33 条求工具的抱怨，只有 2 条提到钱：AI 时代最贵的是筛选

先说结论：抱怨是最便宜的需求线索，也是最容易被高估的那一种。 它证明有人遇到了问题，不证明有人愿意为解决方案掏钱。

这个判断不是我拍脑袋想出来的。前几天看到一个数据：有人把 Reddit 上的讨论、应用商店评论整理成一个付费需求库，创始人自述最近 6 个月毛收入超过 2 万美元，而之前 6 个月只有 714 美元。

这个数字有它的问题——未经审计、不是利润、也不是月经常性收入，连收入截图的时间线都被指出有疑点。但它引出了一个值得认真对待的问题：

公开的抱怨，到底哪一部分能变成钱？

我决定不引用它的结论，自己拿一批真实抱怨拆一遍。

一、我做了什么：41 条抱怨，一套固定的拆法

取样规则是完全公开、可复现的：

• 数据源：Hacker News 公开评论。选它不是因为它是「最好的社区」，而是因为每条评论都有固定链接、公开可查、可以逐条核对原话。很多平台的评论区，你连回溯都做不到。
• 句式：只搜四组「求工具」的说法——is there a tool、is there any tool、I wish there was a tool、there should be a tool。
• 时间窗：2025 年 11 月 1 日到 2026 年 11 月 11 日，整整一年。
• 命中：去重后 41 条。

然后我逐条读了这 41 条，按证据强弱分成四类：

• 噪音：玩笑、技术讨论、反问，不是真在找工具；
• C 类：只有一句「有没有」，没说自己现在怎么解决，也没提钱；
• B 类：点名现有方案或具体缺口，说了「我在用 X，但它缺 Y」；
• A 类：有明确付费信号，说了愿意付钱，或明确「想买但买不到」。

统计结果（样本 33 条，已剔除噪音）：

指标	数量	占比
有明确付费信号	2 条	6.1%
点名现有方案	7 条	21.2%
只有一句「有没有」	24 条	72.7%

剔掉 8 条噪音后，剩 33 条真实需求。也就是说，如果只看「有多少人在喊」，你会得到 33 个机会；如果只看「谁已经准备好掏钱」，只剩 2 个。

也就是说，如果只看「有多少人在喊」，你会得到 33 个机会；如果只看「谁已经准备好掏钱」，只剩 2 个。

二、三条样本，三种命运

光看数字没有体感，看原话。

最强的一条：他说了「想买但买不到」

一位开发者在讨论某个硬件监控软件被植入恶意代码时写道：

"Is there a tool out there that you can put software releases into and it will tell you how safe it is? I don't seem to be able to buy anything to do this. Crowdstrike and other modern antivirus may react to it once it's on a device, SAST / SCA tooling will help with CVEs, but there's nothing I can give my users where they can put in some piece of random software and get a reputation metric out the other side, is there?"

这段话同时给了三样东西：

1. 具体任务：把一批软件发布物丢进去，得到一个「安全分」；
2. 现有方案：CrowdStrike、杀毒软件、SAST/SCA——他都试过，覆盖的是别的环节；
3. 付费信号：「想买但买不到」。

这三样凑齐，才叫一条能拿去做产品判断的抱怨。缺任何一样，都只是情绪。

第二条：付费意愿直接写在句子里

另一条在讨论音频编辑器的帖子下面：

"I need an Audio tool to remaster old songs. Basically to bring old songs to modern crystal clear quality. I would be happy pay subscription fees. Is there a tool for that?"

「愿意付订阅费」这句话，比一百条「这个想法不错」都有用。注意它的场景也很具体：老歌修复，不是「音频处理」这种大词。

最好用的一条：点名了现在的工具，也说不满意在哪

"I wish there was a tool that also displayed current and accumulated transfer rate per socket/process. I use jnettop for this purpose, but I'm unhappy with its user interface."

这条没有提钱，但它是最适合做竞品分析的样本：现有方案是谁、缺口在哪，一句话说完了。 你甚至不需要访谈，就知道自己要做的是「同样的数据 + 一个能看的界面」。

对比一下那 24 条只有「有没有」的：

"Is there a tool that can dither to named colors?"

——信息量约等于零。你不知道他在做什么项目、试过什么、愿意付出多少。它唯一的价值是提醒你：这个词可能有人在搜。

还有 8 条根本不是需求。比如一条被关键词命中的玩笑：「我希望有个工具，能把我所有的文档直接分享给世界各大情报机构。」关键词能帮你把范围缩小，但关键词是筛子，不是判断。

三、为什么 73% 的抱怨停在「有没有」

这不是 Hacker News 独有的现象，背后有三个很朴素的原因。

第一，提问的人不是使用的人。 很多人问「有没有工具」，是因为刷到了一个话题、突然好奇，并不代表他明天要交一份工作。真正的使用者，往往已经在用某个难用的办法硬扛——所以他才会说出「我用 jnettop，但不满意」。能说出绕路动作的人，才是真的在路上的人。

第二，用的人不一定会买。 Hacker News 的人群有个特点：遇到问题先想自己写个脚本。对他们来说，「有没有工具」的下一句经常是「没有那我周末自己写一个」。这不是需求弱，是这个人群的付费阈值高。

第三，需求真实，但太小。 给 git add -p 传行号、把 RGB 抖动到命名色、给 Windows 进程拍一份上下文快照——这些都是真问题，但可能一年只有几百个人遇到，且每个人只愿意花 5 美元。它养不活一个产品。

所以「抱怨密度」到底说明什么？它说明注意力，不说明钱包。 一个话题下抱怨越多，越可能是一个内容选题、一个搜索词、一个社区运营的抓手；但要判断能不能收钱，得看另外三列。

四、把抱怨变成判断：五列就够了

我参考了那套付费需求库的做法，把它简化成一张可以直接填的表。核心只有五列：

列	要记什么	不合格的样子
用户与场景	谁、在什么时刻、要完成什么	「中小企业」「开发者」
原始证据	可点开的链接 + 一句原话	只有自己的总结
重复程度	有几个不同的人独立提到	「感觉很多人都有」
现有方案	他现在用什么、卡在哪	「没有解决方案」
付费线索	有没有人找过、买过、付过	「如果做出来你会买吗」

最后一行是最容易被做假的。付费线索必须是过去时。 有人说「我愿意付」算弱信号，有人已经为某个半成品付过钱、或者明确说「想买但市面上买不到」，才算强信号。至于「如果做出来你会不会买」——那是礼貌，不是数据。

填完这五列，判据就很简单：

• 五列里有两列是空的 → 丢掉，它只是情绪；
• 有现有方案、但没有付费线索 → 可以先做内容或免费工具试水，别急着写代码；
• 现有方案明确、缺口具体、并且有人已经在花钱 → 这才值得进入验证。

五、两小时，先跑一遍最小验证

不用先做产品，也不用先写爬虫。给自己两个小时：

1. 20 分钟：选一个人群和一个场景。 只选一个。比如「三五个人的小团队，每周做经营报表」。
2. 45 分钟：收集 10 条真实反馈。 保留原话和链接，不要只留 AI 总结——总结会把「我用 jnettop 但不满意」压成「需要更好的工具」，最重要的信息正好被压没了。
3. 30 分钟：合并重复问题。 按「他做的动作」聚类，不要按措辞聚类。「导三个后台的表再手工合并」和「每周花两小时拼 Excel」是同一个问题。
4. 25 分钟：找 5 个人聊。 只问三个问题：上次遇到是什么时候？当时怎么解决的？为这件事花过钱吗？

5 个人的回答不能证明市场成立，但足以让你把 33 条候选砍到 2 条。这就是这张表全部的价值。

六、那门「卖抱怨」的生意，卖的到底是什么

回到开头那个项目。它监测约 170 个 Reddit 社区（这是产品方的说法，我没有独立核实），把讨论整理成可检索的库，按月收费 39 美元，或者 129 美元买断。

如果按我这 33 条样本的比例推，它的真实工作量不是「收集抱怨」，而是把大量抱怨筛成少数几条有付费线索的。用户花 39 美元买的也不是数据——原始讨论本来就是公开的、免费的——他买的是别人替他做完的筛选和去重。

这解释了两件事：

第一，为什么「我也做个爬虫」通常不成立。 爬虫解决的是收集，收集不是瓶颈。瓶颈是判断哪条值得看，而这个判断需要人（或者一个被反复校准过的模型）来承担。工具越便宜，判断越贵。

第二，为什么它的收入数字不能直接当模板。 一周更新一次、170 个社区、AI 分类评分，这些是运营成本；而它的增长可能来自某一次爆帖带来的流量，而不是稳定的搜索需求。没有获客成本和续费数据，2 万美元只能说明「有人做到过」，不能说明「你可以复制」。

七、这个实验的边界

必须说清楚，否则上面的数字会被误用：

• 样本只有 33 条，且来自单一社区。 它是一组工程人群的英文抱怨，不能外推到中文市场、消费产品或企业采购。
• 分类是我人工判读的。 换一个人来分，可能有 1 到 2 条会落到不同档位。样本表和每条的判读理由我都留了，可以复核。
• 「提到钱」不等于「真的付钱」。 它只是把候选范围缩小，真正的验证仍然要有人掏钱。
• 时间窗只有一年。 有些抱怨在一年前可能是真需求，现在已经被解决了。
• 我没有购买、也没有实测那个付费需求库。 文中关于它的定价和覆盖范围，都来自公开页面与创始人自述。

结语

如果只能记住一句话：

抱怨告诉你哪里有摩擦，付钱记录告诉你摩擦有多贵。

前者可以免费获得，所以它不值钱；后者需要你去翻别人的账单、访谈、试用记录，所以它值钱。AI 让「收集抱怨」的成本降到了接近零，也就顺便让「筛选」变成了整条链上最贵的一环。

下次看到一条「有没有这种工具」，先别急着打开编辑器。先问一句：他上次遇到这个问题，是怎么解决的？

---

来源与说明

• 样本数据：Hacker News 公开评论，经 Algolia 搜索接口按四组句式检索，时间窗 2025-11-01 至 2026-11-11，去重后 41 条；逐条链接与人工判读理由见本文附带的样本表（hn_complaints_sample.csv）。
• 引用原话均可通过对应条目链接回溯，例如：https://news.ycombinator.com/item?id=47720321、47714893、48267796、46366838。
• 付费需求库的定价与覆盖范围来自其官网公开页面与创始人自述，截至 2026-10-29；收入数字未经独立审计，本文不作为论据使用。
• 本文为方法演示，不构成对任何产品的推荐或否定。