第4章 人物画像与使用旅程映射

本章聚焦于如何通过构建用户画像与使用旅程，系统性地识别并定义IoT产品的功能边界。我们将一个模糊的“用户想要…”转化为结构化的“在阶段X，边界规则Y限制了功能Z的范围”。

4.1 用户场景：智能楼宇物业经理的早晨

想象一下，王工负责管理一栋20层智能大厦的800+个IoT传感器、门禁与HVAC系统。他每天早上的第一件事不是查看数据大屏，而是处理租户投诉。如果产品团队没有清晰的画像，很容易为其设计复杂的能耗分析面板，而他实际的边界需求仅仅是：“在4分钟内，按紧急程度排序，推送与当前报修地理位置最相关的前5条告警”。

4.2 业务问题：臆想的功能边界蔓延

缺乏数据支撑的画像直接导致功能边界被主观臆断。团队常犯的错误是将所有关联方需求平铺，忽视决策时刻的跳出成本。

4.3 用户访谈：从场景中提取轨迹与摩擦点

用户访谈是发现边界摩擦点的最佳工具。针对IoT运维人员，建议采用“关键事件技术（CIT）”进行提问：

1. 情境复现： “请描述你上周最忙碌的一个早晨，从踏入大楼的第一秒开始，你做了什么？”（激发具体情境，定位起点）
2. 路径定位： “在收到漏水报警时，你第一个打开的页面是哪个？为什么选择这个页面？”（定位高频路径的起点）
3. 痛点挖掘： “如果系统允许你跳过某个确认弹窗或等待加载，你最希望跳过的是哪一步？”（识别流程中的摩擦点）
4. 边界切换： “上次你放弃使用移动端而转向PC端，是因为遇到了什么具体的操作障碍？”（识别设备与场景的边界）
5. 底线确认： “对于即将采购的新系统，你最不能妥协的一件事是什么？”（明确核心功能边界底线）

4.4 需求拆解与方案表达（JTBD与边界规则）

通过访谈，我们拆解出核心用户画像【智慧运维经理 - 王工】。他的高频行为路径聚焦为四个阶段。在每个阶段，我们都必须定义明确的边界规则。

4.5 指标验证与验收标准

画像与旅程图的准确性需要通过业务指标来验证，这些指标同时也是功能边界的校准器。

• 核心指标：
  • 功能采纳率： 目标 > 65%。验证定义的边界功能是否被用户频繁使用。
  • 单次告警处理时长： 目标 < 4 分钟。验证旅程路径是否无多余摩擦。
  • 旅程流失率： 目标 < 5%（诊断→指派阶段）。验证边界是否导致用户放弃。
• 验收标准（DoD）：
  • [ ] 用户画像卡有至少 3 份真实访谈数据支撑，且差异度 < 0.3。
  • [ ] 旅程图覆盖所有物理触点（APP、PC端、短信通知、语音广播）。
  • [ ] 每个旅程阶段都标注了“决策窗口”与“当前阶段边界规则”。

4.6 交付物模板：用户画像与旅程映射画布

以下是标准交付物模板的结构化展示，用于在产品需求文档（PRD）中固定边界。

// persona-example.json
// 用户画像数据模型示例
{
  "personaId": "P-001",
  "name": "王工",
  "role": "智慧运维经理",
  "highFrequencyPath": ["告警感知", "定位诊断", "指派工单", "闭环确认"],
  "corePainPoint": "告警洪流导致遗漏关键漏水报警",
  "boundary": "必须支持按地理区域与等级双维度过滤告警，且默认只展示前5条"
}

4.7 内联SVG：用户旅程与边界定位图

下图展示了一个完整的用户旅程映射，如何在每个阶段定义功能边界，形成阶段性的“护栏”，防止功能蔓延。