警示： 在AI产品中，用户画像模糊会导致训练数据方向错误、模型评估标准失准、上线后用户留存率低于10%。画像清晰度直接决定MVP的存活概率。
### 用户访谈：四步法锁定真实需求
用户访谈是画像构建的核心手段。针对AI产品MVP，访谈需围绕“任务、痛点、AI认知、期望”四个维度展开。
**四步访谈法：**
1. **任务追溯**：让用户描述完整工作流，识别其中重复、耗时、易出错的环节
2. **痛点量化**：针对每个环节，让用户给出“频率 × 耗时 × 影响”的评分
3. **AI认知评估**：了解用户对AI的信任度、使用经验、担忧点
4. **期望验证**：用原型或场景卡片让用户选择“最想要的AI能力”排序
> 实操要点： 每次访谈后立即提炼“一句话任务声明”，格式为：当[用户角色]在[场景]下，需要完成[任务]，以避免[痛点]，从而获得[价值]。
### 核心用户分层模型
AI产品的用户群体通常由四类角色构成，每类角色对MVP的决策权和影响力不同。
| 分层角色 | 核心关注点 | AI产品中的典型表现 | 访谈优先级 |
|---------|-----------|------------------|-----------|
| **决策者** | ROI、竞争优势、合规风险 | 关注AI能否降本增效，是否可规模化 | 第一优先 |
| **使用者** | 易用性、效率提升、学习成本 | 关注AI是否好用，能否融入日常工作流 | 第一优先 |
| **影响者** | 技术可靠性、数据安全、集成难度 | 关注AI模型精度、数据隐私、系统对接 | 第二优先 |
| **付费者** | 预算合理性、ROI可验证性 | 关注MVP的投入产出比是否可测量 | 第二优先 |
在AI产品MVP阶段，**使用者和决策者**是必须优先访谈的两类角色，因为他们分别决定产品的“是否好用”和“是否值得投”。
### 人物角色构建实战
基于用户分层和访谈结果，构建具体的人物角色。每个角色应包含：角色画像、核心目标、关键痛点、AI能力期望。
构建规则： 每个角色必须有真实姓名、具体职位、可量化的痛点和明确的AI期望。避免“用户A”“角色B”等泛化描述。
| 要素 | 角色1：张总·战略决策型 | 角色2：王岚·运营执行型 | 角色3：李诚·技术评估型 |
|------|----------------------|----------------------|----------------------|
| **职位** | CEO / 业务线负责人 | 运营主管 / 业务经理 | 技术架构师 / AI负责人 |
| **核心目标** | 3个月内降低运营成本20% | 每日节省2小时重复性工作 | 确保AI模型精度≥90% |
| **关键痛点** | 无法量化AI投入的实际产出 | 手动处理数据报表耗时且易错 | 缺乏标准评估流程，验证周期长 |
| **AI能力期望** | 自动生成ROI分析看板 | 智能报告生成与异常预警 | 模型效果自动化评估工具 |
| **决策权重** | 付费决策权（高） | 使用决策权（中高） | 技术否决权（中） |
### 场景化需求映射方法
从人物角色出发，将其核心目标和痛点转化为具体的**场景化需求**。每个需求必须包含：触发条件、用户动作、期望结果、验收指标。
**映射规则：** 一个角色 → 多个场景 → 每个场景对应一个MVP功能假设。
角色1（张总）→ 战略决策场景 → “每月初需要一份各部门AI投入产出对比报告，期望3分钟内生成，准确率≥95%”
角色2（王岚）→ 日常运营场景 → “每日需自动汇总5个渠道的运营数据，并标记异常指标，期望减少手动处理时间2小时/天”
角色3（李诚）→ 技术评估场景 → “每次模型更新后需自动运行回归测试，期望测试周期从3天缩短至4小时”
以下框架图展示了从用户分层到人物角色再到场景化需求的完整映射链路：
### 验收标准与交付物模板
#### 验收标准
用户画像构建完成后，需通过以下指标验证其有效性：
1. **覆盖度**：画像是否覆盖了决策者、使用者、影响者三类角色？（是/否）
2. **可回溯性**：每个画像要素是否都有至少3条访谈记录支撑？（是/否）
3. **可验证性**：每个场景化需求是否都包含“触发条件 + 期望结果 + 量化指标”？（是/否）
4. **共识度**：核心干系人对画像的认同度评分是否≥4分（1-5分制）？
> 验证方法： 召集3位目标用户进行“画像验证会”，展示角色卡片和场景卡片，让用户确认“这个角色像我吗？”“这个场景我遇到过吗？”，若匹配率＜70%则需迭代。
#### 交付物模板
**模板1：人物角色画布**
| 字段 | 填写说明 | 示例 |
|------|---------|------|
| 角色名称 | [职位/角色类型] | 运营主管·王岚 |
| 一句话声明 | 作为[角色]，在[场景]下需要完成[任务] | 作为运营主管，在每日晨会前需要自动汇总数据并发现异常 |
| 关键痛点 | [频率] × [耗时] × [影响] | 每天1次 × 1.5小时 × 延误决策 |
| AI期望 | 期望的AI能力描述 | 自动生成带异常标记的数据摘要 |
| 决策权重 | 高/中/低 | 使用决策权（高） |
**模板2：场景化需求卡片**
| 字段 | 填写说明 | 示例 |
|------|---------|------|
| 场景名称 | [角色]在[时机]做[动作] | 王岚在每日晨会前生成运营数据摘要 |
| 触发条件 | 什么事件启动该场景 | 每日上午8:30收到数据汇总邮件提醒 |
| 用户动作 | 用户当前如何完成 | 手动登录5个后台→导出Excel→合并表格→制作图表 |
| 期望结果 | MVP需要实现的能力 | 一键生成包含异常标记的HTML摘要，耗时＜3分钟 |
| 验收指标 | 量化衡量标准 | 用户操作步骤从15步减少至2步，耗时从90分钟降至3分钟 |
| 优先级 | P0/P1/P2 | P0（MVP必须包含） |
> 交付物检查清单： 完成本章后，你应输出：① 用户分层矩阵（1份） ② 人物角色画卡（至少3个） ③ 场景化需求卡片（至少3张） ④ 画像验证报告（含用户匹配率数据）