多数用户画像都是一张人口属性海报——“营销 Mary，32 岁，城市，爱咖啡”——没人会打开第二次。它们驱动不了任何决策，因为它们从来没说清楚买家今天怎么做、希望能做到什么、什么会让他出局、半夜 11 点卡住时又在 Google 搜什么。下面这 13 个 Prompt 会强制行为具体、引用真实原话、与”待办任务（JTBD）“挂钩、并显式给出反画像，让产物真正出现在产品、营销、定价的决策里。配合 JTBD Prompt 一起用，先把上游框架理清。
一句话总结
- 一定要喂真实证据（访谈记录、销售逐字稿、客服工单）。空提示词跑出来的只是 proto-persona（雏形画像）：一种假设，可以用来启动调研，但绝不能拿来定产品需求。
- 要行为，不要人口属性：他今天怎么做、希望能做到什么、决策标准是什么、什么会让他出局。
- 永远生成一份反画像（Prompt 3）。那些看起来匹配、最后却流失的人，代价最高。
- 处理长逐字稿时用 1M token 的模型：Claude Opus 4.7 / Sonnet 4.6 与 Gemini 3.1 Pro 都能一次容纳约 75 万字（2026 年 6 月），整批多小时逐字稿一次性贴进去，不必再分段。
- 每季度重跑一次 Prompt 12。市场会变，两年没更新的画像会悄悄失真。
这套 Prompt 适合用在哪
- MVP 前的产品发现
- 营销与定位
- 设计 onboarding 流程
- 销售支持
- 锐化 GTM 策略
怎么用它们跑出真正能用的画像
画像之所以值钱，是因为它来自定性调研——真实访谈和通话，而不是一句巧妙的提示词。所以正确流程是：先收集原始证据，再用这些 Prompt 去综合它。模型是找规律的工具，替代不了你去和客户对话。
开始前两点实务提醒：
- 把每个
[方括号占位符]换成你自己的内容。 Prompt 里写[粘贴访谈记录]的地方，就把真实记录贴进去——原话越多越好。 - 按输入体量选模型。 短简报随便哪个模型都行。Prompt 2、7、12（逐字稿、金句库、整篇文档更新）请用长上下文模型，避免被截断。截至 2026 年 6 月，Claude Opus 4.7、Claude Sonnet 4.6、Gemini 3.1 Pro 都标配 1M token 窗口；ChatGPT Plus 在应用内约能读 320 页，完整 1M 窗口要到 200 美元的 Pro 档才有，所以在 Plus 上超过约 15 万字就分段处理。
1. 行为驱动画像
为 [产品] 建一份画像。输入：[粘贴访谈记录 / 问卷数据]。
输出：一个行为命名（不要"营销 Mary"）、一行背景、
他今天怎么做、他希望能做到什么、他的决策标准、
以及什么会让他作为买家出局。2. 从销售通话挖画像
下面是 5 通销售通话的逐字稿。请挖出底层画像：
共同的问题框架、共同的用词、共同的决策触发点。
不要陷入人口属性的糊。
[粘贴通话]3. 反画像生成
为 [产品] 定义 3 个反画像：看起来匹配、实际会流失或永不购买的人。
每个给出：为什么看起来匹配、为什么实际不匹配、
以及最早能识别出"该取消其资格"的信号。4. 与 JTBD 关联的画像
为 [产品] 建一份与 JTBD 关联的画像。输出：他雇佣 [产品] 来完成的任务、
触发这次雇佣的情境、他考虑过的替代方案、以及他接受的取舍。5. 采购委员会画像（B2B）
为我的 B2B 产品建采购委员会画像：经济买家、技术评估者、终端用户、阻断者。
每个给出：他的核心关切、什么能赢得他、什么会输掉他。6. 画像随时间漂移
我早期的客户是 [画像 A]，新客户感觉不一样。
输入：[粘贴新客户笔记]。请识别出正在漂移的画像，
以及我们产品的什么特质吸引了这群新人。7. 金句库
下面是 20 条客户访谈金句。请聚成 3 个画像。
每个画像给 5 句能体现其口吻的逐字原话。
这些原话会直接进 landing page 文案。
[粘贴金句]8. 画像 → 定位
为画像 [粘贴画像] 写定位句：
"For [persona], who [problem], [product] is a [category] that [benefit];
unlike [alternative], we [differentiator]." 然后再给 3 个变体。9. 画像 × 渠道地图
为我的 3 个画像 [粘贴] 做映射：他们泡在哪、Google 搜什么、
消费哪些内容、什么会触发他们去找解决方案。
用这张图来规划渠道。10. 画像 × 定价匹配
为每个画像评估各定价档的匹配度。
输出：对应哪一档、付费意愿信号、本档下的异议、
以及什么理由能让他升档。11. 画像 × 功能优先级筛选
为画像 [粘贴] 筛我的 backlog：[粘贴 20 项功能]。逐项标注：
对本画像是高优先 / 锦上添花 / 浪费时间。
每个判断都从他的 JTBD 给出理由。12. 用新证据更新画像
下面先是我现有的画像文档，接着是 10 条新的客户访谈。
请更新画像：加什么、删什么、信心等级如何变化。
标出现在已被反驳的内容。
[粘贴两份]13. 画像压力测试
下面是我的草稿画像。请从四个维度做压力测试：
(a) 行为是否具体，(b) 是否基于真实数据，
(c) 是否可执行，(d) 是否有一份有意义的反画像。
各项 1-5 打分，并给出修复建议。
[粘贴]容易踩的坑
- 只有人口属性（“32 岁、城市、营销”）——读完一个决策都做不了。
- 不基于真实访谈或数据——靠氛围写的画像，做出来的功能也是靠氛围。
- 没有反画像——什么用户都看起来匹配，流失时全员错愕。
- kickoff 之后再没有 PM / 营销 / 设计打开过的画像文档。
- 同一份画像 2 年没改，市场早已漂走。
- 起萌名（“营销 Mary""创始人 Frank”）而不是承载信息的行为命名。
常见问答
画像和 proto-persona（雏形画像）有什么区别？ 画像来自定性调研——真实访谈、通话、客服数据；proto-persona 来自团队的假设。Nielsen Norman Group 的建议很直接：proto-persona 适合用来指引下一轮调研，但绝不该拿来定产品需求。这些 Prompt 喂假设就产出 proto-persona，喂证据才产出真正的画像。
到底用画像还是 JTBD？ 两个都用，它们回答的是不同问题。JTBD 描述客户想要的结果；画像描述是谁想要、以及他一路上怎么行动。最干净的流程是：先用 JTBD 搭框架，再用画像把它落地（Prompt 4 把两者连起来）。参见我们的 JTBD Prompt。
逐字稿密集的 Prompt 该用哪个 AI 模型？ 短简报随便哪个前沿模型都行。但要贴整批逐字稿或 20 条金句库时，请选上下文窗口能装下全部输入的模型：截至 2026 年 6 月，Claude Opus 4.7、Claude Sonnet 4.6、Gemini 3.1 Pro 都标配 1M token 窗口（约 75 万字）。ChatGPT Plus 应用内上限约 320 页，所以更大的输入要么分段，要么升到 200 美元的 Pro 档获取完整 1M 窗口。
最终应该有几个画像？ 对多数早期产品来说，两到三个就是上限。再多团队就记不住，文档也不再驱动决策。Prompt 7 就特意把结果聚成 3 个。
画像该多久更新一次？ 当成”活文档”。至少每季度拿新访谈重跑一次 Prompt 12，定价调整、连续拿下新客群、或产品转向之后要立刻更新。画像会过期，因为市场、产品和竞争格局都在动。
相关阅读
标签: #Prompt #产品创业 #User Story