用户雕刻师:JTBD四层画像
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_531be29f/mkt-persona-sculptor。
技能介绍
问题:画像停在「身份证」上
营销和产品文档里常见的用户画像是年龄、性别、城市与宽泛爱好。这类字段适合定向投放的粗筛,却很难回答:用户为何在特定时段活跃、下单前比了几家、犹豫点是什么、成交后如何向他人转述体验。没有动机层与内容偏好,内容与投放策略往往只能复述人口统计。
技能如何工作
本技能以 JTBD(Jobs To Be Done) 与 四层画像 组织分析流程。先整合你提供的多源数据(如 CRM 导出、问卷、评论、客服记录),用表格类输入做结构化解析。
- L1 人口统计:提取基础字段,仅作分层入口。
- L2 行为聚类:结合购买频率、客单价、品类与浏览行为做 RFM 分层(重要价值 / 重要发展 / 重要保持 / 一般价值)。
- L3 心理动机:从评论、问卷与客服文本中提取「为何买、为何犹豫、为何选你而非竞品」。
- L4 内容 DNA:推断偏好的内容形态(短视频 / 图文 / 长文)、信任信源与活跃时段。
完成分层后,为各层填充 功能性、情感性、社会性 三类 JTBD 任务,并给出内容与投放定向建议。最终写入 output/persona_report_{brand}_{date}.md。
边界与注意点
- 推论须标注「数据支撑」或「基于经验的推测」;小样本结论应标明统计显著性风险。
- 铁律:人口统计是入口而非结论,须抵达动机层;「爱好购物旅游」类泛化表述不算洞察。
- 依赖你可提供的原始数据质量与覆盖面;无法替代实地访谈,但能把已有碎片数据压成可复用的分层报告。
使用场景
- 手头有 CRM 导出与店铺评论,需要按 RFM 分层并写出每层用户的下单动机
- 新品上线前要把问卷与客服聊天记录整理成 JTBD 三类任务说明
- 内容团队需要知道各分层更信 KOL 还是亲友推荐,以及偏短视频还是长文
- 品牌年度复盘要把多源表格压成一份带数据支撑标注的 persona 报告
适合人员
- 消费品牌用户研究负责人,要把评论与问卷从描述性统计推进到动机层
- 增长运营需要基于分层给出投放定向与内容形式建议,而非只报年龄性别
- 电商品类经理手握客单价与复购数据,要做重要价值/重要发展等 RFM 策略对齐
- 独立顾问为客户交付 `persona_report` 文档,要求推论区分数据支撑与经验推测