第2章 目标用户画像与场景定义：用户群划分、使用动机、典型交互场景、场景卡片模板
推荐产品的需求建模必须以真实用户为起点。用户画像（Persona）与场景定义（Scenario Definition）解决了“谁在什么情境下用产品做什么”这一核心问题，是后续用户访谈提纲设计、需求拆解与方案验证的地基。本章将系统讲解用户群划分方法、动机提炼技巧、典型场景描述方式以及标准化的场景卡片模板。
2.1 用户群划分：分层与聚类
推荐系统中用户天然存在行为偏好、使用频次、决策路径的差异，不能仅用“普通用户”一概而括。常用的划分维度包括：
- 行为粒度：新用户 / 活跃用户 / 沉默用户 / 流失用户
- 偏好圈层：热度追从型 / 长尾探索型 / 垂直钻取型 / 价格敏感型
- 使用场景：通勤碎片浏览 / 睡前深度发现 / 工作间隙快速筛选
- 身份特征：学生 / 白领 / 专业人士（如设计师、工程师）
关键原则：划分后的用户群应可识别（可凭数据或访谈找到）、有足够规模（支撑产品设计）、且群内行为一致性高。避免过度细分导致无法迭代。
2.2 使用动机：从“为什么用”到“为什么选”
同一行为背后动机可能完全不同。例如“在视频App点开一个推荐”可能源于无聊消遣、主动学习、社交跟随或任务驱动。动机提炼通常采用“5W1H + 情感标签”框架：
| 动机层 | 说明 | 示例（短视频推荐） |
|---|---|---|
| 功能动机 | 完成任务/获取信息 | “我想看最新科技新闻” |
| 社交动机 | 与他人互动/分享 | “同事都看这个博主，我要跟上话题” |
| 情感动机 | 满足情绪/娱乐 | “下班太累，只想刷无脑搞笑视频” |
| 身份动机 | 塑造自我认知 | “我是摄影发烧友，推荐必须专业” |
动机文档中需记录每类用户群的 Top 3 核心动机，并用一段“用户原话”作为佐证。
2.3 典型交互场景：从起床到入睡
场景描述应包含时间、地点、设备、环境、操作前状态、触发事件、期望结果。典型的推荐场景可归纳为以下五类：
- 快速发现：用户在零碎时间打开App，期望3秒内获得“今天必看”内容。
- 深度探索：用户在安静环境下（如睡前）愿意浏览10分钟以上，需要多维度筛选与关联推荐。
- 任务导向：用户明确想要某个类型（如“看动作片”），推荐需精准过滤。
- 社交验证：用户想知道“朋友们在追什么”，推荐需融合社交关系链。
- 冷启动挑战：新用户或无历史数据用户需通过少量反馈快速建立兴趣模型。
2.4 场景卡片模板：统一交付物
每次访谈或需求讨论后，团队应产出标准化的场景卡片，作为后续需求拆解与方案表达的原子单元。模板结构如下：
| 字段 | 描述 | 示例 |
|---|---|---|
| 场景编号 | 唯一标识 | SC-001 |
| 关联用户群 | 指向划分后的群体 | 通勤碎片型 |
| 触发条件 | 什么情境下启动 | 早上8点，地铁，手机单手持握 |
| 用户动作序列 | 具体操作步骤 | 打开App → 下拉刷新 → 看前3条推荐 → 如果无兴趣则退出 |
| 核心动机 | 驱动行为的目的 | “打发无聊，不想动脑子” |
| 期望结果 | 成功/失败标准 | 成功：找到1个感兴趣的视频并完整播放；失败：30秒内无点击，关闭App |
| 痛点/机会点 | 当前体验问题 | 载入时间超过3秒会导致用户焦躁 |
避坑提醒：场景卡片不要写成“产品功能需求文档”。重点描述用户视角的行为与感受，而不是“推荐算法需要返回5个item”。保持场景的可观察性和可验证性。
2.5 用户分群与场景映射关系
下面这张结构图展示了从用户群划分 → 动机提炼 → 场景卡片 → 后续需求拆解的完整链路。每个用户群可以对应多个场景卡片，每个场景卡片也能关联不同用户群的共性情态。
2.6 本章交付物模板
完成本章学习后，你应输出以下交付物：
- 用户群画像表（含群体名称、核心特征、动机原话、人数占比估算）
- 场景卡片集（至少覆盖主要用户群的 5 张卡片，按上述模板填写）
- 用户群-场景矩阵（映射哪个群在哪种场景下产生需求，后续需求拆解的输入）
实战建议：如果团队刚接手一个已有推荐系统，建议先拿3～5个典型用户的行为日志做快速聚类，再对照访谈修正划分。不要闭门造车画画像。