pm-personas-jtbd

用户画像与待完成工作（Jobs-to-Be-Done）技能

此技能的行为方式（请先阅读）

这是一项生成型技能，而用户画像正是 AI 助手最容易做错事的地方。被要求“做几份用户画像”时，默认做法往往是编造看似可信的人口统计学虚构内容——“Sarah，32 岁，市场经理，喜欢瑜伽和燕麦奶拿铁”——既没有研究依据，也没有从人口统计信息中推断出需求，还堆砌了一大堆无关的生活方式细节。Uxcel 自己的资料对此说得很直白：LLM 生成的用户画像反映的是互联网上的普遍刻板印象，且对边缘情况和少数群体用户代表不足。真正有用的用户画像，是将真实研究综合成一个令人印象深刻的角色，其中每个细节都可能改变设计决策；或者，当重点在于用户试图取得的进展时，**待完成工作（Jobs-to-Be-Done，JTBD）**是更合适的视角。因此，此技能会先把关：

1. 明确研究目标、所处阶段、已有数据和资源——这些因素决定使用用户画像、JTBD 还是两者兼用，也决定你是否已有足够证据来构建用户画像。
2. 运用始终适用的核心原则——以真实研究为依据，只保留与决策相关的细节，用 JTBD 描述工作、用用户画像描述用户，控制数量，由团队共同构建，并持续维护。
3. 呈现视情况而定的决策（选择视角、采用基于研究的用户画像还是原型用户画像、数量、包含哪些细节、细分深度、AI 的作用）及其权衡。

然后，此技能会移交给 pm-assumption-rigor-audit——该检查用于确认用户画像中所声称的需求和行为有证据支撑，而非基于假设。

范围：此技能负责受众理解文档。它将为其提供依据的研究流程交由 pm-discovery 负责（包括合乎伦理且具有包容性的招募），将界定用户问题交由 pm-problem-statement 负责，将把用户画像和工作转化为故事交由 pm-user-story 负责，并将行为分析／群体分析的深度交由 pm-analytics 负责。

---

步骤 0 — 构建前明确背景

如有未知信息，请提问；若在没有答复的情况下继续，请说明所采用的假设：

• 研究目标是什么？ 了解动机和未满足的需求 → JTBD。围绕“用户是谁”开展定向营销／团队协同 → 用户画像。指导产品开发 → 两者兼用。目标决定采用哪种视角。
• 目前处于哪个阶段，已有何种数据？ 早期阶段，只有定性访谈 → JTBD 或明确标注的原型用户画像。成熟产品，已有分析数据和研究 → 基于研究的用户画像。不要编造缺失的信息。
• 有哪些资源和时间？ JTBD 更依赖深入的定性访谈（成本更高）；用户画像可以从分析数据和简短问卷入手（更快、覆盖面更广）。
• 这份文档面向谁？ 需要共同且具体参照对象的多元团队 → 用户画像。致力于发现未满足需求并推动创新的团队 → JTBD。

---

始终适用的核心原则（适用于任何人物画像或 JTBD 工作）

• 以真实研究为依据——绝不虚构，也不套用 AI 刻板印象。 人物画像综合了访谈、实地研究、调查和分析中发现的模式。如果目前还没有研究数据，就构建一个标注为假设占位符的原型人物画像并进行测试——不要把它冒充成经过验证的画像。有了真实数据后，AI（包括此助手）可以辅助综合和起草；它不能替代研究，因为生成的人物画像会重现泛泛的刻板印象，并抹去边缘情况。
• 每个细节都必须影响设计决策。 判断任何属性的标准是：它会改变决策吗？ 如果不会，就删掉。优先关注心理特征（目标、痛点、动机、行为）——这是驱动决策的层面；只有当人口统计信息与用户使用产品的方式相关时，才将其纳入。无关细节不会让画像更丰富，反而会削弱团队对整个人物画像的信任。
• 不要根据人口统计信息推导需求。 两个年龄和收入相同的人，行为也可能不同。人口统计信息是细分市场的起点，而非需求的来源——需求应基于研究洞察来构建。
• 用 JTBD 明确要完成的工作，用人物画像说明是谁。 JTBD 探讨用户“雇用”产品来实现什么进展（“用户会雇用它；一旦失望，就会解雇它”）——它聚焦结果，比人口统计信息更稳定，也有利于创新和差异化。人物画像则补充了 JTBD 未涵盖的共情、背景和感受。两者相辅相成：像“快速找到产品”这样的工作可能涉及多个用户画像，这恰恰说明它值得优先考虑。
• 保持数量精简，并明确主要画像。 大多数产品需要约 3–5 个（最多 7 个）人物画像。合并设计诉求相同的群体；剔除规模太小、无法影响决策的细分群体。为每个产品领域指定一个主要人物画像（默认优先满足其需求），并将其他画像视为次要（尽量兼顾，但绝不凌驾于主要画像之上）。
• 以团队协作构建，并通过场景进行测试。 让研究人员、设计师和 PM 参与进来，可以揭示假设并赢得信任。编写简短场景（某个人物画像为实现目标而采取行动），以真实情境为需求提供依据，并检验人物画像是否可信。
• 让它保持鲜活。 人物画像是一个快照，而非永久记录。两个画像趋同时就合并，一个画像范围过广时就拆分，并随着产品、市场或用户群的变化进行修订——经常修订画像的团队认为其影响力大得多。拥有一份人物画像，并不意味着可以停止与用户交流。

要将范围从“所有人”缩小：先定义目标市场（需求最强且能够触达的人群），再定义目标受众（针对某次发布的具体细分群体），依次结合人口统计、心理特征和行为数据，最后将该细分群体具体呈现为人物画像或待完成的工作。

---

依赖上下文的决策（明确呈现，不要自动应用）

逐项呈现这些决策及其权衡，并结合步骤 0 给出建议；由用户选择。默认生成「三个不同人口统计特征的用户画像」就是失败做法。

决策	适用情况	避免／调整情况	默认建议
用户画像、JTBD，还是两者兼用	探索动机、未满足需求和创新，以及处于早期阶段时，使用 JTBD；用于团队协同、营销，以及明确成熟产品的「谁」时，使用用户画像	不论目标为何都强行采用单一视角	根据研究目标和阶段选择；产品开发时两者兼用（用户画像 = 谁，JTBD = 做什么）
基于研究还是初步用户画像	仅当尚无研究时，将初步用户画像作为明确标注的占位内容	将初步用户画像（或 AI 起草的用户画像）说成已验证的结果	初步用户画像只用于呈现假设；一有数据就用基于研究的版本替换
数量／主要用户画像与次要用户画像	仅当用户群确实存在差异时才创建多个用户画像	为每个微型细分群体创建一个用户画像——既难以令人记住，也难以维护	数量尽可能少，但要覆盖有意义的差异（约 3–5 个）；每个产品领域设一个主要用户画像
应包含哪些细节	仅纳入会影响设计决策的属性；当人口统计特征与使用相关时再纳入	虚构人口统计特征、无关的生活方式描述、理想化的图库照片刻板印象	优先关注心理特征；控制在 1–2 页；删去任何不会影响决策的内容
细分深度	先以人口统计特征为框架，再通过心理特征（为什么）和行为（如何做）识别真实群体	仅按人口统计特征细分，并据此推断需求	结合人口统计、心理和行为特征，并以一方数据为依据
AI 的作用	收集真实数据后，用 AI 对访谈记录聚类、发现模式并起草用户画像	通过提示词让 AI 凭空编造用户画像（产生泛泛的刻板印象，遗漏边缘情况）	用 AI 进行综合分析和格式整理；起点始终是实地研究

---

验证结果（编排）

交接时使用每项技能可安装的 name 来指明相应视角。只有在该技能已安装时才调用；若未安装，此技能本身的核心内容已涵盖这些规则——继续执行，不要因此受阻。

完成生成或修订后，应将其交给审核视角，而不是直接宣布完成。这些都是候选视角——根据 docs/orchestration-policy.md 中的规则处理，或将整个产物交由 pm-product-review 审核。这里，assumption-rigor 是始终适用的视角（自动运行）；其他视角则是可选项，是否使用取决于产物的实际内容。如果用户调用此技能是为了完成某一项具体工作，应尊重其范围。

• pm-assumption-rigor-audit (自动运行) — 核心检查：用户画像的需求、目标和行为（或任务的预期结果）是否有证据和真实模式支撑，还是被悄悄当作事实——从人口统计特征推断、沿用初步用户画像，或根据通用先验生成？标出尚未验证且需要进一步研究的关键主张。

组合关系（依据 docs/orchestration-policy.md §9）：该产物随后应作为 PM 后续工作的输入，而不是由后续工作来审核。为其提供依据的研究（pm-discovery）是上游输入。由用户画像和任务衍生的问题定义（pm-problem-statement）和用户故事（pm-user-story）属于下游内容（可建议接下来生成，但不要自动生成）。如果审核发现用户画像主要基于假设，应围绕其目的解决问题：**用户画像的存在，是为了让真实、具体的用户始终参与每一项决策——如果它没有研究依据，那它不过是戴着姓名牌的刻板印象，会误导团队。**对于从创意到计划的完整构建流程，pm-idea-to-plan 是组合式入口，它会按顺序衔接这一步骤和后续流程，并确保在编写规格说明前先取得证据。

常见的正确与错误做法

❌ 错误做法	✅ 正确做法
根据提示词编造“32 岁、喜欢瑜伽的 Sarah”	根据真实访谈、分析数据和实地调研综合构建人物画像
把 AI 生成的人物画像当作研究成果	用 AI 对你的数据进行聚类和起草；实地调研才是起点
根据年龄／性别／收入推断需求	根据研究构建需求；人口统计特征只是细分的起点
在人物画像中塞满生活方式琐事	只纳入会影响设计决策的细节；优先关注心理特征
因为熟悉就选择人物画像	根据目标选择视角——要了解任务就用 JTBD，要了解用户就用人物画像，产品开发则两者都用
把原型人物画像当作事实发布	将假设标注为占位内容，并对其进行验证
为每个微型细分群体都创建一个人物画像	控制在约 3–5 个，合并相似画像，删去边缘画像，并指定一个主要画像
创建人物画像后就贴在墙上不管	团队共同构建，通过场景进行测试，并随数据变化进行修订
未经核查就发布人物画像	交由 assumption-rigor 标记未经验证的主张

---

来源课程（Uxcel）

• 人物画像与待完成任务（Jobs to Be Done）
• UX 研究中的人物画像
• 创建用户人物画像的 13 条建议
• 定义目标受众