摘要：对于大多数团队而言，通过定性分析进行用户角色创建。而大公司和创业团队则可能分别从人口统计或轻量方法中受益。

关键词：用户角色，画像，UX设计

全文共2485字，阅读大约需要8分钟。

UED观察 报道 | 公众号 uedsee 

UX设计中使用的用户角色是针对用户背景，动机，需求和使用产品方法的一种快速的，引起共鸣的速记。用户角色旨在帮助我们专注于用户痛点。因此，他们必须始终扎根于对用户的定性理解，并反映出驱动他们的原因。

用户角色是根据众多心理学，人口统计学和行为变量进行整齐的分类，总结产品不同用户群体的主要需求，以便我们可以轻松地回忆和了解用户。

不同的团队可以根据其所依据的研究数据，通过3种不同的方式来创建用户角色：

• 原型角色，意在快速调整团队关于用户的假设，而不是基于（新）研究
• 定性角色，基于小样本定性研究，例如访谈，可用性测试或现场研究
• 统计角色，最初的定性研究为一种用于收集大量样本的调查工具提供了信息，这些角色来自统计分析

每一种方法都有各自的优缺点，适用于不同的情况。

原型角色

原型角色是一种轻量级的临时角色，无需研究即可创建。他们对团队现有的知识（或最佳猜测）进行分类，以了解他们的用户是谁以及他们想要什么。如果您的团队有原始角色，则原型角色可以基于现有用户数据，但是在许多情况下，原型角色仅基于团队对用户的身份和需求的假设。

原型角色的制作方式

通常，原型角色是在UX研讨会中创建的。研讨会通常需要2-4个小时；每个参与者（使用一个简单的模板）创建2–5个原型角色，然后和大家共享。然后，小组讨论所有角色，并将各种属性组合，编辑为最终的3–6个原型角色。

原型角色的优点

由于原型角色不需要研究，因此非常适合在精益UX框架中工作或UX成熟度低的团队。原型角色使团队对用户的隐含假设变得明确。通常，每个团队成员对典型用户都有不同的假设，缺乏一致性意味着每个人都代表不同的目标受众进行决策。那些杂乱无章的假设通常会打乱团队的工作重点，因此对用户假设进行分类至少可以提供一些共同的方向，即使结果不能准确地反映真实的用户。如果团队认为原始角色是可以通过研究验证的假设（或在发现不正确的假设后进行修订），则原型角色也可以成为将来研究的对象。

原型角色的缺点

显然，原型角色通常不能准确代表产品用户。如果团队发现这些角色没有什么价值，那么它们可能会对产品产生负面的影响。

定性角色：适合大多数团队

对于大多数团队来说，创建角色的最佳方法是进行中小型样本量的探索性定性研究（例如采访用户），然后根据态度，目标，痛点和期望对用户进行细分。

定性角色的制作

首先采访5-30个用户（作为一个滚动样本，每个组5个用户，直到您每次新采访发现一些新见解）。这些访谈可以是完全独立的会话，也可以标记为可用性测试或现场研究。该研究将发现用户关心的主要问题：他们的痛点，对产品功能和行为的期望，用于描述产品所完成任务的词语，他们如何处理关键工作流程以及他们要做什么。记录成绩单并将数据分类为数据。

定性角色的优点

由于定性角色是基于用户数据，因此它们是准确的，并提供了有关用户动机，期望和需求的关键信息，而这些动机，期望和需求是仅从分析数据，人口统计信息或假设中无法获得的。

定性角色的缺点

定性角色的主要缺点是：

• 由于不是基于大量样本，因此无法确定每个角色所代表的用户群比例。
• 由于样本量太小，您可能会无意中遗漏了一些具有独特特征的用户，或者过度代表了具有罕见视点的异常值。
• 尤其是在用户体验成熟度较低的组织（对定性数据方法学缺乏很好的理解）中，可能得不到支持。

统计角色：定性和定量研究的混合

角色创建通过大量用户调查数据，然后使用统计分析来查找相似的群体。虽然我将它们描述为统计角色，但实际上它们是混合方法角色，因为它们基于定性和定量研究。

这种类型的角色需要事先进行一些探索性的定性研究，才能确定要在调查中包括哪些问题。您必须对特定用户的期望有扎实的了解，并且需要进行调查以显示有用的内容。

尽管许多团队完全基于人口统计数据或分析数据创建了角色，但没有进行定性研究，但我们不建议您采用这种方法，因为这样会导致角色决策的实用性受到限制。即使分析数据显示了较高的行为水平，您不会了解用户想要完成什么，为什么，在哪里以及对他们的感受，如果您不知道某人为什么做某事，您将不得不做出假设，这通常是错误的。

创建用户角色的全部目的是理解他们想要什么和为什么。上下文在这里很关键，人口统计和分析数据缺少上下文。

统计角色的制作方式

创建统计角色的第一步与定性角色的第一步相同：探索性定性研究，以识别用户中反复出现的主要主题。基于此定性数据，创建一个调查，使您可以大规模收集定量数据。至少对100名（理想情况下为500名或更多）受访者进行调查- 统计分析技术在大样本量时效果更好。

统计角色的优点

统计角色比其他方法具有优势的三个主要原因：

• 通过大量样本，您可以确信离群值不会在角色中被过多地代表（即，一个具有异常心态的人不会显着影响结果）。
• 您可以知道每个角色代表总用户群的百分比，这有助于权衡决策，使一个角色相对于另一个角色受益。
• 您可以对角色分类进行逆向工程（使用判别分析），以找出哪些调查问题最能预测某人被归类为哪个角色。然后，您可以使用这些问题来招募未来的研究用户，从而确保所有角色都可以很好地代表您的研究。

统计角色的缺点

创建统计角色非常昂贵，耗时，并且需要统计分析方面的专业知识。

此外还需要运行整个定性角色研究并进行统计分析。同样，团队基于相同的定性研究数据，完成统计分析并得出与纯定性角色非常相似的角色，这种情况并不少见。

结论

对于大多数团队来说，定性方法是合适的，因为它提供了基于数据的扎实了解，了解您的用户是谁，他们想要什么，具有成本效益，并且相对较快。

原型角色是极度精干团队的一种选择，它们可以使团队成员对用户的假设一致。它们非常适合那些根本不使用角色（或用户研究）的团队，并且可以作为进一步研究的门户。

统计角色是拥有大量资源团队的一种选择，但需要时间，精力，统计专业知识，并且无论如何都要求团队从定性研究入手，从而有效地重复了工作。

参考资料