User research user modeling

用户建模自动生成

核心原则

1. Persona是假设不是事实——Persona是基于数据的推断模型，需持续验证而非固化，低置信度字段必须标注
2. 声音+行为交叉验证——用户说的（VOC）和做的（行为）必须交叉印证，矛盾处标记为待验证假设
3. 推断必须标注来源——每个特征字段标注data_source（voice/behavior/survey/inferred），推断性内容不可伪装为事实
4. 低置信度即待验证假设——置信度<0.5的字段升级人类验证，不自动进入后续流程

交互模式

🤖→👤 AI建议人类审批 — AI生成模型草案，人类审批确认后方可用于后续流程

---

输入

输入项	类型	必填	来源	说明
voice-analysis.json	JSON	是	output/pm-discovery/user-research-voice-analysis/voice-analysis.json	用户声音洞察、痛点、主题、分群
behavior-analysis.json	JSON	是	output/pm-discovery/user-research-behavior-analysis/behavior-analysis.json	行为洞察、漏斗、路径、Aha Moment
survey_data	JSON	○	用户提供	问卷数据，补充人口统计学信息和态度数据
modeling_config	object	○	用户提供	建模配置（最大Persona数、置信度阈值、旅程阶段等）

输入格式

{
  "voice_analysis_path": "output/pm-discovery/user-research-voice-analysis/voice-analysis.json",
  "behavior_analysis_path": "output/pm-discovery/user-research-behavior-analysis/behavior-analysis.json",
  "survey_data": {
    "available": "boolean",
    "location": "string",
    "sample_size": "number"
  },
  "modeling_config": {
    "max_personas": "number",
    "min_confidence_threshold": "number",
    "journey_stages": ["string"],
    "include_emotional_arc": "boolean"
  }
}

输入依赖：

• voice-analysis.json：提供用户声音洞察、痛点、主题、分群
• behavior-analysis.json：提供行为洞察、漏斗、路径、Aha Moment
• 问卷数据（可选）：补充人口统计学信息和态度数据

---

执行步骤

Step 1：用户聚类

• 整合voice-analysis的用户分群与behavior-analysis的行为分群
• 使用交叉验证确定最优聚类数（2-6个Persona）
• 聚类维度：行为特征 × 声音特征 × 人口统计（如有）
• 评估每个聚类的内聚度和区分度
• 输出：聚类结果，每个聚类的核心特征描述

Step 2：特征画像提取

• 对每个聚类提取关键特征：
  • 行为特征：核心使用场景、使用频率、功能偏好、Aha Moment
  • 声音特征：主要诉求、核心痛点、情感倾向、代表原声
  • 人口统计：年龄区间、职业倾向、技术熟练度（如有数据）
  • Jobs to be Done：Functional Job / Emotional Job / Social Job
• 标注每个特征的置信度
• 标注数据来源（voice / behavior / survey / 推断）
• 输出：每个聚类的特征画像

Step 3：Persona文档生成

• 为每个聚类生成Persona文档，包含：
  • 名称：易记的代称（如"效率先锋""体验探索者"）
  • 核心目标：该Persona最想达成什么（2-3个）
  • 关键行为：典型使用行为模式（3-5个）
  • 核心痛点：最困扰的问题（2-4个，引用voice-analysis数据）
  • 代表性原声：来自真实用户反馈的引用（3-5条）
  • 规模占比：该Persona在用户群中的占比
  • 置信度：整体置信度评分（0-1）
• 标注推断性内容（无直接数据支撑的特征）
• 输出：persona.json

Step 4：Empathy Map生成

• 为每个Persona生成Empathy Map，包含四个象限：
  • Says：用户说了什么（来自voice-analysis的原声）
  • Thinks：用户可能在想什么（推断，标注置信度）
  • Does：用户做了什么（来自behavior-analysis的行为数据）
  • Feels：用户的情绪状态（来自情感分析 + 推断，标注置信度）
• 标注每个象限条目的数据来源和置信度
• 输出：empathy-map.json

Step 5：Journey Map生成

• 为每个Persona生成Journey Map，包含：
  • 阶段：认知 → 考虑 → 使用 → 深度使用 → 流失/留存
  • 每个阶段：
    • 用户行为（来自behavior-analysis）
    • 触点（产品内外）
    • 情绪曲线（高/低点标注）
    • 痛点（来自voice-analysis）
    • 机会点（痛点 × 未满足需求）
• 标注情绪曲线的置信度（行为数据支撑 vs 推断）
• 输出：journey-map.json

Step 6：置信度评估

• 评估每个Persona的整体置信度
• 评估每个输出字段的置信度
• 识别低置信度字段（< 0.5）并标记需人类验证
• 生成置信度报告：哪些结论有强数据支撑，哪些需要补充验证
• 输出：置信度评估报告

---

输出

persona.json

输出文件：output/pm-discovery/user-research-user-modeling/persona.json

输出Schema：

{
  "type": "object",
  "required": ["personas", "metadata"],
  "properties": {
    "personas": {"type": "array", "description": "Persona列表，含目标、行为、痛点和JTBD"},
    "metadata": {"type": "object", "description": "元数据，含时间戳、来源和聚类质量评分"}
  }
}

输出校验规则：

字段路径	类型	必填	说明
personas	array	是	Persona列表，不可为空
personas[].id	string	是	Persona唯一标识
personas[].name	string	是	Persona名称
personas[].core_goals	array	是	核心目标列表，每项须含goal、confidence、data_source
personas[].core_goals[].data_source	string	是	数据来源枚举：voice/behavior/survey/inferred
personas[].core_goals[].confidence	number	是	目标置信度，0-1
personas[].key_behaviors	array	是	关键行为列表，每项须含behavior、confidence、data_source
personas[].key_behaviors[].data_source	string	是	数据来源枚举：voice/behavior/survey/inferred
personas[].core_pain_points	array	是	核心痛点列表，每项须含pain_point、severity、confidence、data_source
personas[].core_pain_points[].severity	string	是	痛点等级枚举：P0/P1/P2/P3
personas[].core_pain_points[].evidence_ref	string	是	证据引用来源
personas[].representative_quotes	array	是	代表原声列表，每个Persona≥3条
personas[].size_ratio	number	是	规模占比，0-1
personas[].confidence	number	是	Persona整体置信度，0-1
personas[].jobs_to_be_done.functional_job	object	是	功能性Job，须含description、confidence
personas[].jobs_to_be_done.emotional_job	object	是	情感性Job，须含description、confidence
personas[].jobs_to_be_done.social_job	object	是	社会性Job，须含description、confidence
personas[].low_confidence_fields	string[]	是	低置信度字段列表
metadata.analysis_timestamp	string	是	分析时间戳
metadata.input_sources	string[]	是	输入来源列表
metadata.clustering_quality_score	number	是	聚类质量评分，0-1
metadata.confidence_overall	number	是	整体置信度，0-1

{
  "personas": [
    {
      "id": "string",
      "name": "string",
      "core_goals": [
        {
          "goal": "string",
          "confidence": "number",
          "data_source": "voice|behavior|survey|inferred"
        }
      ],
      "key_behaviors": [
        {
          "behavior": "string",
          "confidence": "number",
          "data_source": "voice|behavior|survey|inferred"
        }
      ],
      "core_pain_points": [
        {
          "pain_point": "string",
          "severity": "P0|P1|P2|P3",
          "confidence": "number",
          "data_source": "voice|behavior|survey|inferred",
          "evidence_ref": "string"
        }
      ],
      "representative_quotes": [
        {
          "quote": "string",
          "source": "string",
          "sentiment": "string"
        }
      ],
      "size_ratio": "number",
      "confidence": "number",
      "jobs_to_be_done": {
        "functional_job": {
          "description": "string",
          "confidence": "number"
        },
        "emotional_job": {
          "description": "string",
          "confidence": "number"
        },
        "social_job": {
          "description": "string",
          "confidence": "number"
        }
      },
      "low_confidence_fields": ["string"]
    }
  ],
  "metadata": {
    "analysis_timestamp": "string",
    "input_sources": ["string"],
    "clustering_quality_score": "number",
    "confidence_overall": "number"
  }
}

empathy-map.json

输出文件：output/pm-discovery/user-research-user-modeling/empathy-map.json

输出Schema：

{
  "type": "object",
  "required": ["empathy_maps"],
  "properties": {
    "empathy_maps": {"type": "array", "description": "同理心地图列表，含Says/Thinks/Does/Feels四象限"}
  }
}

输出校验规则：

字段路径	类型	必填	说明
empathy_maps	array	是	同理心地图列表，不可为空
empathy_maps[].persona_id	string	是	关联Persona ID
empathy_maps[].persona_name	string	是	关联Persona名称
empathy_maps[].says	array	是	Says象限，每项须含content、source、confidence，≥2条
empathy_maps[].thinks	array	是	Thinks象限，每项须含content、inference_basis、confidence，≥2条
empathy_maps[].does	array	是	Does象限，每项须含content、source、confidence，≥2条
empathy_maps[].feels	array	是	Feels象限，每项须含emotion、intensity、inference_basis、confidence，≥2条

{
  "empathy_maps": [
    {
      "persona_id": "string",
      "persona_name": "string",
      "says": [
        {
          "content": "string",
          "source": "string",
          "confidence": "number"
        }
      ],
      "thinks": [
        {
          "content": "string",
          "inference_basis": "string",
          "confidence": "number"
        }
      ],
      "does": [
        {
          "content": "string",
          "source": "string",
          "confidence": "number"
        }
      ],
      "feels": [
        {
          "emotion": "string",
          "intensity": "number",
          "inference_basis": "string",
          "confidence": "number"
        }
      ]
    }
  ]
}

journey-map.json

输出文件：output/pm-discovery/user-research-user-modeling/journey-map.json

输出Schema：

{
  "type": "object",
  "required": ["journey_maps"],
  "properties": {
    "journey_maps": {"type": "array", "description": "用户旅程地图列表，含阶段、情绪曲线和机会点"}
  }
}

输出校验规则：

字段路径	类型	必填	说明
journey_maps	array	是	旅程地图列表，不可为空
journey_maps[].persona_id	string	是	关联Persona ID
journey_maps[].persona_name	string	是	关联Persona名称
journey_maps[].stages	array	是	旅程阶段列表，须覆盖核心阶段
journey_maps[].stages[].stage_name	string	是	阶段名称
journey_maps[].stages[].user_behaviors	string[]	是	用户行为列表
journey_maps[].stages[].touchpoints	string[]	是	触点列表
journey_maps[].stages[].emotion_score	number	是	情绪评分
journey_maps[].stages[].emotion_confidence	number	是	情绪置信度，0-1
journey_maps[].stages[].pain_points	string[]	是	痛点列表
journey_maps[].stages[].opportunities	string[]	是	机会点列表
journey_maps[].emotional_arc	object	是	情绪弧线，须含high_points、low_points、overall_trend

{
  "journey_maps": [
    {
      "persona_id": "string",
      "persona_name": "string",
      "stages": [
        {
          "stage_name": "string",
          "user_behaviors": ["string"],
          "touchpoints": ["string"],
          "emotion_score": "number",
          "emotion_confidence": "number",
          "pain_points": ["string"],
          "opportunities": ["string"]
        }
      ],
      "emotional_arc": {
        "high_points": ["string"],
        "low_points": ["string"],
        "overall_trend": "string"
      }
    }
  ]
}

---

决策规则

条件	动作
Persona整体置信度 < 0.5	升级至人类验证，标记"需人工确认"，不自动进入后续流程
Emotional Job推断置信度 < 0.5	升级至人类验证，标记"情感需求推断待确认"
Social Job推断置信度 < 0.5	升级至人类验证，标记"社交需求推断待确认"
两个Persona区分度不足（特征重叠 > 70%）	合并为1个Persona或标记"需人工判断是否拆分"
聚类质量评分 < 0.4	标记"聚类质量不佳"，建议调整聚类参数或补充数据

---

质量检查

检查项	标准	不达标处理
至少1个Persona置信度 ≥ 0.7	满足	无高置信度Persona时标记"建模不充分"，建议补充数据或访谈
每个Persona有数据支撑	每个字段标注数据来源	推断性字段占比 > 50%时标记"数据支撑不足"
Persona间区分度	特征重叠 < 70%	重叠过高时建议合并或重新聚类
代表性原声	每个Persona ≥ 3条原声	不足时标记"原声支撑不足"
Empathy Map四象限完整	每个象限 ≥ 2条内容	缺失象限标记"数据不足"
Journey Map阶段完整	覆盖核心阶段	缺失阶段标记"数据缺失"
所有输出标注置信度	100%	缺失置信度的字段补填默认值0.3并标记

---

降级策略

当上游文件不存在时，本Skill仍可独立执行：

缺失的上游输入	降级方案	输出影响
voice-analysis.json	基于用户口头描述的目标用户特征推断Persona，标注"缺乏声音数据支撑"	Persona声音特征和痛点基于推断，representative_quotes缺失，core_pain_points置信度降低
behavior-analysis.json	基于用户口头描述的用户行为推断Persona，标注"缺乏行为数据支撑"	Persona行为特征和Aha Moment基于推断，key_behaviors置信度降低，Journey Map行为数据缺失
voice-analysis.json + behavior-analysis.json	用户提供目标用户描述 → 基于描述推断Persona，整体置信度降低	personas整体confidence降低，data_source多为inferred，low_confidence_fields增多
所有上游文件均缺失	提示用户先执行前序阶段，或基于用户口头描述执行轻量版Persona推断	输出为纯推断Persona，confidence_overall上限0.3，所有字段标注inferred
若用户未提供survey_data	跳过该输入相关步骤，Persona中人口统计学信息基于推断，标注"缺乏问卷数据"	人口统计字段data_source为inferred，置信度降低
若用户未提供modeling_config	跳过该输入相关步骤，使用默认建模配置（最大Persona数：4，置信度阈值：0.5）	使用默认配置，Persona数量和阈值可能非最优

数据获取说明

本Skill需要用户声音分析和行为分析数据，请通过以下方式之一提供：

1. 直接粘贴用户描述文本（目标用户特征、行为模式等）
2. 上传voice-analysis.json / behavior-analysis.json文件
3. 提供数据文件路径

• AI不负责外部数据采集，仅负责分析

---

上游变更响应

上游变更影响

上游Skill	变更类型	影响范围	响应动作
user-research-voice-analysis	voice-analysis.json结构变更	用户分群、痛点、主题数据格式变化	检查输入字段映射，适配新结构，不兼容时标记"上游数据格式异常"
user-research-voice-analysis	voice-analysis.json内容更新	痛点等级、情感分布、分群结果变化	重新执行聚类和Persona生成，标注"基于更新数据重建"
user-research-behavior-analysis	behavior-analysis.json结构变更	行为分群、Aha Moment、功能使用数据格式变化	检查输入字段映射，适配新结构，不兼容时标记"上游数据格式异常"
user-research-behavior-analysis	behavior-analysis.json内容更新	漏斗、路径、异常检测结果变化	重新执行聚类和Persona生成，标注"基于更新数据重建"

下游通知机制

下游Skill	通知触发条件	通知方式	通知内容
user-research-interview-assist	persona.json更新完成	写入output文件	通知Persona数据已就绪，可用于访谈脚本设计
user-research-report	persona.json / empathy-map.json / journey-map.json更新完成	写入output文件	通知用户建模数据已就绪，可用于报告生成