任务场景
过去 3 周你做了 8 场客户访谈。你有一文件夹的录音、半成品转写、一份 Notion 上散落的原话。PM lead 周五前想要一份”画像”文档，方便设计和文案团队有共享的心智模型。你也知道这件事最常见的失败是输出”Alex，32，营销经理、喝燕麦奶”那种 stock-photo 画像——让团队感觉”懂用户”，但其实没锚定任何具体产品决策。你要一页基于真实原话、按 Jobs-to-be-Done 组织的画像，并诚实附上”无关特征”那一节，保护团队不去为无关人口属性优化。
什么时候适合让 AI 来做
AI 擅长把访谈里的原话聚成反复出现的 pattern、把观察到的行为映射到 Jobs-to-be-Done 框架、并产出大多数画像跳过的”无关特征”节。它也能跨访谈对 pattern 决策标准、抓出那些一致出现的”触发”——用户什么生活情境下会去找这种产品。
AI 做不到：发明访谈里没有的特征。你只跑了 2 场访谈就让它出画像，它会乐于编出看起来合理但没根的细节——而这些编造会被团队当数据用。喂 5+ 场访谈的转写或详细笔记；低于这条线先去做更多访谈。AI 也判断不了哪个 segment 最值得优化——那是策略，不是 pattern matching。
常见失败模式：AI 倾向塞太多人口属性（年龄、地点、职位），即使访谈显示这些没预测行为。明说：“任何没原话支撑的特征都要删，并且必须包含一节’无关特征’，列出没预测行为的人口属性。“
需要先给 AI 的信息
- 5+ 场用户访谈的详细笔记或转写（越接近原话越好）
- 这份画像要支持的具体产品决策（定位、onboarding、定价分档、广告 targeting）
- 访谈里你观察到真的跨人改变行为的人口 / firmographic 事实
- 你怀疑是噪音的人口属性（直觉但访谈没支持）
- 你当前的画像草稿（如有）——让模型对照真实数据做 diff
- 已经引起你注意、感觉”定义性”的 2-3 句原话
- 受访者提到的替代品（这些是决策标准信号）
- 触发事件——他们在生活里发生什么时候开始找？（强预测，但经常被跳过）
可直接复制的 Prompt
从这些访谈构建一份用户画像。
访谈笔记或转写：{paste 5+ 场}
这份画像要支持的产品决策：{paste}
我观察到跨人改变行为的人口属性：{paste 或"尚未确认"}
我怀疑是噪音的人口属性：{paste}
已经引起我注意的 2-3 句原话：{paste}
受访者提到的替代品：{paste}
触发事件——他们什么生活情境下开始找：{paste 若观察到}
返回一份一页画像：
1）画像名——描述性，不是人名。用"中等增长期的独立营销人"，不要"Sarah"。描述名让团队想行为，不是脸。
2）触发——他们什么生活情境下会找这种产品。至少 2 场访谈原话支持。
3）Jobs to be done——3 个 job，按访谈频次排。每个 job 配带引号原话。
4）决策标准——什么让他们说 yes / no。2-3 条 yes 触发 + 2-3 条 no 触发，各带原话。
5）替代品——他们当前会用或会考虑的。Mentions 最多的放最前。
6）无关特征——明确列 3-5 条**没**预测行为的人口属性或特征。这一节是必需，不是可选。
规则：
- 画像里每条特征必须有至少 1 位受访者的原话支撑。没原话，不算特征。
- Pattern 必须出现在至少 3 场访谈里才算画像级（避免一句话异常）。
- "无关特征"是整份文档的信任信号；写不出来说明数据太薄。
- 总长 400 字以内。一页纸。短版本——快速 segment 假设
从这 3 场访谈，给我一个用户 segment 假设 + 3 个问题，让我下 3 场访谈确认或推翻假设。跳过完整画像。{paste 访谈}输出示例
一条好用的 Job-to-be-Done：“Job 1（高频，8/8 场有 6 场提到）：‘每周一早上一封邮件告诉我团队 KPI 在过去 7 天里变了什么，不让我自己搭 dashboard。’ 原话：‘我就是想周一早上一封邮件说什么动了、要看什么——我不需要再多登录一个工具。’”
一条好用的”无关特征”：“年龄不预测行为——受访者 24-51 岁，决策标准完全一致。行业有——SaaS 营销人盯留存指标，代理商营销人盯客户报告节奏。公司规模也没——独立创始人和 200 人团队都共享同样的’别让我再登录一个工具’标准。”
一条好用的触发：“触发：季度末董事会准备期，他们要从 3-4 个工具里拼指标，而过去整个季度都答应过’下个季度我会有更好的 visibility’。3 场访谈的原话：‘我每次都说我要把这事弄清楚，结果季度结束我又在手工拉数据。’”
一段好用的决策标准：“Yes 触发：（1）和现有 stack 兼容（不要新登录）。（2）输出是文字摘要、不是 dashboard。（3）10 分钟内能定制完。No 触发：（1）需要和销售开 setup 通话。（2）定价要走 custom 报价。（3）打着’AI-powered’但不说 AI 在做什么。“
怎么改输出
- 没原话支撑就删 —— “重读画像。任何特征、行为、人口属性没有带引号的原话支撑，就删，或标记为’假设——下一轮访谈确认’。这条规则是画像和虚构的分界线。”
- 强制”无关特征”那节 —— “如果’无关特征’那节是空的，说明你没做合成。回访谈里找出至少 3 条在受访者之间变化但没改决策的特征。这是保护团队不去优化噪音的关键。”
- Jobs 挂到频次 —— “每个 Job-to-be-Done 引用是几场访谈提到（如’8 场里 6 场’）。少于 3 场提到的 job 去到’假设——需要更多数据’清单，不进主画像。”
- 用描述性画像名 —— “把所有人名（Sarah、Alex）换成挂到行为的描述名（中等增长期独立营销人、Pre-IPO 的 B2B PMM）。人名让团队锚定到脸；描述名锚定到行为。”
- 挂到一个决策 —— “通读输出，对照’这份画像要支持的产品决策’。任何一节不能帮人把那个决策做得更好，就砍。画像存在是为了驱动决策，不是为了被归档。“
容易踩的坑
- 编人口细节让画像”真实”——产品决策上会反噬，团队开始为不预测行为的特征优化
- 一个访谈一个画像——你要的是跨访谈共性；8 场出 8 个画像，说明你没合成
- 塞进不能预测行为的人口属性——会让团队基于年龄、地点、职位做决策，而真正的驱动是别的
- 没”无关特征”那节——它的缺失就是”你没做合成”的信号；团队会自己填噪音
- 只做 2-3 场访谈就出画像——低于 5 场 pattern 太噪；AI 会编来填空；先去做更多访谈
- 配真人名 + stock 头像——把团队锚到脸和虚构身世；用描述标签代替
- 把画像当静态——2 个月后的新访谈会精修它；画像是和持续 discovery 绑定的活文档，不是 launch 交付物
- 还没验证 1 个就建 5 个画像——第 2 个画像值得它的位置，只有当你有证据那个 segment 因为不同理由做不同决策
FAQ
- 应该建几个画像？ —— 先一个。除非你有直接证据说第 2 个 segment 因为不同理由做不同决策——不是只是不同人口属性。多数 ship 了 “5 个画像”的产品是把画像当 marketing artifact 用，不是决策工具。
- 画像要不要配头像？ —— 可选，往往有害。一张 stock 照片把团队锚到一张脸和一段不来自数据的身世。用 icon、抽象插画、或纯文字。
- 多久刷新一次画像？ —— 每完成一批 5+ 新访谈、或上线一个改变用户构成的 feature 之后。画像漂移看不见，直到某次销售电话才发现你瞄错了人 6 个月。
- 访谈互相矛盾怎么办？ —— 矛盾是信号。要么你有 2 个 segment（建 2 个画像，明确决策差异），要么分歧在某个属性上——属于噪音（挪到”无关特征”）。不要把矛盾平均掉变成模糊画像。
- 模型一直在编细节怎么办？ —— 加：“每条特征都要有原话支撑。引不出来就不写。推测出来的 pattern 标记为’假设——下一轮确认’放到单独一节。画像价值在于落地；编造特征会让文档误导团队。“