mcpField
P
proto-persona

proto-persona

github.com/deanpeters设计与 UI7.7k2.3k 次安装2 周前更新
代码仓库

关于 proto-persona

proto-persona 是用于早期产品开发的假设型用户画像技能,将现有研究、市场信息和团队认知整理为待验证的工作假设。它帮助团队对目标用户形成共同参照,并标记研究缺口,而非把画像当作已验证事实。

主要功能

  1. 01汇总研究、市场与团队信息
  2. 02整理画像身份、行为、痛点和目标
  3. 03记录决策影响因素与用户观点
  4. 04标注待验证假设和信息缺口
  5. 05规划后续研究并迭代画像

适用场景

  1. 01在早期产品阶段对齐目标用户
  2. 02为新功能或产品转向建立工作假设
  3. 03识别需要进一步访谈验证的问题

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/deanpeters/product-manager-skills --skill proto-persona

安装后在 Claude Code 中输入/proto-persona确认已加载。

包含的文件

除 SKILL.md 外,安装时一起下载的参考资料和脚本。

template.md
examples/
sample-industrial.md
sample.md

详细介绍

用途

创建初步的、基于假设的用户画像,将现有用户研究、市场数据和利益相关方知识综合起来,形成关于目标用户的工作假设。借此在产品开发早期让团队达成一致,指导初步设计决策,并找出需要通过研究验证的认知盲区。

这不是经过验证的用户画像,而是一个会随着认知加深而不断演进的“原型”用户画像。可以把它看作一个结构化的占位方案:它能避免设计变成委员会决策,同时也承认我们还没有所有答案。

输入

最适用: 你需要为其建立工作画像的目标用户或细分群体。 也有帮助: 现有的各种信号——支持反馈主题、销售案例、分析数据、过往研究——以及该用户画像将指导的决策。

调用时一并提供的任何内容——技能名称后的文本、粘贴的上下文内容,或附加的 ARGUMENTS: 行——都视为已经给出的答案。使用这些信息,并跳过其中已涵盖的问题;不要重复询问。

没有提供任何信息也没关系。 此技能会询问你认为用户是谁、你已掌握哪些信息,然后整理这些内容,并标出需要验证的假设。

调用示例: 为采用我们收据扫描应用的个体簿记员创建原型用户画像——信号:30 条支持工单和 4 份销售通话记录。

核心概念

什么是原型用户画像?

原型用户画像是一种轻量级、由假设驱动的用户画像,基于以下信息创建:

  • 现有研究: 用户访谈、问卷、分析数据(如有)
  • 市场数据: 行业报告、竞品分析、人口趋势
  • 利益相关方知识: 销售、支持和团队洞察
  • 有根据的假设: 需要验证的最佳推测
原型用户画像与经过验证的用户画像
原型用户画像经过验证的用户画像
用几小时或几天创建用几周或几个月创建
基于假设和有限研究基于广泛的用户研究
用于团队早期达成一致用于指导详细设计
快速演进长期稳定
足以起步置信度高
为什么要使用原型用户画像?
  • 速度: 无需等待数月的研究,就能让团队快速达成一致
  • 聚焦: 为“我们正在为谁打造产品”提供共同的参照点
  • 假设框定: 明确列出假设,以便后续验证
  • 避免泛化设计: “为所有人设计”=为任何人都没设计
反模式(它不是什么)
  • 不是经过验证的研究: 不要把它当作事实——它只是一种假设
  • 不能取代用户研究: 用它来指导研究,而不是回避研究
  • 不只是人口统计数据: 年龄和所在地无法解释行为
  • 不是一成不变的: 随着认知加深,原型用户画像也应不断演进
适用场景
  • 产品开发早期阶段(尚未开展广泛的用户研究)
  • 启动新功能或业务转型
  • 让利益相关方就目标用户达成一致
  • 发现研究缺口(我们需要访谈哪些人?)
不适用场景
  • 已完成广泛的用户研究(应改为创建经过验证的用户画像)
  • 用户细分已明确的成熟产品(此时应该已经有经过验证的用户画像)
  • 替代定量数据(原型用户画像用于指导研究;研究用于验证画像)

应用

使用 template.md 填写完整结构。

步骤 1:收集现有上下文

创建原型用户画像前,请收集:

  • 用户研究: 访谈记录、问卷结果、支持工单
  • 分析数据: 使用数据、人口统计信息、行为模式
  • 市场数据: 行业报告、竞品用户群体
  • 利益相关方洞察: 与用户有接触的销售、支持、CS 团队
  • 产品背景: 你要解决什么问题?(参阅 skills/problem-statement/SKILL.md)

如果缺少上下文: 不要捏造信息——记录缺口,并规划研究以补齐信息。


步骤 2:定义用户画像的身份
名称

为该用户画像取一个押头韵、容易记住的名字(便于引用)。

### Name
- [Alliterative name, e.g., "Manager Mike," "Startup Sarah," "Enterprise Emma"]

质量检查:

  • 容易记住: 团队能轻松记住这个名字吗?
  • 避免泛泛而谈: 避免使用“用户 1”或“用户画像 A”

简介与人口统计信息

描述这个人在现实生活中的身份。

### Bio & Demographics
- [Age range]
- [Geographic location]
- [Social status (married, single, family, etc.)]
- [Online presence (active on LinkedIn, avoids social media, etc.)]
- [Leisure activities]
- [Career status (job title, industry, seniority)]

质量检查:

  • 关注行为,而不只是人口统计信息: 不要只写“30-40 岁,住在旧金山”——还要补充“远程办公,活跃于 Slack 社群,同时兼顾 3 个副业项目”
  • 与背景相关: 只纳入会影响产品决策的人口统计信息

示例:

  • “35-45 岁,居住在城市地区(纽约、旧金山、奥斯汀)”
  • “在中型科技公司(50-500 名员工)担任总监级职务”
  • “活跃于 LinkedIn 和 Twitter,每年参加 2-3 场会议”
  • “已婚,有年幼的孩子,重视工作与生活的平衡”
  • “周末参加休闲体育活动,通勤时收听商业播客”

第 3 步:记录他们的表达方式
引言

使用真实或具有代表性的引言,展现他们的思维和表达方式。

### Quotes
- "[Quote 1 revealing what they say, feel, or think]"
- "[Quote 2 revealing frustrations or motivations]"
- "[Quote 3 revealing attitudes or beliefs]"

质量检查:

  • 真实: 如有访谈或支持工单中的真实引言,请使用
  • 能揭示想法: 引言应展现其思维方式,而不只是事实(“我需要更好的工具”就比较弱;“我被手动工作压得喘不过气,根本无法专注于战略”就很有力)

示例:

  • “我每周花 10 小时参加本可以通过邮件解决的状态会议。”
  • “我受够了那些声称能自动化,却还得找开发人员来配置的工具。”
  • “团队希望我能立即给出答案,但我却一直在搜索数据。”

第 4 步:记录他们的背景
痛点

这个用户画像会遇到哪些问题或挫折?(结构请参考 skills/jobs-to-be-done/SKILL.md。)

### Pains
- [Pain point 1 related to the problem space]
- [Pain point 2 related to the problem space]
- [Pain point 3 related to the problem space]

质量检查:

  • 具体: “对工具感到不满”很笼统;“每周花 3 小时在不同工具之间手动复制数据”则很具体
  • 与产品相关: 聚焦产品能够解决的痛点

这个人正在努力达成什么?

他们追求哪些行为、行动或结果?

### What is This Person Trying to Accomplish?
- [Behavior or outcome 1]
- [Behavior or outcome 2]
- [Behavior or outcome 3]

质量检查:

  • 可观察: 这种行为能被观察到吗?(“获得晋升”是内在目标;“提前 2 周交付项目”则可以观察)
  • 以结果为中心: 写结果(“更快地做出数据驱动的决策”),而不是任务(“使用仪表板”)

目标

他们想要什么、需要什么、梦想实现什么?

### Goals
- [Goal 1: want, need, or dream]
- [Goal 2: want, need, or dream]
- [Goal 3: want, need, or dream]

质量检查:

  • 涵盖短期和长期目标: 包括战术性目标(“在第 2 季度前发布功能”)和愿景目标(“在 3 年内成为副总裁”)
  • 兼顾个人和职业目标: “花更多时间陪伴家人”可能与“提高团队效率”同样重要

第 5 步:了解影响因素
决策权

他们是否有权购买你的解决方案?

### Attitudes & Influences

- **Decision-Making Authority:** [Yes/No + context (e.g., "Has budget authority up to $10k, needs exec approval above that")]

质量检查:

  • 符合采购实际: 如果他们是使用者而非购买者,请注明由谁批准采购

决策影响者

谁会影响他们的决策?

- **Decision Influencers:** [Who influences this person? (e.g., "Boss, peers in industry Slack channels, analyst reports")]

质量检查:

  • 具体: 不要只写“他们的经理”,要列出具体的影响因素类型(同事推荐、Gartner 报告、Twitter 讨论串等)

信念与态度

哪些信念和态度会影响他们的决策?

- **Beliefs & Attitudes:** [Beliefs/attitudes that impact decisions (e.g., "Skeptical of tools that require training," "Values data-driven decision making")]

质量检查:

  • 与采用相关: 聚焦于会影响他们是否使用产品的信念

第 6 步:验证并迭代
  • 与团队分享: 这个用户画像是否引发共鸣?他们能认出这个人吗?
  • 找出信息缺口: 我们还不知道什么?(对不确定的内容添加“[ASSUMPTION—VALIDATE]”标签)
  • 规划研究: 用原型用户画像指导下一步访谈对象的选择
  • 持续完善: 随着了解的深入,更新原型用户画像(或将其升级为已验证的用户画像)

示例

完整的原型用户画像示例请参阅 examples/sample.md。

简短示例摘录:

### Name
- Manager Mike

### Quotes
- "I spend more time in status meetings than actually building product."

常见误区

坑点 1:只有人口统计信息,没有行为信息

症状:“28 岁,住在纽约市,有一只狗”

**后果:**人口统计信息无法解释 为什么 某人会使用你的产品。

**解决方法:**补充行为背景:“远程办公,活跃于 5 个 Slack 社群,重视异步沟通工具。”


坑点 2:把原型用户画像当作事实

症状:“经理 Mike 绝不会使用功能 X,因为他讨厌复杂性。”

**后果:**你把假设当成了已验证的研究结果。

**解决方法:**添加“[ASSUMPTION—VALIDATE]”标签,并计划开展访谈来检验假设。


坑点 3:创建 10 个原型用户画像

**症状:**试图预先描绘所有可能的用户类型。

**后果:**分析瘫痪。团队无法聚焦于主要用户。

**解决方法:**从 1-2 个原型用户画像(主要用户 + 次要用户)开始。随着验证和拓展,再增加更多画像。


坑点 4:捏造引语

**症状:**听起来像营销文案的引语:“我喜欢能给我带来惊喜的产品!”

**后果:**虚假的用户画像会导致虚假的共情。

**解决方法:**使用访谈、支持工单或销售电话中的真实引语。如果还没有引语,请注明“[PLACEHOLDER—NEEDS RESEARCH]”。


坑点 5:从不验证

**症状:**原型用户画像创建于 6 个月前,此后从未更新。

**后果:**你正在围绕一个可能错误的假设进行设计。

**解决方法:**规划研究冲刺,验证关键假设。随着认知加深,迭代原型用户画像。当信心足够高时,将其升级为已验证的用户画像。


参考资料

相关技能
  • skills/problem-statement/SKILL.md — 用户画像为“I am”部分提供信息
  • skills/jobs-to-be-done/SKILL.md — JTBD 为用户画像的痛点和目标提供信息
  • skills/positioning-statement/SKILL.md — 用户画像对应“For [target]”
  • skills/user-story/SKILL.md — 用户故事使用“As a [persona]”
外部框架
  • Alan Cooper,《The Inmates Are Running the Asylum》(1998)— 用户画像概念的起源
  • Jeff Gothelf,《Lean UX》(2013)— 原型用户画像作为假设驱动的研究工具
  • Indi Young,《Mental Models》(2008)— 行为驱动的用户画像开发
Dean 的作品
  • Proto-Persona Profile Prompt(灵感源自 Productside Product Manager's Playbook)
来源
  • 改编自 https://github.com/deanpeters/product-manager-prompts 仓库中的 prompts/proto-persona-profile.md。

**技能类型:**组件 建议文件名:proto-persona.md 建议放置位置:/skills/components/ **依赖项:**引用 skills/jobs-to-be-done/SKILL.md、skills/problem-statement/SKILL.md 使用方:skills/positioning-statement/SKILL.md、skills/user-story/SKILL.md、skills/problem-statement/SKILL.md

评论

支持 Markdown