ux-researcher-designer

UX 研究员与设计师

根据研究数据生成用户画像，创建用户旅程图，规划可用性测试，并将研究发现整理为可落地的设计建议。

---

目录

• 触发词
• 工作流
  • 工作流 1：生成用户画像
  • 工作流 2：创建用户旅程图
  • 工作流 3：规划可用性测试
  • 工作流 4：综合研究结果
• 工具参考
• 速查表
• 知识库

---

触发词

在以下情况下使用此 Skill：

• "create user persona"
• "generate persona from data"
• "build customer journey map"
• "map user journey"
• "plan usability test"
• "design usability study"
• "analyze user research"
• "synthesize interview findings"
• "identify user pain points"
• "define user archetypes"
• "calculate research sample size"
• "create empathy map"
• "identify user needs"

---

工作流

工作流 1：生成用户画像

场景： 你已有用户数据（分析数据、问卷、访谈），需要创建基于研究的用户画像。

步骤：

1. 准备用户数据

   所需格式（JSON）：

   [
     {
       "user_id": "user_1",
       "age": 32,
       "usage_frequency": "daily",
       "features_used": ["dashboard", "reports", "export"],
       "primary_device": "desktop",
       "usage_context": "work",
       "tech_proficiency": 7,
       "pain_points": ["slow loading", "confusing UI"]
     }
   ]
   

2. 运行用户画像生成器

   # Human-readable output
   python scripts/persona_generator.py
   
   # JSON output for integration
   python scripts/persona_generator.py json
   

3. 检查生成的组成部分

   组成部分	检查要点
   原型	是否符合数据中的模式？
   人口统计信息	是否来自实际数据？
   目标	是否具体且可执行？
   痛点	是否包含出现频次？
   设计启示	设计师能否据此行动？

4. 验证用户画像

   • 向 3-5 位真实用户展示："这听起来像你吗？"
   • 与支持工单交叉核对
   • 对照分析数据进行验证

5. 参考： 有效性标准请参阅 references/persona-methodology.md

---

工作流 2：创建用户旅程图

场景： 你需要可视化用户为某一特定目标所经历的完整体验。

步骤：

1. 定义范围

   要素	说明
   用户画像	属于哪种用户类型
   目标	他们想要达成什么
   起点	启动旅程的触发事件
   终点	成功标准
   时间范围	小时/天/周

2. 收集旅程数据

   数据来源：

   • 用户访谈（询问"请带我走一遍……"）
   • 会话录屏
   • 分析数据（转化漏斗、流失点）
   • 支持工单

3. 划分阶段

   典型 B2B SaaS 阶段：

   Awareness → Evaluation → Onboarding → Adoption → Advocacy
   

4. 为每个阶段填充各层信息

   Stage: [Name]
   ├── Actions: What does user do?
   ├── Touchpoints: Where do they interact?
   ├── Emotions: How do they feel? (1-5)
   ├── Pain Points: What frustrates them?
   └── Opportunities: Where can we improve?
   

5. 识别机会点

   优先级得分 = 频次 × 严重程度 × 可解决性

6. 参考： 模板请参阅 references/journey-mapping-guide.md

---

工作流 3：规划可用性测试

情境： 你需要与真实用户一起验证设计。

步骤：

1. 定义研究问题

   将模糊的目标转化为可测试的问题：

   模糊	可测试
   "好用吗？"	"用户能否在 3 分钟内完成结账？"
   "用户喜欢吗？"	"用户会选择设计 A 还是 B？"
   "是否合理？"	"用户能否在没有提示的情况下找到设置？"

2. 选择方法

   方法	参与者	时长	最适合
   有主持人的远程测试	5-8	45-60 分钟	深入洞察
   无主持人的远程测试	10-20	15-20 分钟	快速验证
   游击式测试	3-5	5-10 分钟	快速反馈

3. 设计任务

   良好的任务格式：

   SCENARIO: "Imagine you're planning a trip to Paris..."
   GOAL: "Book a hotel for 3 nights in your budget."
   SUCCESS: "You see the confirmation page."
   

   任务顺序：热身 → 核心 → 次要 → 边界情况 → 自由探索

4. 定义成功指标

   指标	目标
   完成率	>80%
   任务耗时	<2× 预期
   错误率	<15%
   满意度	>4/5

5. 准备主持人指南

   • 出声思考说明
   • 非引导性提问
   • 任务后问题

6. 参考： 完整指南见 references/usability-testing-frameworks.md

---

工作流 4：综合研究结果

情境： 你已有原始研究数据（访谈、问卷、观察），需要可落地的洞察。

步骤：

1. 对数据编码

   为每个数据点加标签：

   • [GOAL] - 他们想要实现的目标
   • [PAIN] - 让他们感到沮丧的地方
   • [BEHAVIOR] - 他们实际的做法
   • [CONTEXT] - 他们何时/在何处使用产品
   • [QUOTE] - 用户的原话

2. 聚类相似模式

   User A: Uses daily, advanced features, shortcuts
   User B: Uses daily, complex workflows, automation
   User C: Uses weekly, basic needs, occasional
   
   Cluster 1: A, B (Power Users)
   Cluster 2: C (Casual User)
   

3. 计算细分规模

   聚类	用户数	%	可行性
   高级用户	18	36%	主要用户画像
   商务用户	15	30%	主要用户画像
   休闲用户	12	24%	次要用户画像

4. 提炼关键发现

   针对每个主题：

   • 发现陈述
   • 支持性证据（引语、数据）
   • 频率（X/Y 名参与者）
   • 业务影响
   • 建议

5. 确定机会优先级

   因素	评分 1-5
   频率	这种情况多久发生一次？
   严重程度	它带来的伤害有多大？
   广度	受影响的用户有多少？
   可解决性	我们能否修复？

6. 参考： 分析框架见 references/persona-methodology.md

---

工具参考

persona_generator.py

基于用户研究数据生成数据驱动的用户画像。

参数	取值	默认值	说明
format	（无）, json	（无）	输出格式

示例输出：

============================================================
PERSONA: Alex the Power User
============================================================

📝 A daily user who primarily uses the product for work purposes

Archetype: Power User
Quote: "I need tools that can keep up with my workflow"

👤 Demographics:
  • Age Range: 25-34
  • Location Type: Urban
  • Tech Proficiency: Advanced

🎯 Goals & Needs:
  • Complete tasks efficiently
  • Automate workflows
  • Access advanced features

😤 Frustrations:
  • Slow loading times (14/20 users)
  • No keyboard shortcuts
  • Limited API access

💡 Design Implications:
  → Optimize for speed and efficiency
  → Provide keyboard shortcuts and power features
  → Expose API and automation capabilities

📈 Data: Based on 45 users
    Confidence: High

生成的原型：

原型	信号	设计重点
power_user	每日使用，10+ 项功能	效率、自定义
casual_user	每周使用，3-5 项功能	简洁、引导
business_user	工作场景，团队使用	协作、报告
mobile_first	以移动端为主	触控、离线、速度

输出组件：

组件	说明
demographics	年龄段、地点、职业、技术水平
psychographics	动机、价值观、态度、生活方式
behaviors	使用模式、功能偏好
needs_and_goals	主要、次要、功能性、情感性
frustrations	带有证据的痛点
scenarios	情境化使用故事
design_implications	可落地的建议
data_points	样本量、置信水平

---

快速参考表

研究方法选择

问题类型	最佳方法	样本量
"用户做什么？"	分析、观察	100+ 事件
"他们为什么这么做？"	访谈	8-15 名用户
"他们能多好地完成任务？"	可用性测试	5-8 名用户
"他们更喜欢什么？"	问卷调查、A/B 测试	50+ 名用户
"他们有什么感受？"	日记研究、访谈	10-15 名用户

用户画像置信度

样本量	置信度	使用场景
5-10 名用户	低	探索性
11-30 名用户	中	方向性
31+ 名用户	高	生产环境

可用性问题严重程度

严重程度	定义	处理方式
4 - 严重	阻碍任务完成	立即修复
3 - 主要	造成明显困难	发布前修复
2 - 次要	引起犹豫	有条件时修复
1 - 表面	注意到但无实际影响	低优先级

访谈问题类型

类型	示例	用途
情境	"带我走一遍你的典型一天"	了解使用环境
行为	"给我看看你是怎么做 X 的"	观察实际操作
目标	"你想达成什么？"	发掘动机
痛点	"最难的部分是什么？"	识别挫败感来源
反思	"你会改变什么？"	产生想法

---

知识库

references/ 中的详细参考指南：

文件	内容
persona-methodology.md	有效性标准、数据收集、分析框架
journey-mapping-guide.md	绘制流程、模板、机会点识别
example-personas.md	3 个包含数据的完整用户画像示例
usability-testing-frameworks.md	测试规划、任务设计、分析

---

验证清单

用户画像质量

• 基于 20+ 名用户（最低要求）
• 至少 2 种数据来源（定量 + 定性）
• 目标具体且可执行
• 挫败感包含出现频次统计
• 设计启示具体明确
• 注明置信度水平

旅程图质量

• 范围明确定义（用户画像、目标、时间范围）
• 基于真实用户数据，而非假设
• 所有层级均已填写（行为、触点、情绪）
• 每个阶段均已识别痛点
• 机会点已排序优先级

可用性测试质量

• 研究问题可测试
• 任务是真实场景，而非操作指令
• 每个设计至少 5 名参与者
• 已定义成功指标
• 研究发现包含严重程度评级

研究综合质量

• 数据编码一致
• 规律基于 3+ 个数据点
• 研究发现附有证据
• 建议可执行
• 优先级有理有据

相关技能

• UI 设计系统（product-team/ui-design-system/）— 研究发现为设计系统决策提供依据
• 产品经理工具包（product-team/product-manager-toolkit/）— 客户访谈分析对用户画像研究形成补充