用户画像与 Jobs-to-be-Done

一句话定义

用户画像回答「用户是谁」，Jobs-to-be-Done（JTBD，待完成任务理论）回答「用户在什么情境下雇用产品完成什么任务」——AI 产品需求定义应以任务陈述为主、画像为辅，因为模型服务的是任务而非人口学标签。

为什么重要

「25–35 岁职场白领」这样的画像无法直接变成模型验收标准；「当用户收到一封英文报价邮件时，想在一分钟内得到可回复的中文要点，以便当天答复客户」这样的任务陈述才能拆出输入（邮件原文）、输出（中文要点+建议回复）、约束（一分钟、可核查）。任务陈述写得越具体，kp-011 的 PRD 与 kp-012 的验收标准就越省力。

前置知识

kp-006 场景识别（任务来自场景卡中的用户与痛点字段）。

核心概念

• 任务陈述模板：当＿＿（情境触发）时，我想要＿＿（任务动作），以便＿＿（期望结果）。三段缺一不可：情境决定输入形态，动作决定能力类型，结果决定验收口径。
• 画像在 AI 产品中的增量字段：除常规属性外，AI 产品画像必须回答——专业水平（外行无法判断输出对错，影响 kp-016 的自动化选点）、错误容忍度、数据贡献角色（他的使用行为会产生什么反馈数据，连接 kp-009）。
• 任务四分类：生成类（写摘要、拟回复）、理解类（分类、抽取、质检）、决策类（推荐、审批建议）、自动化类（多步执行）。分类直接映射 kp-003 的形态与 kp-012 的指标选型。
• 画像与任务的关系：同一个任务在不同画像下验收标准不同——给法务写的摘要要忠实原文可溯源，给销售的摘要可以更激进地提炼。任务陈述中应显式带上「谁」。

原理与机制

为什么任务优先于画像：模型的输入输出是「文本进、文本出」，它感知不到用户年龄，只能感知任务上下文。JTBD 的机制价值在于把需求锚定在「情境—动作—结果」的因果链上，这条链的每一环都可以转化为工程约束：情境 → 提示词中的上下文注入；动作 → 能力选型；结果 → 评测集的评分标准。反观人口学画像，与模型行为之间没有可实现的映射，只能用于渠道与文案，不能用于规格定义。两者并用时，画像负责「为谁做与怎么触达」，任务负责「做什么与怎么验收」。

公式或模型

不适用——本节为需求表达框架。

图示

实例或案例

写好与写坏的任务陈述对比——坏：「帮用户更好地写邮件」；好：「当跨境电商客服收到英文售后邮件（kp-006 场景卡：日均 40 封、首次回复平均 3 小时）时，想要 30 秒内得到含事实要点与礼貌语气的中文草稿，以便在 1 小时内回复客户」。后者可直接推导：输入是英文邮件（理解类）、输出是中文草稿（生成类）、验收是要点覆盖率与语气合格率、自动化选点适合 Copilot（客服修改后发送）。

常见误区

• 画像先行、任务缺席：产出精美的人物卡片却没有一条可验收的任务陈述，需求会停留在感觉层面。
• 任务陈述丢失情境：「我想要摘要」没有「当收到长报告时」，导致输入边界不明，评测集无从构建。
• 忽视数据贡献角色：只定义用户体验，不定义他的使用会产生什么反馈数据，飞轮（kp-009）无从设计。

直观类比

画像是相亲资料上的条件，任务是「周六雨天想有人把车送去保养」的具体雇用场景。模型这个「雇员」不关心你多大年纪，只关心那天下雨、车在哪儿、要送到哪个店。

自测题

1. 为什么任务陈述必须带触发情境？

要点：情境决定输入形态与边界，是提示词设计与评测集采样的直接依据；无情境则输入域无法定义。

1. AI 产品画像的三个增量字段是什么？

要点：专业水平（决定自动化程度）、错误容忍度（决定形态与降级）、数据贡献角色（决定飞轮设计）。

1. 任务四分类对后续工作的作用？

要点：分类映射形态选择与指标选型——生成类看采纳率、理解类看准确率、决策类看风险拦截、自动化类看完成率与越界率。

与其他知识点的关系

任务陈述是 kp-011 PRD「用户与任务」章节的标准素材；任务四分类为 kp-012 的指标选型提供依据；kp-019 的交互范式选择同样以任务类型为输入。

延伸阅读

• 《跨越鸿沟》，Geoffrey Moore——目标顾客与场景剪影（scenario）的经典表述。
• 《思考，快与慢》，Daniel Kahneman——理解用户在不确定性下的判断行为，为人机分工设计打底。