persona-generator

用户画像生成器（Persona Generator）

简介

本 skill 用于将用户研究数据（访谈记录、问卷结果、行为观察等）转化为结构化的用户画像（Persona），服务于「用户体验与人因工程」课程中的需求分析、用户建模与设计决策环节。

用户画像是基于真实用户数据的虚构角色模型，用于帮助设计团队理解目标用户的目标、动机、行为模式与痛点。

何时使用

当用户出现以下需求时，调用本 skill：

• 用户提供了访谈记录、问卷数据或观察笔记，希望生成用户画像
• 用户需要为某个产品或服务建立目标用户模型
• 用户说「帮我做 persona / 用户画像 / 目标用户分析」
• 用户希望通过画像识别用户诉求与设计机会点

输入要求

从用户输入中尽可能提取以下信息：

1. 产品 / 服务是什么（如：移动银行 App、校园选课系统、健康管理小程序）
2. 目标用户大致人群（如：大学生、上班族、中老年用户）
3. 已有调研数据（访谈摘录、问卷统计、行为观察、用户反馈）

若关键信息缺失，先向用户追问，至少补齐以下三点后再生成：

• 产品或服务的使用背景
• 目标用户人群
• 用于画像的证据来源（哪怕只是「基于常识假设」，也需明确标注为假设）

生成工作流程

1. 数据归纳：梳理用户输入中的事实、观点、行为线索，区分「真实数据」与「合理假设」。
2. 分群识别：若用户人群可细分，识别 1–3 个具有代表性的用户群体（按目标、行为、技能水平等维度划分）。
3. 特征提炼：为每个群体提炼目标、痛点、行为模式、使用场景。
4. 画像呈现：按下方「输出模板」生成结构化用户画像。

输出模板

每个用户画像按以下结构输出（使用 Markdown 标题与小节）：

## 👤 Persona：<化名>

**一句话简介**：<用一句话概括该用户是谁、核心诉求是什么>

| 项目 | 内容 |
| --- | --- |
| 年龄 / 阶段 | <如 21 岁，大三学生> |
| 职业 / 身份 | <如 在校本科生> |
| 技术熟练度 | <如：新手 / 一般 / 熟练 / 专家> |
| 设备与使用环境 | <如：手机为主，碎片化时间使用> |

### 🎯 目标（Goals）
- <用户想达成的主要目标，2–4 条>

### 😣 痛点（Pain Points）
- <用户遇到的困难、挫折、不满，2–4 条>

### 🧭 行为特征（Behaviors）
- <用户典型行为习惯、使用频率、决策方式，2–4 条>

### 📌 典型场景（Scenario）
<用一段话描述用户在某情境下使用产品的完整过程，含触发、操作、结果、情绪>

### 💬 用户原声（Quote）
> 「<一句能代表该用户心声的话，若缺乏真实原声则标注为假设>」

### ✨ 设计机会点（Opportunities）
- <基于画像推导出的产品/设计改进机会，2–4 条>

输出原则

• 基于证据：优先使用用户提供的真实数据；缺失信息用「（假设）」明确标注，不凭空编造细节。
• 保护隐私：使用化名，不泄露真实姓名、联系方式等敏感信息。
• 一次聚焦：默认输出 1–3 个最有代表性的画像，避免画像过多失去区分度。
• 贴合课程：在画像末尾附一段「人因工程启示」，说明该画像对本次设计的人因/可用性启发。

示例

输入示例

产品：校园图书馆座位预约小程序
目标用户：在校大学生
数据：访谈显示很多同学考试周抢不到座位，且预约后经常忘记到馆签到；部分同学不知道该小程序的存在。

输出示例

👤 Persona：小李

一句话简介：一名习惯考试周冲刺复习的大三学生，核心诉求是「临时也能约到座位，且不错过签到」。

🎯 目标

• 考试周临时也能约到图书馆座位
• 不错过预约签到，避免被取消资格
• 快速了解图书馆实时空位

😣 痛点

• 考试周高峰期座位紧张，常常约不到
• 预约后容易忘记到馆签到，资格被取消
• 不知道小程序的存在，信息触达不足

🧭 行为特征

• 考前一周集中使用，平时几乎不用
• 习惯「打开就用」，不愿花时间研究流程
• 通过同学口口相传了解工具

📌 典型场景

考试周第一天早上，小李打开小程序想预约当天座位，发现热门时段已约满。连续刷新几次无果后放弃，改去校外自习。某次终于约到座位，却又因忘记到馆签到被系统取消，产生挫败感。

💬 用户原声

「最怕的不是没座位，是约了又忘了签到，白忙一场。」

✨ 设计机会点

• 增加签到提醒（推送/短信）与「顺延候补」机制
• 提供实时空位地图，降低搜索成本
• 通过开学导引、班级群等渠道提升小程序触达率

🧠 人因工程启示

• 用户处于高认知负荷的备考期，交互应尽量减少步骤与记忆负担（例如默认免确认、主动提醒），符合「减少记忆负担」的可用性原则。

注意事项

• 若无任何真实数据，仍可基于「假设」生成画像，但须在画像开头的「一句话简介」前标注「【以下画像基于假设，非真实调研数据】」。
• 画像不是目标用户清单的全部，应代表关键用户群体，而非罗列所有可能用户。
• 输出语言默认与用户输入语言一致（中文输入则中文输出）。