論文閱讀：How People Use ChatGPT - 全球7億用戶的ChatGPT使用行為深度分析

近日閱讀了來自OpenAI、杜克大學和哈佛大學研究團隊的重要研究論文《How People Use ChatGPT》，這是首個基於ChatGPT內部數據的大規模使用行為研究。該研究通過創新的隱私保護方法，分析了從2022年11月ChatGPT發布至2025年7月期間7億用戶的260億條消息，揭示了生成式AI的實際使用模式和經濟價值。

研究方法與數據

隱私保護的自動化分類系統

該研究最大的技術亮點在於其隱私保護方法：

自動化分類流程：

使用LLM分類器自動分析消息內容，人類從不查看原始消息
先通過PII清洗工具去除敏感信息
僅分析聚合結果，任何查詢都必須返回至少100個用戶的組合

分類範疇：

工作/非工作用途：基於消息是否與付費工作相關
對話主題：24個細分類別，歸納為7大主題
互動意圖：Asking（詢問）、Doing（執行）、Expressing（表達）
工作活動：基於O*NET系統的332個中級工作活動

數據樣本

主要樣本：2024年5月至2025年6月的110萬對話隨機抽樣
用戶樣本：約13萬用戶的子集，用於人口統計分析
排除條件：未登入用戶、18歲以下、已刪除帳號、選擇退出訓練的用戶

📈 1. 成長與結構：非工作用途的爆發式增長

整體成長數據

用戶規模：

2025年7月：7億周活躍用戶（約占全球成年人口10%）
日均消息量：25億條（每秒29,000條）
成長速度：史上擴散最快的技術，超越所有先例

非工作用量拉升更快

核心發現：非工作相關用途的增長速度遠超工作用途。

時間點	非工作消息	佔比	工作消息	佔比	總計
2024年6月	2.38億	53%	2.13億	47%	4.51億
2025年6月	19.11億	73%	7.16億	27%	26.27億

關鍵洞察：

非工作消息增長8倍（238%），工作消息增長3.4倍（236%）
2025年6月非工作用途已占73%，是絕對主導
這個轉變主要來自現有用戶使用模式的變化，而非新用戶構成改變

使用主題的動態演化

三大主流用途（占總使用近80%）：

實用指引（Practical Guidance）：長期穩定在約29%
- 輔導教學（占實用指引36%）
- How-to建議（占實用指引30%）
- 創意構思
寫作（Writing）：36% → 24%（一年內下降）
- 但在工作用途中仍是第一大類（約40%）
- 管理/商務族群使用比例更高（>50%）
- 關鍵發現：約2/3的寫作用途是修改用戶提供的文字（編輯、批判、翻譯、總結），而非從零創作
資訊查找（Seeking Information）：14% → 24%（快速上升）
- 搜索特定人物、事件、產品、食譜等
- 成為網路搜索的近距離替代品

其他主題變化：

技術求助（Technical Help）：12% → ~5%
- 編程相關僅占4.2%，顯著低於預期
- 可能轉向IDE插件、專業編程工具或API場景
多媒體（Multimedia）：2% → >7%
- 2025年4月影像生成功能上線後短期跳升
- 隨後回調但維持較高基線

💼 2. 工作場景與任務：AI作為決策支援系統

寫作：白領階層的共通母任務

在工作相關消息中，寫作占約40%，是最主要的工作用途：

職業差異：

管理/商務：**52%**的工作相關消息是寫作
教育/醫療：49-50%
計算機相關：相對較低，更偏重技術協助

內容分析：

約2/3的寫作請求是修改現有文字（編輯、批判、翻譯、總結）
約1/3是從零創作（新郵件、簡報、提案等）
這解釋了寫作用途的高滿意度和穩定成長：風險可控，能直接整合到既有工作流程

基於O*NET的工作活動分析

研究將工作消息映射到美國勞工部的O*NET工作活動系統，發現：

七大主要工作活動覆蓋約77%所有消息：

活動類別	所有消息	工作消息	特點
獲取資訊	19.3%	6.7%	工作場景下更專注於專業信息
為他人解釋資訊	13.1%	7.3%	協作和知識傳遞
記錄/文件化資訊	12.8%	13.2%	工作場景第一大類
提供諮詢和建議	9.2%	3.1%	專業服務核心
創意思考	9.1%	9.3%	解決問題和創新
決策與解題	8.5%	10.6%	工作場景第二大類
與電腦工作	4.9%	7.7%	技術密集型工作

跨職業的高度同質性：

不論是管理、工程、教育、醫療或行政職業，前5名工作活動幾乎相同：

獲取資訊
決策與解題
記錄/文件化
創意思考
為他人解釋資訊

這顯示ChatGPT在不同職業中的價值創造模式高度一致。

🎯 3. 互動型態與體驗：從執行到思考的轉變

Asking/Doing/Expressing框架

研究將用戶意圖分為三類，發現顯著趨勢變化：

整體分佈（2024年5月）：

Asking（詢問）：49% - 尋求信息或建議幫助決策
Doing（執行）：40% - 請求完成具體任務
Expressing（表達）：11% - 表達觀點或感受

趨勢變化（至2025年6月）：

Asking：51.6%（↑）
Doing：34.6%（↓）
Expressing：13.8%（↑）

工作場景差異：

Asking：35%
Doing：56%（約75%是寫作任務）
Expressing：9%

體驗品質分析

整體滿意度成長：

好評/差評比：從約3:1 → 4:1
體驗品質與使用意圖高度相關

按主題分類的好評率：

自我表達：最高（好/壞比>7）
多媒體：較低（約1.7）
技術求助：較低（約2.7）

按意圖分類：

Asking的滿意度顯著高於Doing和Expressing
這與「幫助思考和決策」的核心價值一致

👥 4. 族群與擴散：從菁英工具到全民應用

性別差異的消失

驚人的轉變：

早期（2022年底）：約80%活躍用戶有典型男性名字
2025年6月：48%（女性略多）

主題偏好差異：

女性用戶：更偏好寫作和實用指引
男性用戶：更多技術協助、資訊查找和多媒體

年齡結構

年輕用戶主導：

18-25歲貢獻近**46%**的消息
年齡越高，工作用途占比越高（除66+歲例外）

地域擴散：低中等收入國家的逆襲

GDP與採用率關係：

1-4萬美元GDP per capita的國家採用增速最快
2024-2025年間，低中等收入國家實現跨越式成長
顛覆了「AI技術首先在發達國家普及」的傳統模式

學歷與職業：高教育高收入的優勢

學歷影響：

學歷越高，工作用途占比越高
- <學士學位：37%
- 學士學位：46%
- 研究生：48%
高教育用戶更傾向使用Asking模式（決策支援）

職業差異：

計算機相關：57%工作用途
管理/商務：50%
工程/科學：48%
其他專業：44%
非專業：40%

🔥 有意思／反直覺的8點發現

1. 非工作使用遠超預期

**73%**的消息不是工作用途
家庭生產/個人決策支援的經濟福利可能被嚴重低估
Collis和Brynjolfsson估算僅美國一年消費者剩餘就達970億美元

2. 編程只占4.2%

與「AI=寫程式」的刻板印象完全不符
大量程式輔助任務已轉移到IDE插件、專業工具鏈、API場景

3. 寫作≠從零生成

多數是「修改你的文字」（編輯、批判、翻譯、總結）
這解釋了滿意度和採納率能穩定成長：風險可控、能直接整合到工作流程

4. Asking趨勢上升

越來越多用戶把ChatGPT當作決策支援系統，而非代筆工具
Asking消息的滿意度顯著高於Doing

5. 女性比重上升並反超

從80%男性用戶到男女比例均衡
顯示產品親和力與場景多樣性提升

6. 教育/訓練用例扎實

約**10%**的全量消息都是教學/家教
占「實用指引」的36%，需求穩定

7. 跨職業高度同構

不論行業，本質都回到「資訊→理解→決策」
AI價值在於縮短思考閉環，而非只做粗活

8. 體驗數據佐證價值觀

Asking的好評率顯著高於Doing
與「先幫我想清楚」的核心需求相符

💡 對商業/教育/產品的策略啟示

內容與服務設計

1. 以「修改/提升原文」為核心

校對潤色、改寫、翻譯、摘要、格式化
比「從零生成」更容易落地和被信任
市場定位：寫作增強工具而非創作工具

2. 決策支援的「問診式流程」

先了解需求限制與偏好
再給方案與風險評估
可應用場景：
- 政策簡報
- 專案評估
- 採購比價
- 法務要點整理

功能優先級

寫作增強套件：

多語翻譯 + 風格模板
一鍵「人聲調性校準」
行業特定詞庫和格式

Asking助理：

決策樹和情境分支
可追問的依據顯示（引用/算式/假設）
風險提示和假設檢驗

知識工作流程：

取數→摘錄→歸檔→比對→決策備忘
串聯工具而非單點解決方案

市場拓展策略

地域拓展：

針對中低收入市場做低價位 + 離線友好方案
因為這些地區成長最快

垂直行業：

教育線：家教/課輔模板化（10%占比穩定需求）
企業服務：會議紀要→決策表單自動化

變現與ROI

個人用戶：

寫作改稿與翻譯屬高頻 + 剛需
易轉付費訂閱

企業客戶：

決策支援可走B2B顧問增值路線
合規摘要、風險提示、專業報告生成

🔬 方法與可信度評估

研究優勢

1. 史無前例的數據規模

7億用戶、260億消息
全球性樣本而非單一國家

2. 創新的隱私保護方法

LLM自動分類，人類從不查看原始內容
Data Clean Room聚合分析
排除<100人的組合以保護隱私

3. 多維度分類系統

工作/非工作、主題、意圖、工作活動
理論基礎扎實（O*NET系統）

分類器驗證

研究在WildChat公開數據集上驗證分類器性能：

任務	人機一致性(κ)	說明
工作/非工作	0.83	優秀
Asking/Doing/Expressing	0.74	良好
對話主題	0.56	中等
O*NET工作活動	0.47	中等（332類別複雜）
互動品質	0.14	較差（主觀性強）

關鍵發現：

客觀分類（工作/非工作）的表現優秀
主觀分類（品質評估）較困難，但仍捕捉到方向性信號
與用戶拇指評分有正向關聯

研究局限性

1. 樣本偏差

排除未登入、18歲以下用戶
可能低估年輕用戶和臨時用戶比例

2. 分類準確性

LLM分類器仍有誤判
特別是邊界模糊的類別

3. 因果推斷

主要為描述性統計
使用模式變化的因果機制仍需進一步研究

總結與展望

這項研究為我們提供了關於ChatGPT使用的第一手、規模空前的實證數據。最重要的發現是：

1. 從工作工具到生活助手：非工作用途已成為主導，反映生成式AI的價值遠超工作效率提升

2. 決策支援的價值：Asking模式（決策支援）的興起，顯示AI的核心價值在於改善決策質量

3. 普及化的實現：性別差異消失、地域擴散加速，表明技術已經跨越了初期採用障礙

4. 跨領域的一致性：不同職業的相似使用模式，指向AI作為通用認知工具的潛力

這項研究不僅揭示了ChatGPT的現實使用狀況，更為理解生成式AI對經濟和社會的長期影響提供了重要的基礎。隨著AI技術的不斷發展，我們需要持續關注這些使用模式的演變，以最大化AI對人類福祉的貢獻。

論文信息：

標題：How People Use ChatGPT
作者：Aaron Chatterji (OpenAI/Duke), Tom Cunningham (OpenAI), David Deming (Harvard), Zoë Hitzig (OpenAI/Harvard), Christopher Ong (OpenAI/Harvard), Carl Shan (OpenAI), Kevin Wadman (OpenAI)
機構：OpenAI、杜克大學、哈佛大學
發表：2025年9月15日
論文地址：https://cdn.openai.com/pdf/a253471f-8260-40c6-a2cc-aa93fe9f142e/economic-research-chatgpt-usage-paper.pdf