大家好，我是产品经理舟小鲤，目前正在探索 AI 如何提升我们日常产品设计工作的效率，例如利用 prompt 封装一些产品设计技能，让 AI 帮我们打工。比如，让 AI 生成一份用户画像？
用户画像可是帮助我们洞悉用户、进行产品设计的好工具。大家是否有过需要了解新业务、挖掘一些新机会，但对业务和用户都一脸懵的情况？此时的你，一定想快速了解新业务的用户画像，但自己绘制用户画像可真是一件费时费力的活儿～获取用户画像的前期分析、调研工作，需要耗费大量时间和精力。
那么，想要快速拥有一份用户画像，🤖 AI 可以给到我们帮助吗？C 端和 B 端的用户画像都能搞定吗？
AI 应该能够基于其训练过的大量语料，通过预测给出一些通用的用户群体特征。带着这个想法，我尝试利用ChatGPT/NewBing + Midjourney，分别帮我生成用户画像的文本部分和用户形象图部分，再放进预制好的模板中，帮我们搞定用户画像！ 先来看看效果吧～。
例如，一个使用C 端打车软件的用户画像。看下图，用户是年轻白领、使用场景是日常上下班、痛点是早晚高峰时段打出租车难。
B 端产品的朋友们别走，我也编写了适用于 B 端的用户画像分析的 prompt。我们询问一下连锁餐饮店店长的用户画像，来看下效果：店长的痛点是员工管理难和库存信息不准确等等 ～
不卖关子了，下面我将为大家详细说明，用 AI 快速生成 C 端和 B 端用户画像的方法！
本文，我们将使用 ChatGPT 和 NewBing（目前已经更名为 Microsoft Copilot ） ，来生成用户画像分析的文本。
选择了 NewBing 的原因，主要是 NewBing 能免费联网搜索，且能给出资料的出处，在我们本身没有收集到足够多信息的时候，可能可以给出更具有说服力和可信度的用户画像。（备注：实测“创造力”模式的理解本 prompt 的能力更好）
图：Bing 直接开启联网搜索，并提供了资料出处
而对于 ChatGPT ，GPT-3.5 版本无法联网，但可以基于它的训练数据，给出预测的用户画像的答案。想要联网，需要我们升级到 GPT-4 版本。
然后，GPT-4 并不会在每一次回答中都开启联网功能，你需要一些触发词指示GPT-4 联网，第一次我询问 2023 年发生的事件，GPT-4 主动联网搜索了答案（有 browsing 图标），第二次我询问中秋送什么礼物好，对于这类常识性的问题，GPT-4 则没有主动联网。
因此，我们可以直接输入“搜索”的指令，让 GPT-4 强制联网搜索。
学习 prompt 期间，我最大的一个启发就是，我们可以把工作中需要的能力，封装成 prompt 的形式，并指定格式要求，让 AI 输出我们需要的内容。
如果我们需要封装的能力比较复杂，那么随手一写的 prompt 可能缺乏系统性，得到的答案也参差不齐。我们可以利用 BROKE、ICIO 等 prompt 框架，或者结构化 prompt（详情请见文末参考），来更好地组织我们的编写语言，得到更好且更稳定的效果。
本文中，我会用到结构化 prompt 来封装用户画像分析的能力，接下来我将进行详细阐述我的需求分析步骤与 prompt 编写思路。
1）需求分析
需求分析的方法有许多，针对这个小需求，我们可以进行一个简单的拆解，利用场景分析法，然后分析解法。利用场景分析的好处，是可以更好地让我们自己，带入为需求的提出者，清晰地分析需求产生的原因、背景。以下是我的分析思维导图：
通过上述的分析，我们可以获得几个要点，在接下来的 prompt 编写过程中需要考虑：
2）确定用户画像输出模板
根据刚刚的需求分析，我们发现输出的用户画像，需要适配 C 端、B 端业务。而 C 端 和 B 端的面向的用户、业务模式大有不同，因此 C 端 和 B 端用户画像分析的要点也随之发生变化（简单来说，我们平时买东西的淘宝是 C 端产品，淘宝给商家的应用软件是 B 端产品）。
而且，对于 B 端而言，用户的角色其实有两种，一种是企业，一种是企业中的工作者，那么会有两个用户画像：① 企业用户画像 和 ②职业用户画像。
我参考了「酷家乐用户体验设计团队」和「核糖 Bro」两位老师的用户画像分析文章（见文末参考），归纳出了 C 端和 B 端用户画像的模板，如下所示：
（1）C 端用户画像模板
（2）B 端企业画像模板
（3）B 端职业用户画像模板
备注：以上只是小鲤的模板，大家可以根据自己的分析需要，替换模板的内容。
3）prompt 编写思路与结果
本小节我将以“B 端产品-职业用户画像专家” prompt 为例，用一张思维导图和注释，为大家解释我的 prompt 编写思路。话不多说，请见下图：
我考虑的一些 tips：
（1）注意考虑使用者的用户体验。
（2）prompt 需要进行多轮测试，测试 prompt 时，如果发现 AI 回答模糊的信息，我们可以指定描述规则，例如：
（3）如果直接在可以联网的 ChatGPT 4 或 NewBing 上使用，可以加入联网技能，简化 prompt，只保留模式 1，依靠 AI 联网搜索整合所有需要的信息。
最后，完整版的 “B 端产品-职业用户画像专家” prompt 如下：
（C 端用户画像、B 端职业用户画像、B 端企业用户画像这三种用户画像的详细 prompt 和 对话效果，大家可以查看文末链接（本文资料合集））
1）通用版本，没有联网指令，所有 AI 大模型可用（ prompt 请查看文末链接）
2）联网版本：加入联网指令，仅保留模式 1，适用于开启联网的 ChatGPT 4 和 NewBing（ prompt 请查看文末链接）
三种用户画像的详细 prompt 和 对话效果，大家可以查看文末链接（本文资料合集）。在下一小节，我将为大家展示 prompt 的效果。
分析了这么多，prompt 的效果怎么样呢？本小节我将主要给大家展示“B 端产品-职业用户画像专家” prompt，在 ChatGPT 4 和 NewBing 上的的效果。
为了让大家更好地带入 prompt 使用者的身份，我们一起来假设一个场景：
你是一家 SaaS 软件公司的产品经理，为了拓展业务的第二曲线，你们想研究一个新方向：餐饮行业的线上化解决方案。因此，你想先了解下餐饮行业从业者的职业画像。于是，你输入了 “B 端产品-职业用户画像专家” prompt。
一开始，ChatGPT 会进行自我介绍，并简单介绍用户画像会包含哪些内容。然后，开始询问我们第一个问题，要分析的用户画像目标是啥？我们可以回复，需要了解下“中式快餐连锁店，店长”的用户画像。
接下来 ChatGPT 会向我们介绍 3 种交互模式，并询问我们想要选择哪一种模式。我们先来看看模式 1 的效果，对话链接请见：https://chat.openai.com/share/8025e884-9778-480b-b81a-03e455f8ec4a
选择模式 1 后，ChatGPT 会按照指令为我们生成 3 个用户画像，并表示我们可以给出反馈，之后会在生成一个更详细的用户画像。
接着我们选择“店长 1”的画像，如果想触发 ChatGPT 的联网技能，我们也可以再输入“搜索”的指令，让 ChatGPT 基于互联网结果综合给我们一个答案。收到指令后，ChatGPT 将开启联网搜索。
接下来，我们来看简单看下模式 2 的交互效果。ChatGPT 会引导我们给出必要的信息，对于每个问题，Chat 会根据经验给出示例回答，让我们方便地选择。我们也可以从招聘网站上搜集一些信息，给它分析。对话链接请见：https://chat.openai.com/share/898f2619-1086-4ad5-9532-77111a48fafc
最后，我们来看模式 3 的交互效果。这种模式适合手中已经有一定资料的用户。对话链接请见：https://chat.openai.com/share/5787e21a-f26c-44cd-821d-81953e5c13a4
（左图：ChatGPT 的提问，右图：我回复的从招聘网站上找的信息）
我们开启 NewBing 的“创造力”模式，输入通用版的 prompt。NewBing 也能识别到 workflows 中我们设定的交互流程，并搜索互联网的数据，先给我们 3 个简单的用户画像。
然后，再根据我们的反馈，生成一个更详细的用户画像。
但测试中我发现，有几次 NewBing 的答案会偏离我们设定的“OutputFormat”，我们可以删除“initialization”部分，直接在最后指明需要生成的用户画像，这样 NewBing 就能够按照既定的格式输出。
有了文本，接下来，我将会和大家一起探索，如何利用 Midjourney（以下简称 MJ）生成用户的形象图，不管是真人形象，还是卡通形象，MJ 都能帮你搞定！
本文资料合集：https://b1rdddvxrd.feishu.cn/wiki/XaVrwyJJjinjJxkHXuhcZfDUnjc?from=from_copylink
OpenAI GPT 商店应用
扣子 Coze 平台应用：
C端产品-用户画像专家 https://www.coze.cn/s/ijCdhhnr/
B端产品-用户画像专家 https://www.coze.cn/s/ijC86s6c/
C端产品-用户画像专家 https://www.coze.com/s/ZmFqnTNAB/
B端产品-用户画像专家 https://www.coze.com/s/ZmFqWLYAe/
参考文章：
系统论述：构建高性能 Prompt 之路——结构化 Prompt
作者：舟小鲤 微信公众号：舟小鲤
本文由 @舟小鲤 原创发布于人人都是产品经理。未经作者许可，禁止转载
题图来自Unsplash，基于CC0协议
该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。