去年我看了很多交互作品集，假如問我最怕在交互設計師或者 UI 設計師的作品集里看到哪個東西，那必然是這個叫“用戶畫像/Persona”的玩意，假如你的作品集里也有這個部分，并且和我下面這張圖相似度超過 80%，建議看下去：

2018 年 ux planet 有一篇爆文叫“用戶體驗的巨大泡沫：從 UX 到產品設計”，其中有句話尤為經典： “創意咨詢”從業者（你可以理解成體驗設計師）更好懂了：他們都讀一樣的書，說一樣的話。

Only Innovation Consultants are more predictable: all reading the same books, all saying the same predictable things.

做“用戶畫像”就是體驗設計師的標配。每個做交互的都會像一個跳大神的揮舞手里的符箓一樣揮舞“用戶畫像”，然后會把它放在神龕里供起來。盡管誰也不知道這個“畫像”到底是從哪來的，是誰歸納的、怎么歸納的、基于什么歸納的？但設計師或者設計部門仍然懷著一種樸素的期待，雙手合十等待“用戶畫像”像符箓一樣發揮一些神秘的功效，導致用戶體驗馬上從無到有，穩中向好——至少讓今年的匯報穩中向好。

出現這樣的問題，某種程度上也不能怪交互設計師，特別是剛入行的交互設計師。因為“用戶畫像”這個方法的愿景的確有道理、成果的確很吸引人、制作方法又的確極其含糊。我自己也或參與或主導過幾場用戶畫像的制作，接下來我們細聊一下為什么做用戶畫像、以及怎么做更好。

是什么和不是什么

在說怎么做“用戶畫像”之前，我想先澄清一個橫亙在許多人心頭的疑惑點：在互聯網公司，很多部門都會提“用戶畫像”，體驗部門會提、產品部會提、商業分析/市場部也會提。實際上至少存在兩種完全不同的“用戶畫像”概念，在設計部門我們使用的是作為設計推導工具的“用戶畫像”，而不是用戶分層模型的“用戶畫像”。記住、消化這一點。

“用戶畫像”或者“persona”在 80～90 年代由艾倫·庫珀 Alan Cooper，AKA“交互設計之父”提出，他當時提倡“在設計中，完全不要采用「用戶/user」這個概念，而采用「用戶畫像/persona」取而代之”。這句話用中文講可能顯得有點怪，可以理解為不要為抽象的使用者做設計，而要將抽象的訴求還原成具體的人，為具體的、可以激發共情的人做設計。這么做是為了：

避免彈性用戶。彈性用戶 elastic users 也是庫珀發明的概念，他認為假如眾多設計者不能對用戶形成一致的共識、腦子里面沒畫面感，那么就難免雞同鴨講，你說用戶需要 A 功能，我說用戶也需要 B 功能。如此一來“用戶”的訴求就在不斷被拉扯，最后導致設計沒有邊界、設計者各做各的。

避免自我參照設計（Self-referential design），也就是“我要我覺得”。庫珀認為設計師或者開發者不是用戶，因此不應該以己度人、根據自己的訴求和技能水平假設用戶的訴求和技能水平，最后設計出自嗨的產品。

因此可以看出，庫珀定義的、交互設計師嘴里的“用戶畫像”是一種為了提升共情、聚焦設計目標的設計工具，它最大的目的有三：

1. 讓設計師可以調動共情能力

2. 讓設計方案更有針對性

3. 提升設計/開發部門之間的協作共識

這三個目的都針對設計部門內部產出環節，在它們的作用下，用戶畫像提供了一種相對宏觀的視角，可以幫助設計師直觀的從感受上理解用戶，輔佐設計師做出合理的設計決策，但：

1. 其精確度、解釋力都非常有限，這種作為傳統設計工具的“用戶畫像”無法直接推導出、應用于推薦系統邏輯。

2. 因為它是設計推導工具，它必須圍繞著一個設計問題或者設計解決方案展開。設計師可以說只關注用戶在這個問題上的相關行為：目標、動機、困惑等。而一切和問題解決無關的因素，比如一些人口統計學變量，都可以靠直覺或“經驗”編一個，因為它們不對用戶的行為產生關鍵性影響，也就不對設計方案產生影響。比如你正在做一個“個人中心”模塊，用戶是男是女、在湖南還是在廣東，對這個模塊的使用有影響嗎？很難有。因此，作為設計工具的“用戶畫像”結論無法用于推廣投放/營銷這種非常受人口統計學因素（男女老幼）影響的領域。

我們再展開講講推薦算法的“用戶畫像”與體驗設計的“用戶畫像”之間的區別。

做推薦算法的基本邏輯，是通過用戶的特征、過往行為來推斷用戶的喜好、預測用戶的行為，從而給他們合適的推薦；每個自然人都會有一個或多個標簽或對應到一種畫像。你會根據一些固定邏輯將用戶分成不同的類型、打上不同的標簽，比如這個用戶只逛不買、最近 20 天看了同一款商品 20 次就是不下單，推測可能覺得貴，那這個用戶就被打上了“價格敏感”的標記，系統則會根據這個標記匹配對應的廣告：比如在開屏頁推送團購廣告，從而提升廣告轉化率。

而設計說的人物畫像，是從許許多多的自然人用戶中抽象出一個具有行為共性的“虛擬人類”；自然人與最終的畫像并不一定有完全的對應關系。比如我們訪談了 100 個用戶，50 個用戶覺得價格是購買商品的第一考慮因素，這 50 個用戶中 38 個用戶一般等打折最低才下單；20 個用戶喜歡收藏優惠券；15 個覺得現在的產品對優惠信息展示不足。

那么最后我們會將這 50 個用戶目標一致的用戶抽象成一個用戶畫像：他叫甄便宜，他每天收集優惠券、他一定會等最低價那天才會下單、他對現在的產品信息展示滿意度一般。在現實中，這 50 個用戶里可能沒有一個人完全符合“甄便宜”的全部特征，也有可能有些人不僅符合這個用戶畫像，還符合其他的用戶畫像。

用戶畫像的迷思

既然用戶畫像這么好那么好，那我到底應該怎么做呢？——當你發出這一聲疑問的時候，恭喜你找到了那個會讓設計師顧左右而言他的問題點。即使是最近很火的、Google的coursera課，講到這個部分的時候也會泛泛的建議你“做一些用戶調研，或者至少做一些電話調研……然后開始把你的結論畫成用戶畫像”。

好在交互入門教科書：交互設計精髓 about face 里，庫珀稍微透露了一些做用戶畫像的方法手段，具體分成以下幾步：

1. 分組：根據角色把用戶分組

2. 訪談：在每個組內部進行訪談，并且找到一些行為變量（一般指行為、態度、動機等）

3. 映射：將找到的行為變量分成離散型的與連續型的，把連續型的變量畫成單維度的軸（比如很不滿意->很滿意）并且將每個自然人受訪用戶放在這些軸上。

4. 聚類：看看是不是有很多個自然人用戶，在 6-8 個軸上的位置都很接近。這說明這 6-8 個軸代表的行為變量組成了用戶畫像之間的關鍵差異點。

5. 優化：修修補補，往關鍵行為差異點的骨架上增添一些細節：年齡/性別/愛好/名字…

據我自己的實際操作中，這個語焉不詳的指南給我造成了很多困難，最大的困難莫過于以下兩點：

1. 映射的困難

訪談法得出的結論天然的不適合做程度上的比較。比如當你詢問第一個用戶產品用起來怎么樣時，他說“還行，還可以”，而另一個用戶會說“就還行吧，過得去”。這兩種反饋孰好孰壞？可能第一個用戶的“還行吧”是不錯的意思，但第二個用戶的“還行吧”是一種禮貌客氣的說法，其實他覺得不太行，只是當著我的面不好說出來。

當你的設計組里有多個人同時在處理訪談數據時，問題就更多了。首先每個人對用戶反饋的解讀是不一樣的。比如說這個人覺得“還行”是 4 分的意思，另一個完美主義者可能覺得“還行”必須代表 2 分不滿意才對。其次訪談經驗不太豐富的研究者，往往很難在遵循結構化訪談提綱、得到結構化的可比較結論的同時，還能挖掘出有價值的觀點。最后大家一合計，發現用戶 1 在 A 問題上表態了，用戶 2 沒在 A 問題上表態但在 C 問題上表態了，最后無法比較。

本來作為設計工具的用戶畫像，其具體操作中就處處充滿了研究者個人的偏好和不確定性，再加上不同研究者之間的認知差異，最后的結論就是大寫的隨緣，換一個體驗小組來做可能會得出完全不一樣的結論。

2. 聚類的困難

訪談的用戶越多，聚類的工作越難——這么說吧，當你訪談的用戶接近100個，純手工聚類、尋找共性的工作就難得幾乎逼近不可能了。然而100個用戶是否能代表產品所有用戶的普遍情況？看你的產品體量，但大概率是太少了。

較少的訪談用戶體量，雖然數據是好分析了，但代價則是對總體的代表性減弱了很多。一個無法體現大盤情況的研究，大概率無法獲得業務方的支持。這也是為什么很多用戶畫像做好了以后就被靜靜放在某個團隊文檔里，用來證明“我們 UED 今年自驅型業務達標了”，而無法真正納入使用。

怎么做更好

聊了那么多，接下來我們扣回標題，怎么做用戶畫像才能真正助力設計、至少征服你的面試官？以下有幾個例子。

1. 謹慎地評估你是否需要用戶畫像

根據庫珀自己寫在 90 年代出版的《軟件創新之路》里的說法，用戶畫像是“在（用戶調研）的過程中發現的副產品”。（這本書英文叫“囚犯管理精神病院 inmates are running the asylum”，不知道為啥中文翻譯得這么沒意思）在我看來，用戶畫像只是一種成本比較高的、用聚類的思路+擬人化手段呈現你調研結果的形式，它依賴的底層依據仍然是訪談、問卷、數據分析結論。你不一定要選擇用戶畫像作為呈現設計調研結論的方式。

發展階段比較早期，遠沒有形成穩定用戶群體的產品不用做用戶畫像。你大概率沒有精力去花費這么大的工作量訪談這么多用戶、分析這么多質性研究結論，并且在這個階段下花費如此之大的精力在用戶畫像上性價比極低。敏捷地、迅速地分析你能拿到手的早期反饋（比如翻翻微博評價或者簡單做些訪談足矣）。

沒有邁入精細化運營的 B 端產品不用做用戶畫像?；凇敖巧边@個維度分析就足夠了。當然你的產品更加精細化以后，可以基于角色這個骨架再去探索每個角色下不同的用戶畫像差異，并獲得更細致的結論，比如 salesforce 就做了這件事（見： https://medium.com/salesforce-ux?）

最重要的是，假如你不太懂用戶畫像是什么，不要在作品集里放用戶畫像。不然詢問起執行細節來非常之尷尬，用戶調研是工具，不是裝飾品。即使你只是簡單的在設計稿之前寫一些真正影響到你設計方案的問卷結論或者訪談結論，也比放一個包裝精美但言之無物的“用戶畫像”強很多。

2. 定性+定量結合

上面討論了很多庫珀提供的純訪談法的弊端，主要是分析上非常困難。為了避免這種情況發生，我也和我在其他廠的朋友聊了一會，最后總結出這么一套相對輕松一些的做法：

先定性：小規模的半結構化甚至開放式訪談，從訪談結論中收集可能影響用戶行為的因素（比如用戶說“因為我年紀大了，有點看不清字，所以我打開你們的產品以后先根據一個紅色按鈕的位置猜測放大鏡功能在哪里”，那么“年齡”可能是一個影響用戶行為的因素）。在這一步不做任何提煉。

再定量：收集好可能的用戶因素后，將這些因素編輯成問卷問題并投放問卷，問卷選肢參考此前訪談結論。（比如詢問用戶“你的痛點是什么？”選肢則是定性訪談中用戶提到的點+一個開放式選項。）

使用定量的聚類工具分析：比較難解釋所以我這里也不打算展開。簡單來說，我們會比較問卷中每個人每道題的得分（比如從 1-5），從而推算出不同用戶的相似性，從而根據不同的問卷答案，將用戶聚類成組。這樣做需要一些統計學基礎，但好處是一次性解決了定性數據映射、聚類的困難，同時又保證了畫像的代表性。

最后使用定性數據填充細節：做完上一個步驟以后，基于庫珀對用戶畫像的定義，我們需要對用戶添加一些人格化的細節。這些細節，比如生活習慣、興趣愛好，可以從之前的定性數據中抽取，或者補充追加一輪更有針對性的小規模訪談。

3. 合理地呈現你的結論

上文已經說過了，庫珀也提到用戶畫像中有些細節，說得好聽是靠“經驗推斷”，說的難聽些是靠編的。你的報告中，哪些是具有堅實證據支撐的聚類結論、哪些是為了提升共情而填充進來的無傷大雅的小細節？研究者有義務向相關方陳述清楚。

無論是在團隊內協作或者是放在作品集里，用合理的篇幅展示研究方法、推導過程，最好有用戶畫像在具體場景和需求下的應用，是提升共識、降低不信任感的合理做法。

歡迎關注作者微信公眾號：「白話說交互」