LOADING LIVE HOUSE REPORT
本报告将小型现场音乐演出视作一种复合型沉浸式演艺业态：它承载于 Live House、音乐酒馆等中小型室内空间，通常客容集中在 100—1000人，以现场音乐为核心，融合酒水消费、社交互动、拍照传播、粉丝文化与情绪交付。
与传统行业研究不同，本报告采用 产品与用户研究员 视角：不只回答市场有多大，而是追问用户为什么来、为什么不来、来了哪里不满意、哪些需求互斥，以及场地如何通过产品设计、定价和运营提升PMF。
核心判断：Live House 的下一轮增长，不在于单纯增加演出场次，而在于把“内容吸引—空间承接—情绪共鸣—社交留存”做成稳定可复用的体验系统。
本研究将问卷、线下实地、专家访谈与社媒爬虫数据拆成独立证据源，并在后续通过用户旅程、Kano、JTBD与PMF模型进行交叉验证。
公开版 529份 + 亲友版 67份。用于识别价格敏感度、消费动机、体验满意度与潜在人群结构。
实地调研 MAO Livehouse、金爵士酒吧、拾叁唐，观察舞台距离、观众密度、酒水消费、动线与社交状态。
彭可迪（金爵士酒吧经营者）、李若屿（西安某乐队主唱）、江智民（成都莲花府邸创始人）、Chloe（Livehouse资深受众）。
抓取抖音、微博、小红书多条评论与帖子，进行数据清洗、词云图创建和情绪判断，深挖消费者痛点与需求。
图表表达的是研究链路：问卷回答“多少人”，UGC回答“怎么说”，实地回答“现场如何发生”，访谈回答“为什么发生”，模型回答“如何转化为策略”。
本部分专注研究方法论本身，与AI工具应用分开呈现。我们将八个章节不是简单写成“行业介绍”，而是拆解为“研究问题—数据输入—分析框架—结论输出—产品动作”的闭环。
问卷提供群体比例，访谈与实地调研解释行为机制，社媒文本捕捉真实情绪表达，三者共同构成证据链。
不再只看行业规模，而是判断每类用户的关键任务是否被满足，找出旅程断点和供需错配。
将“用户抱怨”转为基本型需求、期望型需求、魅力型需求和隐性任务，再输出分区制、定价组合与运营动作。
| 维度 | 核心研究问题 | 方法工具 | 输出结果 |
|---|---|---|---|
| 01 行业定义 | Live House 的产品本质是什么？ | JTBD、场景经济、政策语境分析 | 定义为内容驱动、场景赋能、情绪变现的复合业态 |
| 02 行业分类 | 不同场地靠什么赚钱？ | 收入结构、空间动线、内容供应链比较 | 内容驱动型 vs 场景驱动型二元分类 |
| 03 PEST | 宏观环境如何重塑行业边界？ | 政策/经济/社会/技术四象限扫描 | 演艺新空间、夜间经济与体验消费共同驱动 |
| 04 人群画像 | 谁是核心用户，谁是增量用户？ | 问卷聚类、UGC语言体系、行为验证 | 五类核心人群与沉默的大多数 |
| 05 痛点需求 | 用户真正不满意在哪里？ | 旅程地图、Kano、JTBD、痛点分级 | 145个痛点，35个P0，互斥需求显著 |
| 06 价格策略 | 用户觉得贵，贵在哪里？ | 价格弹性、价值感知、竞品对标 | e=-1.36，最优价格点约140元 |
| 07 舆情声量 | 社媒如何放大体验？ | 爬虫清洗、词云、情绪判断 | 负面集中于票价、安全、拥挤、低消和退票 |
| 08 竞争格局 | 未来竞争壁垒是什么？ | 品牌梯队、私域、场景替代品分析 | 竞争从排演出转向稳定兑现分人群体验 |
这一部分单独讲AI工具创新。我们使用 ChatGPT、DeepSeek、Kimi、Gemini 等工具，不是让AI直接“写报告”，而是把AI嵌入数据清洗、语义聚类、访谈提纲优化、章节工作流搭建、代码复用与提示词工程中。
用于研究框架搭建、章节逻辑重组、提示词迭代、HTML交互原型和表达优化。优势在于把复杂研究材料转化为评委可理解的展示结构。
用于中文语义归纳、定性材料压缩、痛点聚类和逻辑推理，帮助从用户原声中提取“隐性需求”。
用于长文档读取、访谈材料整合、章节间一致性检查，减少遗漏，提高多文件综合效率。
用于多模态材料理解和超长上下文分析，尤其适合把实地照片、访谈逻辑和行业材料进行跨文档关联。
这一流程可复用到其他行业研究：如餐饮、文旅、展览、线下娱乐、零售门店等，只需要替换爬虫平台、停用词词典与业务标签。
问卷、UGC评论、访谈纪要、实地观察记录。
去重、去广告、关键词归一、分词、停用词过滤。
情绪极性、旅程阶段、触点、痛点强度、用户类型。
映射至Kano、JTBD、用户旅程、PMF和价格弹性。
分区制空间、3+2定价、安全感可视化、社媒内容矩阵。
import pandas as pd
import re
from collections import Counter
STOPWORDS = set(['的','了','是','我','也','就','都','很','还','在'])
NEGATIVE = ['贵','挤','吵','乱','低消','黄牛','不安全','退票难','看不见']
POSITIVE = ['氛围','治愈','好听','松弛','震撼','开心','出片','共鸣']
TOUCHPOINTS = {
'购票决策':['票价','黄牛','抢票','退票'],
'到店体验':['拥挤','排队','看不见','音响','安全'],
'消费结算':['酒水','低消','套餐','周边']
}
def clean_text(text):
text = re.sub(r'http\S+|#.*?#|@\S+', ' ', str(text))
text = re.sub(r'[^\u4e00-\u9fa5A-Za-z0-9]+', ' ', text)
return text.strip()
def sentiment_score(text):
return sum(w in text for w in POSITIVE) - sum(w in text for w in NEGATIVE)
def tag_touchpoint(text):
tags = [stage for stage, kws in TOUCHPOINTS.items() if any(k in text for k in kws)]
return '、'.join(tags) if tags else '未识别'
df = pd.read_csv('livehouse_comments.csv')
df['clean'] = df['comment'].map(clean_text)
df = df.drop_duplicates(subset=['clean'])
df['sentiment_score'] = df['clean'].map(sentiment_score)
df['sentiment'] = pd.cut(df['sentiment_score'], [-99,-1,0,99], labels=['negative','neutral','positive'])
df['touchpoint'] = df['clean'].map(tag_touchpoint)
keywords = Counter([w for row in df['clean'] for w in row.split() if w not in STOPWORDS]).most_common(50)
df.to_csv('livehouse_comments_cleaned.csv', index=False)你是产品与用户研究员。请把以下UGC评论按“旅程阶段—触点—显性痛点—隐性需求—Kano类型—证据强度”六列结构化。先输出证据链和不确定性，不允许直接跳到策略建议。
请以Livehouse线下经营者深度访谈为场景，将问题改写得更自然、具体、委婉。每个问题先给行业实景引入，再给可追问的数据维度，避免直接询问敏感营收数字。
请为“价格体系与定价策略”章节设计研究工作流，要求包括：输入数据、关键变量、分析模型、计算公式、风险校验与最终输出格式。
请仅从证据出发检查前一模型输出中的过度推断、未被支持的结论和可能遗漏的人群差异，并用表格列出修改建议。
AI把大量评论、访谈和现场观察转成标签体系，使“定性洞察”可被复核、回看和量化。
不是停留在总结，而是将语料映射到旅程、Kano、JTBD、PMF、价格弹性等决策框架。
代码、提示词、标签字典和流程图可以迁移到其他行业，形成可复用的行业研究操作系统。
消费者整体满意度
认为票价越来越贵
认为酒水/周边消费偏高
痛点具有人群特异性
价格弹性处于富有弹性区间：用户不是单纯觉得“贵”，而是对“价格—价值感知错配”敏感。常规演出建议锁定120—180元区间，收入最大化价格点约为140元，同时必须用透明定价降低不公平感。
本部分对八个行业研究维度进行内容加厚，每个维度都包括研究重点、分析逻辑、关键结论和产品/运营启示。
小型现场音乐演出并不是简单的“租一个场地让乐队演出”，而是一种承载在中小型室内空间中的复合体验产品。它把现场音乐、近距离互动、酒水消费、社交关系、粉丝文化和城市夜间消费结合在一起，形成具有强情绪密度的第三空间。
从产品形态看，Live House 的核心不是座位数，而是“近距离”和“非标准化”。同样一首歌，用户在流媒体中获得的是内容消费，在Live House获得的是身体在场、集体共振和即时反馈。因此它的竞争对象不只有音乐节和剧场，也包括清吧、KTV、展览、市集、咖啡馆等情绪消费场景。
传统按城市、音乐风格或场地面积分类，无法解释Live House的真实竞争逻辑。本研究更强调商业模式和用户价值锚点：一类是以MAO Livehouse为代表的内容驱动型垂直演艺空间，核心收入来自票务、演出排期和乐迷社群；另一类是以金爵士酒吧、莲花府邸等为代表的场景驱动型复合社交业态，核心收入来自酒水、餐饮、桌位、包厢和稳定社交消费。
这两类业态的冲突在于：内容驱动型需要观众把注意力交给舞台，场景驱动型则允许观众把注意力交给朋友、手机和酒杯。两者都可以包含现场音乐，但对“音乐”的商业角色理解完全不同。
政策层面，“演艺新空间”和夜间文旅消费为Live House提供了正当性和城市文化价值；经济层面，消费者愿意为体验与情绪付费，但同时更关注性价比和价格透明；社会层面，Z世代、职场高压群体与女性夜间消费群体正在推动“安全、松弛、出片、社交”的新需求；技术层面，票务系统、社媒种草、短视频传播和AI研究工具改变了获客与研究方式。
宏观利好并不自动转化为盈利。政策推动带来空间扩容，也会带来合规要求；社媒提高曝光，也会放大糟糕体验；夜间经济带来客流，也会放大安全与交通问题。
本研究识别出五类核心消费人群：音乐发烧友、情绪疗愈者、社交聚会者、潮流打卡者、文化体验者。音乐发烧友追求声场、阵容和沉浸；情绪疗愈者追求安全、安静和被包裹感；社交聚会者需要可聊天、可AA、可轻松组织；潮流打卡者以出片率和社媒反馈衡量价值；文化体验者追求审美共鸣和精神自治空间。
更重要的是，这些需求天然互斥。比如音乐发烧友希望安静专注，社交聚会者希望能聊天；潮流打卡者希望灯光出片，情绪疗愈者可能希望低照度和低刺激；文化体验者反感商业侵蚀，而场地又需要酒水变现。
本研究共识别出145个结构化痛点，其中P0致命级35个、P1严重级29个。痛点最集中出现在到店体验阶段，典型问题包括拥挤、看不见舞台、音响刺耳或不清晰、排队混乱、夜间安全、酒水低消不透明、票价上涨、黄牛溢价、退票困难等。
跨人群共性痛点数量有限，更多痛点具有人群特异性。这意味着行业不能继续用“一刀切”方式做体验管理。一个对音乐发烧友的高价值升级，可能对社交聚会者无感；一个对潮流打卡者有吸引力的灯光设计，可能破坏文化体验者的沉浸感。
调研显示，74.67%的消费者认为票价越来越贵，71.64%认为酒水或周边消费偏高。但这并不意味着用户只能接受低价，而是说明价格与体验价值之间出现错配。若演出内容强、空间舒适、体验确定性高，用户愿意为情绪价值、社交效率和审美身份支付溢价；若低消不透明、视线差、体验失控，即使票价不高也会被认为“不值”。
价格弹性系数 e=-1.36，说明市场对价格变化较敏感。常规演出应以120—180元作为主力区间，用早鸟、正价、VIP、双人票、学生票、酒水套餐等方式完成分层，而不是简单涨价。
我们爬取抖音、微博、小红书多条评论与帖子，并进行清洗、词云创建和情绪判断。抖音更容易传播现场氛围、舞台灯光和情绪爆点；小红书更重攻略、出片、穿搭与避雷；微博更容易形成事件化讨论。三类平台共同构成Live House的口碑场。
舆情洞察显示，正面内容往往围绕氛围、治愈、近距离、共鸣、出片，负面内容则集中在票价、低消、拥挤、安全、黄牛、退票、音响和“现场与宣传不符”。因此，场地的内容策略不应只是发演出预告，而应建立“氛围切片+新手指南+安全承诺+真实评价”的内容矩阵。
Live House行业竞争已经不只是“谁能排到更多乐队”，而是内容供应链、空间设计、社媒运营、服务标准化、安全体系和私域复购的综合竞争。头部品牌拥有更强的艺人资源和排期能力，但中小场地也可以通过场景差异化、城市文化标签、女性友好、疗愈主题、社交套餐等方式建立壁垒。
行业的替代竞争也很强：清吧提供更轻松的社交，KTV提供更低门槛的音乐参与，音乐节提供更强的仪式感，展览和咖啡馆提供更稳定的出片空间。因此，Live House必须清楚回答：用户为什么不去别的地方，而要来这里？
Live House 的增长关键不是“做得更热闹”，而是把互斥需求拆开：让音乐发烧友获得沉浸，让情绪疗愈者获得安全，让社交聚会者能聊天，让潮流打卡者能出片，让文化体验者不被商业噪音破坏。
沉浸区、社交区、疗愈区分别承接不同任务，解决“一刀切”导致的体验互斥。
分层票价、透明低消、酒水套餐，叠加女性安全夜与情绪治愈专场。
将安保、员工培训、女性友好区域、安全提示与社媒承诺做成可被看见的产品能力。