PRD的用户场景挖掘：用户画像与使用场景、场景优先级排序、场景与需求粒度对应关系
用户场景挖掘是 PRD 需求粒度控制的起点。脱离场景谈需求，会导致需求边界模糊、优先级混乱、验收标准无法对齐。本章从用户画像与使用场景的定义出发，建立优先级排序方法，并最终将场景映射到需求粒度层级，形成从“谁在用”到“要什么”再到“写多细”的完整链路。
核心观点：需求粒度不是越细越好，而是与场景优先级匹配。P0 场景的需求需要战略级表达，P2 场景的需求才需要详细交互说明。先定场景，再定粒度。
2.1 用户画像与使用场景
用户画像是场景挖掘的基础。一个完整的用户画像应包含以下维度：
| 画像维度 | 定义说明 | AI 产品示例（以智能相册为例） |
|---|---|---|
| 角色 | 用户在业务场景中的身份标签 | 内容创作者、家庭相册管理员、摄影爱好者 |
| 目标 | 用户期望通过产品达成的业务结果 | 快速找到特定照片、自动归类旅行记忆 |
| 痛点 | 当前工作流中遇到的障碍与效率瓶颈 | 相册数量庞大、手动翻找耗时、缺少自然语言检索 |
| 使用频率 | 用户与产品交互的节奏与密度 | 每天多次（高频）、每周一次（中频）、偶尔使用（低频） |
| 技术熟悉度 | 用户对 AI 产品的认知与操作能力 | 极客型（愿意尝试语音/自然语言交互）、普通型（偏好点击操作） |
使用场景是用户画像在具体时空下的行为切片。每个场景由三个核心要素构成：
| 场景要素 | 定义 | 对需求粒度的影响 |
|---|---|---|
| 触发条件 | 什么情境下用户开始行动 | 决定需求的紧急程度与响应时间要求 |
| 行为路径 | 用户从触发到完成的操作链路 | 影响功能流程的步骤数与分支设计 |
| 预期结果 | 用户认为的成功标准是什么 | 定义验收指标与完成状态的颗粒度 |
场景采集的三种常用方法：
- 用户访谈 — 针对目标画像进行深度对话，挖掘“真实发生的”而非“用户想象的”行为路径。
- 日志分析 — 从现有产品数据中提取高频操作序列，识别未被满足的触发点。
- 竞品场景映射 — 拆解竞品的功能流程，反向推导其假设的用户场景，评估是否适用于本产品。
2.2 场景优先级排序
AI 产品资源有限，必须对场景进行优先级分级。采用 P0 / P1 / P2 三级制：
| 优先级 | 定义 | 判断标准 | 资源投入策略 |
|---|---|---|---|
| P0 核心场景 | 产品存在的必要条件，无此场景产品无法成立 | 覆盖 >60% 目标用户；每日使用；直接影响核心价值 | 全力投入，优先排期，需求粒度可先粗后细 |
| P1 重要场景 | 显著提升体验或覆盖次核心用户群 | 覆盖 20%–60% 目标用户；每周使用；影响留存率 | 正常排期，需求粒度需明确功能边界 |
| P2 扩展场景 | 增强差异化或满足长尾需求 | 覆盖 <20% 目标用户；使用频率低；属于加分项 | 酌情安排，需求粒度需详细避免误解 |
常见误区：不要将所有场景定义为 P0。P0 场景过多等于没有优先级。AI 产品中常见的“功能膨胀”源于场景与需求粒度脱节——P2 场景用了 P0 级别的详细表达，导致开发资源被低价值细节消耗。
2.3 场景与需求粒度对应关系
场景优先级直接决定 PRD 中需求表达的粒度层级。三者对应关系如下：
| 场景优先级 | 需求粒度层级 | PRD 表达方式 | 验收粒度 | 典型篇幅 |
|---|---|---|---|---|
| P0 核心场景 | 战略级需求 | 一句话需求 + 业务目标 | 业务指标达成（如：检索成功率 >95%） | 1–3 行 |
| P1 重要场景 | 功能级需求 | 用户故事 + 验收标准 | 功能可用性（如：自然语言输入可识别 10 种以上查询意图） | 5–10 行 |
| P2 扩展场景 | 体验级需求 | 详细交互说明 + 异常分支 | 体验指标（如：检索响应时间 <1.5s，结果展示支持缩略图/列表切换） | 10–20 行 |
以下是一个完整的场景→需求粒度映射的 PRD 片段示例：
场景编号：SCN-002
优先级：P1（重要场景）
用户画像：内容创作者小王，每天产出 3–5 条短视频，相册存量 8000+
触发条件：深夜赶稿时，需要从手机相册中查找上周拍摄的“夜景参考图”
行为路径：打开 AI 相册 → 输入自然语言描述 → 系统语义匹配 → 预览结果页
预期结果：3 步内定位目标图片，无需手动按日期逐张翻找
需求粒度映射 → 功能级需求
PRD 标题：AI 智能相册 · 自然语言图片检索
用户故事：作为内容创作者，我希望通过输入自然语言描述来检索图片，
从而在大量相册中快速定位素材，提升创作效率。
验收标准：
1. 支持中文自然语言查询，覆盖“物体+场景+时间”组合意图
2. 检索结果按匹配度排序，Top 1 准确率 ≥80%
3. 首次检索响应时间 ≤2 秒
4. 支持结果预览与快速返回重新查询
实践建议：在 PRD 中为每个场景标注“场景编号+优先级”，让开发与测试人员能直接追溯到原始用户场景。当需求变更时，通过场景优先级判断是否值得投入变更成本，避免“每个需求都一样重要”的沟通困境。
2.4 用户场景挖掘与需求粒度映射框架
下图总结了从用户画像出发，经过场景定义、优先级排序，最终输出不同粒度需求的全流程框架。该框架可作为 AI 产品 PRD 写作的标准化工作流：
2.5 本章交付物清单
完成用户场景挖掘后，PRD 中应包含以下交付物模板：
| 交付物 | 内容要求 | 格式建议 |
|---|---|---|
| 用户画像卡 | 每个目标角色一张，包含角色、目标、痛点、使用频率、技术熟悉度 | 表格或卡片模板，每张 5–8 行 |
| 场景清单 | 按优先级排列，每个场景包含触发条件、行为路径、预期结果 | 编号列表，每个场景 3–5 行 |
| 场景-需求粒度映射表 | 标明每个场景的优先级、对应的需求粒度层级、PRD 表达方式 | 表格，与场景清单一一对应 |
| 验收标准检查表 | 按 P0/P1/P2 分层定义验收指标，确保场景可测试 | 检查表格式，每条验收标准独立成行 |
章节核心理念：用户场景挖掘不是一次性的工作。随着产品迭代，新场景会涌现，旧场景的优先级也会变化。PRD 中的场景清单应保持“动态维护”状态，每次版本规划时重新评估 P0/P1/P2 的归属，确保需求粒度始终与场景优先级对齐。