> ## Content Index
> Fetch the complete content index at: https://www.hubwiz.com/blog/llms.txt
> Use this file to discover other available public pages before exploring further.

# 用AI简化用户画像分析
- URL: https://www.hubwiz.com/blog/streamline-persona-analysis-with-ai/
- Published: 2025-02-16T07:36:25.000Z
- Updated: 2025-02-27T10:46:13.000Z
- Description: 我发现生成式AI工具不仅能帮助分析数据以揭示洞察，还能在将这些洞察转化为有效的交付成果如用户体验角色和旅程图方面表现出色。
- Author: admin
- Tags: APPLICATION, PERSONA ANALYSIS, #Import 2026-10-14 14:41

虽然AI有能力增强我们的工作，但它不能替代通过实际用户体验研究和分析获得的基本见解。

> AI是一种帮助我们更高效地完成工作的工具；它不会取代我们。

在超过20年的用户体验研究经验中，我最初对将AI集成到我们的研究实践中持怀疑态度。然而，我发现像ChatGPT、Google Gemini、Microsoft CoPilot、Claude.ai等生成式AI（GenAI）工具非常有帮助。它们不仅能帮助分析数据以揭示洞察，还能在将这些洞察转化为有效的交付成果如用户体验角色和旅程图方面表现出色。

有许多方法可以编写AI提示来创建用户体验角色和旅程图。只需谷歌搜索“如何使用AI创建用户体验角色？”你就会找到很多资源（其中一些我已经使用并引用了）。那么，既然已经有这么多内容，为什么我还写这篇文章呢？

经过一年的研究和实验尝试了几种不同的方法后，我发现了一种成功的混合提示方法，这种方法具有独特的细微差别，似乎在任何我读过的文章中都没有涵盖。因此，我想分享我的发现，希望它们也能帮助其他用户体验研究人员。

## 1、用户角色

![](https://www.hubwiz.com/blog/content/images/2025/02/image-665.png)

用户体验角色主要有两种类型：基于实际用户研究的角色和基于假设的角色。无论是创建基于数据的角色还是基于假设的角色（也称为“原型角色”、“临时角色”、“对齐角色”等），GenAI都可以提供极大的帮助。

> *✴️* **关于原型角色的小贴士：** 在我的经验中，产品团队以外的人往往不理解角色和原型角色之间的区别。因此，在创建原型角色时，我更喜欢使用“基于假设的角色”这一术语，这样就清楚地表明还需要进行研究。最糟糕的情况是，当你展示一个原型角色时，利益相关者认为他们已经完成了“角色”这一步，从而不再需要进行实际的用户研究！

如果你有兴趣了解更多关于如何创建原型角色的信息，我强烈建议你查看Tamara Aldin关于对齐角色的优秀作品[\[1\]](https://www.adlininc.com/personas?ref=hubwiz.com)。

即使角色是基于用户研究创建的，精简后的信息也是以一种虚构的方式呈现的，但仍准确描述了产品的平均用户。无论是名字、背景故事、标语等，这些虚构的元素有助于使角色变得生动，使其真实且令人难忘，同时增强其与受众产生共鸣的能力。我不知道你是否也有同感，但我总是难以撰写角色中的这些虚构部分，这也是我在GenAI中得到最多帮助的地方。

在进行了研究和分析之后，我知道我希望在角色中包含哪些数据以及如何对其进行分段，但我在最佳传达方式上遇到了困难。有些人可能认为这是角色创建过程中有趣的部分，但对我来说，我可能会花几个小时只是在构思合适的标语上打转。我是一个数据狂热者，热爱定性分析，但我不一定认为自己是最具创意的作家，这有时会让角色真正有意义。这不是说我不能独自完成，而是这需要花费我比那些有这种天赋的人更多的时间。AI来了！

最近，我一直在试验使用HeyMarvin、ChatGPT团队以及其他GenAI工具来帮助我在创建角色时填补通常会遇到的创意写作空白。为了以这种方式使用AI，我发现最好先自己完成大部分工作。

### 1.1 收集所有研究数据和洞察

收集所有访谈记录和/或研究报告，如果你进行了用户研究的话。如果你正在创建原型角色，你希望拥有很多可以分析的二手研究文件（品牌策略与行业报告、年终报告、以前的研究报告——调查结果、市场研究报告、客户服务报告等）或者某种文档，该文档捕捉了团队对目标受众的假设。

### 1.2 决定角色部分和行为提示

没有两个角色是一样的。选择适合你研究需求的角色部分至关重要。正如Steve Mulder在他的书《用户永远是对的》中提到的，角色的每一个元素都应该有目的，这意味着它应该帮助团队更好地理解和同情这个用户群体。始终确保背景与你的产品或服务的上下文相关。如果背景信息与用户如何使用产品或其功能无关，则没有必要包括过多的个人信息。

如果你想了解更多关于决定包含哪些信息的内容，请观看我的免费一小时课程，“如何创建和使用用户体验角色”。

### 1.3 将文档上传到GenAI工具（即你的数据集）

不同的工具允许上传不同格式的文件。目前，你可以在ChatGPT Plus或Team中上传PDF、TXT、JPEG、PNG、DOCX、CSV和XLS文件格式。

> **数据隐私：** 你上传到ChatGPT Plus的任何文件都将“无限期保留在服务中，并且这些文件也可能被OpenAI用于训练其模型，因此最好不要上传包含重要个人信息的文件……”。如果你需要一个更安全的选项，聊天内容不会用于训练并且数据会被加密，你需要使用ChatGPT团队账户或投资一个安全的用户体验研究分析工具，如HeyMarvin或Dovetail。我还想指出，目前ChatGPT团队存在一个安全问题，即不可能限制团队成员邀请新成员加入工作区，因此你需要定期检查工作区的成员页面。ChatGPT企业版没有这个安全漏洞。请在使用任何GenAI工具处理客户和/或公司数据之前与IT团队确认，以确保遵守他们的数据安全规定。

### 1.4 提供AI提示

你可以调整以下提示以适应你角色的需求……

```
AI提示：   
  
[公司]正在重新设计他们的[产品]，以便更好地针对他们的目标受众。[产品的]主要受众是[X]。根据市场营销团队的说法，目标受众定义为[X]。主要受众使用[产品]来实现[X]的目标。  
  
根据提供的定义和附件的背景材料及研究记录，为[X]的主要受众编写一个角色。角色需要包括以下部分：价值观、动机、亲缘关系（即与目标受众和共同兴趣或价值观相似的品牌或组织）、目标、挑战、需求、人口统计学、行为、以及与公司的首选接触点（线上和线下）。

```

### 1.5 审查和优化结果

如果你发现第一次回应不够深入，或者你希望它包含特定信息，你可以要求GenAI以多种方式进行优化。对于角色，我喜欢提供行为提示。例如，你可以使用以下提示让GenAI重写角色的某些部分。顺便说一下，这些是我与跨职能团队在主持角色研讨会以开发原型角色时使用的相同提示……

```
AI后续提示：   
  
使用以下行为提示重写此角色的动机和亲缘关系部分：  
  
动机  
  
1. 个人目标：  
    a. 你的角色的短期和长期个人目标是什么？  
    b. 是什么激励你的角色去实现这些目标？  
  
2. 职业抱负：  
    a. 你的角色的职业抱负和雄心是什么？  
    b. 是什么推动你的角色在职业生涯中取得成功？  
  
3. 激励和奖励：  
    a. 对你的角色最具吸引力的激励或奖励类型是什么（例如，财务、认可、个人成长）？  
    b. 你的角色如何应对不同的动机形式（例如，内在与外在）？  
  
亲缘关系  
  
1. 生活方式选择：  
    a. 你的角色做出的反映其亲缘关系的生活方式选择有哪些（例如，选择可持续产品，偏好本地企业）？  
    b. 你的角色的生活方式与其个人价值观如何保持一致？  
  
2. 偏好和兴趣：  
    a. 你的角色有什么爱好或兴趣反映了其亲缘关系（例如，徒步旅行、阅读、参加文化活动）？  
    b. 这些兴趣如何影响他们的日常生活和互动？  
  
3. 社交行为：  
    a. 你的角色在社交场合中如何与他人互动？他们是内向的还是外向的？  
    b. 你的角色喜欢什么样的社交活动（例如，团体活动、一对一互动）？  
  
4. 环境意识：  
    a. 环境可持续性对你角色有多重要？他们采取了哪些行动来支持这一价值观？  
    b. 你的角色喜欢什么样的环保产品或实践？  
  
5. 品牌忠诚度：  
    a. 你的角色对哪些品牌有强烈的亲缘关系，为什么？  
    b. 你的角色的价值观和亲缘关系如何影响他们的品牌偏好？  
  
6. 决策风格：  
    a. 你的角色如何进行决策？他们是更倾向于分析还是直觉？  
    b. 当做决策时，对你角色最重要的因素是什么（例如，数据、推荐、个人感受）？

```

这个后续提示应该会产生更丰富的结果。你可以在初始GenAI提示中提供这些行为提示，但我注意到，如果我逐步提供数据并进行迭代优化，效果会更好。在一个提示中提出太多要求会使模型感到困惑。Patrick Neeman在其著作《为用户体验设计师和产品经理掌握AI助手》中建议，在提示中加入用户研究问题，以“确保它准确反映真实用户”。他建议在你的提示中添加：“生成用户研究问题，以验证此用户角色是否正确。”

使用大型语言模型（LLMs）根据行为模式、偏好、人口统计数据等对用户群进行细分是非常有帮助的。然而，重要的是要记住，如果你使用的训练数据中存在偏见，你可能会无意中延续甚至放大这些偏见。

> **关于准确性：** 请记住，**所有的GenAI工具都可能出错**，并可能提供错误的答案。最终，你必须尽职调查，确保提供的信息准确反映了你收集的数据。如果你使用的数据集中包含历史偏见或不平衡（例如，在性别、种族或社会经济地位方面），模型的输出很可能反映出这些偏见。

**提示：** 如Bill Bulman在其文章《使用AI增强研究制作角色（一步一步指南）》中提到的，你还可以编写一个提示来获取角色的一天生活叙述。Bill提供了这样一个例子提示：“使用以下用户访谈数据作为基准，为角色提供一天的生活故事。”

无论数据驱动还是假设驱动，创建用户体验角色是一个复杂的过程，GenAI的支持显著增强了这一过程。这些工具可以帮助构建角色中那些使角色变得真实和有价值的复杂细节，尤其是对于那些可能不自然倾向于创意写作的人来说。通过仔细收集和分析用户数据，定义真正反映用户需求的角色元素，并战略性地使用AI来增强角色创建的创意方面，我们可以开发出更准确和引人入胜的用户角色。

## 2、用户旅程图

![](https://www.hubwiz.com/blog/content/images/2025/02/image-666.png)

创建旅程图的步骤与创建角色类似，但在步骤2和步骤4上有一些差异。

步骤2是决定你的旅程图元素。你需要花大量时间定义旅程的各个阶段以及每个阶段你想要呈现的用户数据（例如，行动、想法、任务等）。我认为GenAI不应该承担这项繁重的工作。相反，你将在AI提示中包含这些内容，连同你上传的数据集（即上述步骤3中上传的所有文档，以及你最终确定的角色）。

对于步骤4（AI提示），我喜欢使用一个详细说明：

1. 谁在经历旅程（即你的角色）
2. 他们在经历什么旅程
3. 旅程的各个阶段
4. 在每个阶段我们想要包含的信息（例如，行动、想法、任务等）

```
AI提示（通用示例）：  
  
为[x]角色编写一份旅程图。地图应侧重于[x]的旅程。阶段将是：1) [x]，2) [x]，3) [x]，4) [x]，5) [x]  
  
对于每个阶段，请提供：  
1) 需要完成的任务（即目标——客户试图实现什么？）  
2) 行动（客户做了什么？寻找什么信息？他们的背景是什么？）  
3) 挫折/挑战（客户想要实现或避免什么？）  
4) 线上接触点（客户与[x]服务的哪些在线部分互动？）  
5) 线下接触点（客户与[x]服务的哪些线下部分互动？）  
6) 真实瞬间（客户互动可以创造正面或负面印象的品牌、产品或服务，影响他们的购买决策。）

```

例如，如果我要为通过移动应用订购食物创建一个旅程图，我的提示可能如下所示……

```
AI提示（具体示例：使用移动应用订购食物）：  
  
使用提供的数据集，其中包括详细的用户角色、用户研究报告、调查结果、市场研究报告和客户服务交互，为食品配送移动应用创建一份全面的用户体验旅程图。该地图的角色是“Chris”，一位喜欢多样美食的忙碌软件开发者。旅程图应整合数据驱动的见解，从数据集中在每个阶段和各种维度上准确代表Chris的体验。  
  
阶段：  
  
1. 认知：Chris如何通过广告、社交媒体或朋友发现应用程序。  
2. 考虑：Chris评估应用程序的功能、优势和用户评价。  
3. 注册/引导：Chris下载、注册和学习使用应用程序的步骤。  
4. 探索：Chris浏览各种餐厅选项和菜单项目。  
5. 决策：Chris选择一家餐厅及其餐点的时刻，包括任何定制。  
6. 交易：完成订单，包括付款和送货详情。  
7. 履行：监控订单进度并接收更新直至送达。  
8. 交付后：订单交付后的行动，包括进食、解决问题和评价。  
  
对于每个阶段，请提供：  
  
* 行动：详细描述Chris在每个阶段使用应用程序的每一步行动。  
* 思考：捕捉Chris在每个阶段进展时的想法。  
* 情绪：描述Chris在旅程的关键点上的情绪状态。  
* 接触点：识别Chris与应用程序和其他服务元素互动的位置。  
* 挫折：注意Chris遇到的具体挫折或挑战。  
* 需要完成的任务（JTBD）：概述Chris在每个阶段试图满足的潜在需求或任务。  
  
确保旅程图在视觉上结构化，并区分这些方面，提供用户旅程的整体视图。

```

> 当你在审查结果时，如果旅程图未能准确反映你的数据集，**GenAI可能在做假设！**

LLMs非常擅长预测分析和用户行为预测，当它们猜测时，除非你明确指示，否则结果中不会标出这一点。

出于这个原因，我更喜欢细化提示以了解研究中的缺口……

```
AI细化提示（示例：明确标记假设）：  
  
使用提供的数据集，包括用户研究报告、调查结果和客户反馈，为食品配送应用创建一份更新的用户体验旅程图。当数据集不完整或缺乏必要的信息以全面了解用户旅程时，你被允许做出逻辑假设。在旅程图中标明这些假设，以将其与数据驱动的见解区分开来。  
  
具体说明：  
  
1. 数据整合：对于旅程图的每个阶段，使用数据集中的直接见解。明确引用支持这些见解的数据来源（例如，特定的调查问题、报告页码）。  
  
2. 标识假设：当数据集中缺少必要信息时，做出并明确标记假设。基于可用数据的上下文提供每个假设的理由。  
  
3. 假设标签：在旅程图中任何未直接由数据集支持但由AI做出的教育猜测的内容旁边使用独特的视觉或文本标签（例如，“假设”或特殊符号）。  
  
4. 解释和合理化：对于每个假设，包括一个简短的解释，说明为何做出该假设，基于在数据集中观察到的相关趋势或模式。  
  
5. 细节和准确性：确保旅程图的每个阶段都包含详细的描述和可视化，清晰地区分数据驱动的见解和假设。这应该提高地图的整体清晰度和实用性，便于决策。  
  
预期结果：旅程图应无缝整合事实数据与必要的假设，提供全面而实用的用户体验视图。每个假设都应明确标记并合理化，使利益相关者能够理解并评估所提供的见解的基础。这将有助于战略规划和设计改进，确保它们既基于数据又适应不确定性区域。

```

**提示：** 如Nate Jones在其优秀的通讯文章《你的AI提示工程口袋指南：如何从AI模型中获得最大收益》中提到的，如果你想让回复以特定格式呈现，你应该在提示中明确指定这一点（例如，“将回复放在表格中”）。

> **包括机会与解决方案：** 对于旅程图的每个阶段，我通常喜欢提供一个额外的“泳道”用于机会（基于识别的接触点、情绪和挫折提出的改进建议）和解决方案（基于收集到的见解提出的设计或功能改进建议）。对我来说，这就是研究数据在旅程图中变得最具可操作性的甜蜜点。我发现，**最好不使用GenAI来帮助撰写这些泳道**。通常，数据集不包括解决每个阶段提出的UX问题所需的团队集体知识。

我发现使用这些提示与AI相结合可以显著简化旅程图的创建，使过程更快捷、更高效。通过利用AI，我们可以更容易地将复杂数据集中的发现融入用户的每个旅程阶段，确保从行动和想法到挑战和互动的每个方面都能准确捕捉。AI预测用户行为和生成详细可视化的能力可以增强旅程图的有效性。然而，手动审查和调整这些AI生成的地图以确保它们包含人类洞察力并准确反映真实用户经验，以提供更具行动性和全面性的用户旅程视图，这一点至关重要。虽然AI可以帮助预测和可视化用户行为，但在旅程图中战略性地包含人类洞察力仍然是无价的，因为它真正反映了并改善了用户旅程。

## 3、平衡AI效率与人类洞察力

随着我们继续将GenAI集成到用户体验设计过程中，关键是要找到利用其计算能力与保持人类触摸之间的正确平衡，这对于创建真实和有影响力的用户体验角色和旅程图至关重要。通过结合AI的效率与我们的专业知识和创造力，我们可以增强工作流程，以产生深刻反映用户实际需求和体验的交付成果。我鼓励我的同行用户体验专业人士尝试这些工具，分享他们的经验，并继续探索我们在技术与设计交汇处所能实现的边界。

---

原文链接：[How I’m using AI to streamline persona and journey map creation](https://uxdesign.cc/using-ai-to-streamline-persona-and-journey-map-creation-37fa859dafb0?ref=hubwiz.com)

汇智网翻译整理，转载请标明出处