |
✅ 37% 社交赠送意图，天然需要可分享载体 |
| 弹幕化 UI |
⚠️ 72% 英文用户对弹幕接受度存疑 |
| 🔥 替代 ❤️ |
✅ 用户情绪以亢奋/力量为主，🔥 语义更匹配 |
七、典型用户画像
一个来自菲律宾/马来西亚/巴西的年轻人，用英文输入一段简短的情绪描述或一首自己写的歌词，想要生成一首浪漫/有力量感的 Rock/Pop 人声歌曲。TA 大概率不会主动选风格和性别（让 AI 决定），很可能是要送给某个人或发到社交媒体上。TA 不懂音乐制作，不知道什么是 BPM 和 reverb，只知道自己想要什么"感觉"。
