使用者角色 Persona
把抽象的使用者數據具象化為一個有名字、有故事的虛擬人物,讓團隊對「我們為誰設計」有共同想像。
什麼時候該用它?
Persona 適合在團隊對「我們的使用者是誰」各說各話的時候拿出來。它把抽象的使用者群體變成一個具體的人——有名字、有背景、有動機、有痛點。當你說「王小美會怎麼想?」比說「25-35 歲女性族群偏好什麼?」更能讓團隊產生共鳴。
- 產品初期:團隊對目標使用者還沒有共識,需要建立共同的使用者想像
- 功能優先級討論:爭論「要不要做這個功能」時,回到 Persona 問「她需要嗎?」
- 設計評審:審查設計稿時用 Persona 當評審標準——「這個介面對王小美來說直覺嗎?」
- 行銷文案撰寫:寫文案前先對著 Persona 想「她在什麼情境下會看到這段話?」
- 新人到職:新成員加入團隊時,Persona 是最快理解「我們服務誰」的文件
- 多產品線管理:當公司有多個產品線服務不同族群時,用 Persona 確保各產品線不會搞混使用者
框架結構
一份完整的 Persona 不是一張漂亮的海報,而是一份基於研究的使用者代表模型。
基本資料
- 名字與照片:給一個真實感的名字和一張代表性照片。目的不是精確描述某個人,而是讓團隊能「叫出名字」
- 人口統計:年齡、職業、居住地、家庭狀況。不需要太精確,但要反映核心族群特徵
- 一句話描述:用一句話總結這個 Persona 最核心的特質。例如「精打細算的職場新鮮人,買東西之前一定先看三篇評價」
行為模式
- 目標(Goals):她想達成什麼?分為功能性目標和情感性目標
- 痛點(Pain Points):她在達成目標的過程中遇到什麼阻礙?
- 行為習慣:她怎麼搜尋資訊?用什麼裝置?在什麼時段最活躍?
- 決策因素:她做購買/使用決策時最在意什麼?價格?評價?品牌?便利性?
情境故事(Scenario)
描述一個具體的使用情境:「週三晚上 10 點,王小美躺在床上滑手機,想買一件明天上班穿的上衣。她打開蝦皮搜了一下,覺得選擇太多不知道怎麼挑,又打開了品牌官網⋯⋯」
引言(Quote)
一句代表性的話,抓住 Persona 的核心態度。例如:「我不是捨不得花錢,我是捨不得花錯錢。」
Persona 光譜
多數產品需要 3-5 個 Persona,其中標示一個「Primary Persona」作為設計的首要對象。其他 Persona 的需求在不衝突的前提下兼顧,但 Primary Persona 永遠優先。
來源與歷史
- 1999:Alan Cooper 出版《The Inmates Are Running the Asylum》,首次系統性地提出 Persona 方法,認為軟體設計必須從「為特定的人設計」出發
- 2003:Kim Goodwin 在 Cooper(公司)進一步發展 Goal-Directed Design,讓 Persona 與設計流程緊密結合
- 2006:Pruitt 和 Adlin 出版《The Persona Lifecycle》,將 Persona 從設計工具擴展到組織層級的策略工具
- 2010s:Persona 從 UX 設計擴散到行銷(Buyer Persona)、產品管理、甚至 AI 訓練,成為跨領域通用方法
- 2020s:數據驅動 Persona 興起——結合行為數據、AI clustering 自動生成 Persona,但核心邏輯不變:把數據變成有同理心的故事
真實案例:Mailchimp 的 Freddie、Fiona 與 Fernando
Mailchimp 在 2017 年進行品牌重新定位時,建立了一套完整的 Persona 系統來指導產品和行銷策略。
他們研究了超過 700 位中小企業主和行銷人員,歸納出四個核心 Persona:
- Freddie(新手創業者):剛開始做電子報,技術能力有限,需要「不用想就會用」的工具。他的行銷預算是每月 50 美元。
- Fiona(成長中的行銷主管):已經會基本功能,需要自動化和進階分析。她管理 5 萬筆以上的訂閱者名單。
- Fernando(代理商):同時管理多個客戶帳號,需要多帳號管理、品牌客製化。他一個人處理 15 個以上的客戶。
每個 Persona 直接影響產品決策:
- Freddie → 推出免費方案(Free Plan),0 到 2,000 訂閱者免費使用
- Fiona → 開發 Customer Journey Builder,支援複雜的自動化流程
- Fernando → 推出 Mailchimp Pro(代理商方案),支援多帳號和白標
結果:免費方案推出後 18 個月內新增超過 200 萬用戶。Mailchimp 在 2021 年被 Intuit 以 120 億美元收購,成為 SaaS 史上最大收購案之一。
使用步驟
Step 1:執行使用者研究
至少訪談 8-12 位真實使用者,涵蓋不同的行為模式(重度使用者、輕度使用者、流失用戶)。同時分析行為數據:使用頻率、功能使用分佈、購買路徑等。
Step 2:找出行為 Pattern
從訪談和數據中找出重複出現的行為模式。不是用人口統計分群(「25-35 歲女性」),而是用行為分群(「買之前一定先比價的人」vs「看到喜歡就下單的人」)。
Step 3:建立 Persona 文件
為每個行為群組建立一份 Persona 文件。包含:名字、照片、背景描述、目標、痛點、行為模式、決策因素、情境故事、代表性引言。3-5 個 Persona 是最佳數量。
Step 4:指定 Primary Persona
團隊投票或討論決定誰是 Primary Persona——當不同 Persona 的需求衝突時,優先滿足誰?這個決策會直接影響產品方向。
Step 5:融入日常工作流程
把 Persona 海報貼在辦公室、放進設計文件模板、每次需求討論都帶上。Persona 的價值在於「持續被使用」,而不是做完放在雲端硬碟裡積灰塵。
這樣做 vs 避免這些
這樣做
- 基於研究建立 Persona——訪談和數據是最低要求,不要靠想像力
- 用行為模式分群,而非人口統計——年齡和性別不決定使用行為
- 定期更新——使用者行為會變,一年前的 Persona 可能已經過時
- 給 Persona 一個真實感的名字和故事——目的是讓團隊產生同理心
避免這些
- 不要做超過 5 個 Persona——太多等於沒有焦點
- 不要把 Persona 當成真人——它是研究的「模型」,不是預言
- 不要讓 Persona 變成刻板印象——「年輕人都愛用手機」不是有效的 Persona 描述
- 不要只做不用——做完 Persona 卻從不在會議中提起,等於浪費了所有研究時間
台灣品牌電商做 Persona 最常見的問題:全部長得一樣。「28 歲、女性、住台北、喜歡逛網購、月收入 4-5 萬」——這種 Persona 你給任何一個品牌,他們都會說「對,就是我們的客人」。沒有鑑別度的 Persona 等於沒有。
真正有用的電商 Persona 要抓到「購買行為差異」:
Persona A — 比價型小美:每次購物前一定開三個分頁(官網、蝦皮、momo)比價。她的購物車裡平均放 12 件商品,最後只會買 2-3 件。觸發她下單的不是折扣,是「限時」——她怕猶豫太久就沒貨了。
Persona B — 忠誠型阿玲:只在品牌官網買,LINE OA 推播必看。她一年消費 8 次,客單價 2,500 元。她最在意的不是價格,而是「新品搶先看」和「免費改褲長」這種品牌獨有的服務。
Persona C — 任務型志明:只在特定時機(生日、紀念日、母親節)上來買禮物。他不逛、不比價、不看評價——他要的是「3 分鐘內找到一個不會出錯的禮物,然後幫我包裝好寄出去」。
這三個 Persona 對產品的需求完全不同。小美需要比價工具和庫存提示;阿玲需要會員專屬內容和早鳥通知;志明需要禮物推薦和一鍵禮盒包裝。如果你的 Persona 沒有辦法直接指導「這個功能要不要做」,那就還不夠具體。
最後一個提醒:LINE OA 的好友數據是台灣品牌建立 Persona 的金礦。好友加入時間、推播開啟率、點擊偏好、標籤分群——這些行為數據配合 5-8 場深度訪談,就能建出非常扎實的 Persona。不需要花大錢做市調。