本文目录
有用的用户分层要按目标、动机和决策方式来分，年龄和城市只能作为补充，因为同一个年龄段的人可能是为完全不同的事来用产品。读完这篇，你可以照着用访谈找出分层维度，复制提纲和画像卡片模板直接使用，并用行为数据检验分出来的人群是否真实存在。
适用场景
- 用户量增长后，团队内部对「我们的用户是谁」说法不一
- 现有画像只有年龄、城市和消费金额，产品和营销都用不上
- 准备做差异化的功能、定价或营销内容，需要知道该分几类人
- 同一个功能在不同用户那里反馈两极，怀疑背后是不同的人群
为什么按年龄城市分层不够
人口特征容易拿到，也便于投放，但它描述的是人是谁，而不是人为什么这样选。两个同样 30 岁、住在同一座城市的人报了同一门在线课程，一个是为了半年内考证换工作，一个只是想在周末学点新东西，他们看重的内容、比较的对象、做决定的快慢都不一样。按年龄分组，常常得出「各年龄段都有人在意价格」这种结论，对决策没有帮助。
好的分层要满足三条：同一层内的人做决定的方式相近；不同层之间的差异能对应到不同的产品或营销动作；每一层都能在数据里找到、圈出来。
按目标、动机与决策方式分层
访谈要弄清的是下面四个维度。表中的例子是示例，用来说明每个维度问的是什么。
| 维度 | 要弄清的问题 | 例子（示例） |
|---|---|---|
| 目标 | 用这个产品想完成什么事 | 工作日赶时间补货、周末计划性采购 |
| 动机 | 为什么是现在，什么事触发了这次选择 | 家里添了孩子、搬家、换了工作 |
| 决策方式 | 谁参与决定，比较了什么，花了多久 | 夫妻共同决定、只比较两家、当天下单 |
| 顾虑 | 什么会让他们放弃 | 超出预算、担心售后、学起来太麻烦 |
Jobs to be Done 视角
Jobs to be Done（待完成的任务）是 Clayton Christensen 推广的思路：用户不是在购买产品，而是「雇用」产品去完成一件事。他常举的例子是早上买奶昔的通勤者，他们要的是一样能单手拿着、在路上慢慢吃完、撑到中午的东西，竞争对手是香蕉和面包，而不是别家的奶昔。
用这个视角分层，问的是用户要完成什么任务。同一款产品往往被不同的人雇来做不同的事，这些任务就是分层的候选维度，也提醒你真正的竞争对手可能不在同一个品类里。
找谁访谈
- 按行为圈选，不只按人口特征：高频使用、低频使用、近期流失、只用某一个功能的用户各取一部分
- 覆盖决策的不同阶段：刚注册、正在比较、已经付费、续费过的用户
- 有意加入用法明显不同于大多数人的用户，他们常常提示了一个被忽略的人群
- 每个候选分组先按 12 场左右规划（参考 Guest、Bunce 与 Johnson，2006），分析中发现新分组再补访
- 【开场】谢谢你参加。今天想了解你平时怎么用我们的产品、当初是怎么选的，回答没有对错。
- 【开场】先简单介绍一下你自己：平时的工作和生活节奏是怎样的？
- 【核心话题·目标】你最近一次用它，是要完成什么事？
- 【核心话题·目标】如果没有它，这件事你会怎么办？
- 【核心话题·动机】当初是什么让你开始找这类产品的？那段时间发生了什么？
- 【核心话题·决策方式】从开始了解到决定用，过程是怎样的？比较过哪些选择？
- 【核心话题·决策方式】这个决定还有谁参与？谁的意见最重要？
- 【核心话题·顾虑】有没有什么让你差点放弃？最后是怎么打消顾虑的？
- 【核心话题·使用】现在一周大概用几次？通常在什么时间、什么场合？
- 【追问方向】你说的「方便」，能举一次具体的例子吗？
- 【追问方向】这件事上你最在意哪一点？如果只能留一点，留哪个？
- 【追问方向】你身边有人和你用法不一样吗？差别在哪里？
- 【结束】如果向朋友介绍它，你会怎么说它是干什么用的？
- 【结束】还有什么你觉得我该问、但没问到的？谢谢你。
一段示例对话
下面是一段生鲜配送 App 的示例访谈，产品和内容均为虚构。
同一个人在工作日和周末是两种做决定的方式：工作日看送达时间，周末看价格。分层时不要急着把她归为「价格不敏感」，更准确的维度是使用场景，即「赶时间补货」和「计划性采购」。这也说明，分层的单位有时是场景，而不是人。
从访谈中找分层维度
- 逐场标注：为每位受访者记下目标、触发事件、决策参与人、比较对象和最大顾虑，各用一句话。
- 找分歧最大的维度：哪一项在受访者之间差别最大，而且这种差别会带来不同的行为，它就是候选维度。
- 试分组：用一到两个维度把受访者分成 3 到 5 组，组太多就无法分别对待。
- 检查组内是否一致：同一组的人做决定的方式应当相近；组内仍然分歧很大，就换一个维度再试。
- 检查能否落地：每一组是否对应不同的产品或营销动作，能否在行为数据里找到对应的人。
- 写画像卡片：每组一张，附原话和反例。
- 人群名称：用他们要完成的事来命名，例如「赶时间补货的上班族」，不用「白领 A」这类名字
- 要完成的任务：
- 触发时刻：什么情况下开始用、开始找
- 决策方式：谁参与、比较什么、多长时间做决定
- 最看重：一到两点
- 最大顾虑：一到两点
- 典型行为：在行为数据里能看到的特征，例如使用频率、时段、常用功能
- 代表原话：两三句，注明受访者编号
- 反例：一句来自同组受访者、但与画像不符的话
- 访谈中的人数：X / N 人（只说明有这类人，不代表整体比例）
- 数据中的占比：按典型行为查询得到，约 X%
- 对应动作：产品、营销或服务上要怎样区别对待
怎么用行为数据验证
访谈得出的分层只是假设。访谈样本小，而且是圈选出来的，各组人数比例不能代表整体用户。正式使用前要用行为数据检验。
- 把每张画像的典型行为翻译成可以查询的条件，例如工作日晚间下单、选择次日早上送达
- 查每组在全体用户中的占比，确认它不是只在访谈里出现的小众人群
- 对比各组的留存、客单价、转化等指标，差异明显，这个分层才有意义
- 按分层做差异化改动后，分组看指标变化，确认改动对目标人群有效
- 用户来源或产品发生明显变化后，重新核对各组占比
常见错误
常见错误
- 先定好分组再去访谈：只会找到预想中的人群，应先开放地访谈，从回答里找维度。
- 把人口特征当成动机：「年轻人更在意价格」可能只是收入差异，应追问具体的取舍。
- 画像写得太整齐：只放符合的原话，读的人会误以为人群边界很清楚，应附上反例。
- 分得太细：七八个人群没法分别对待，通常 3 到 5 组足够。
- 用访谈里的人数比例代表市场结构：比例只能说明有这类人，规模要用数据查。
- 画像做完就放进文件夹：每张画像都要对应具体动作，并定期用数据复查。
用 heari 怎么做
在 heari 里，可以用 ThinkingAI Agentic Engine 的行为数据按使用频率、常用功能和流失状态圈选受访者。AI 生成研究方案与访谈提纲，按回答追问目标、动机与决策过程，多场同时进行。报告按主题归类并标注各人群的提及人数，每条结论附原话与反例，研究员可修改或驳回；分层用起来后，再用行为数据验证。
常见问题
用户画像和用户分层有什么区别？
分层是把用户分成几类的规则，画像是对每一类人的描述。先有分层维度，再为每一层写画像；只有画像而没有分层规则，画像就对应不到数据里的具体用户。
做用户分层需要访谈多少人？
分层研究要覆盖不同人群，通常比单一主题的研究需要更多样本。一个可行的做法是先访谈 20 到 30 人找出候选分组，再把每组补到 12 场左右。这是经验建议，具体取决于用户之间的差异有多大。
Jobs to be Done 和传统用户画像能一起用吗？
可以一起用。Jobs to be Done 帮助找到分层维度，也就是用户要完成什么任务；画像则把每个任务背后的人写清楚，包括触发时刻、决策方式和顾虑。年龄、城市等人口特征可以作为画像里的补充信息。
用户分层多久需要更新一次？
产品、价格或用户来源有明显变化时就该复查，例如进入新市场或大规模投放之后。没有大变化时，可以每半年用行为数据核对一次各组占比和关键指标的差异。
