5000 人、三年、830 万条消息：Epoch AI 的用法探索器给了什么、没给什么
一份关于「人到底怎么用 ChatGPT」的数据集，价值在面上，局限也在面上。
Epoch AI 与 YouGov 合作推出了 ChatGPT usage explorer，发布了 5000 名美国 YouGov 样本用户的 ChatGPT 聊天元数据，覆盖约 66 万条对话、830 万条消息，部分记录可追溯到 2022 年 11 月产品发布后的数周。
这份数据最值得肯定的地方，是它公开的是「元数据」而不是「对话内容」。 这是方法论上的克制，也决定了它能回答什么、不能回答什么。
它给的是分布，不是结论
- 三年跨度的价值在于「演变」。 单一时点的调研只能拍一张快照，而这份数据能看出使用强度的变化轨迹——一件事是常态还是昙花一现，只有时间轴能回答。
- 样本量与颗粒度都够做基准。 5000 人 / 66 万对话 / 830 万条消息，这三个数字之间还藏着一个可用的粗略比值：平均每个对话约 12.6 条消息（按 830 ÷ 66 推算）。这个比值本身就可以当尺子——如果你自己的产品里平均只有 3 条，或高达 40 条，那都值得问一句为什么。
- 元数据 ≠ 内容。 元数据能回答「用了多少、用了多久、频率如何」，回答不了「拿去干了什么、结果好不好」。后者才是产品决策真正关心的部分，而它不在数据里。
用它时要先问的三个问题
- 样本是谁？ YouGov 的美国样本在人口结构上有一定代表性，但它不能外推到全球用户，更不能外推到你的用户群。
- 抽样怎么做的？ 主动参与调研的用户与全体用户之间存在天然偏差，越重度使用的用户越可能被记录到。
- 变量是怎么定义的？ 「一次对话」的切分口径、「活跃」的判定阈值，不同定义下结论可能完全不同。
对读者的实际影响
看这类研究，把它当基准比当结论更稳。基准的用法是：拿它校准你的直觉、检验你的假设；而不是拿它直接论证「用户想要什么」。真正属于你的结论，仍然只能从你自己的数据里长出来——但有了这样一份公开参照，至少你知道了「正常」大概长什么样。