Pada 7 September, "Laporan Tidak Lengkap Perilaku Pengguna Office Agent China" dirilis. Datanya berasal dari catatan penggunaan nyata LobsterAI, produk office agent milik NetEase Youdao, sejak diluncurkan pada Februari 2026, dengan total pengguna kumulatif lebih dari 1 juta orang. Ini adalah data distribusi penggunaan office agent pertama yang dipublikasikan di China.
Perlu dijelaskan dulu batasannya: semua angka berasal dari data pelacakan milik satu produk saja. NetEase Youdao berperan sekaligus sebagai sumber data dan penerbit laporan, tanpa verifikasi pihak ketiga, dan komposisi penggunanya juga tidak bisa dibilang mewakili seluruh industri. Laporan ini lebih mirip gambaran diri sebuah produk ketimbang potret pengguna office agent secara nasional.
Kurva Konsumsi Lebih Curam dari Perkiraan Model Langganan
Angka paling mencolok dalam laporan ini adalah distribusi daya komputasi: 20% pengguna teratas menghabiskan 87,4% total daya komputasi, dan 5% teratas saja sudah menyumbang 53,5% dari konsumsi token. Kesenjangan loyalitas antara pengguna berbayar dan gratis juga sama mencoloknya — pengguna berbayar mencatat konsumsi token 6,2 kali, volume tugas 5,2 kali, dan jumlah hari aktif bulanan 3,0 kali lipat dibanding pengguna gratis.
Jika ketiga angka kelipatan ini disandingkan: selisih hari aktif hanya 3 kali, tapi selisih konsumsi token mencapai 6,2 kali. Pengguna berbayar tidak datang jauh lebih sering, tapi setiap kali datang, pekerjaan yang dikerjakan jauh lebih berat. Kesimpulan laporan pun bertumpu di sini: penggunaan berat, bukan frekuensi kunjungan, adalah pendorong utama konversi ke berbayar.
Menghitung-hitung
Kurva ini memberi tekanan langsung pada penetapan harga. Andaikan sebuah office agent menerapkan biaya bulanan tanpa batas, dengan perkiraan kasar berdasarkan konsentrasi daya komputasi 87,4%, maka 5% pengguna terberat harus disubsidi oleh 95% pengguna sisanya — dan di dalam 95% itu masih ada banyak pengguna gratis. Beberapa produk office agent di China saat ini umumnya menerapkan model hibrida biaya bulanan plus kredit, dan data ini kurang lebih menjelaskan mengapa model biaya bulanan murni sulit dipertahankan.
Salah satu langkah mitigasi yang disebut dalam laporan adalah caching: 96,8% konten masuk ke cache setelah dibaca sekali, dan lewat pemanfaatan ulang cache, biaya bisa turun sekitar 80%. Untuk skenario perkantoran, rasio ini tidak mengejutkan — kontrak yang sama, dokumen proyek yang sama akan dirujuk berulang kali dalam satu tugas, sehingga token yang berulang tidak perlu ditagih sebagai input baru setiap kali. Pilihan model juga menekan biaya per unit — laporan menunjukkan keluarga DeepSeek menyumbang 85,8% dari total panggilan.
Tugas Semakin Panjang
Ukuran tugas tunggal tumbuh 3,1 kali lipat dalam lima bulan, naik 53% secara bulanan pada Agustus; bagian lain dari laporan menyebutkan bahwa rata-rata ukuran tugas tunggal kira-kira berlipat ganda setiap tiga bulan. Berdasarkan jenis tugas, pemrograman dan penulisan kode menyumbang 38,5%, sementara penulisan dokumen hanya 10,1%; dari sisi hasil, halaman web menyumbang 69,1% dan dokumen 8%.
Rasio ini menunjukkan nama "office agent" agak kurang tepat. Sebagian besar penggunanya justru menulis kode dan membuat halaman web, sementara pengolahan dokumen hanya porsi kecil. Distribusi industri juga menguatkan hal ini: pengembangan software dan IT 34%, desain serta produksi film/video 13%, operasional produk internet 9,7%, dan keuangan 9,1%.
Siapa yang Memakainya, dan Kapan
Secara geografis, empat kota Beijing, Shanghai, Guangzhou, dan Shenzhen bersama-sama menyumbang 27%, sementara kota non-tier-1 mencapai lebih dari 60%. Dari sisi waktu, puncak hari kerja terjadi pada pukul 3 sore, tapi 60,2% konsumsi daya komputasi terjadi di luar jam kerja. Hampir 50% pengguna mencoba model baru dalam tiga hari sejak dirilis.
Angka 60% penggunaan di luar jam kerja ini lebih menggambarkan pola pemakaian sesungguhnya dibanding jam puncak. Tugas berjalan lama, pengguna mengirim lalu pergi, kemudian kembali beberapa saat kemudian untuk mengambil hasilnya — pola pemakaian ini berjarak satu lapis dari tanya-jawab instan.
Sumber: "Laporan Tidak Lengkap Perilaku Pengguna Office Agent China", CocoLoop, 36Kr, Ifeng Tech; angka konsentrasi daya komputasi dan kelipatan telah diverifikasi terhadap angka yang dipublikasikan dalam laporan, sumber data adalah telemetri produk internal NetEase Youdao.