用户需求，不是“更多游戏”。是更快被玩、更容易被拍。
基于 AI Dungeon Discover 公开目录的 110,224 个 scenario card，把创作者、玩家、平台三方需求拆成可执行的 Fried 模板、招募策略和 Cloudflare 可分享互动报告。
把“市场很大”拆成能执行的增长动作
这里的交互不是为了炫技，而是为了让你按不同决策视角重排证据：招募、产品模板、品牌安全、发现流动性。
历史脉络：这些游戏不是突然出现的
AI Dungeon 的底层需求来自 50 年互动叙事史：parser text adventure、CYOA、跑团、fanfiction、移动互动小说、AI companion，最后才到 TikTok-native minigame。
到底什么人喜欢这些游戏？
AI Dungeon 没有公开可靠 demographic 面板，所以这里用三层证据：本次 110k scenario 内容信号、相邻市场公开数据、以及平台机制推断。每个人群都标注 confidence。
类型地图：人群不是按 genre 分，而是按“想被满足的需求”分
同一个人可能同时玩 romance、RPG、horror 和 generator。真正有用的分类是：这个类型给了什么身份、什么行动、什么社交反馈，以及 Fried 应该怎么包装成短视频小游戏。
底层需求模型
这些玩家不是单纯喜欢“文字”或“AI”。他们在买八种心理需求：行动权、身份试演、关系控制、边界探索、被看见、社交比较、陪伴回应、创作杠杆。
需求机制：从世界观到 TikTok 传播的 6 层漏斗
AI Dungeon 的“无限故事”能吸引人，但 Fried 需要把它压缩成可拍、可比较、可二创的小游戏。下面是从用户心智到 creator 分发的转换链路。
更具体的 22 条洞察
每条都写清楚：数据证据是什么、为什么对 Fried 重要、应该做什么、看什么指标。可按 product / acquisition / ranking / brand / gtm 过滤。
用户需求图谱
按创作者、玩家/观众、平台三方拆解。每张卡都包含证据、Fried 应做的产品动作、以及应跟踪的指标。
证据工作台
切换指标，点击任一条目查看它对 Fried 的含义。重点关注 saves/item、hit rate、brand-safe share，而不仅是 plays。
Fried 模板机会
把 AI Dungeon 的高频需求转译成 TikTok minigame：每个机会都给出模板、TikTok hook、目标 creator 和风险。
Creator acquisition quick model
一个轻量测算器：用目标 creator 数、激活率、每月模板产出，估算 Fried 早期供给密度。它不是财务模型，而是对齐增长节奏。
外部资料来源
这里列的是用于历史、人群和相邻市场推断的外部来源；AI Dungeon Discover 的量化数据仍来自本地 crawl。
研究边界
这是一份公开元数据研究和产品/GTM 分析，不包含私有账号数据、credentialed 数据或破坏性验证。