Exp persona building

用户画像构建

基于用户研究数据（访谈、问卷、行为数据、VOC 等），构建结构化的用户画像（Persona），为产品设计和体验决策提供共享的用户认知基础。

触发条件

• 需要构建用户画像指导设计决策
• 团队对目标用户认知不一致
• 需要将零散的用户研究数据整合为可共情的画像
• 需要为不同用户群体设计差异化体验
• 产品初期需要明确目标用户

核心能力

1. 画像类型选择

根据目标选择合适的画像类型：

画像类型	数据基础	适用场景	精度
假设画像	团队经验推断	产品 0-1 阶段、快速验证	低
质性画像	用户访谈、观察	深度理解特定用户群	中
数据驱动画像	行为数据+问卷+访谈	成熟产品精细化运营	高
统计聚类画像	大规模行为数据聚类	用户分群、个性化推荐	高

2. 画像构建维度

从以下维度构建完整画像：

基础属性

• 人口统计：年龄、性别、地域、教育、职业、收入
• 设备特征：常用设备、系统、网络环境
• 使用频率：日活/周活/月活

行为特征

• 核心场景：在什么场景下使用产品
• 任务频率：高频/中频/低频任务
• 功能偏好：常用功能、忽略功能
• 行业路径：用户进入产品的典型路径

心理特征

• 目标与动机：用户想要完成什么（链接 JTBD）
• 态度与信念：对产品/品类的态度
• 痛点与挫折：当前最大的困扰
• 价值观：影响决策的核心价值观

能力特征

• 数字素养：技术熟悉程度
• 领域知识：对产品领域的了解程度
• 学习方式：偏好看/听/做

3. 画像构建流程

1. 数据收集 — 整合访谈、问卷、行为数据、VOC
2. 模式识别 — 从数据中识别用户群体的共性模式
3. 聚类分组 — 将相似用户归为一组
4. 优先级排序 — 识别最重要的 3-5 个画像
5. 画像细化 — 为每个画像填充完整维度
6. 场景化 — 为画像添加典型使用场景
7. 验证校准 — 与实际数据交叉验证

4. 画像使用原则

• 画像数量控制在 3-5 个，过多则失去聚焦
• 画像应基于数据而非猜测
• 画像应包含"一天的典型使用"使其鲜活
• 画像需定期更新（至少每年一次）
• 画像应成为团队共享语言

输出格式：用户画像卡

【用户画像卡】

▸ 画像名称：[如"效率型管理者-张明"]
▸ 画像类型：[假设/质性/数据驱动/统计聚类]
▸ 优先级：[核心画像 / 次要画像 / 边缘画像]
▸ 代表用户占比：[XX%]

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

▸ 基础属性
  年龄：[...]  性别：[...]  地域：[...]
  职业：[...]  收入：[...]  教育：[...]
  常用设备：[...]  使用频率：[...]

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

▸ 行为特征
  核心场景：[...]
  高频任务：[...]
  低频任务：[...]
  功能偏好：[...]
  典型路径：[...]

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

▸ 心理特征
  目标与动机：
    功能目标：[帮我...]
    情绪目标：[让我感到...]
    社会目标：[让我看起来...]

  态度与信念：[...]
  核心痛点：[...]
  价值观：[...]

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

▸ 能力特征
  数字素养：[高/中/低]
  领域知识：[深/中/浅]
  学习方式：[看/听/做]

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

▸ 典型一天
  [用叙事方式描述这个画像用户典型的一天中如何与产品交互]

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

▸ 体验需求
  1. [需求1]
  2. [需求2]
  3. [需求3]

▸ 设计启示
  1. [启示1]
  2. [启示2]
  3. [启示3]

▸ 数据来源
  [画像基于什么数据构建]
  [最后更新时间]

使用方法

当需要构建或更新用户画像时调用本 skill。画像构建后可与场景识别、旅程分析、策略生成等 skill 组合使用，确保所有体验决策都基于对用户的准确理解。