研究
当每个人心中都有一个不同的客户

关于客户的持续讨论
如果你是一位新加入的研究者,而你正与团队持续讨论,期间每个人都坚持自己对客户的理解,你会怎么做?
(在一次 UI 设计评审中)
A:我觉得 {customer} 会先从这份问卷开始,因为这能降低他们使用我们软件的门槛。B:嗯,我不认为 {customer} 会那么在意 onboarding;他们更希望直接先拿到自己想要的内容(AI 生成结果),而不是这些模糊的步骤。
如果你曾在初创公司工作过,你大概不会对此更陌生——人们带着一个假设就开始,快速测试,直到他们抵达“平原期”,并看到增长势头出现。作为研究者,我更好奇的是,这段对话为什么会以这种方式分裂。这里,对话中同一个“customer”一词指向了彼此矛盾的理解,进而导致互相矛盾的商业决策——这正是沟通失调的信号。 然而,在一个几乎隔天就站会、甚至已经准备进入开发阶段的团队里,这种情况又是如何发生的呢?
简而言之
鉴于团队对用户的理解建立在标签之上,而每位团队成员对这些标签的解读又各不相同,我重构了研究流程,并主导了一系列协作式研究练习与活动,以呈现语言框定习惯和研究流程如何影响洞察的洞察力。整个过程包含 5 个阶段,从亲和归类、框架设定,到模式发现,将 200+ 个数据点收敛为 5 种用户原型。
我们成功获得了 100 多个等待名单和 2% 的付费意愿,证明了产品早期吸引力,并在种子前轮融资中筹集了 5 万多美元。
问题探查
为了理解我们对客户的现有认知是如何形成的,以及误解从何而来,我和团队回顾了此前的研究流程。该流程在很大程度上依赖人工智能。
这一流程大量使用了人工智能技术。团队直接从竞品中招募参与者,且没有设置筛选标准;使用 ChatGPT(GPT-4o mini)将原始访谈笔记整合为洞察,并在建立任何用户模型或画像之前,就已将发现分享给内部团队。

与此同时,我与每位团队成员进行了交叉访谈,以理解他们观点中的细微差异。以下是我的发现:
对客户标签的过度泛化
团队目前对这些标签的理解还停留在表层,留给每位成员基于个人经验得出不同结论的空间非常大。
缺少产品决策的指南针
这些标签之间的逻辑关系相对松散,因此无法提供足够的证据或洞察来预测用户行为,也就难以为后续的功能规划或商业决策提供有效指导。
方法与数据
考虑到现有访谈数据的体量以及时间限制,我决定不再招募新参与者,也不再开展额外访谈。相反,我把重点放在数据清洗与综合分析上——这也是此前由 ChatGPT 负责为客户生成标签的工作。
我重新筛查了访谈笔记和录音。基于五个利益相关者群体(初创公司创始人、艺术家、产品经理、UX/UI 设计师和独立开发者;每组 n=2–3),有目的地选取了 11 位参与者,以反映与创业团队愿景一致的目标用户画像。以下信息被收集用于全面重建客户画像:
基础人口统计信息:性别、年龄、地区、职业、收入水平
行为数据:应用使用习惯、使用频率、痛点与挑战
客户需求:使用场景、目标与要求
消费特征:品牌偏好、购买因素
心理特征:兴趣、生活方式与价值观。
重设计综合分析流程
考虑到团队对用户的理解建立在标签之上,而每位成员对这些标签的解读又各不相同,我采用了协作式的归纳分析流程,要求所有成员都参与到相关练习与活动中。这个流程包含 5 个阶段,从亲和分组、框架设定到模式发现,最终将 200 多个数据点收敛为 5 类用户原型。
在数据分组中平衡结构与开放性
为避免回到最初为客户设定的宽泛标签,我要求每个小组只包含有限数量的数据点(每组 2 到 10 个)。由于同一条记录可以支撑不同的研究结论,在整个研究过程中,我们保持开放,尽可能形成更多分组。


构建洞察:四要素框架与反思练习
另一个我们希望在洞察中避免的常见错误,是过度使用属性和描述词,例如“难以合作”“有帮助”“自信”等。这些词语往往带有主观性,且由于每个人的理解不同,无法为后续的产品与业务决策提供足够细节。因此,我们为洞察建立了一个语言框架——由主体、认知/决策、行动和条件四个要素组成——以清晰定义用户特征。

为了让团队意识到框架设定的力量,我设计了一个简短练习。在这里,我们讨论不同的洞察可能如何影响他们的实际工作与决策过程。同时还加入了一系列反思性问题,用来引导框架设定。

我在工作中有一个发现:有些洞察之所以真正有效,而有些却让团队感觉“什么都没变”,并不是因为我们缺少数据,而是因为我们习惯性的语言模式与优先级已经改变了我们的思考方式。 这些无法推动后续决策的语言模式,往往言辞有力,却缺乏推理与证据:
只聚焦于寻找“挑战”“痛点”,却难以说明它究竟为何会成为人们生活中的挑战。
只着重呈现用户行为,却没有分析背后的行为链路或动机。
只把工具“能做什么”列为机会点,却没有考虑谁会受益,以及他们会如何受益。
只是罗列观察到的具体细节,却没有总结这些信息所体现的特征。
客户模式归纳与可视化策略
为了识别一种能够为未来产品与业务决策提供依据的完整客户模式,我重点提炼客户之间共享的心理与行为特征。在这一阶段,我们避免用过于简单的词汇为每种模式贴标签,例如“动机”或“购买决策”;相反,我们希望在模式中保留丰富的洞察,使团队能够真正理解客户特征,而不是被繁琐的分类过程所困住。
在这里,我们还会探索常见的客户数据可视化形式,包括同理心地图、用户画像、业务蓝图、原型和光谱,以确定呈现客户模式的最佳方式。

最终交付成果
我尝试了两种用于呈现归纳后的用户模式的形式——用户画像(User Persona)和原型(Archetype)——并从产品团队收集了以下反馈:
过于具体的用户画像细节(例如图像、职业和年龄)可能会强化团队对客户的刻板印象,进一步分散团队对客户心理或行为模式设计的注意力。
在用户故事方面,第一人称叙述比第三人称叙述更有可能引发团队讨论。
虽然标签会简化信息,但它们有助于团队在例会中更高效地理解和引用用户特征,从而辅助决策。
在产品尚未完全达到 PMF(产品市场契合)之前,原型更能清晰展示用户细分,为后续围绕不同商业方向进行实验留下空间。
由于一次展示多个原型可能信息量过大,我创建了一个交互式轮盘可视化,使数据更易于理解。轮盘展示了全部五种原型及其心理和行为特征,团队成员可以通过旋转和悬停快速获取会议信息提示。





