尺子熟悉参照
选一座你真正住过的城市。所有推荐都用它来解释—— 把几小时攻略压成几秒直觉。
「住惠比寿，感觉像住在法租界西侧，安静、可步行、离商圈不远。」
为什么单靠「城市翻译」不够
类比解决了「快」，没解决你最担心的「真」。
「代官山像法租界」——ChatGPT 一句话就能给，旅游文章也早已写滥。 它帮你秒懂街区气质，却回答不了下一句：
类比出来的街区里，那家排长队的店，到底是本地人常去，还是网红打卡点？
熟悉感是入口；没有本地人信号，翻译就只是更快的攻略，不是更真的生活。
卖点拆成三层
尺子 · 筛子 · 决策闭环
不是多一份清单，而是三把工具叠在一起用。
筛子本地人信号
每个街区、每家店给一个本地指数，对照网红热度。 只看本地人去不去。
- 本地语言评论占比
- 本地点评平台评分（如 Tabelog）
- 工作日午餐 / 周末早餐人流
- 社交媒体短期爆红异常峰值
爆红但本地人不去 → 标为「网红热度」。
决策闭环住 · 走 · 吃
不是景点串联，而是本地生活的三个答案：
- 住哪一片 — 像你家附近，有本地生活感
- 走哪条线 — 菜市场、社区公园、老街
- 吃哪几家 — 本地指数高，价格对标本地人
Live example · 示例
上海人读东京：法租界尺子下的惠比寿
以下分数为产品示意，非正式数据，仅说明「本地指数 vs 网红热度」怎么读。
住哪一片
惠比寿 Ebisu
像法租界西侧：安静、可步行、离商圈不远， 白天有社区节奏，晚上不喧闹。
本地指数
86
本地语言评论高 · 工作日午餐稳定 · Tabelog 口碑稳
走哪条线
- 惠比寿花园旁的社区散步道
- 代官山旧书店与小路（非网红主街）
- 附近超市 / 居酒屋巷，晚饭像「回家路上」
吃哪几家 · 示意
- 社区定食屋 · 本地指数高 / 网红低
- 早餐咖啡店 · 周末本地人为主
- 标「网红热度」的排队店 → 可跳过
定位语
你熟悉的城市，是读懂下一座城最快的地图。
- 不看网红热度，只看本地人去不去。
- 第一天，就像住了一年。
- 你熟悉的城市，是读懂下一座城最快的地图。
为什么难抄
熟悉感是入口，本地人信号才是护城河。
同尺子旅客口碑
「上海人去东京」的评价天然带着同一把尺子——「比愚园路的店安静」「价格像新天地」。用户越多越准。
本地验证人网络
地接、导游、定制师变成第一批城市验证人；本地验榜，不是算法自嗨。
反网红数据层
本地指数与网红热度两套分数，随使用积累——越用越难追。