被奉为经典设计工具的用户画像，有哪些问题与局限？

产品设计3年前 (2021)发布流光

Persona，在国内常被称为「用户画像」，其概念最初由 Alan Cooper 在 1999 年提出[1]。由用户画像具备帮助人们在设计程中聚焦目标用户的需求[2]，促进团中不同益相关者的沟通等用[3]，而逐渐成为被泛使用的经典设计工具。也正是由其经典地位，我们往往对用户画像在各类设计场中的出现习以为常，却很少去对一工具进行反思。文将基用户画像的研究现状，对其存在的问题与局进行综述和归纳。

用户画像本身

Matthews 等学者为探究设计师以及经验富的用户验家对用户画像的际看法[2]，从北美一家科技司招募 14 名设计师为参与者。值得一提的是，家司拥有庞大且富有影响力的设计团，另外 14 名参与者中，在设计领域有 10 年以上工经验的人数半。通访谈的方式，Matthews 等现，大数参与者在际工中不使用到用户画像，并分析为何不用的 4 类原因。我将 Matthews 等原文中的 4 类原因归纳为以下 3 条。（下文中出现的 D1、M3、B1 等序号是参与者的编号）

1. 太抽象

D1：果你只向他们（指开团）展示用户画像，他们是不相信的。只有当他们看到用户画像背有够的数据支撑，他们才能相信。

其实，不止是设计师有这样看法，Basecamp（原37signals）创始 Jason Fried 在他篇文里曾这样说：它们（指用户画像）是模拟、抽象、虚构，我不认为你能为个压根不存在创造出优秀品。[4]

2. 缺少情味

M3：我认为，有很多细节和微妙处是法过用户画像描述而传，我也不认为有能像用户画像那样思考或事。坦白地说，我用户画像以及它用途充满怀疑，我觉它更像个沟工具。

缺人情味的另一点在于：户画像太过想。

B1：（指用户画像）描述了最为完美的用户（对所计的系统有着超乎寻常的热情），以及最为匹配的情节。而真实的用户并不像这，因此，用户画像并没有多作用。

3. 属性无用，甚至有误导作用

知道，一个用户画像在被创建的过程中，往往会被赋予若干个属性，常见的基本属性包括：年龄、职业、居住地等等。在访谈中，有些参者表示，那些被赋予在用户画像身上的属性没什用。

A1：用户画的数据完全用。如果它一真实的人，我可能还会关注，但它本身不一真实的人，那些添加它身的装饰让其看起真实的人，我觉得这无用的。

还有一参与者认为，用户画像身上的属和细节太分散，导致偏离应关注的重点。

L1：在创用户画像过程，我常常发现，那些原本要反而变更加突出了。你会发现，那些与关键维度并真正相关细节，像技能、工作职责、软件和工具熟悉程度，这些细节很容易提出，为它们也样容易去沟和理解。然而，随而来代价是，把更为要细节丢掉了。

用户画像与其代表的真实用户

1. 代表少

Chapman 等学者指出，任何一个用户画像仅仅只能代表潜在用户群中的某一小部分[5]。创建个用户画像是否行呢？行是行，但又引出一个新的问题：当用户画像的数量增时，它的忆是降低的，相应也降低它在设计中到的用。个用户画像往往存在着信息冗余的问题[3]，的用户画像还大大增加设计决策的成[6]。对通大数据自动生成的用户画像，数量一问题尤为明显：有时产出成千上百个用户画像。

2. 属越，涵盖面越窄

既用户画像所代表的是用户，么，它涵盖的用户数量能否通某种方法预估出来呢？上文中我们提到的属（年龄、职业、居住地等），为用户数量的预估提供能。基以上问题，Chapman 等展开定量分析的研究[7]。他们一共选取 8 个数据库，其中 6 个是通市场研得出的用户细分与特征数据库，另外 2 个则通元数据模拟出来。，逐一地去增加用户画像的属数量，并依次与数据库进行匹。验的结果下图所示。不难现：当用户画像被赋予的属增加时，它涵盖的用户比例是降低的；而属数量增加至 9 个以上，各个数据库的匹率很低。对此，Chapman 等的建议是：在创建用户画像时，最能对其涵盖的用户数量进行大致的评估，而不是简单的假设[7]。