2.2 了解用户

设计师需要了解产品的目标使用人群。与一般市场调查不同，市场调查着重研究消费者的购买决策和人群分类（例如性别、年龄、地区等），进而制定不同的传播策略（例如，针对年轻女性用户，使用粉红色的可爱广告背景色等）、定价策略等。而设计师需要获取的信息是去指引设计的，例如：用户的习惯、喜好、需求、目标、行为，以及现有的解决方案、在使用过程中遇到的问题等。

业界已有诸多获取用户洞察的工具，其中本书将重点介绍在商业环境下最实用的几个工具，帮助设计师获得结构化的用户洞察：

• 用户画像：将用户的行为特征和心理诉求沉淀成通俗易懂的素材，作为产品和设计决策的指引。

• 用户旅程地图：按用户的全旅程，找出他们各个阶段的任务、触点及具体的感受，进而找出服务缺口和服务优化的机会点。

• 服务蓝图：将用户的触点和前台/后台提供服务的人、组织或系统对应，进而了解服务的全貌。

2.2.1 具象描绘用户：用户画像

提到用户画像，容易让人想到由Alan Cooper提出的以建立用户角色模型为目的的研究方法。随着互联网的不断发展，用户画像方法得到更广泛的拓展和应用，目前在腾讯常见的用户画像方法，就应用目的来区分可以分为3类：

1. 以建立用户角色模型为目的的用户画像。根据用户的态度、使用行为、人口学属性等维度的数据，选取关键维度，对产品的目标用户进行分类和描述，最终形成几类差异化的典型用户群体的研究方法。本节内容将具体介绍这类方法。

2. 以持续跟踪产品用户使用变迁为目的的用户画像。使用这个方法时，同样关注用户的态度、使用行为、人口学属性等维度数据，但不以分类或建立用户角色模型为目的，而是更重视持续跟踪，关注数据的纵向变化。通过观测描述用户在产品使用中的行为习惯与特点，不断洞察用户的体验痛点与新需求，从而为优化体验提供支持，推进产品侧落地。例如CDC与微信团队合作开展的年度基础研究项目（微信用户画像项目），持续追踪微信用户使用变迁。

3. 以更全面和更精准描述用户标签属性为目的的用户画像。随着大数据技术的发展，这个方法在互联网企业已非常常见，应用领域也非常广泛。例如为广告主提供众多广告定向条件，包括人口属性、商业兴趣、地理位置、使用设备、天气环境等，广告主可从中选择适合的条件来锁定人群，提升广告投放效果。

本节主要讲述以细分目标用户群体为目的的用户画像，操作流程可分为以下9个步骤：

明确需求：前期沟通到位，后期产出才越容易落地

在决定做一个用户画像之前，研究员必须和产品/设计团队深度沟通，了解团队想要解决的具体问题是什么，并评估用户画像是否能够解决这些问题。以下是常见问题：

• 产品现在处于什么阶段？

• 市场的主要竞争格局如何？

• 目前有哪些难以决定的问题？

• 团队的争论/分歧点有哪些？

• 期望用户画像的结论支撑产品的哪些阶段的哪些决策？

• 哪些岗位的同事会关注和用到画像的结果？

• 团队能接受怎样的项目时间成本？

若有以往的用户画像，可提供给团队作为参考。所有关注用户画像结论的同事们集中一起讨论一个或多个参考报告，一方面让大家对执行方式有更多了解，另一方面也可以更深入地讨论“如此呈现的画像是否能完全解答问题”“还希望提供哪些数据”等问题。另外，如果用户画像数据源还包括产品已有的后台数据，在前期也需要与产品后台数据团队进行详细沟通，确定能提取到的数据字段、颗粒度等。

在项目前期把上述常见问题列表沟通到位，有利于降低后续用户画像研究设计、执行、分析和落地的风险。

研究规划：确定研究问题与方法

研究规划需要确定两件事：

1. 明确要回答的问题。并非所有问题都适合用用户画像解决，需要与团队共同讨论，明确研究要回答的问题。

2. 明确数据收集方法。“深度访谈/焦点小组定性研究”“定量问卷调查”“后台数据”是常用的用户画像研究数据收集方法。轻量级的定性用户画像研究，只需要做深度访谈/焦点小组定性研究即可，详情请参考腾讯CDC博客的《创建定性用户画像》文章。如果对用户群体已经有较多研究，大致了解自己的用户在哪些维度上有差异，也可以直接使用定量问卷调查或者后台数据进行用户分类。使用更复杂的定性加定量的组合研究方式，可以为用户画像提供更丰富的素材，其项目周期也最长。综合考虑项目调研目的和时间成本，以决定数据收集方法。

定性研究：注意标准化提升研究效率

为用户分类画像而做的定性研究，需要特别注意数据的标准化，让画像工作事半功倍。定性调研的数据标准化分为记录标准化和编码标准化。

记录的标准化宜早不宜迟。建议使用Excel进行现场记录，一个格子只记一个用户关于一个问题的答案，这样可以一眼即看到缺失信息在哪里。如果有大段来不及记下的重要信息，在那个格子里填上此刻时间（精确到分秒），以便事后重听录音时可以快速定位。在后面讨论时，如果团队对用户的判定有争议需要查阅原话，可以极大地提升效率。

编码的标准化宜迟不宜早。将定类数据转化为定序数据，可以在所有用户都访谈完毕后再进行。编码本质上是一个把问题信息进行归类的工作。在访谈的早期，归类的价值不大，只有见了足够多的用户之后，给出的归类标准才是客观的、具有普适性的。另外，这一阶段的编码也要考虑到后续定量问卷选项的设计。如果需要针对访谈用户采集相关的后台行为数据，那编码时也要考虑到与后台字段的配合。

关键分类指标：进一步聚焦核心问题

通过对定性研究数据的处理，可以获得用户分类的关键指标。关键指标需要参与访谈的研究员们一起对用户之间的异同进行不断的观察和求证，同类用户有哪些同质化的特征，不同的用户在什么维度上有差异。这些观点将是形成用户分类的重要依据。

在制作纯定性研究的用户分类画像时，访谈报告已足够团队讨论并确定用户的分类维度。而有了定量数据的用户分类画像，定性的研究结果则为问卷的设计提供指导。

以CDC 2018保险行业用户画像项目为例，定性阶段结束后研究员除了形成用户分类特征的感性认知，还需要为后面的定量问卷缩减题量。由于保险的购买是一个复杂决策，要了解其背后的消费心理，需要对用户的人生阶段、家庭结构、收入水平、风险认知、购买对象及行为等信息进行了解。另外涉及较大金额消费的决策，又与用户的家庭资产、日常支出、金融知识水平、理财偏好等信息强相关，这些指标不可能全部放入后面的定量调研中去进行验证，在设计定量问卷之前就必须要进行取舍。在这个保险项目中，定性研究收集了不少样本信息，可以使用相关性分析来提炼核心指标，如果定性样本量不足以支撑相关性分析，则由研究和业务团队一起讨论出核心指标。

提炼核心指标的第一步是对访谈信息进行编码。一部分问题是可以直接编码的（如是否独生）；一部分问题是需要经过讨论来划分颗粒度的（例如：将婚育情况中有孩子的用户归为“已婚已育”，还是进一步细分孩子的年龄）；一部分问题是要综合多个问题的答案来形成判断标准的（如“可支出水平”，是综合用户的收入、房产情况、家庭的教育/旅游/医疗等固定大额支出、投资理财甚至父母的经济能力等进行判断的，可支出水平不等于“总收入-固定支出”）。后两种问题的编码都有较强的主观性，必须进行交叉验证。建议采取的方式是研究员各领取几个用户数据先行编码，再一起工作，对各自的编码进行对齐，不一致的地方经过讨论再确定一个统一的编码方式，最后制定出一个这样的编码表供分析使用，如下所示：

第二步进行相关性分析，抽取核心指标。所有变量被分为两类，一类是与保险相关的，一类是保险以外的（如人口学信息、金融理财情况、家庭收支等）。在保险相关的变量中，如果A变量和B变量有高相关性，则它们可被彼此替代的可能性高，只保留其中一个；在非保险变量中，则考查它们与保险变量的相关性，留下相关性高的。经过几轮尝试和分析后，最终核心的指标从近70个减少为20多个，后面投放的网络问卷的题量也得到了有效控制。

定量问卷：注意与其他渠道数据的统一

定量问卷调研的数据，本身是已经编码状态，所以标准化主要就是指与其他渠道数据的统一问题，重点要注意的是与后台数据的统一。后台数据往往是已经固化的字段，灵活性较差，问卷则可以适度配合后台字段。这二者的统一需要保证统计口径和选项颗粒度都是一致的。若后台数据也是画像的数据来源之一的话，在设计问卷的时候就要建立起数据关联性，保证问卷数据和后台数据可关联起来。

聚类分析：综合数据指标和业务可用性选取最优分类

定量问卷数据收集后，开始做聚类分析，具体步骤为：

1. 聚类：使用SPSS聚类，让类内用户应当尽可能相似，而类间用户应当尽可能有差异。

2. 验证分类模型的稳定性：通过重新取样来验证是否能得到相同的分类结果。因此在聚类之前就需要把数据随机分为两份，一份用来聚类，另一份用于聚类完成后进行稳定性的检验。

SPSS提供了二阶聚类、K-均值聚类和系统聚类等聚类方法，不同的方法各有其特点，具体的操作步骤可以查询相关的SPSS工具书，这里不再详述。20多个指标对于聚类来说仍然是非常多的，需要经过多轮迭代，淘汰一部分在聚类中表现不佳的指标。

最终把用户分为几个类别，可以参考SPSS提供的BIC数据，这是确定最佳类别数的指标，BIC值越小代表聚类的效果越好。以下图为例，聚为4类（BIC为460.113）是最优解。BIC作为建议值，具体聚为几类还需要结合其对业务指导意义来调整，通常情况下聚类结果统计学上的最优解未必就是业务指导意义上的最优解。按照经验而言，3～6个分类是比较好的，不会过于粗糙，分出来的类别也不会多到让业务难以兼顾。

完成聚类后，考查参与聚类的各个指标对本次聚类的贡献度，贡献度很低的指标可以适当更换，但如果这个指标对业务很重要，也可保留。有时在定性研究阶段被研究员公认的重要分类指标，在聚类分析时表现得并不好（定性与定量的矛盾），这时需要进行针对性的分析，确认是定性时小样本导致的认知偏差，还是定量阶段的问题。

仍以保险项目为例来看，在定性访谈过程中，“可支出水平”是一个公认的能非常好地区分保险用户的重要指标，但是在对定量问卷的数据进行聚类之后，它的贡献度却非常低。回溯两次对“可支出水平”的定义发现原因在于，在后期的问卷中，由于调研手段的限制（包括题量和与用户信任度的建立），“可支出水平”的指标被极大地简化了。这个指标必须要进行修正，因此我们尝试引入了SES（Social Economic Status）社会经济地位来进行优化。

SES的指标组成也经过一段时间的演变。约在20世纪50年代，各研究领域逐渐达成了共识：社会经济地位指标由职业、教育水平和收入构成。保险项目也基于这3个维度，定义新的指标以取代问卷里的原有指标。新指标的表现有明显提升，以下图为例，社会经济地位越高的保险用户在购险时越能进行独立判断，较少依赖业务员，而这件事情在收入上看不出明显趋势。

关于保险案例的更多细节，读者也可在CDC公众号上搜索关于“保险用户大调研”和“社会经济地位（SES）”的文章，来了解更多。

分类模型验证：迭代优化

分类模型的验证可以分为定性数据验证和定量数据验证两类。

使用定性数据验证模型时，可以看到每一个用户被归进了哪一类中，此时可以进行归类的主观验证，即去回溯这个用户的访谈内容，以判断他的表现是否符合这一类用户的典型特征。如果有不符合之处，则表明此维度需要进行调整。这一步是只有定性参与的画像才能做到的，如果是纯定量的画像，则不容易进行这种修正。

使用定量数据验证模型，即使用聚类之前就保留的一部分（例如50%）样本，再次进行相同方式的聚类分析，检视聚类结果是否有出入。如果有，则应当回到上一步，重新调整维度再次聚类，进行迭代优化。如果最终都无法得到满意的稳定结果，则需要重新评估数据收集的丰富度、合理性以及质量，必要时重新收集数据。

画像描绘：清晰、立体地展示不同类别的用户角色模型

聚类通过验证后，即可着手进行描绘不同类别的用户角色模型。

首先，输出每一类用户角色模型的全局数据图，构成整体印象。其中人口学相关的信息可以描绘不同用户角色模型的特征；产品相关的态度、行为等信息则最好再次提炼，找出最能代表各类人群的维度进行展示。

其次，把定性研究时各被访者对应到相应的用户角色模型中，找出他们访谈时的典型原话，辅助解释不同用户角色模型在使用产品时的态度和行为，丰富画像报告的素材，也帮助读者更好地理解结论。

最后，为每一类用户角色模型取名字。名字要能体现该类用户的典型特征，好记上口，以帮助读者快速识别不同类别的用户角色模型。另外，给每类用户角色模型配上典型人物图片也可以让读者产生更直观和深刻的印象。

画像应用：让画像在较长时间周期中为业务提供价值

以建立用户角色模型为目的的用户画像常常不是一个短平快的项目，时间、人力和金钱的成本都不小。用户画像的研究成果能够长时间为产品研发提供思路、灵感或解决方案。以下为画像应用的建议：

1. 项目前期行业研究要有足够的高度。以保险项目为例，在去接触真正的用户之前，研究员访谈了来自不同保险公司多个岗位的专家。通过专家访谈，理清了不同角色对于画像的诉求，接下来带着研究问题进行行业研究。完成行业研究后，一部分问题被解答了：研究员用更宏观的视角来看待这项研究，也引入了更多的思考，让大家对未知的微观问题产生了更多的好奇。

2. 保证团队成员对调研执行过程的参与度。“强势邀请”需求各方参与旁听和讨论，直接面对用户可以让项目成员对用户的行为、需求、痛点等产生感同身受的认知，访谈后的讨论也是一个极好的机会，让大家一起来形成关于本次画像主题的一些观点。

3. 持续关注产品团队的需求。“推销”画像结论不能在报告产出之后才开始。在研究过程中，就需要多参与一线产品的讨论会，了解用户画像能如何为团队的困惑或争议点提供解决方案，没有人比研究员自己更了解画像的潜在信息了。多听需求团队的问题，主动用画像数据去解决问题，而不是等待别人从报告中找答案。

4. 善用各类分析工具。一个好的分析方法能够让数据的价值发挥到最大。仍以保险研究为例，最终的画像报告除了呈现分类用户的人群特征、购险行为、机会点等数据，还采用了用户旅程地图和HSM决策模型来呈现各类用户在购买保险上的表现。由于行业模式和用户心智模型不会在短期发生改变，多利用各类分析工具对此进行解释、演绎，能提升画像结论的指导性和价值。

5. 随着产品的演进，不断地丰富用户画像。画像若要长时间发挥价值，就不能“一份报告打天下”。在讨论和解决问题的过程中，总是伴随着新问题的产生。如果研究已经执行，又或者是在结论汇报、应用过程中才遇到的新问题，可以启动新的专项研究来解决，这些研究的结论也应当被更新进画像的报告中，共享给其他需求方或后来者作为延伸阅读内容。一个动态更新的用户画像，才能更好、更持续地为团队的工作提供价值。

延伸阅读：创建定性用户画像

https://cdc.tencent.com/2011/12/19/创建定性用户画像/

扫描二维码

下载用户画像模板

2.2.2 盘点服务触点：用户旅程地图

用户旅程地图，是一个完全基于使用者角度，通过可视化的时间轴，展现特定用户在不同阶段、不同触点所产生的诉求、行为以及情绪的设计工具。用户旅程地图能够帮助设计师和团队其他干系人（例如产品经理、开发人员、运营人员等）寻找现行产品中的痛点以及机会点，为做出更好的用户体验提供参考。

扫描二维码

下载用户旅程地图模板

通过用户旅程地图，可以让组织更加了解他们的用户

可视化上下游全程体验，帮助团队快速定位问题

用户旅程地图，以时间轴的方式，将用户体验划分为服务前中后三个环节，完整呈现全过程，通过记录整理每一个环节中的用户体验反馈，以整体视角来挖掘流程中出现的问题，避免了团队在定位问题时陷于某单一问题，帮助团队成员识别用户体验中的服务缺口和痛点。

基于用户导向，为团队提供共同认可的探讨标准

用户旅程地图完全基于使用者角度进行体验的可视化，包含用户预期、实际体验等信息，其中通过情绪曲线（满意、一般、负面）表现体验的优劣，创造“共情”条件，团队在定义问题时可以基于此探讨解决问题的优先级，避免团队成员因为自身岗位、经历不同对问题优先级评判标准不一而争论不休。

如何搭建用户旅程地图

用户旅程地图，本质上是一个可视化图表，包含：用户画像、时间轴、旅程细节三部分。

基于前期的用户调研，绘制完整的服务使用过程，可以按以下步骤进行。

1. 提取用户特征

基于用户画像，提取用户的特征，明确用户关键目标。有关用户画像的制作，请参考用户画像章节。除常规的画像描述外，加入与服务、设备使用相关的身体特征，对新事物的接受度，对环境安全的容忍度，是否使用过现有产品和印象如何等相关信息，方便团队做进一步判断。

通过办政用户特征提取，我们发现现场办理来穗居住证的长者，填表过程大多需要佩戴老花镜，因此视力因素（而非无关的体型、体重等）需作为用户特征考虑在内。对应的填表设计就需要考虑适当调大字体。

2. 划分旅程阶段

在明确用户画像之后，需要按照时间先后顺序，将用户体验全过程归纳为若干旅程阶段，以便后续聚焦讨论某环节，逐步开展，避免过分发散，提升效率。一般情况下，按照服务的“前中后”去划分体验阶段适用大部分情况。

以政务办事为例，对办理群众的用户旅程地图可以划分为：事前咨询阶段、事中办理阶段、事后领取确认阶段。

3. 罗列操作行为

划分旅程阶段后，参考前期用户画像调研结果，将用户的操作行为罗列到对应旅程阶段下方，以便团队清楚了解用户的每一步行为。

开展用户行为罗列工作可遵循以下原则：

• 共同参与：产品经理、设计师、工程师等干系人应当共同参与。

• 自前向后：按照划分的体验阶段，自前向后来进行。

• 逐步推进：为了团队对故事有整体连贯理解，每个体验阶段的细化要逐步推进。

4. 标记服务触点

在罗列某一旅程阶段的用户行动时，同步进行此任务。

触点是指，在整个体验过程中，各个环节与用户发生交互的关键点，它可能是视觉形式的，也有可能是触觉乃至嗅觉、味觉、听觉形式的。

譬如：在政务服务现场大厅，取号机、填表台、前台、叫号机、等待区报刊摆放厅等与用户产生交互的载体，都属于触点。

5. 描述用户预期

在每一段旅程的每个行为上描述出用户预期。用户预期是指用户对产品或服务的期望，可以从画像内容总结分析转化得出。而期望与实际感受到的体验是否一致已成为产品或服务质量评估的决定性因素。

6. 记录实际体验

实际体验的记录方式同第三步。当某一环节的用户实际体验低于预期值或者缺失对应的触点服务时，此处往往可以记录为一个痛点。

（1）要和预期尽量有对应关系（譬如预期是否得到满足或缺漏）。

（2）实际体验，可以额外记录用户原话，便于团队成员共情。一个环节的痛点越多，则此环节改进优先级越高。

7. 描述情绪和分析缺口

根据预期与实际体验的落差，评估情绪点。超出预期即为“满意”，低于预期即为“负面”，符合预期即为“一般”。在所有的旅程环节的情绪点都梳理完毕后，将所有情绪点连成一线，即可通过曲线，直观感知整个旅程的情绪波动和低谷。

服务缺口是指用户对服务的期待与实际接受到的服务水准两者间的差距。用户是服务品质的决定者，企业要满足用户的要求，此模式中的五项缺口分析，可以帮助大家找到服务提升的方向和机会。

其中用户期望与体验后的服务缺口，是指用户接受服务后的知觉上的差距，该缺口的大小是由用户决定的，可以通过“实际情绪曲线”波谷部分对比“预期情绪曲线”的波峰部分来获得。而缺口一至缺口四，可由企业通过管理与评量分析去改进其服务品质。

面对服务缺口，不同团队有不同优先级评估标准。我们常用四象限法来评估。

• 即刻改善（第三象限）：需求不被满足且用户不满意

• 需要提升（第四象限）：需要被满足但用户不满意

• 待满意（第二象限）：需求不被满足，但用户满意

• 保持（第一象限）：需求被满足且用户满意

8. 寻找机会

不是所有触点上的用户痛点都需要去解决。团队应当关注亟待改进提升的痛点并重点探索其解决方案。

至此，用户旅程地图算是搭建完毕。最后把用户旅程地图做成大型的海报，放在大家一眼能够看到的地方，便于团队随时交流与设计洞察。

2.2.3 了解服务全貌：服务蓝图

在分析一个产品/服务的用户体验时，除从用户视角了解用户的亲身经历和感受外，也需要了解背后提供服务的人和机制。用户旅程地图以用户为中心描述服务旅程，而服务蓝图则是关注于组织提供服务的过程，包含用户可见和不可见的部分。通过结合两种相辅相成的工具，帮助设计师看到服务的全貌，得以发现用户体验问题背后服务流程的问题。同时促进跨职能协作，通过服务共创设计新的服务蓝图。

服务蓝图是用于服务设计和服务定位的最广泛使用的工具之一。由G. Lynn Shostack于1984年在《哈佛商业评论》首次提出。

了解服务蓝图的构成

一张完整的服务蓝图包含四种行为、三条分界线和一组前台接触点。

扫描二维码

下载服务蓝图模板

四种行为包含用户行为、前台服务行为、后台服务行为和支持过程。

• 用户行为：用户在一次线性服务流程中的行为。

• 前台服务行为：为用户提供服务的前台人员行为。

• 后台服务行为：围绕前台行为提供支持的用户不可见的服务行为。

• 支持过程：在传递服务过程中所发生的支持内部员工的各种服务、流程、制度等。

三条分界线包含互动分界线、可视分界线和内部互动线。

• 互动分界线：表示用户与组织间直接的互动，表明用户在何处感受到服务。

• 可视分界线：用以区分用户可见和不可见的服务行为。

• 内部互动线：用以区分服务人员的工作和其他支持服务的工作，以及内部的互动关系。

前台接触点：与每个步骤相关的有形元素可能会影响客户对服务的看法，例如设备、服务，甚至是工作人员等。

构建服务蓝图的步骤

以下通过腾讯滨海大厦智慧停车场项目来说明。

1. 对建立服务蓝图的意图做出分析，确定服务蓝图的颗粒度

服务蓝图可以在不同水平上进行构建，结合用户旅程地图发现的问题（可以是为了完成用户某一目标的整体任务的服务蓝图，也可以是针对某一痛点和服务缺口，还原服务的支持过程），构建更为详细的子蓝图。

2. 从用户角度描绘服务过程

从用户的视角记录服务过程，并明确起点和终点。

在现有的解决方案中，服务的起点是员工在非工作时间开车至停车场登记，服务的终点是将车驶离停车场。

3. 横向绘制互动分界线、可视分界线和内部互动线

用以区分用户行为、前台服务行为、后台服务行为和支持过程。

• 互动分界线用于描绘用户和组织之间的直接互动。

• 可视分界线将用户不可见的所有服务活动分开。

• 内部互动线将不直接支持与客户/用户交互的员工分开。

4. 补充前台接触点，描绘内部服务流程及支撑关系

纵向分析某一阶段下不同角色在服务中的关键作用，了解组织深处的内部行为与前台服务效果之间的关联。

纵向补充每个阶段的信息，保证内部服务流程能够和前台用户任务匹配上。除上述关键要素外，还可酌情在其蓝图中添加其他要素。

运用服务蓝图进行服务共创

设计师需要面对和处理包括用户、服务提供方等不同角色的诉求。基于真实环境去做情景化思考，需要构成服务的不同领域的人合作参与，通过利用各种知识经验的交叉和集体智慧去提出合理的、系统的解决方案。

在构建新的服务蓝图过程中，应该激发用户、服务设计人员、服务提供人员、管理者等角色的创造力来一起设计这个服务。经过多方共同创造的服务可以帮助服务提供人员和用户更好地交流，也可以提升用户的满意度和员工提供服务的效能。

在腾讯滨海大厦智慧停车场项目中，我们邀请了车主、保安、停车场管理员、公司行政等不同角色进行服务共创，输出了新的服务蓝图，并以此指导我们系统的建设和服务的提供。（橙色部分为新增的前台触点，以及产生优化后的后台任务及支持过程）

2.2.4 分析设计要素：角色、任务、场景三要素

三要素分析是一种对设计范围进行约束，把问题限定在一定的范围内进行讨论和解决的方法。三要素分析可以有效协助产品团队内部清晰目标，建立共识，减少分歧。

• 角色：特定用户为达到某个目标而进行的任务中所涉及的所有用户。

• 任务：确定用户需要达到的目标而为之设置实现的方式。

• 场景：指叙述性地描述人的行为或任务，从中发掘任务的上下文环境、用户的需求。

通过“三要素”梳理，理清用户的目标是什么，为达成这个目标，涉及哪些角色，需要这些角色完成什么任务才能达成目标，通常遇到上下文的场景是怎样的，最后提炼成设计目标。

怎么做三要素分析？以下为三要素分析的具体步骤：

划分角色

此处的“角色”与用户画像中提到的用户角色模型有所不同。用户画像的关注点是目标用户，而这里的角色是关注目标用户在旅程地图中完成任务时所遇到的产生交互、影响任务流程的直接干系人。在整个用户旅程地图中，角色（此处可以代入前文干系人概念）会有多个，包含了服务对象和服务提供者；而分解到交互设计场景中的任务里，角色会有一个或多个的情况，他有时候未必是目标用户。而对于角色的特征，可以从前期用户画像调查中收集到的实际用户信息数据中获取。它可以帮助我们判断任务流程中不同角色的思维模式和行动模式。

有些用户目标的达成，涉及的角色比较简单，比如“把文件从手机传到计算机上”这样的目标，角色只有用户本人；比如“把文件传给某好友”的目标，涉及角色有发送方及接收方。

我们需要对人物角色进行优先级排序，以确定首要的设计对象。可以按以下方式划分：

• 首要人物角色：指的是任务中最核心关键的角色。

• 次要人物角色：指共同完成此任务的第二个角色，例如文件接收方。

• 辅助人物角色：指的是帮助任务完成的次级角色。例如，在微信朋友圈中分享某条信息时，首要人物角色就是分享者，相对分享任务而言，辅助角色则是阅读完后进行转播或者评论的人，可以辅助次要任务的完成。

• 客户角色：指的是任务完成的决策者，例如确认视频APP的青少年模式的客户角色就是家长。

• 受惠人物角色：指的是在任务中获得利益的角色；有可能是主角，也可能是其他干系人。

• 消极人物角色：指的是对任务产生消极影响甚至会干扰任务完成的角色。有可能是客户角色。

明确用户任务

在梳理任务时，先根据项目的情况确定任务的阶段。之后，对任务阶段进行切分，得出更细颗粒度的任务片段，并通过一个短句描述或者任务流程图的方式展示。在很多情况下，设计师容易将目标和任务两个概念混淆。

目标：为用户使用产品时的动机

任务：要做什么

行为：怎么完成任务

例如对于“传文件给好友”这个目标，相应的用户任务有：

梳理用户场景

角色的行为或任务是在具体的场景下发生的。

在梳理场景时，可从时间、天气、设备、操作环境、上下文等维度探讨，提取出可能影响相关行为的场景因素组合，并以短语的形式记录下来。

例如，要完成上述“传文件给好友”这个目标，相关任务可能受到系列场景因素的影响：文件所在文件夹、文件格式、文件大小、传出和接收的设备、好友关系、在线状态、网络状况等。

最后可以通过文字故事板等场景剧本的形式，来叙事性描述某个角色是如何通过使用产品来实现具体目标的。

角色、任务、场景三要素分析的周全与否，将影响下一步详细设计的完整性。

下面以“一部手机游云南”APP作为案例进行说明。

1. 产品定位：

服务到云南旅游的游客，覆盖吃、住、行、游、娱、购。

2. 角色划分：

• 首要人物角色：以云南作为旅游目的地的用户。

• 次要人物角色：为游客提供旅游服务的相关服务人员，包含在线旅游商品客服、景点入口检票员、酒店前台服务人员、应急呼叫服务人员等。

3. 目标、任务确认：

旅游是一个周期较长、涉及目标与任务都较为复杂的活动，采取“划分环节，逐个理清”的思路，可将其切分为三大阶段，然后理清每个阶段的核心目标、任务。

“游云南”APP主要在当地线下进行推广，下面案例将聚焦于“旅游中-游客到达云南”阶段的“校验门票，进入景区”任务流程进行展开。

• 梳理场景因素，确认设计目标：

当用户在“游云南”APP线上购买门票后，在景区入口闸机处，用户展示APP内“一码通”的二维码，即可自助刷票入园（类似微信二维码支付）。相对以往需先到兑（购）票排队点兑（购）票，然后人工验票进园的流程，自助刷票方式更加便捷。

但“一码通”是新兴事物，面对下方罗列的不同用户场景因素，需要提供对应的设计方案，让用户能“从了解到使用”进行转变，获取顺畅体验：

梳理场景因素的同时，也是逐步确认设计目标的过程，当此环节进行完毕，后续就是对应的任务流程、核心界面流程设计阶段。

• 任务流程、核心界面流程设计：

此处以用户线上购票，已开通“一码通”的场景进行说明。