用户行为细分与群体发现

当你手里攒着一堆用户反馈——客服工单、访谈记录、问卷结果、产品使用日志——想回答“我们的用户到底有几种”时，最常见的做法是按年龄、地域、行业切一刀。结果往往是维度很多，却没人说清不同群体在行为和动机上的真实差异，产品决策依然悬空。

它解决什么问题

传统人口学细分很难指导迭代。一个 25 岁的学生和一个 40 岁的工程师可能在做同样的事：每周导出一次数据，手动清洗后塞进报表。真正的分水岭不是年龄，而是他们想完成的任务（jobs-to-be-done）、执行频率、能容忍的复杂度，以及目前绕了哪些弯路。

这个技能的目标是把这些隐藏在文本里的行为模式和未被满足的需求提取出来，聚类成至少三个互不重叠的群体，并输出可直接用于排期的结论：每个群体多大、关心什么、当前产品哪里卡住、值不值得投入。

核心能力与关键步骤

技能按六步处理你提供的原始材料（$ARGUMENTS 即你的分析目标）：

1. 数据准备——读取并组织你提供的反馈、访谈、工单、日志或问卷
2. 行为提取——识别关键行为模式、使用方式和用户旅程
3. 需求分析——映射每个用户的任务、期望结果与痛点
4. 聚类分组——按行为与需求的相似度划分群体
5. 验证——确保群体内部自洽、互不重叠、可被业务方采取行动
6. 画像刻画——为每个群体生成带代表性原话的完整画像

每个群体的输出包含七块内容：名称与规模、行为特征、待办任务与动机、核心痛点、当前产品契合度（含流失风险判断）、差异化价值主张、优先级建议（投入 / 维持 / 降低优先级）。

适用边界与注意点

• 聚类质量高度依赖输入数据。如果某类用户在反馈样本里占比极低，技能会明确标注该群体可能欠代表，但不会替你补数据
• 建议尽量附上真实反馈原文或日志，纯人口属性输入很难产出有区分度的群体
• 输出的优先级判断是定性分析结果，落地前建议与使用数据或客户数据交叉验证
• 本技能不自动安装依赖、修改系统权限或执行外部写入；涉及发送、删除、付款等操作时，会先展示目标与影响并等你确认