拥有用户画像的好处，它能够为项目启动时统一团队目标、明确行动方向，回答好谁是我们的客户、从哪里寻找我们客户以及工作中有哪些背离客户的危险假设，让商业探索更具有科学性和合理性。
但是，又有多少人真正发挥出了用户画像的全部潜力？
一、如何定义用户画像
要回到这个问题，首选需要明确，你是否明白用户画像是什么。
关于这个问题，ChatGPT给出的回答是：
用户画像是指通过对用户进行数据分析和细致观察，将用户的基本信息、行为习惯、需求偏好、心里特征、社会关系等特征，以及用户在使用产品或服务过程中产生的点击量、购买量、搜索关键词等行为数据，进行概括和总结的过程。
但是，这种第一最大的问题，就是无法帮你实际使用用户画像，为了能够让用户画像更快的指导实践，我们可以理解为用户画像是根据现有的知识和假设，创建一个客户的临时代表。
我们无法还原每一个用户，也无法还原所有用户，但是我们可以给绝大多数目标用户一个代表，这个代表就是用户画像。
在此，我们不刻意区分用户画像、客户画像、消费者画像之间的差异，因为这只是对于用户画像在不同场景下的应用，不会对用户画像本身产生根本性的影响。
那么，问题又来了。
如何创建一个代表？
二、创建用户画像的过程
既然是代表，那么产生代表的方法就有两大类——
一种是直接产生，即定量用户画像，通过数据搜集、数据分析、数据呈现，用数据和数字表达用户画像；
一种是间接产生，即定性用户画像，先创建原型角色、再整合原型角色、最终得到最具代表的用户画像。
定性和定量，两者缺一不可。但是，定性需要优先落实。
定量的最大优势在于数据，而最大的限制也在于数据，当数据偏少、数据源不可信或不具代表性、分析结果不具备统计学意义时，都将限制定量用户画像的适用范围。
因此，需要以定性用户画像为靶将用户的代表选出来。
一般而言，画像整理过程如下：
1、明确产品定位、明确创建用户画像的目标；
2、创建原型角色（Proto-Personas）
3、将原型角色整合成最终的用户画像
4、数字化表达用户画像
三、准备工作–达成共识
在讨论用户画像之前，至少需要达成两个方面的共识：目标共识和流程共识
目标共识，对产品定位和创建用户画像目标进行二次确认。不要小看了第一步，如果你的定位和出发点都是歪的或不统一的，很难说最终的用户画像时可用的或受到团队内广泛认可的，即便是例行公事，也需要作为原则和底线，这是大家之所以能够坐在一起聊用户画像的基础。
![[Pasted image 20230401233754.png]]
流程共识，即遵循一定的逻辑和规范讨论问题，不做与用户画像无关的延展。比如，对用户画像的必要性、使用场景、产生步骤、参与人员、TODO做规范性要求，以确保一次关于用户画像的讨论，是结合了所有人的智力成果并终将运用到每一个与会人员的工作中。
![[Pasted image 20230401234529.png]]
四、创建原型角色（Proto-Personas）
大家都希望只看一张图就能掌握客户画像的完整信息，这从实际操作层面是不可能的。
一般情况下，创建原型角色可以从基本属性、行为习惯、痛点困惑、需求目标四个维度展开，对决策链条上的不同角色、对不同细分人群进行逐一创建。
比如说，我们以一款SaaS产品为例，将决策链条上的利益相关方——决策者、资深专家型使用者、执行层三组人群来进行细分人群的原型角色整理：
1、决策者
![[Pasted image 20230401234831.png]]
2、中层、专家
![[Pasted image 20230401234858.png]]
3、执行层
![[Pasted image 20230401234917.png]]
四、整合用户画像
当我们拥有绝大多数细分的原型角色之后，就可以开始整合这些角色，并最终合并成一个具有最广泛代表意义的用户画像。
![[Pasted image 20230401234954.png]]
整合后的客户画像，能够展现客户的宏观特征，但不一定贴近细分人群的特征，需要结合每个人群分层的原形角色来综合分析。
五、客户画像的应用建议
客户画像，只是一个帮助我们更好地结构化理解客户的工具，客户画像能够发挥作用还需要每一位同事将画像有意识的还原到到实际工作当中。
我们希望客户画像可以这样被使用：
1、整个团队(包括项目管理人员、设计师和工程师)、利益相关者都能看到整理的客户画像，以开放的心态、明确的态度、问题+解决方案的高效讨论模式，不断完善客户画像；
2、不断探寻对用户画像更加准确的数量化表达
3、当团队对用户有更多的了解时，重新审视和，更新不正确的假设；
3、不断在实际工作中有意识的使用用户画像，并参考他们以保持对用户需求的关注。
