ai官小西

Gizmo 产品策略深度分析：把 TikTok 的上瘾循环改造成 Anki 的学习循环

Gizmo 很容易被误读。

表面看，它像又一个 AI Tutor：上传笔记、提问、生成闪卡、准备考试。这个赛道已经很拥挤。Quizlet 有 AI study guides，StudyFetch 能把课程材料变成闪卡，Knowt 主打免费 Quizlet 替代品，Anki 仍然是间隔重复重度用户的默认选择。

但 Gizmo 真正值得研究的地方，不是“用 ChatGPT 学习”。它的产品策略更像是在做一个消费者级学习网络：AI 负责消除学习材料生产成本，游戏化和社交循环负责让学生愿意反复练习，直到真的记住。

Gizmo 官网的口号很直接：“Get addicted to learning”。招聘页把它描述为“Duolingo for Anything”。CEO 也不是在谈“减少屏幕时间”，而是在谈“更好的屏幕时间”。这就是它的核心策略：把原本把学生拉向 TikTok、Instagram 和游戏的习惯循环，重新导向主动回忆和间隔重复。

Gizmo 产品策略飞轮

公司背景：小团队，但消费者侧增长很强

Gizmo 是一家总部在伦敦的 AI 教育公司，成立于 2021 年。公开资料显示，Petros Christodoulou 是 CEO，Robin Jack 是 CTO，Paul Evangelou 是 CPO。公司早期与 Save All 品牌相关，这一点在 App Store 的开发者名称中仍然可见。

2026 年 4 月，Gizmo 宣布完成 2200 万美元 A 轮融资，由 Shine Capital 领投，Ada Ventures、Seek Investments、GSV 和 NFX 参投。NFX 此前还领投过它的 350 万美元种子轮。融资报道提到，Gizmo 已覆盖 120 多个国家、超过 1300 万学习者。Gizmo 招聘页则声称产品有超过 150 万月活用户和 500 万美元 ARR。

这些数字之所以重要，是因为 Gizmo 并不是优先把自己定位成卖给学校的采购型产品。它的重心在消费者侧：学生自己选择工具，自己上传学习材料，邀请同学，遇到高频使用限制后再付费。

App Store 信息也强化了这种定位。Gizmo 的应用名是“Gizmo: AI Tutor”，副标题是“AI flashcards & quizzes”，评分约 4.8，评论量约 1.1 万。它属于 Education 分类，但同时也出现在 Games、Puzzle、Trivia 里。这个分类组合并非偶然。Gizmo 想让学习不像生产力工具，而更像游戏。

产品切入口：把被动材料变成可测验的记忆对象

大多数学习工具失败在“学习开始之前”。学生手里有 PDF、课件、YouTube 课程、潦草的手写笔记，或者一套 Quizlet 卡片。但把这些材料整理成高质量闪卡非常麻烦。Anki 很强，但制卡和维护都需要自律。传统笔记工具能保存信息，却不会自动逼你回忆。

Gizmo 首先攻击的正是这个摩擦。

它在 App Store 中强调 AI Import：Quizlet、Anki、YouTube、PDF、Notes、PowerPoint、手写扫描等内容都可以变成闪卡和测验。我体验到的 onboarding 流程也围绕这件事展开：年龄和身份分流之后，产品直接要求用户上传学习材料，可选 PDF、粘贴笔记、PowerPoint、YouTube、拍摄笔记等。

这就是 Gizmo 的切入口：不要让学生先设计一套学习系统，只要让他们把已有材料带进来。

材料进入产品后，Gizmo 会把它们转成我称之为“可测验的记忆对象”：卡片、被高亮的答案目标、生成的问题、AI Tutor 的讲解提示。帮助中心说明，AI Tutor 可以从一个主题开始，也可以从已有 deck 开始；如果从 deck 开始，它会以卡片为基础进行讲解，必要时补充细节，并基于绿色高亮词进行提问。Memorise 模式使用间隔重复和主动回忆：答对的卡片降低出现频率，答错的卡片更快回来。

这个产品结构很关键。AI Tutor 并不是一个悬浮在产品外层的通用聊天框。它被锚定在卡片、deck、高亮词和练习历史上。AI 负责生成和解释，但真正的学习循环仍然依赖检索练习。

更底层的信念：学习就是记住

Gizmo 早期 Save All 阶段的博客把它的产品哲学讲得很清楚。“Learning is Remembering”认为，学习本质上是长期记忆的改变，而工作记忆容量有限；如果必要知识没有进入长期记忆，复杂理解就难以发生。“Learn Exponentially”则把间隔重复描述为一种复利过程：每次时机合适的复习，都会延长下一次遗忘前的间隔。

这个判断既有力量，也有边界。

它有力量，是因为学校和大学里的大量学习失败，确实发生在记忆层。学生反复看笔记、重听课程、标记重点，以为自己熟悉了内容，但一到考试环境就无法提取。主动回忆和间隔重复更贴近真实失败点。

它也有边界，因为学习不全是记忆。数学解题、写作、设计判断、实验技能、编程熟练度和身体技能，都需要迁移、反馈、练习，有时还需要导师。记住是必要条件，但不是充分条件。

Gizmo 的聪明之处在于，它从“记忆是瓶颈”的场景切入。这给了产品一个非常明确的任务：我有一堆材料要记住，请你让我练到它真正留下来。AI Tutor 可以在这个基础上逐步走向解释和理解，但核心循环仍然是可度量的：回答了多少问题，记住了多少卡片，连续学习了多少天，升到了哪个联赛。

消费者循环：让重复练习看起来像进步

间隔重复有一个残酷弱点：坚持很难。

Anki 用户都知道那种感觉。算法有效，但 backlog 会不断变长。复习队列会变成负担。这个工具之所以有效，正是因为它要求你在记忆即将衰退的时候回来；但那通常并不是你最有动力的时候。

Gizmo 的答案，是把学习科学包进消费者应用机制里：

  • Hearts 让错误产生轻微成本，也形成付费边界。
  • XP 让每次回答都变成可见进度。
  • Streaks 把每日学习变成身份认同和损失厌恶。
  • Streak freezes 降低断签挫败感，把用户拉回来。
  • Leagues 制造每周竞争、晋级和降级。
  • Coins、challenges、study games 提供轻量奖励。
  • Public decks 和 study groups 让学习材料具备分享属性。

CEO 的一句话概括了这种思路：人们沉迷的是“进步、新鲜感、社交连接和奖励”。Gizmo 的赌注是，这些力量同样可以让回忆练习不再像作业。

这也是为什么“Duolingo for Anything”比“AI Tutor”更准确。Duolingo 的胜利并不只是因为它有最深的语言教学法，而是因为它把每日练习做得简单、可见、情绪上有粘性。Gizmo 试图把同一套消费者逻辑套到任何学生可以上传的学科材料上。

社交策略：不先卖给学校，也能长进课堂

Gizmo onboarding 中最有意思的部分，并不是 AI Import，而是前面的社交分流。

产品会问用户来自 university、school、work 还是 other。选择 university 后，它会继续询问年级和学校，并展示带有“classmates”数量感的学校建议。帮助中心也提到 study groups、好友关注、leagues 和 public decks。

这说明 Gizmo 可能在做一种校园密度策略。它不必一开始就走学校采购路线，而是可以通过个人学生进入，再按学校和课程聚集用户，形成局部网络效应：

  • 一个学生导入或创建了一套 deck。
  • 这套 deck 对同学也有用。
  • 同学加入、关注、竞争或复用公开卡片。
  • 学校名称变成社交证明界面。
  • 本地用户越多，内容相关性和传播效率越高。

这是典型消费者社交产品路径，只是被放到了教育场景里。Gizmo 不只是在做学习工具，它也在尝试围绕共同考试、共同课程和共同动机建立学习图谱。

公开资料中提到的一百多万套免费闪卡也很关键。内容库本身就是分发资产。它降低新用户冷启动，也提供搜索入口。Quizlet 长期受益于这点。Gizmo 则在内容网络之上叠加 AI 供给和游戏机制。

商业模式：免费核心能力，加上刻意设计的摩擦

Gizmo 的免费层并不是简单试用。帮助中心说用户可以免费创建无限卡片和 deck，也可以无限 quizzing。但它对高强度使用设计了限制：

  • 测验中失去 15 个 hearts 后，需要等 10 分钟才能继续。
  • 使用 Magic Import 后，可能需要等 20 分钟才能再次导入。
  • Unlimited 订阅可以移除这些限制。

这是典型消费者订阅逻辑。让轻度用户免费学习；让高意愿用户在最投入的时候遇到摩擦；把正在备考、连续导入材料、不断失去 hearts、想立刻继续的用户转化为付费用户。

App Store 展示了多个 Gizmo Unlimited 价格点，帮助中心也提到周付、年付和学生折扣。这给 Gizmo 留出了按紧迫程度分层的空间：考前冲刺可以用周订阅，长期学习者可以用年订阅，学生折扣降低心理门槛。

如果 500 万美元 ARR 的公开说法准确，那么对一个小团队而言，这个 freemium 模型已经能产生相当可观的收入。

竞争格局：Gizmo 的差异化在哪里

Gizmo 位于五类产品的交叉点上：

产品 核心优势 Gizmo 的差异化
Quizlet 巨大的内容网络和学习品牌 更强调 AI Import，以及游戏化和社交习惯循环
Anki 强大的间隔重复和用户控制能力 更低使用门槛、移动端消费者设计、社交激励
Knowt 免费 Quizlet 替代品和 AI 学习工具 Gizmo 更直接地押注“上瘾”、streaks、leagues 和付费消费者循环
StudyFetch 把课程材料转成 AI 学习工具 Gizmo 更突出游戏机制和社交图谱
RemNote 笔记与间隔重复结合，适合知识工作流 Gizmo 更学生化、更游戏化，而不是知识管理优先

关键在于，AI 生成闪卡本身并不构成护城河。所有人都能加。真正的防御力必须来自别处：习惯、内容网络、社交图谱、学生群体中的品牌、移动端分发，以及用户长期学习历史。

Gizmo 看起来很清楚这一点。AI 是加速器，不是护城河。如果它最终形成护城河，那也会来自消费者学习循环本身。

产品风险

这个策略很有吸引力，但风险也很真实。

第一，卡片质量很关键。AI 生成的闪卡可能浅、含糊，甚至错误。学生可能以很高信心记住错误内容。Gizmo 通过高亮词、编辑和 AI Tutor 补充解释部分缓解这个问题，但信任仍然是核心。

第二，游戏化可能优化错指标。如果产品过度奖励答题数量，学生可能追逐 XP，而不是追求理解。最好的 Gizmo 必须区分有效的困难练习和空转式重复。

第三，记忆优先的理论有边界。它很适合考试事实、定义、语言词汇、解剖、法律规则和许多结构化课程；但对开放项目、写作品味、设计、研究和应用型问题，如果没有更丰富的反馈循环，就会显得不足。

第四，学生消费者市场有明显季节性。考试前使用会暴涨，假期会回落。周订阅可以捕捉紧迫需求，但长期留存必须穿越学期周期。

第五，隐私不是可选项。Gizmo 鼓励用户上传笔记、文档、照片、YouTube 链接和学校信息。这些数据可能包含敏感的学习和个人内容。随着 AI 教育工具主流化，隐私和家长信任会成为产品功能，而不是法律页脚。

为什么 Gizmo 值得研究

Gizmo 给我们的启发，不是“做一个 AI Tutor”。这个结论太泛了。

更好的结论是：用 AI 消除一个已被验证行为的生产成本，再用消费者机制让这个行为更高频地发生。

对 Gizmo 来说，被验证的行为是主动回忆和间隔重复。旧问题是制卡很无聊，每天回来很难。AI 解决第一个问题；streaks、leagues、hearts、public decks、classmates 和移动通知攻击第二个问题。

这就是它有趣的地方。它并不是押注学生想和 AI 聊几个小时。它押注学生想看到进步、避免分心，并把手头已有材料变成一个几乎像游戏一样的练习循环。

如果 Gizmo 成功，最后胜出的品类可能不是“AI Tutor”，而更接近“消费者级社交学习基础设施”：材料、记忆、动机、同学关系和订阅收入在同一个系统里互相增强。

“Get addicted to learning”听起来像一句过度营销的话。但作为产品策略，它其实很精确。Gizmo 正在尝试让 TikTok 的习惯循环，为 Anki 的学习循环服务。这比“又一个带闪卡的聊天机器人”有意思得多。

资料来源