常驻的居民与晚归的探索者：简体中文与日本 VRChat 玩家的玩法画像

VRChat 的玩法几乎全由玩家生成：玩家上传世界（world）和模型（avatar），在由世界开出的房间（instance）里相遇、聊天、参加活动。社交 VR 没有明确的通关目标，“玩法”主要是和谁在一起、在哪里、做什么的选择，而这些选择很难从游戏的公开数据里看到。

伴随工具提供了一个侧面窗口。VRCX 及其分支 VRCX-0 在 PC 上与 VRChat 并行运行，读取好友动态、游戏日志和收藏，帮玩家回答“朋友现在在哪个房间”“刚才那个房间里有谁”“上周去过哪些世界”。玩家打开哪个页面、多久打开一次，反映的就是他们在 VRChat 里关心什么。本文把这些页面和工具当作测量仪器，研究对象是使用它们的玩家，而不是工具本身。

本文只讨论样本足够的两个群体：简体中文用户（CN）与日本玩家（JP）。研究问题如下：

1. RQ1 节律：两组玩家在当地什么时段在线？有没有通宵在线、周末集中的模式？
2. RQ2 频率与时长：每次玩多久、多久回来一次？“一直在玩”和“偶尔来看看”的人各占多少？
3. RQ3 关注点：更关心找朋友、回顾足迹、经营关系，还是换装、逛世界、组织社群？每类功能代表什么样的玩家？
4. RQ4 文化解读：这些差异能否对应到已知的社区文化，例如 VR 睡眠、集会和改模？

VRChat 由 VRChat Inc. 开发，2017 年 2 月在 Steam 以抢先体验形式免费上线^[1]，现支持 PC VR、PC 桌面模式、Quest 和 Pico，2025 年 10 月起登陆 iOS 与 Android^[2]。不戴头显的桌面模式也能使用世界、模型、语音和全部社交功能。

玩家活动的基本单位是房间：同一个世界可以开出多个房间，每个房间最多 80 人，按可见性分为 Public、Friends+、Friends、Invite+、Invite 和群组房间^[3]。玩家从好友列表看到朋友在哪个房间并直接加入（中文社区俗称“跟车”），也可以发送邀请或请求邀请；Join Me、Online、Ask Me、Do Not Disturb 四种状态决定朋友能否看到并加入自己的房间^[4]。群组（Groups，2022 年 11 月上线）提供成员与角色管理、公告、活动和群组房间，相当于 VRChat 里的社团^[5]。玩家还能收藏好友、世界和模型，对他人静音、隐藏模型或屏蔽。服务器区域只有美国、美东、欧洲和日本^[6]。

平台仍在增长：2026 年元旦的同时在线峰值为 148,886 人^[7]，2026 年 2 月一场日语演唱会把纪录推高到 158,192 人^[8]。

日本。VRChat 不公开国别数据，但第三方流量数据显示日本是最大的单一来源之一：Sensor Tower 估计，2025 年 VRChat 官网约 6.5 亿次访问中日本占 37%^[9]。バーチャル美少女ねむ与 Mila 的《ソーシャルVRライフスタイル調査》（Social VR Lifestyle Survey，仅调查 VR 用户）显示，日本受访者中“几乎每天”使用社交 VR 的比例在 2021、2023、2025 年分别为 51%、48%、51.7%，但单次时长短于北美和欧洲（2023 年单次 3 小时以上：日本 44%，北美 75%，欧洲 76%）^[10]。日本行业问卷显示登录集中在当地 20 点至凌晨 4 点、峰值 22 点，约三成受访者有过戴着头显入睡的经历，即 VR 睡眠^[11]。学术研究也记录了社交 VR 中“一起入睡”的意义^[12]和人们在 VR 中睡觉的动机^[13]。日本社区还有两种显著的文化：一是大量定期举办的集会与活动，Virtual Market（Vket）2025 夏季场有 135 万线上访客^[14]；二是围绕模型的审美与身份实践^[15]。笔者作为 VRCX-0 开发者的一线观察也是：VR 睡眠普遍，集会与活动文化强。

简体中文用户。VRChat 没有在国内运营，官网在国内网络中被屏蔽^[16]。中文社区的网络指南把“第三方应用无法访问 VRChat”列为常见问题，并推荐使用游戏加速器^[17]。目前没有可信的玩家人数估计；已有质性研究描述了中文玩家在 VRChat 中的身份协商^[18]。笔者的观察是：工具能否直连 VRChat API 要看运营商和时段，简中玩家以换模型和逛世界为主。

VRCX 是 2019 年开源的 VRChat 伴随应用，通过 VRChat 的 Web API 和本地游戏日志工作，提供好友位置、好友动态、游戏日志、房间历史、收藏和通知等功能^[19]。VRCX-0 是它的分支。表 1 把本文用到的页面和工具对应到玩法动机，后文的关注点分析以此为准；对应关系依据客户端源码中各页面的实际内容。

社交 VR 的用户研究以访谈和问卷为主：Sykownik 等调查了社交 VR 用户的活动与动机^[20]，Chen 等研究了 VRChat 新玩家能否留下来^[21]，Kondo 与 Hirose 在三个日本 VRChat 世界内做了问卷^[22]。基于行为日志的研究较少，Tsutsui 等分析了日本平台 cluster 的大规模日志^[23]。传统网游领域在行为聚类^[24]和按国家比较玩法风格^[25]上积累较多，也有研究提醒“国家”只是文化的粗糙代理^[26]。本文属于行为日志一类，并尽量与上述问卷结果对照。

数据来自 VRCX-0 的匿名遥测，观察期为 2026-07-01 至 2026-09-30（92 天），工具数据取 8 月 14 日至 9 月 30 日。遥测不含账号、好友、世界或房间信息，本文只使用“玩家 × 小时/天”粒度的在线记录和页面、工具的打开次数（表 2）。

文中的时长都是伴随工具的在线时长，是 VRChat 游玩时间的上界：玩家玩 VRChat 时通常开着它，但开着它不一定在玩。5.4 节和第 6 节讨论这一点的影响。

CN 组：系统或界面语言为简体中文（zh-CN、zh-Hans），或 IP 归属地为 CN。只看 IP 会漏掉大量玩家：该组 IP 归属地为 CN 的只占 63.0%，其余显示为日本（14.2%）、香港（9.7%）、新加坡、美国等出口节点，但 91.6% 的时区为 UTC+8。繁体中文用户不计入 CN。

JP 组：语言为日语。该组 97.7% 的 IP 和 98.0% 的时区在日本。把定义放宽到“东京时区 + 日本 IP + 非中文语言”后，JP 组增加 42 名英语界面玩家，主要结论不变（附录 B）。

其他语言和地区的玩家较分散，英语用户又来自多个国家，本文不讨论。

活跃日与活跃日占比。活跃日指该 UTC 日有在线记录。UTC 日界线在 CN 为当地 08:00，在 JP 为 09:00，都落在上午低谷，对比较影响很小。活跃日占比 = 活跃日数 / 观察天数（从首次出现或 7 月 1 日起算）。频率与分层分析只纳入观察满 28 天的玩家，避免把刚入坑的人和老玩家放在一起比活跃天数。

在线时长。按两次上报的间隔计时，单次间隔上限 30 分钟。日在线 ≥22 小时的日子记为常驻日。

上线段。同一玩家相邻会话的间隔不足 60 分钟（客户端更新、重启）时合并为一个上线段，视为“一次上线”。段长为首次出现到最后一次心跳，间隔为上一段结束到下一段开始。

小时在线。每名玩家每个当地日期的在线小时集合。心跳把前 30 分钟计入发送时所在的小时，曲线最多右移半小时。在线 ≥20 个小时的日子视为常驻日，“非常驻日”曲线剔除这些日子，以突出手动开关客户端时的作息。

页面关注点。三种口径互补：（a）覆盖率，观察期内用过该页面的玩家比例；（b）构成，该页面占玩家全部页面访问的比例，与总活跃量无关；（c）回看强度，某天打开该页面时当天的打开次数。

频率分层。试水（≤2 个活跃日）、零星（活跃日占比 <15%）、偶尔（15%–40%）、规律（40%–80%）、每日（≥80%）。另按日均在线时长分为轻度（<3 小时）、中度（3–12 小时）、重度（≥12 小时），与 VRCX-0 后台“使用”页的分档一致。

分布比较用双侧 Mann–Whitney U 检验，效应量为 Cliff's δ^[27]（|δ|<0.147 可忽略，<0.33 小，<0.474 中^[28]），中位数差的 95% 置信区间来自 4,000 次 bootstrap^[36]，比例的置信区间用 Wilson 区间^[29]。

覆盖率受观察天数影响：JP 的观察天数更多，碰到任何页面的机会也更多。因此按页面访问日数分层（3–9、10–29、≥30 天），计算 Mantel–Haenszel 合并比值比^[30]。回看强度用泊松回归，控制当天在线小时数的对数，标准误按玩家聚类。每组检验（页面、工具）用 Benjamini–Hochberg 控制错误发现率^[31]，报告 q 值；q<0.05 视为确认，0.05–0.20 视为探索性信号。

每日型的组间差异另用逻辑回归控制好友规模档和首次出现月份。4.6 节的功能画像用到：玩法动机共同出现的 φ 系数；按页面访问日数分层、按使用者人数加权的组间差（300 次 bootstrap 区间）；控制页面访问日数的偏 Spearman 相关；含好友档与活跃度的线性回归（HC3 稳健标准误）；同一玩家前后两段的 Wilcoxon 符号秩检验。玩法原型用页面构成的 Hellinger 变换^[32]加 k-means 聚类，以轮廓系数^[33]和 60 次 bootstrap 的簇 Jaccard 稳定性^[34]评估。

两组的在线高峰都在当地 22–23 点。看全部活跃日（图 1 上），JP 的曲线整体更高、更平：JP 的活跃日中 53.0% 是在线 ≥20 小时的常驻日，CN 为 28.3%；单日在线小时数的中位数分别为 21 和 13。

剔除常驻日后（图 1 下），作息差异显现出来。CN 的低谷在早上 7–8 点（16%），9 点开始回升，下午和傍晚稳步上涨；JP 的低谷推迟到上午 10–11 点（24%），凌晨 3–5 点仍有 31%–38% 的人在线，CN 只有 20%–29%。按每名玩家的非常驻日计算，深夜（0–5 点）在线小时占比 JP 中位 0.31、CN 0.25（δ = −0.20，p = 1.6×10⁻⁴）；白天（9–17 点）CN 0.31、JP 0.26（δ = 0.20）；晚间（18–23 点）CN 0.36、JP 0.32（δ = 0.21）。

上线和下线时刻（图 2）是更直接的人为动作。两组的上线高峰都在 20–21 点。CN 在中午 12–13 点还有一个次峰（6.2%、5.8%，JP 为 3.6%、4.5%），JP 在早上 8 点更高（4.1% 对 2.4%）。下线差别更大：CN 有 34.0% 的下线发生在 22 点到凌晨 1 点，JP 为 21.1%；JP 在凌晨 3 点（7.1%）和早上 7 点（5.7%）各有一个次峰，CN 在这两个时刻只有 4.6% 和 2.1%。

早上 7 点的下线次峰，加上 JP 过半活跃日整夜在线，与日本社区常见的 VR 睡眠相符：戴着头显或开着游戏入睡，起床后关机出门。遥测分不出“在 VR 里睡觉”和“电脑整夜开着”，这只是相容的证据，不是直接测量。“深夜在线、白天关闭至少 3 小时”的日子两组都约占 7%–11%（p = 0.42），说明 JP 的通宵主要发生在根本不关客户端的常驻日里。

没有周末效应。非每日型玩家周末与工作日的上线概率之比，CN 中位 1.00，JP 0.94（p = 0.30）。两组一周七天的活跃人数各占 13.7%–15.3%，几乎持平。对这些玩家来说，VRChat 是每天晚上的日常，不是周末娱乐。

CN 开得勤、开得短；JP 开得少、一开就很久（表 3）。CN 每周上线中位 3.84 次，JP 1.97 次（δ = 0.22）；单次上线的玩家中位时长 CN 5.4 小时，JP 12.8 小时（δ = −0.21）。JP 有 26.8% 的上线段连续超过 3 天，CN 为 12.6%；CN 的上线段集中在 1–12 小时（37.5%，JP 21.3%）（图 3）。两组都有约四分之一的上线段不到 15 分钟，多是打开看一眼就关。

回访间隔（下线到下次上线）两组几乎一样：玩家中位 12.7 小时对 11.3 小时（p = 0.79）。差别只在于 CN 更多隔夜回来（12–24 小时，25.4% 对 19.1%），JP 更多隔 2–7 天（16.4% 对 10.7%），后者对应长时间常驻之后的休息（图 4）。以天计，90.3%（CN）与 91.4%（JP）的回访发生在次日。间隔的长尾主要来自昼夜与周节律，不必解释为“爆发式”使用^[35]。

JP 的每日型玩家占 46.0%，CN 为 31.8%；CN 只来过 1–2 天的试水者占 24.5%，JP 为 14.3%（χ² 检验 p = 7.8×10⁻⁵，图 5）。按日均在线时长，JP 有 49.2% 是重度（≥12 小时），CN 为 25.6%。两种分层交叉后，JP 的每日型玩家中 84.5% 同时是重度，CN 只有 52.8%，另有 45.5% 是中度。CN 的“每天都玩”多是每晚开几个小时，JP 的“每天都玩”多是根本不关。

差异来自社交圈大小或入坑时间吗？JP 好友更多（4.6 节），入坑也更早（CN 有 89% 是本季度新出现的玩家，JP 为 79%）。控制好友规模档和首次出现月份后，JP 成为每日型的比值比为 2.06（95% CI 1.29–3.29，p = 0.002）；活跃日占比的平均差缩小为 8.5 个百分点（4.7–12.3）。部分差异来自入坑阶段，但长期稳定性的差距仍在：好友不足 100 人的玩家中，每日型比例 CN 55%、JP 83%；100–500 人的为 64% 对 71%。

看哪些功能，两组几乎一样。按观察天数分层后，17 个页面的覆盖率没有一个存在显著差异（Mantel–Haenszel q 均 ≥0.42）。九成以上的玩家用过好友位置、游戏日志和好友日志，八成用过房内玩家、房间历史、搜索、我的模型和好友关系图。每个页面访问日平均打开 3.1 个不同页面，两组相同。

差别在注意力的分配。图 7 是每个页面占玩家全部访问的平均比例。JP 更多花在游戏日志（16.7% 对 13.2%，q = 0.004）、好友收藏（3.7% 对 2.7%，q = 0.016）、通知（q = 0.032）和仪表板（q = 0.034）上；CN 更多花在我的模型（6.6% 对 3.9%，q = 0.050）、搜索（q = 0.068）、好友关系图（q = 0.096）以及世界收藏、模型收藏（q = 0.16–0.24）上。

JP 一天里反复查看“人”。同一天打开某页面的次数受当天在线时长影响，JP 在线更久，自然会多看几次。泊松回归控制当天在线时长后（图 8），JP 打开好友位置的次数仍比 CN 多 28%（IRR 1.28，95% CI 1.10–1.50，q = 0.017），房间历史多 25%，好友收藏多 27%，好友列表多 25%，游戏日志多 22%，好友日志多 20%（q 均 <0.05）。我的模型（1.08）、搜索（1.12）、世界收藏（0.93）、房内玩家（1.12）则没有差异。

这是两种不同的关注方式：JP 在长时间在线中持续追踪朋友在哪、今天和谁在一起、谁加了或删了自己；CN 对“人”的页面每天看一两次，更多注意力放在自己的形象和可去的世界上。

玩法原型。按页面构成聚类得到 5 个原型（图 9）：好友定位（好友位置占 45%）、足迹日志（游戏日志占 34%）、好友动态（好友日志占 38%）、收藏策展（世界收藏 14%、好友收藏 9%）和均衡巡览（没有突出页面）。JP 的足迹日志型占 28.3%（CN 17.9%），好友定位型占 13.7%（CN 9.7%）；CN 的收藏策展型占 18.5%（JP 14.1%），好友动态型占 16.9%（JP 11.7%）；分布差异 p = 0.015。轮廓系数只有 0.11，簇稳定性 Jaccard 为 0.35–0.59：玩家偏好是连续的，原型只是连续谱上的代表点，不宜当作分明的类型。

工具的使用率不高：两组都只有约一半玩家在 7 周内打开过任何工具，只有 21.8% 的“玩家 × 工具”组合出现在两天以上。单个工具样本小，以下都是探索性信号（图 10）。

JP 偏向社群运营与创作。群组管理（12.2% 对 4.3%，OR 0.39，q = 0.06）、导出自己创建的模型 ID 列表（8.2% 对 2.0%，q = 0.06）、应用启动器（18.9% 对 9.6%，q = 0.06）、查找好友的 Discord 名称（10.2% 对 4.3%）、导出好友列表、活动日历（5.6% 对 2.0%）和截图（17.3% 对 10.3%）都是 JP 用得更多。群组管理只列出玩家有管理权限的群组，用它的基本就是群组运营者。这与日本的集会文化相互印证：定期活动需要管理成员、发布日程、在 Discord 上协调。导出模型 ID 则对应上传了多个自制模型的玩家。应用启动器多用于随 VRChat 启停面部追踪、OSC 工具和桌面叠加层，JP 更常用也与其在线时间长、配套设备多相符，但缺少外部数据佐证。

CN 偏向本地维护。VRC 设置数据备份工具（5.3% 对 1.0%，OR 3.79，q = 0.09）、VRChat 数据目录（12.9% 对 6.1%，q = 0.07）、AI 连接（14.2% 对 9.7%）和 VRChat 配置选项（21.2% 对 16.8%）都是 CN 用得更多。一种可能是 CN 玩家更常处理缓存、画质和网络相关的本地问题；AI 连接主要用于社交 AI 和翻译，可能与 CN 玩家更常身处外语房间有关。两者都是推测。

前面比较的是两组在每个功能上的差异。这一节换个角度，看每个功能本身代表什么样的玩家。页面和工具归入 13 种玩法动机（表 1），从五个方向看：哪些动机一起出现、使用者有什么共同特征、好友规模如何改变关注点、新手到老手如何变化、一天里什么时候用什么。本节使用 8 月 14 日至 9 月 30 日的数据，CN 302 人、JP 196 人。以下都是相关性描述，用来提出画像，不代表因果。

把每名玩家是否用过某种动机记为 0/1，两两计算 φ 相关（图 11），可以看到两个簇。第一簇是游戏里的社交：找好友、房内社交、回顾足迹三者相关最强（φ 0.39–0.50），探索世界与模型也挂在这一簇上（φ 0.25–0.43）。第二簇是游戏外的角色：社群运营、状态自动化、技术折腾、摄影与 AI 辅助彼此相关（φ 0.25–0.47），与第一簇的关联很弱（φ 多在 0.2 以下）。

组织活动、调配置、整理照片的往往是同一批深度玩家，这种投入和“在游戏里找人、看人”是两条独立的轴：有人每天追着好友跑却从不碰工具，也有人很少看好友位置却在运营群组。第二簇的工具都从同一个工具页进入，“会不会打开工具页”本身也会让它们相关，这部分要打折看。

在 13 种动机的使用率上（图 12），两组只有社群运营显著不同：JP 24.5%，CN 11.9%（分层 OR 0.49，q = 0.04）。探索世界（OR 1.49）和 AI 辅助（OR 1.64）偏向 CN，但不显著。

活跃的人什么都用得多，直接比较使用者和非使用者会混入活跃度。表 4 先按页面访问日数分层，只在活跃度相近的人之间比较。区间不含 0 的差异有：

• 社群运营的使用者中 JP 多 17 个百分点，日在线多 2.2 小时，用过的功能多 7 个：长时间在线、什么都用的 JP 重度玩家。
• 状态自动化的使用者常驻日占比高 9.5 个百分点，深夜在线也略多：客户端常年开着的人，才需要按时间或房间自动切换状态。
• 探索世界的使用者成为每日型的比例低 14.5 个百分点，深夜在线多 3.9 个百分点：不是每天来，来了常在夜里逛世界。
• 模型与创作的使用者白天在线多 4.3 个百分点，好友不足 100 人的比例高 16 个百分点（区间含 0）：社交圈还小、白天也会打理形象的人。
• AI 辅助的使用者中 JP 少 12 个百分点，即更偏 CN。

页面层面也有对应。用访问占比与玩家特征做偏秩相关（控制页面访问日数，BH 校正），q<0.05 的有：游戏日志与常驻日占比（ρ = 0.18）、深夜在线（0.15）、JP（0.13）正相关；好友日志（0.17）和好友收藏（0.14）与好友数正相关；房间历史（−0.19）、好友关系图（−0.14）、玩家管理（−0.14）、我的模型（−0.13）与好友数负相关；搜索与 JP 负相关（−0.13）。

最有画面感的是游戏日志：越常整天挂着、越常深夜在线的人，越爱看游戏日志。游戏日志记录了房间里来去的玩家和去过的世界，对挂机或睡在 VR 里的人来说，醒来翻日志就是在看“我不在的时候谁来过、我们去了哪”。

上报了好友数的玩家中（CN 386、JP 197），JP 有 15.7% 拥有 500 个以上好友，CN 只有 5.4%（p = 3.7×10⁻⁵）；CN 有 44.3% 不足 100 个好友，JP 为 32.0%（图 13）。本地存储的好友动态超过 100 万条的玩家，JP 占 12.9%，CN 占 2.6%。

好友规模不同，看的东西也不同（表 5）。好友不足 100 人时，好友位置占访问的 16.0%，我的模型 8.6%，房间历史 7.9%；好友超过 500 人时，好友位置降到 10.7%，好友日志升到 20.1%，游戏日志 21.0%，好友收藏 7.1%。小圈子的玩家在“找人”：看谁在线、在哪，回想在哪里遇到过谁，同时打理自己的形象。大圈子的玩家在“管人”：几百人的位置列表已经看不过来，转而用好友收藏锁定亲近的朋友，用好友日志跟踪加删和改名。

这能解释组间差异吗？部分能。控制好友规模和活跃度后，JP 在游戏日志（+1.7 个百分点）和好友收藏（+1.1）上的领先缩小且不再显著，说明 JP 的“社交记账”主要是因为好友圈更大。CN 偏向探索与模型的倾向却依然存在：搜索 −1.9、世界收藏 −2.1、我的模型 −1.8、模型收藏 −0.6 个百分点（q 均 <0.05）。这更像两组玩家口味上的差别，与笔者“简中玩家以换模型和逛世界为主”的观察一致。

本季度新出现、入坑第 1 周和第 4 周以后都有足够页面访问的玩家共 193 名（CN 106、JP 87）。比较同一玩家前后两段的访问构成（图 14，Wilcoxon 符号秩检验）：下降最多的是好友关系图（6.0% → 3.1%）、仪表板（4.7% → 2.6%）、房内玩家（9.3% → 7.2%）、我的模型（6.4% → 4.9%）和房间历史（7.2% → 5.8%）；上升的是好友日志（12.6% → 18.5%）、游戏日志（15.4% → 18.9%）和通知（1.1% → 2.5%）。两组的变化方向一致。

新手在认识环境：房间里都有谁，和谁有共同好友，自己的模型怎么摆；熟悉之后，注意力转向日常的关系维护：谁加了我，昨天遇到了谁，谁发来了邀请。前一段也有一部分是在熟悉工具本身，例如试着建一个仪表板，不全是玩法变化。

页面记录带有最后一次访问的时间，可以粗略看到各功能的使用时段。差别不大，基本跟着在线节律走：深夜（0–5 点）份额最高的是好友位置（29.4%）和好友日志（28.7%），最低的是仪表板（24.4%）、玩家管理（24.9%）和好友收藏（25.1%），后几项更集中在晚间 18–23 点。夜深了看看谁还醒着；整理收藏、处理屏蔽这类“家务”，多在晚上的固定时段做。

JP 的数据呈现一种“住在 VRChat 里”的生活方式：客户端在过半活跃日整天开着，单次上线常跨越数天，下线在凌晨 3 点和早上 7 点出现次峰。这与日本问卷中约三成受访者有 VR 睡眠经历^[11]，以及笔者“VR 睡眠普遍”的观察一致。

在长时间在场中，JP 持续关注社交关系：一天里更频繁地查看朋友在哪、回看今天遇到了谁、整理好友收藏。挂得越久越爱翻游戏日志，客户端常驻的人更常用状态自动化，这正是“睡在 VR 里”的配套行为：睡前让状态自动变成勿扰，醒来翻日志看谁来过。JP 的好友圈更大、好友动态更多，这是长期经营社交圈的结果，也解释了他们为什么需要更频繁地查看。群组管理、活动日历和 Discord 名称查找更常见，指向集会组织者的角色^[14]；导出模型 ID 更常见，指向上传自制或改装模型的创作者。

CN 的节奏更接近一般的晚间娱乐：白天和傍晚上线，22 点到凌晨 1 点关机睡觉，每周开好几次、每次几个小时。注意力更多放在自己的形象和可去的地方：我的模型、搜索、世界收藏、模型收藏和好友关系图，与笔者“以换模型和逛世界为主”的观察相符。好友不足 100 人的比例高，多数 CN 玩家的社交圈还在建立中，对“人”的追踪需求相应较低。

好友规模能解释一部分差异：好友少的玩家本来就更常看好友位置、房间历史和自己的模型，CN 好友少的人更多，所以整体更像“新手形态”。但控制好友规模后，CN 在搜索、世界收藏和模型上的偏好仍然存在，更像口味上的差别。好友规模相近时，CN 的稳定性也低于 JP（好友不足 100 人：每日型 55% 对 83%），可能与学业或工作的作息约束、网络可用性随时段波动有关，现有数据无法区分。

两组都是夜间玩家，高峰在 22–23 点；都以“隔天再来”的节奏回访；都没有周末效应；页面覆盖率几乎相同。VRChat 对两者都是日常的社交场所，差别在投入的时长与稳定性，以及注意力在“人”与“物”之间的分配。

三项外部数据中，两项与本文一致，一项划出了解读的边界。其一，日本问卷中“几乎每天”使用社交 VR 的比例为 48%–52%^[10]，本文 JP 每日型玩家为 46.0%（95% CI 40.0%–52.2%），两者吻合。其二，日本问卷报告的登录高峰是当地 22 点^[11]，本文两组的高峰都在 22–23 点。其三，同一问卷显示日本受访者单次使用 3 小时以上的只有 44%，短于北美和欧洲^[10]，而本文 JP 的单次上线中位 12.8 小时。可见 JP 的长时长主要是“在场”而非连续“游玩”：客户端和电脑一直开着，玩家在其间多次进出游戏、睡觉、去上班。“住在 VRChat 里”指 VRChat 是持续在线的社交背景，而不是连续十几个小时的游戏。

1. 在线时长不等于游玩时长。数据只记录客户端在线，不记录 VRChat 是否在运行。JP 的常驻可能是在 VR 中睡觉，也可能只是电脑不关机；开机自启和托盘常驻也会抬高常驻比例。VR 睡眠的推断只是相容的证据。
2. 样本代表性。VRCX-0 用户是 VRChat 玩家中的特定子群：PC 玩家（Windows 占九成以上）、社交投入较深、愿意安装第三方工具。结论不能推广到 Quest、移动端或全体 VRChat 玩家。
3. 以语言划分群体。CN 主要依据简体中文语言，包含海外的简中玩家；JP 依据日语，会漏掉使用英语界面的日本玩家（附录 B 的放宽定义结论不变）。
4. 页面访问只覆盖部分交互。用户、世界、模型、群组详情都是弹窗，不计入页面访问；默认首页“好友动态”不计数；通知默认以抽屉显示，表格页的访问会低估对通知的关注。工具记录的是打开次数而非实际使用，自动化类工具配置后会在后台持续运行。
5. 观察期短且有季节性。只有一个季度，含暑假和日本的盂兰盆节、敬老日连休；9 月底国庆前 CN 新玩家激增（9 月 28 日这一周新增 158 人），不在本文窗口内。
6. 功能画像是相关性描述。4.6 节的结果都是观察性的，已按活跃度分层或控制，但仍可能受其他因素影响；工具类动机都从同一个工具页进入，彼此的相关会被高估。
7. 多重比较与效应量。大部分显著差异的效应量属于“小”（|δ| 0.20–0.27）。工具层面的 q 值在 0.06–0.20，应视为待验证的假设。

基于 VRCX-0 的匿名遥测，本文比较了简体中文用户与日本玩家的 VRChat 玩法。两组用的功能大致相同，都在晚上玩，都隔天回来。差别在于 JP 把 VRChat 当作长期居住的社区：常驻、通宵、反复关注朋友、组织集会、自己做模型；CN 把 VRChat 当作晚间探索的新世界：开关式上线、关注形象与世界，社交圈仍在形成。从功能看，玩家的投入分成“游戏里的社交”和“游戏外的角色”两条轴，关注点会随好友规模从“找人”转向“管人”，新玩家也沿着同一条路径成熟。

对伴随工具和社区运营者来说，面向 JP 的价值在于长时间在线下的社交追踪与社群管理，面向 CN 的价值在于更好的探索与形象管理，以及帮新玩家建立社交圈。后续研究可以在征得同意的前提下加入“VRChat 是否在运行”的信号以区分游玩与挂机，并纳入更多语言群体做更广的比较。