为了能够预测正确，用户画像需要的不仅是设计师的灵感和故事，更需要的是数据。那么，数据驱动型的用户画像到底是怎样的，以及如何创建他们呢？

大多数设计和产品团队都有一些用户画像资料，理论上，这些用户画像可以帮助我们更好的理解用户和满足他们的需求，将不同群体的用户特征具体化，能够帮助我们做出更好的设计决定。

设计师使用这些画像，并将其与非设计团队和外部相关利益者分享，最终能够实现用户体验和用户真实需求保持一致的目标。

事实上，用户画像很难实现这些目标。许多团队的用户画像都被遗弃在硬盘中，而设计师却继续着基于突发奇想的设计工作。

相比之下，经过充分研究的用户画像能够充当真实用户的代表，他们帮助我们检验我们的工作，确保我们所设计的产品是用户真实需要的。因此，好的用户画像并不只是描述用户，他们还帮助设计师评估他们的工作。

Laura Klein在《用户画像创建》的一文中有很好的叙述：

“如果你能够创建一个有着预测性的用户画像，这意味着你不仅知道用户喜欢什么，而且掌握能够愉悦用户的要诀”。

换句话说，因为能够正确预测用户对潜在产品变化的反应，设计团队就可以做出更好的决定。很明显，为了能够预测正确，用户画像需要的不仅是设计师的灵感和故事，更需要的是数据。

那么，数据驱动型的用户画像到底是怎样的，以及如何创建他们呢？

从你认为你知道的事情开始

创建数据驱动型的用户画像的第一步与传统用户画像创建流程类似，写下团队关于核心用户群体的假设，以及对于每个群体来说至关重要的事情。

如同大多数设计团队，你的团队可能会出现一些人，不认同另外一些人关于用户群体观点的现象。不要烦恼，这种分歧是好事。因为不同于传统用户画像的创建流程，你不会一直停留在这一阶段。

重点不是讨论每个用户画像的优点（以及具体细节），而是要具体说明不同的假设并把它们记录下来，由于稍后会验证这些假设。所以在这一阶段，某些成员不认同某些假设是没有问题，你可以专注于几个特定的用户画像，但同时也要确保其他假设得到充分论证。

首先是记录下所有关于关键用户画像的假设，然后在下一步中通过用户研究来完善他们。

我建议：用1-2句话描述每个假设，说明用户画像代表着谁，能解决的问题以及其他的相关描述。

针对这些描述，你可以用传统的用户故事框架。如果你为Craigslist创建假设用户画像，可以这样描述：

“作为刚毕业的大学生，我想买到便宜的家具，来装修我的公寓。”

也可以这样描述：

“作为拥有多余卧室的房东，我想找个靠谱的租客，从而赚取外快。”

如果有诸如用户反馈邮件、NPS分数、用户访谈笔记或其他的分析的数据，请务必仔细阅读并做好用户故事的数据点。

验证和细化

接下来，就是通过用户访谈验证和细化这些假设，对于每一个假设的用户画像，需要5-10个用户访谈进行验证和细化。

每组用户访谈的目的有三个：

1. 了解用户解决问题时的场景；
2. 确认被访谈用户同意你记录他们正在努力解决的紧急而又痛苦的问题；
3. 区分出该组用户是否能够成为活跃用户。

采访中使用的方法可能多种多样，但是我建议可以混合采用传统无领导用户访谈和敏捷问题访谈的方法。

采用传统的用户访谈方法，询问基于行为的随机问题。在Craigslist的案例中，我们可以像这样询问刚毕业的大学生：

“告诉我你上次购买家具的时间，你买了什么？在哪儿买的？”

这些问题可以帮助我们了解到被访谈者，最近是否遇到问卷中的问题，怎么解决的以及是否满意当前的解决方案。

这些问题访谈结束后，就可以转移到精心准备的问题上来了。在这部分，你可以通过讲故事来告诉被访谈者你的经历（说清楚你所面对的各种问题，并解释为啥这些问题让人沮丧），来看看他们的反应。

你可以这样说：

“当我从大学毕业时，因为我不能再住在学生宿舍了，所以我需要买一些新的家具。我花了很长的时间在家具市场寻找合适的家具，但是这些家具要么是特别贵，要么质量特别烂。

我真的想用合适的价格买到好家具，但是没有找到，最后只能买一些便宜货。但不可避免的是，家具很快就坏了，这也导致我需要付出超过我能力以外的钱，那么你有没有遇到同样的问题呢？”

在访谈中，你要记录被访谈者最认同的观点。如果你的访谈对象说“是的，遇到过”，但情绪起伏并没有超过正常标准，这表明这个问题对于他们并不是最能引起共鸣的问题。

通过一系列简短的用户访谈来证实或否决掉用户画像假设

另一方面，如果他们对你的故事很兴奋，并且表现出一定的共鸣，或者顺着你的故事说出了他们类似的经历，这表明你已经找到了他们真正关心和需要解决的问题。

最后，记得询问之前没有涉及到的人口学问题，尤其是那些你认为可能影响某些用户成为活跃用户关键属性。比如：你认为刚毕业的大学生都有着较为可观的收入，能够付得起新家具的花费，因而不太可能成为你的用户。在这种情况下，请记得问一下他们的收入。

你寻找的是可预测的模式，也就是说，如果5个访谈对象中，有4个人遇到过你想解决的问题，那么，就可以根据这些来创建一个关键的用户画像。

还有，如果你得到的答案与此不同，你可能需要重新定义你的假设，并重复上述流程，运用访谈中所学到的知识完善新的假设。如果你无法找到问题的目标用户，那么就无法让这些人来使用你的产品，因此不要为了省事而跳过这一步。

创建用户画像

这个过程中的倒数第二步就是创建真实的用户画像，这是最有意思的一步。不像传统的静态用户画像，数据驱动型用户画像将是动态的能够实时更新的文件。

这一步骤的目的是将上述流程中所掌握的资料（用户是谁以及他们需要什么）与数据结合，这将使得你的产品的不断迭代是为了满足用户的需求。

在Swish（注：作者的公司名称）里，每一个用户画像都包括两方面：

如果你想了解更多关于用户画像需要的数据的知识，请查看Coryndon Luxmoore关于团队如何在Buildium上创建数据驱动型用户画像的论述。

获得这些信息需要占用团队的很长时间，但可以先从已经有的材料入手，并随时更新。用户画像不应该躺在抽屉里睡大觉，每当你发布新功能或优化现有功能时，你就应该评估这些变化并更新你的用户画像。

把你的用户画像应用到工作流程中

既然你已经创建了用户画像，那么就应该在设计流程中应用它们。有4个流程节点中可以使用数据驱动型用户画像：

1. 在需求讨论会上

在Swish里，每个人的立场都有所不同。在会上，通过观察每个用户画像的动机和推荐指标，来确保这（前一天所讨论的流程和今天的分歧）就是我们真正在关注最要的事情：我们如何能够更好的服务用户。

2. 在确定优先级会议上

数据驱动型用户画像，能够使得团队成员向你一样围绕着新功能和优化来讨论，而不会跑题。如果你知道你的用户画像在多大程度上代表着用户，以及如何能够服务好他们，那么就会很容易的知道潜在的功能对用户是否真的有用，这样能够快速做出正确的决定而不需要马拉松式的讨论。

3. 在设计评审会议上

数据驱动型用户画像，能够使得团队成员像你一样围绕着新设计来讨论，而不会跑题。当团队成员能够站在用户角度提问时，他们的反馈意见将更加客观和有用。

4. 入职新同事时

新同事刚入职时，对待用户会有着自己的一些看法和假设。通过将数据驱动型用户画像放到新员工培训课程中，将会使得新同事快速融入到团队中，并且能够确保他们能够了解团队在创建用户画像中所学到的东西。

保证用户画像实时更新

确保用户画像实时更新是极端重要，因为这样，用户画像才能持续指导团队成员的设计工作。

随着产品的不断优化，更新NPS分数和性能数据就会变得简单。我建议每月至少一次更新，如果你的产品是处于快速迭代的早期研发阶段，最好每周更新一次。

定期检查用户画像所代表的用户群体，确保预测性数据是相关的，这样的工作很重要。随着产品的发展和竞争格局的变化，用户对于问题的看法也随之改变。

如果产品进入到平稳发展阶段，新一轮的用户访谈，将能够帮助你发现之前未发现的问题。即使一切顺利，也要每隔6到12个月检查一次用户画像所代表的用户群体，包括现有用户和非产品使用者。

结论

创建数据驱动型用户画像是一项具有挑战性的工作，它将占用大量的时间和精力。不可能通过一周的时间，来找到所需要的资料或者创建促进团队团结一致的理念。

但是如果你投入必要的时间和精力，所得到的回报将会证明一切。有着不同类型用户的数据驱动型用户画像，将使得快速迭代、改善用户体验和设计出用户喜爱的产品变的更加容易。

作者： Tim Noetzel

原文地址： https://www.smashingmagazine.com/2018/04/design-process-data-based-personas/

译者：小永

本文由 @小永 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 Pexels，基于 CC0 协议