為了能夠預測正確，用戶畫像需要的不僅是設計師的靈感和故事，更需要的是數據。那么，數據驅動型的用戶畫像到底是怎樣的，以及如何創建他們呢？

大多數設計和產品團隊都有一些用戶畫像資料，理論上，這些用戶畫像可以幫助我們更好的理解用戶和滿足他們的需求，將不同群體的用戶特征具體化，能夠幫助我們做出更好的設計決定。

設計師使用這些畫像，并將其與非設計團隊和外部相關利益者分享，最終能夠實現用戶體驗和用戶真實需求保持一致的目標。

事實上，用戶畫像很難實現這些目標。許多團隊的用戶畫像都被遺棄在硬盤中，而設計師卻繼續著基于突發奇想的設計工作。

相比之下，經過充分研究的用戶畫像能夠充當真實用戶的代表，他們幫助我們檢驗我們的工作，確保我們所設計的產品是用戶真實需要的。因此，好的用戶畫像并不只是描述用戶，他們還幫助設計師評估他們的工作。

Laura Klein在《用戶畫像創建》的一文中有很好的敘述：

“如果你能夠創建一個有著預測性的用戶畫像，這意味著你不僅知道用戶喜歡什么，而且掌握能夠愉悅用戶的要訣”。

換句話說，因為能夠正確預測用戶對潛在產品變化的反應，設計團隊就可以做出更好的決定。很明顯，為了能夠預測正確，用戶畫像需要的不僅是設計師的靈感和故事，更需要的是數據。

那么，數據驅動型的用戶畫像到底是怎樣的，以及如何創建他們呢？

從你認為你知道的事情開始

創建數據驅動型的用戶畫像的第一步與傳統用戶畫像創建流程類似，寫下團隊關于核心用戶群體的假設，以及對于每個群體來說至關重要的事情。

如同大多數設計團隊，你的團隊可能會出現一些人，不認同另外一些人關于用戶群體觀點的現象。不要煩惱，這種分歧是好事。因為不同于傳統用戶畫像的創建流程，你不會一直停留在這一階段。

重點不是討論每個用戶畫像的優點（以及具體細節），而是要具體說明不同的假設并把它們記錄下來，由于稍后會驗證這些假設。所以在這一階段，某些成員不認同某些假設是沒有問題，你可以專注于幾個特定的用戶畫像，但同時也要確保其他假設得到充分論證。

首先是記錄下所有關于關鍵用戶畫像的假設，然后在下一步中通過用戶研究來完善他們。

我建議：用1-2句話描述每個假設，說明用戶畫像代表著誰，能解決的問題以及其他的相關描述。

針對這些描述，你可以用傳統的用戶故事框架。如果你為Craigslist創建假設用戶畫像，可以這樣描述：

“作為剛畢業的大學生，我想買到便宜的家具，來裝修我的公寓?！?/p>

也可以這樣描述：

“作為擁有多余臥室的房東，我想找個靠譜的租客，從而賺取外快?！?/p>

如果有諸如用戶反饋郵件、NPS分數、用戶訪談筆記或其他的分析的數據，請務必仔細閱讀并做好用戶故事的數據點。

驗證和細化

接下來，就是通過用戶訪談驗證和細化這些假設，對于每一個假設的用戶畫像，需要5-10個用戶訪談進行驗證和細化。

每組用戶訪談的目的有三個：

1. 了解用戶解決問題時的場景；
2. 確認被訪談用戶同意你記錄他們正在努力解決的緊急而又痛苦的問題；
3. 區分出該組用戶是否能夠成為活躍用戶。

采訪中使用的方法可能多種多樣，但是我建議可以混合采用傳統無領導用戶訪談和敏捷問題訪談的方法。

采用傳統的用戶訪談方法，詢問基于行為的隨機問題。在Craigslist的案例中，我們可以像這樣詢問剛畢業的大學生：

“告訴我你上次購買家具的時間，你買了什么？在哪兒買的？”

這些問題可以幫助我們了解到被訪談者，最近是否遇到問卷中的問題，怎么解決的以及是否滿意當前的解決方案。

這些問題訪談結束后，就可以轉移到精心準備的問題上來了。在這部分，你可以通過講故事來告訴被訪談者你的經歷（說清楚你所面對的各種問題，并解釋為啥這些問題讓人沮喪），來看看他們的反應。

你可以這樣說：

“當我從大學畢業時，因為我不能再住在學生宿舍了，所以我需要買一些新的家具。我花了很長的時間在家具市場尋找合適的家具，但是這些家具要么是特別貴，要么質量特別爛。

我真的想用合適的價格買到好家具，但是沒有找到，最后只能買一些便宜貨。但不可避免的是，家具很快就壞了，這也導致我需要付出超過我能力以外的錢，那么你有沒有遇到同樣的問題呢？”

在訪談中，你要記錄被訪談者最認同的觀點。如果你的訪談對象說“是的，遇到過”，但情緒起伏并沒有超過正常標準，這表明這個問題對于他們并不是最能引起共鳴的問題。

通過一系列簡短的用戶訪談來證實或否決掉用戶畫像假設

另一方面，如果他們對你的故事很興奮，并且表現出一定的共鳴，或者順著你的故事說出了他們類似的經歷，這表明你已經找到了他們真正關心和需要解決的問題。

最后，記得詢問之前沒有涉及到的人口學問題，尤其是那些你認為可能影響某些用戶成為活躍用戶關鍵屬性。比如：你認為剛畢業的大學生都有著較為可觀的收入，能夠付得起新家具的花費，因而不太可能成為你的用戶。在這種情況下，請記得問一下他們的收入。

你尋找的是可預測的模式，也就是說，如果5個訪談對象中，有4個人遇到過你想解決的問題，那么，就可以根據這些來創建一個關鍵的用戶畫像。

還有，如果你得到的答案與此不同，你可能需要重新定義你的假設，并重復上述流程，運用訪談中所學到的知識完善新的假設。如果你無法找到問題的目標用戶，那么就無法讓這些人來使用你的產品，因此不要為了省事而跳過這一步。

創建用戶畫像

這個過程中的倒數第二步就是創建真實的用戶畫像，這是最有意思的一步。不像傳統的靜態用戶畫像，數據驅動型用戶畫像將是動態的能夠實時更新的文件。

這一步驟的目的是將上述流程中所掌握的資料（用戶是誰以及他們需要什么）與數據結合，這將使得你的產品的不斷迭代是為了滿足用戶的需求。

在Swish（注：作者的公司名稱）里，每一個用戶畫像都包括兩方面：

如果你想了解更多關于用戶畫像需要的數據的知識，請查看Coryndon Luxmoore關于團隊如何在Buildium上創建數據驅動型用戶畫像的論述。

獲得這些信息需要占用團隊的很長時間，但可以先從已經有的材料入手，并隨時更新。用戶畫像不應該躺在抽屜里睡大覺，每當你發布新功能或優化現有功能時，你就應該評估這些變化并更新你的用戶畫像。

把你的用戶畫像應用到工作流程中

既然你已經創建了用戶畫像，那么就應該在設計流程中應用它們。有4個流程節點中可以使用數據驅動型用戶畫像：

1. 在需求討論會上

在Swish里，每個人的立場都有所不同。在會上，通過觀察每個用戶畫像的動機和推薦指標，來確保這（前一天所討論的流程和今天的分歧）就是我們真正在關注最要的事情：我們如何能夠更好的服務用戶。

2. 在確定優先級會議上

數據驅動型用戶畫像，能夠使得團隊成員向你一樣圍繞著新功能和優化來討論，而不會跑題。如果你知道你的用戶畫像在多大程度上代表著用戶，以及如何能夠服務好他們，那么就會很容易的知道潛在的功能對用戶是否真的有用，這樣能夠快速做出正確的決定而不需要馬拉松式的討論。

3. 在設計評審會議上

數據驅動型用戶畫像，能夠使得團隊成員像你一樣圍繞著新設計來討論，而不會跑題。當團隊成員能夠站在用戶角度提問時，他們的反饋意見將更加客觀和有用。

4.?入職新同事時

新同事剛入職時，對待用戶會有著自己的一些看法和假設。通過將數據驅動型用戶畫像放到新員工培訓課程中，將會使得新同事快速融入到團隊中，并且能夠確保他們能夠了解團隊在創建用戶畫像中所學到的東西。

保證用戶畫像實時更新

確保用戶畫像實時更新是極端重要，因為這樣，用戶畫像才能持續指導團隊成員的設計工作。

隨著產品的不斷優化，更新NPS分數和性能數據就會變得簡單。我建議每月至少一次更新，如果你的產品是處于快速迭代的早期研發階段，最好每周更新一次。

定期檢查用戶畫像所代表的用戶群體，確保預測性數據是相關的，這樣的工作很重要。隨著產品的發展和競爭格局的變化，用戶對于問題的看法也隨之改變。

如果產品進入到平穩發展階段，新一輪的用戶訪談，將能夠幫助你發現之前未發現的問題。即使一切順利，也要每隔6到12個月檢查一次用戶畫像所代表的用戶群體，包括現有用戶和非產品使用者。

結論

創建數據驅動型用戶畫像是一項具有挑戰性的工作，它將占用大量的時間和精力。不可能通過一周的時間，來找到所需要的資料或者創建促進團隊團結一致的理念。

但是如果你投入必要的時間和精力，所得到的回報將會證明一切。有著不同類型用戶的數據驅動型用戶畫像，將使得快速迭代、改善用戶體驗和設計出用戶喜愛的產品變的更加容易。

作者： Tim Noetzel

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

譯者：小永

本文由 @小永 翻譯發布于人人都是產品經理。未經許可，禁止轉載

題圖來自 Pexels，基于 CC0 協議