习惯向 AI 提问的客户.

一名青少年没听懂解释，就让 AI 换一种说法；想学一项技能，就去找视频；在推荐中发现感兴趣的话题，就开始探索；对答案存疑，就查阅其他来源。

这些行为中，吸引我的是一种习惯：在需要的时候，以适合自己的形式获得帮助。如果这样的体验成为日常，它可能改变人们对其他数字服务的要求，包括网店、银行应用、学习平台和工作软件。

我正是从这个角度阅读了 The Future Report 2026。这项欧洲青少年研究由 Google 委托 Livity 开展。报告并不预测未来消费者的购买行为，但为企业今天就能验证的产品与营销假设提供了一些有价值的起点。

研究了什么

作者介绍，研究包括对欧洲11个国家、超过16,000名13至18岁青少年的在线调查，以及超过100名青少年参与的定性研究。

一个重要细节是，报告合并了不同时期的数据：七个国家的调查在2025年春季进行，另外四个国家在2026年春季和初夏进行。英国6,000人的样本在加权时被调整为相当于1,000人的权重。因此，它既不是同一时点对全部欧洲青少年的调查，也不是针对俄罗斯青少年的研究。[9–10]

此外，参与者是在描述自己的情况。答案反映的是他们对技术的看法和自述习惯，不能证明知识水平提高、创造力增强，或具备辨别虚假信息的能力。

对我而言，这些材料的价值在于帮助我们提出关于自身产品的问题。

1. 用户开始习惯可以按需调整的解释

报告第13页指出，在过去一年使用过 AI 的受访者中，64%每天或几乎每天将其用于教育或创意任务。必须保留这一统计口径：这里说的是 AI 使用者。[13]

关于学习益处的回答尤其值得关注。44%的受访者选择了以不同方式解释复杂主题，41%选择即时答案和反馈，36%选择按照自己的节奏学习。[16]

访谈给出了具体场景：要求更简单的解释、制作复习卡片、生成练习题，以及检查自己是否理解。[17–19]

我的解读是，部分用户正在形成一种期待：可以不断调整解释，直到它真正有用。

这给企业提供了重新审视说明书、商品描述和帮助中心的理由。例如，可以向笔记本电脑买家展示参数表，也可以进一步帮助他们理解哪些参数对自己的任务重要，以及哪些加价不会带来明显收益。可以向分析工具的用户展示图表，同时让他们继续追问发生了什么变化、应该核查哪些数据。

在这两种情况下，价值来自解释的质量。仅仅增加聊天窗口并不保证任何效果。我会用任务完成率、重复求助次数，以及获得可理解结果所需的时间来评估这类功能。

2. 视频帮助人们从兴趣走向行动

在定性研究中，青少年把视频描述为学习具体行动的方法：理解课程内容、提高拍摄技能、学习手工或掌握其他技能。YouTube 被突出提及为自主学习的重要平台。[44–47]

这为内容营销提供了一个有用的思路：教学视频应当帮助观众完成某件事。

产品视频可以展示如何选择合适的版本、完成首次设置、避免常见错误，以及判断操作结果是否正确。

复杂服务同样适用。与其泛泛介绍分析工具的能力，不如拆解一个具体情境：为什么收入上升而利润下降；为什么广告平台报告与 CRM 数据不一致；如何核查高得可疑的转化率。

报告没有衡量这类视频对销售的效果。这仍然是需要验证的假设，但它能帮助创作者明确任务：观众看完之后能完成什么行动？

这样，评价内容时就可以超越播放量，观察说明文档访问、演示功能使用，以及重复问题是否减少。

3. 发现过程早于搜索词的形成

关于青少年最常通过什么方式发现新话题和兴趣，调查得到了以下分布。[38]

这不是各渠道带来购买的比例，也不是广告预算分配指南。问题问的是兴趣，而非商品选择。

但这一差异对营销仍然重要。一个人可能先看到产品的用途，再对相关任务产生兴趣，最后才开始寻找解决方案。

因此，适合为不同阶段准备内容：当用户还不知道某种可能性时，展示清晰的例子；当他们已经感兴趣时，解释其运作方式；当他们做选择时，提供比较、限制和证据。

如果企业只在最后一个阶段出现，它就等于寄希望于其他人替自己建立用户兴趣和选择标准。

4. 使用 AI 与信任 AI 是两回事

在使用互联网的参与者中，62%表示，当他们利用互联网、AI 或其他技术学习时，总是或经常考虑信息的可信度。[26]

关键词是“考虑”。研究没有测试他们实际区分正确答案与错误答案的能力。

访谈清楚展示了这种差异。青少年既谈到核查来源，也提到 AI 自信的措辞曾让他们相信错误答案。[29–31]

由此，企业应当问一个实际问题：用户有多容易验证你的服务所说的话？

AI 工具中的有用设计包括原始文件链接、数据对应的时间范围、计算说明，以及转接真人的途径。案例研究中则需要交代初始情况、比较条件和结果的适用边界。

当 AI 解释数字时，这一点尤其重要。“销售下降是广告导致的”这样的说法，应当让用户能够核查使用了哪些数据，以及为什么提出这一解释。

我会通过具体行为来评估信任：用户能否找到来源、注意到限制，并做出有依据的决定？

5. 使用时间长不一定意味着产品好

报告中有两组数字。在使用互联网的参与者中，86%认为自己能够相当好或非常好地管理上网习惯，包括屏幕时间和网络安全。与此同时，42%认为自己花在网上的时间过多。[51, 55]

它们是对不同问题的回答。没有交叉数据，就无法判断多少青少年同时选择了这两种回答。但这些结果提示我们，不能仅凭自述的控制感来判断用户的数字生活状况。

对产品团队来说，这是重新审视参与度的理由。用户在应用中停留了二十分钟：是专注于有用的任务，还是找不到设置？是在反复核对不清楚的答案，还是早已想停止却仍在继续刷？

单看会话时长无法回答这些问题。

对于帮助用户完成任务的服务，我会在活跃度之外增加任务成功率、达成结果所需时间，以及用户对清晰程度的评价。对于青少年使用的产品，还会单独检查通知管理、停止使用的方式和默认设置。

6. AI 用户未必想把全部工作交给 AI

在使用过 AI 的受访者中，73%认为它改善了自己至少一个方面的创造力。其中，53%提到对新想法或解决方案的帮助，47%提到创意写作。[20]

这些是主观评价，不是独立创造力测试的结果。

与此同时，青少年在访谈中也表达了保留自身参与的愿望：获得提示、理解代码、完善想法，或者自己写作。有些人明确担心过度依赖现成答案。[21, 23, 31]

对于 AI 功能开发者，这一区别很有价值。不同用户和任务可能适合不同程度的帮助：提示、解释、检查，或者完整草稿。

例如，在学习场景中，重要的是用户能否独立重复操作；在工作工具中，重要的是他们是否理解结果并能够修改。因此，“全部自动完成”并不总是最佳方案。

这一点应该通过用户研究验证，而不是只根据模型能做到什么来决定。

我会把哪些想法付诸实践

读完报告后，我会建议团队走一遍用户流程，并回答五个问题：用户能否获得适合自身任务的解释？有没有帮助其开始操作的清晰示例？是否知道建议和数字从何而来？能否选择 AI 帮助的程度？我们能否区分有价值的投入与操作困难？

验证这些想法不需要立刻重建整个产品。可以先选一个常见场景：比较套餐、挑选商品、生成第一份报告，或者设置集成。让它更容易理解，然后观察任务成功率发生了什么变化。

如何避免过度解读报告

研究由一家开发 AI 产品并拥有 YouTube 的公司委托开展。阅读其侧重点和建议时，需要考虑这一背景。但这本身并不否定调查结果。

不过，报告不能证明 AI 改善了学习效果，也不能证明青少年能可靠识别虚假信息，或这些数字习惯必然延续到成年。

对于俄罗斯企业，尤其需要在自己的受众中验证结论，因为平台、教育环境和技术使用条件有所不同。

读完之后，我的工作假设是：与 AI 互动的经验，可能提高人们对任何数字服务清晰度和响应能力的期待。用户越来越习惯追问、要求换一个例子，以及无需在各个栏目间长时间寻找就获得帮助。

验证这一假设的最佳方式，是观察一项具体客户任务：用户多快理解该做什么，能否核查答案，以及是否获得了需要的结果？

← 全部文章 · 演讲与媒体