惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

Threat Intelligence Blog | Flashpoint
Threat Intelligence Blog | Flashpoint
K
KPMG report finds enterprise disconnect between AI and its ROI | CIO
T
Threat Research - Cisco Blogs
C
CERT Recently Published Vulnerability Notes
cs.CL updates on arXiv.org
cs.CL updates on arXiv.org
L
Lohrmann on Cybersecurity
D
Darknet – Hacking Tools, Hacker News & Cyber Security
K
Kaspersky official blog
C
Cybersecurity and Infrastructure Security Agency CISA
C
Cisco Blogs
V
Vulnerabilities – Threatpost
L
LINUX DO - 热门话题
G
GRAHAM CLULEY
The GitHub Blog
The GitHub Blog
NISL@THU
NISL@THU
AWS News Blog
AWS News Blog
博客园 - 【当耐特】
奇客Solidot–传递最新科技情报
奇客Solidot–传递最新科技情报
freeCodeCamp Programming Tutorials: Python, JavaScript, Git & More
阮一峰的网络日志
阮一峰的网络日志
Cyberwarzone
Cyberwarzone
V
V2EX
Know Your Adversary
Know Your Adversary
P
Palo Alto Networks Blog
月光博客
月光博客
MongoDB | Blog
MongoDB | Blog
Scott Helme
Scott Helme
A
Arctic Wolf
美团技术团队
S
Schneier on Security
P
Proofpoint News Feed
G
Google Developers Blog
The Hacker News
The Hacker News
S
Securelist
Microsoft Security Blog
Microsoft Security Blog
Project Zero
Project Zero
T
The Exploit Database - CXSecurity.com
量子位
T
Threatpost
Spread Privacy
Spread Privacy
Help Net Security
Help Net Security
B
Blog
WordPress大学
WordPress大学
B
Blog RSS Feed
J
Java Code Geeks
cs.AI updates on arXiv.org
cs.AI updates on arXiv.org
Blog — PlanetScale
Blog — PlanetScale
Simon Willison's Weblog
Simon Willison's Weblog
Y
Y Combinator Blog
Cloudbric
Cloudbric

人人都是产品经理

为什么你的产品找不到差异化?90%的失败都卡在第一步上(下) – 人人都是产品经理, 3年从30万到1300万用户、获2200万美元融资,这个AI教育产品用“抽卡”破解了获客难题 – 人人都是产品经理, 园区招商系统怎么做才能真正帮到去化?我加了这一个功能,推广链接转发400次阅读过万 – 人人都是产品经理, AI大事件:OpenAI发完网络安全模型又搞药物研发,小鹏汽车要抓”DeepSeek时刻” – 人人都是产品经理, 电商不是卖货,是一场更残酷的产品经理实战 – 人人都是产品经理, 没想到,活动营销又回来了! – 人人都是产品经理, 为何All-in海外KOC:一场关于AI时代窗口期的豪赌 – 人人都是产品经理, 重新理解企业的内部协作 – 人人都是产品经理, 苹果的 AI 战略到底是什么? – 人人都是产品经理, 医疗智能体·第2讲——合规护城河:等保、PIPL与HIPAA的架构实战 – 人人都是产品经理, 向量知识库五步法:从“答非所问”到“精准回复” – 人人都是产品经理, 鸿蒙PC三方库构建总指挥HPKBUILD(sha)库为例 – 人人都是产品经理, 何时该用LLM?AI产品经理的LLM设计指南 – 人人都是产品经理, 医疗信息领域的需求方、决策方、准入方以及关注点(二) – 人人都是产品经理, 即梦涨价:一场被误读的「傲慢」 – 人人都是产品经理, 面试AI PM必答题:Hermes和OpenClaw的区别,如何讲清楚业务价值 – 人人都是产品经理, AI的下一张船票:世界模型——AI产品经理必须理解的技术拐点 – 人人都是产品经理, 小红书做GEO,怎么让AI信你?记住这 3 个重要信息 – 人人都是产品经理, 5 家印度 AI 初创公司,看看印度 AI 再做什么 – 人人都是产品经理, AI项目跨团队协作:产品技术业务如何不打架 – 人人都是产品经理, Agentic Workflow(智能体工作流):让AI从”答案生成器”变成”数字员工” – 人人都是产品经理, lycium_plusplus 项目全景解读:OpenHarmony 三方库构建的“大管家” – 人人都是产品经理, 从爆单救火到前置履约:两套预采策略,把生鲜大促履约效率拉满 – 人人都是产品经理, 什么时候该补货?我用一轮数据做了一个决定 – 人人都是产品经理, 从“机械兜底”到“动态分流”:AI客服重复进线治理的4大底层逻辑 – 人人都是产品经理, 抖音拼效率,红书拼洞察 – 人人都是产品经理, 全民狂欢与退潮——为什么龙虾这波热潮冷却得如此之快? – 人人都是产品经理, Stripe押注!MPP重塑全球支付 – 人人都是产品经理, 小红书GEO:AI引用你的内容,不是因为你对,而是因为你看起来可信 – 人人都是产品经理, 前百度副总裁押注办公Agent,日韩付费爆发,Manus迎来强劲对手 – 人人都是产品经理, 企事业单位数字化的业务供需本质 – 人人都是产品经理, 医疗智能体·第1讲——医疗信息化重构:从“辅助软件”到“自主智能体”的范式转移 – 人人都是产品经理, 粉丝量就是空气!!! – 人人都是产品经理, 用户说“薯片碎了”,机器回“要买吗?”:意图识别的翻车与破局 – 人人都是产品经理, RAG召回准确率从75到90 我做对了这三件事 – 人人都是产品经理, AI大事件:Anthropic改收费、OpenAI发安全版、手术机器人纳入医保、阿里发布”秒悟” – 人人都是产品经理, Chrome 推出 Skills 新功能,Agent 重塑上网方式 – 人人都是产品经理, GitHub前创始人拿了a16z的1700万美元,做Agent时代的Git – 人人都是产品经理 拷贝或克隆其他 Flutter OH 项目到本地后无法运行 – 人人都是产品经理, 优惠券设计:优惠券创建 – 人人都是产品经理, 不用死磕文档!AI 助手 1 小时搞定飞书 CLI 安装 + 配置 + 知识库 – 人人都是产品经理, 用小龙虾做竞品分析报告:从2天到20分钟,我是怎么做到的 – 人人都是产品经理 用小龙虾做市场分析报告:搞懂这3个公式,市场规模不再靠猜 – 人人都是产品经理, 你早就在做 Harness 工程,只是不知道它叫这个名字 – 人人都是产品经理, Think Long就够?你可能想多了! – 人人都是产品经理, 货代SRM实战:供应商准入怎么做,才能让资源池不是通讯录而是可交付网络? – 人人都是产品经理, 如何做好用户调研?详解基本技巧 – 人人都是产品经理, 木鸟、途家、美团对打,平台春天行动开“卷” – 人人都是产品经理, 入职才发现公司不靠谱?小红书从业者求职避坑指南 – 人人都是产品经理, 美国 AI 三巨头联手封堵,中国 AI 突围之路在何方 – 人人都是产品经理, 小红书,放在需求对面的镜子 – 人人都是产品经理, AI 会带来大规模失业吗? – 人人都是产品经理, 从出单到补货前,我第一次犹豫:该不该放大? – 人人都是产品经理, Flutter 三方库鸿蒙化适配:5 种高效检查方式,快速判断是否需要适配 – 人人都是产品经理, 从做产品进阶拿结果:医美机构产品经理转岗科室运营经理 – 人人都是产品经理, 阿里HappyHorse,一场关于“Token经济”的阳谋 – 人人都是产品经理, To B AI:客户留存落地的观察与思考 – 人人都是产品经理, AI产品的“生命线”——数据采集、标注、清洗的产品化设计 – 人人都是产品经理, 谈谈AI Agent(二):当“孩子”能自己“体验世界”时,你该学什么? – 人人都是产品经理, UI/UX设计师的3层能力进阶,前两层让你活下来,第三层…才是真正的分水岭 – 人人都是产品经理, 2分钟 → 30秒,效率提升75%:B端产品经理如何用「规则枷锁」驯服AI幻觉? – 人人都是产品经理, 还没来得及学OpenClaw,来了个更猛的:Hermes Agent – 人人都是产品经理, AI日报:宇树机器人跑出10m/s刷新世界纪录 – 人人都是产品经理, 一文说透基金互金如何用情绪价值引导用户决策做转化 – 人人都是产品经理, 当浏览器开始替你”看”网页:AI 浏览器正在亲手拆掉它脚下的那张网 – 人人都是产品经理, 0代码,一天时间我Vibe Coding了个网站 – 人人都是产品经理, Hermes 和 OpenClaw 之争,Agent 的能力应该“装上去”还是“长出来”? – 人人都是产品经理 视频生成的“桌子”,字节Seedance 2掀完,阿里快乐马掀 – 人人都是产品经理, 从听不懂到完全信任:我的 Codex 深度产品体验 – 人人都是产品经理, 当虚拟偶像有了北京户口,与真人偶像还有什么区别? – 人人都是产品经理, 会说,远远比会做更重要 —— 对 SBTI 爆火现象的五层观察 – 人人都是产品经理, AI产品经理必看:当“搭环境”比“选模型”更重要,你的认知还在2024年吗? – 人人都是产品经理, 2026年AI产品商业化核心逻辑:从功能demo到规模化营收的3个必破卡点 – 人人都是产品经理, 京东围绕供应链,卷起裤腿下场的那些事儿 – 人人都是产品经理, SBTI一夜刷屏:它赢在了“太会说人话” – 人人都是产品经理, 折扣零售的真相:不是便宜,而是价值感! – 人人都是产品经理, 和甲方吵了一架,最后加钱做了——我学到的ToB产品经理生存法则 – 人人都是产品经理, 和几位小红书操盘手聊了8小时,干货全在这 – 人人都是产品经理, 智谱GLM-5.1登场,开源模型首超Opus4.6!!! – 人人都是产品经理 Anthropic收入凭什么反超OpenAI,终于有人把这事说清楚了 – 人人都是产品经理, 史上最有故事感的技术报告——Claude最强模型Mythos 7个极其精彩的细节 – 人人都是产品经理, 模型不是壁垒,Harness 也不是 – 人人都是产品经理, 抖音本地生活业务思考21 – 人人都是产品经理, Superpowers:145k Star的AI编码框架,到底是什么来头? Superpowers:145k Star的AI编码框架,到底是什么来头? – 人人都是产品经理, OpenAI 的路走错了,Anthropic Harness 解法启示:模型需要实践专科生 – 人人都是产品经理, 画原型图的前一步:设计站点地图 – 人人都是产品经理, 给 DeepSeek 的最后一封催更信 – 人人都是产品经理, 手把手教你用 Claude Code 搭建 AI 营销团队:5 个 Agent、12 项技能,独立完成研究、写作、设计全流程 – 人人都是产品经理, 你以为大模型在学语言?不,它在重新发明语言学 – 人人都是产品经理 所谓Skill,不过是AI时代的工业垃圾 – 人人都是产品经理, 聊一聊内容传播的几个方法 – 人人都是产品经理, 当平台开始吃掉生态:从 OpenClaw 被封杀,读懂 Anthropic 的这盘棋 – 人人都是产品经理, 你装了 10 个 AI 插件,Obsidian 还是一个文件夹 – 人人都是产品经理 关于AI智能体架构演进的系统性思考:从单体试水到多体协同的重构 – 人人都是产品经理, 当“人”变成Skill,我们又该何去何从? – 人人都是产品经理 Mythos 事件:前沿 AI 治理的意外实验 – 人人都是产品经理, 货代CRM:信用与风险管理怎么做,才能把坏账风险拦在放货之前? – 人人都是产品经理, 从HR收集自拍照到员工自助录入——我见证了园区人脸识别从”不可用”到”真好用”的全过程 – 人人都是产品经理 千问闯关AI混沌期:阿里画靶,吴嘉张弓,马云射箭? – 人人都是产品经理,
挖掘用户画像,这17种工具任你挑选!
TCC翻译情报局 · 2022-08-25 · via 人人都是产品经理

仅凭一份模版,我们能否做出一份适合我们的用户画像呢?答案显然是不能。因为业务情景并非是一致的,你需要为你的设计定制独立的用户画像,本篇文章分享了17种用户画像的工具,让你可以更加清晰的认识到什么是用户画像,千万别错过哦。

“用户画像”是UX设计师做的重要工作之一。这里有一些可选工具供你选择使用。

当我说到用户画像时,也许你会立刻在大脑里浮现出这样一副画面:名字、照片、一些图片、语句引用等等。我称这些为“用户画像模板”,而它们其实并没有多大作用。它们顶多只能给一个虚假的承诺:一次研究,各处通用。往坏了说,它们将会把我们领向刻板印象。这里有17种可选工具供你使用,帮你摆脱单纯的“用户画像模板”。

这些可怕的“用户画像模板”。请记住……你的公司是独一无二的。你的境况和研究结果都是独一无二的。不要直接用一个“用户画像模板” 。

一、如何使用这些工具和方法

下面的这些工具都可以帮助你更好地开展你的研究过程

  1. 细分研究结果
  2. 交流这些发现
  3. 和你的听众建立共情图
  4. 做出决定

这些工具的最终目标是帮助做决策而非单纯地共情。我将会在文章的最后部分总结我的主要发现,但是最为重要的结论是,我们应该选择能够解决我们当前问题的方法。要非常小心,不要随意将任何研究重新用于其他问题!

二、用户画像的可选方法

以下列表是可以帮你分析归类数据并建立交流的工具和方法。使用它们可以帮你与听众或在某种语境下建立共情,并且做出更好的决定以建立更好的服务。(以下内容无特定排序)

1. Cooper 的原始画像

Alan Cooper 是用户画像之父,这是他写于九十年代的内容:

尽管用户间的差异极富戏剧性,但是在进行若干次访谈后,我们还是可以得到一个比较清晰的模式。用户也许会被分为三种分明的群体,然后为了更好地描述用户的行为模式,我可以分别以张三、李四或刘红分别代表三类群体。

挖掘用户画像,这17种工具任你挑选!

以Brenda Buckner为名的用户画像例子。包含信息有:年龄、职业、人物介绍与购买相关事件描述(生日礼物选购)、购物目标(Copyright ©Cooper 2002)

库珀的用户画像是若干访谈后糅合在一起的一个故事。这些画像所传递的其实是库珀的被访对象的感觉,而这种对用户的把握恰好可以作为决策的参考。例如,根据描述我们预测我们平台未来可选的购物功能:这个人倾向于找到她正寻找的确切物品(可拓展筛选功能),同时她也会为她没有当场购买的东西建立一个清单(将物品保存到一个清单里)。

库珀版用户画像受到批判是能够理解的(例如它对某一人群带来了刻板印象),但是库珀的用户画像最伟大之处在于,它给我们带来了“上下文”(即语境或场景)

2. 实证版用户画像——你做了多少研究调研

Amber Westerholm-Smyth 写了一篇爆炸性的 17 分钟短文,其名为“Your personas probably suck. Here’s how you can build them better”(“这些可以帮你改善你糟糕的用户画像”)。

这些更好的用户画像是建立在与目标用户 2700 分钟的访谈交流之上,并且使用了复杂的谷歌图标和可以延伸几米的 Miro 画板进行了分析。

所以这些所谓的更好的用户画像到底是什么呢?它们看起来和模版很像,但是却并没有人口统计学和人格化的内容。取而代之的是,它们会包含一个短短的故事、标签、图片和引语。

该团队使用希腊神的名字来识别不同的角色(”使他们的寓言与我们自己的叙述保持一致”),并为每个角色提供自己的配色方案和图形。

随着用户画像而来的是一个网站(带有引语,视频和声音剪辑)和一副带有引语的卡片。

这些画像解决了一些问题。对于人口统计学信息的剔除(性别、年龄,等)意味着潜在的偏见更少了。但是它们仍然可以作为对某一群体的统计学描述:即你的听众能否进入你所创设的角色?

挖掘用户画像,这17种工具任你挑选!

挖掘用户画像,这17种工具任你挑选!

挖掘用户画像,这17种工具任你挑选!

图片来自 Amber Westerholm-Smyth’s tour-de-force article. 除非你知道希腊神话,否则的话就请先去找资料了解一下吧。

图三:“我大概一辈子都是在监狱度过的,所以这些新技术、手机等等之类的,我很愿意适应并能够学会如何使用他们。我已经习惯了诺基亚3310”

3. 用户画像合集或原型

我是在 Sofa Conf 2020 上 Akil Benjamin 的演讲中发现的“用户画像合集”这一说法,当时我就深感共鸣。想要创造一个具体的用户画像,他首先创造了一个抽象的合集(他给出的示例:“需要轻推的人”,“新手”,“终止——行动者”)

挖掘用户画像,这17种工具任你挑选!

这些合集由数据生成(正如用户画像本该的样子),但是他们只关注一个特质。通过将你的听众进行不同群体的划分,你可以进行决策(我们是应该关注群体 A 还是关注群体 B?这一功能对所有的群体都有效吗?)

用户画像合集的优势在于我们可以用附加的数据去支撑对应的群体:“基于调研,我们可以说大概有 80% 的受众属于新手群体”。

我们也同样会将这一规则应用在 pokemapping 中,但是我们会将这一想法拓展成 多种群体,并将其链接到用户旅程中去。

这和网飞将你定义成某一类人并对你推荐电影的方式非常相似。你可能会想知道你被划归为了哪一类,但是全能算法根据你观看和跳过的电影将你分为了几组。对于网飞来说,你被定义成了由几个群体构成的某位会员,例如:“1975年之前的日本谋杀悬疑电影”,“带有黑暗色彩的超级英雄电影”,“以危地马拉为基地并有许多植物的浪漫喜剧”。

创建这些用户画像合集是为了思考以何种维度去对目标受众进行评分,并建立一个图表。

挖掘用户画像,这17种工具任你挑选!

图片来自,“some alternatives to personas”, Marianne Brierley

4. 角色

和用户画像合集非常接近的一个说法是“角色”。在用户画像合集中,你可以选取任何可能的特质,而对于角色,你则需要特别关注一个“合集群体”希望达到的目标是什么。

角色建立在目标的基础之上,或者说是任务,或者说是待完成的工作。

我们将其用于涉及图书馆员工的项目。这些人在组织中具有不同的职能(经理、分析师、簿记员)和雇佣类型(自由职业者、志愿者),但他们所做的任务有很多相似之处。

当我们对这些任务的数据进行细分时,模式就会清晰地出现。

挖掘用户画像,这17种工具任你挑选!

定义了“角色”后,我们使用了客户资料(见本文后面部分)来显示角色之间的差异。

与角色类似,你也可以通过“动机”来创建角色:为什么人们会使用你的服务。

5. 极简主义用户画像

在她的“当少即是多:UX 中的极简角色”(“When less is more: minimalist personas in UX”)这篇如同书一般长篇的文章中,Melanie Polkosky 描述了用户画像所存在的问题。同时,她还提出了一个替代方案:极简主义用户画像

什么是极简主义用户画像?它们是为每个项目定制的简单示意,仅包含你作为设计师选择的 对设计有影响的变量。Melanie 建议了一到四个不同级别的关键变量(例如:“变量:参与,级别:了解、感兴趣、完全参与”)。

在一个关于培训餐厅经理的项目中,Melanie Polkosky 塑造了以下角色:

挖掘用户画像,这17种工具任你挑选!

图片来自the minimalist personas article。

看起来与角色组非常相似,不是吗?

在另一所大学的项目中,Melanie 将她的观众分组在一个从意识参与的范围内:

挖掘用户画像,这17种工具任你挑选!

记住这张图片,因为它和稍后的用户画像谱看起来非常熟悉!

6. 用户画像谱

来自 Microsoft Design 的 Doug Kim 在经典文章“杀死你的用户画像”中提出了一种查看受众的模块化方式

核心思想是查看受众的特征(类似于用户画像合集!),并将这些特征划分为一个 频谱。Doug 给出的示例基于可访问性:“美国大约有 20,000 人只有一只手臂。但是,如果你将一只手臂的人数、手腕暂时受伤或手臂骨折的人数以及在特定情况下(比如新父母拖着婴儿)‘只有一只手’的人数加起来,仅在美国你就有 2000 万只有一只手臂的人了。”

如果这些过于理论,那么,假设你想让视障人士可以访问你的网站。你就可以像这样围绕视觉创建一个角色频谱:

挖掘用户画像,这17种工具任你挑选!

人物频谱有三点突出:你可以轻松添加定量数据,它们表明人们是多样化的,并且谱对于设计师/经理实际上很有用。他们触发如下的响应——“哦,这是一个问题,我们如何解决这个问题” 。

Doug 对传统角色也有一些很好的见解:

[ 用户画像 ]本质上是一种融合,是我们想象的普通客户所具有的平均属性。没有普通客户这样的东西

Doug 给出了基于可访问性的示例。但是“光谱”无处不在。例如,我们的一位客户根据数据研究的熟练程度,将他们的数据科学家受众分为五类,制作了一个角色频谱(也可以不这么称呼):

  • 蛋,将信息数字化但不使用它的人
  • 松鼠,清理信息并使其可供研究的收藏家
  • 海盗, 可以在数据中创建连接
  • 巫师,可以根据数据预测未来
  • 国王,他们影响组织使预测成真

7. 心智模型

一种特定类型的角色频谱是查看人们的 心智模型。例如,你可以使用“信心”维度,并在那里创建一个从害怕到过度自信的频谱。

挖掘用户画像,这17种工具任你挑选!

图片来自文章 “Mindset over matter: a new design trick for your toolbox”,描述了各类情绪的不同阶段,自信:害怕、无安全感、可以承受、自信、过于自信;支持需求:逐步、偶尔、坚定

然后,你可以采用这种心态并将其映射回一个与角色模板极其相似的描述符。

挖掘用户画像,这17种工具任你挑选!

但很酷的是,这些心智模型仍然代表一群人,一个人可以处于多种心态或从一种心态转变为另一种心态。通过这种方式,你可以捕捉到更加多样化的声音。

8. Pokemapping

在 Angi Studio,我们还开发了自己的创建目标受众代表的流程:Pokemapping。

将研究转化为行动是一个简单的三步过程:

  1. 做采访
  2. 将摘要写为“用户卡”
  3. 从这些用户卡创建组

根据访谈的结果,这会产生角色组。你可以根据角色、目标、范围、动机或从研究中衍生的任何其他纬度对角色进行分组。

这些组可以按原样使用,也可以作为本文中描述的任何方法/工具的起点。

挖掘用户画像,这17种工具任你挑选!

挖掘用户画像,这17种工具任你挑选!

访谈总结

9. 行为原型

行为原型是你关注的另一种特定类型的角色组(你猜对了):行为。

行为原型最酷的地方在于添加了“时刻”,这将原型置于“状态”。这表明人们会发生变化,以及他们在另一种情况下的不同之处。

挖掘用户画像,这17种工具任你挑选!

10. 原型角色(或“用户卡”)

在Marianne Brierley 的文章 “人物角色的一些替代方案” 中,她谈到了使用原型人物角色。这些卡片代表一种用户,代表一组人。就像人物角色一样,他们被赋予了一个名字和一些“需求”。

这些卡片比“普通”角色更容易制作,并且他们的体量可以在工作坊使用。

不利的一面是,这些原型角色会激发你自动填补空白,从而导致刻板印象。当你阅读下面的卡片时,你可以想象凯利是什么样的?

挖掘用户画像,这17种工具任你挑选!

图片来自 Marianne Brierley 的“人物角色的一些替代方案”

11. 客户资料

高度推荐且非常实用的书籍《价值主张设计》中,客户档案是一种非常实用的方式来组合和呈现有关客户的细分内容。

在客户资料中,你写下 工作、痛点收获。也就是:你的客户想要实现什么,是什么阻止他这样做,以及实现“工作”的好处是什么。

它能够成为一个非常强大的工具的原因在于,它可以与 Strategyzer 的其他工具的连接:价值主张画布和业务模型画布。

该工具在理论上很容易理解,但在实践中使用起来很复杂。客户档案可视化了业务决策和研究的组合:你不会在档案中找到所有工作、痛点和收获,你只是做出与业务相关的选择。因此,它与角色的概念非常不同。

挖掘用户画像,这17种工具任你挑选!

图片来自 Strategyzer

12. 移情图

移情地图是角色和客户档案的混合体。它们没有客户资料那么抽象,但没有人物角色那么详细(没有“养狗,24 岁,开沃尔沃”)。他们专注于大脑内部的过程:思想、情感、态度、影响、担忧。

挖掘用户画像,这17种工具任你挑选!

Paul Boag 的视觉效果不错,但请注意:视觉效果越好,更新的频率就越低!

挖掘用户画像,这17种工具任你挑选!

移情图模板,作者 Paul Boag,请参阅他的文章了解不同版本(感受、听、看、说与做;痛点与目标)

移情地图与人物角色存在许多相同的问题(被误解,导致刻板印象,并且难以得到研究支持)。

13. 人物

上述方法(所有方法,除了库珀的传统角色和行为原型)描述了静态属性。它们在脱离了时间的情况下描述了一个人或一群人。他们用需要、痛点、收获和目标来描述 Timmy——但他们没有提到他在哪里、何时或如何拥有这些。

通常,你通过将角色组附加到用户或客户旅程来克服这个问题。但是 Alan Klement 找到了另一种可视化此信息的方法,即 制作他所谓的特点 。这个角色有动机,并与事件和情况一起描述。

挖掘用户画像,这17种工具任你挑选!

图片来自 Alan Klement 的文章,在某种程度上它与 Cooper 的原作非常相似

14. 动态自我

在他们最出色的文章《Beware the cut’n paste persona》(小心剪切粘贴角色”)中描述了充满活力的动态自我 。

你用多个“自我”代表每个人,其中每个“服务”代表你调查的上下文(情景)。这说明了人们在不同情况下的不同自我。

挖掘用户画像,这17种工具任你挑选!

然后,你可以在画布上可视化这些卡片并对其进行分类(很像 Pokemapping),并在这些组中设计机会:

挖掘用户画像,这17种工具任你挑选!

动态自我有背景。它们展示了支持某人行为背后动机的事件和情况。这一点很有优势!

通过添加上下文的照片,动态的自我引起对情况的感觉,而不会引入对人的刻板印象。

15. Superflux 原型

我们已经在本文中多次看到 archetype 这个词。维基百科定义原型为“纯粹的形式”,即事物的 基本特征

原型是描述概念的最简单方式——在我们的例子中是一群人,所有细节都被剥离了。

示例原型可以在电影和书籍中找到:英雄、向导、敌人。这些角色出现在每部电影中,但他们在人口统计、气质、故事和外貌方面存在很大差异。佛罗多、尼奥、耶稣、神奇女侠、小鹿斑比。所有的英雄,都非常不同。

在某种程度上,原型是角色的最终目标:可复用但相关

遗憾的是!像大多数理想一样,这个想法在实践中失败了。为什么?因为根据定义抽象意味着删除实际细节,使原型无法传达研究结果以在业务环境中做出决策。

但原型还有其他用途。看看 Superflux 的 酷塔罗牌 以及原型的“常见嫌疑人”。使用它来让创造性思维进入项目的构思部分,或在研讨会期间拓宽你的思维。

16. 转变因素框架

用户旅程图上,比较的关键的时刻之一是用户停止使用你的产品,转而使用了竞争对手的产品;或者他们停止了使用初始的方法,转而使用了你们的产品。

你可以将上述转变背后的理由以“转变因素框架”(如下图)进行可视化展示。简单地将该图进行复制/ 粘贴到 Miro 上,并且添加便利贴,即可描述每个象限中研究的结果。为了得到最佳结果,你可以使用一项被称为“切换访谈”的技术,你可以通过 Chris Spiek 和 Bob Moesta 的书详细了解该种方法。

简单来说,“切换访谈”详细介绍了用户最近购买或更改产品的时间线。首先,我们回到一开始,即用户认为他们已经找到了解决问题的方法。接着,我们跳到他们决定尝试不同的东西。我们走过他们为找到这种新解决方案而采取的步骤,以及驱使他们到达那里的痛点。“切换访谈”可以帮助我们更好的理解问题,尤其是基于用户对问题解决的动机和愿望之下。

挖掘用户画像,这17种工具任你挑选!

图片来自”用户画像的一些替代品”(some alternatives to personas),Marianne Brierley

17. 基线行为

可视化变化的另一种方式是使用 基线行为地图,这一工具是我在 SofaConf 2020 听到 John Cutler 的演讲中提出的。

基线行为是一种决策/对齐工具,而不是”用户研究可视化工具”。你可以在研究之前,或在产品发布期间,甚至在产品发布后使用它。

挖掘用户画像,这17种工具任你挑选!

对于”步骤1:目标”,你可以使用本文中的任何其他方法,协同作用。

三、用户研究可视化的其他方法

除了用户画像之外,还有其他的方法来可视化你所进行的用户研究:任务流程、心智模型、用户/客户旅程、JTBD、资源地图、Triptech、用户时钟等。

大多数方法都可以和上述提到的工具或方法相混用。

四、结束语

我认为只有特定且“固执己见”的用户研究才是最好的。

请不要试图一劳永逸的创造用户画像。它们太通用了,请针对你的调研问题选择专门的工具,对于复用画像,一定要心存敬畏,因为场景很重要。

让你的研究发挥出它的价值。再固执一点!你的利益相关者并不是要从你的用户画像中搜寻挖掘出一个答案,他们并需要复杂的解释说明。给出答案是你作为研究员的工作,这并不是意味着你要把所有你发现的内容都直接说出来,而是将你的数据转译成和你手头问题相关的故事,让这个问题易于解决和推进。

有时,你一点也不需要细分你的观众。Gerry McGovern 在他的研讨会中提出:

请记住创造用户画像……的结束并不是它本身。用户画像是决策工具,它们需要针对每个单独的项目进行定制,以达到其目的。

原文作者:Matthijs(本文翻译已获得作者的正式授权)

原文地址:https://medium.com/angi-studio/ditch-your-personas-here-are-17-alternatives-you-can-use-44a285840e5d

译者:孙晨宇;编辑:李莉好;微信公众号:TCC翻译情报局(ID:TCC-design);连接知识,了解全球精选设计干货

本文由@TCC翻译情报局 翻译发布于人人都是产品经理,未经许可,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。