Agent Skills
返回列表
目标客户画像

目标客户画像

数据分析 更新于 2026.08.29

将以下提示词粘贴到你的 AI 对话框中:

请根据 https://skillhub.cn/install/skillhub.md,安装 @user_2cf64581/zayn-target-customer-profile。

技能介绍

要解决的实际问题

做增长、产品或研究时,团队常常手里只有零散的访谈笔记、报表字段名和业务口语(「高端用户」「下沉市场」),却要把可复用的目标客户画像写清楚:谁算目标、关键属性有哪些、和「非目标」如何区分。手工整理时容易遗漏维度、指标口径不一致,或者画像只剩形容词、无法对照数据表字段。

技能如何工作

zayn-target-customer-profile 面向数据分析语境下的画像产出:在对话中把业务目标、已有数据与假设,收敛成结构化的客户描述(例如人口/行为/需求/约束等维度),并强调哪些条目应对齐可观测指标或分群条件。

典型协作方式包括:

  • 澄清本次画像的使用场景(投放、产品路线图、样本定义等),避免写成泛化「用户说明书」
  • 从现有材料中抽取候选项,区分事实、推断与待验证假设
  • 输出可供团队对齐的画像草稿,便于后续映射到 SQL 分群、调研问卷或实验分层

适用边界与注意点

该技能产出的是分析与对齐用的画像框架,不能替代原始数据采集、清洗或建模;若缺少真实数据或明确业务约束,结论应标为假设并列出待补证据。画像维度是否可落地,仍取决于你们数仓/埋点里是否具备对应字段或代理指标。

使用场景

  • 新品上线前要把「谁是我们的首批目标用户」写成可对照埋点字段的分群说明,供数据同学拉 cohort。
  • 读完 10+ 份用户访谈后,需要把重复出现的动机、痛点和购买障碍整理成一份结构化画像草稿。
  • 市场投放前与产品对齐 ICP:把创意话术里的用户描述还原成可检验的属性清单与排除条件。
  • 做季度复盘时,用统一维度重写各渠道带来的用户差异,避免每个渠道一套互不兼容的「用户定义」。

适合人员

  • 负责拉新与留存报表增长分析师,要把业务口述的「目标用户」落成可查询的分群与指标说明。
  • 做 0→1 功能定义的产品经理,需要在评审前输出一版团队能共识的目标客户画像与待验证假设列表。
  • 承接定性+定量混合研究的用户研究员,要把访谈洞察整理成数据分析同事能接手的字段/维度草案。
  • 规划投放素材与受众策略的市场运营,需要把创意层用户想象对齐到可AB验证的画像边界。