用户画像与建模:哪些真能预测行为,哪些只是仪式

先给总裁决:画像这件事,大部分"怎么做/怎么用"的行业教条没有实证支撑;能真正预测行为的是揭示性偏好(用真实行为反推),不是想象出来的画像。对小团队,画像的正当用途是对齐和探索,不是预测。

一、经典框架:persona 到底有没有用

• 行业大部分主张没被验证。【研究】一篇扫了 346 篇 persona 论文、抽出 130 条知识主张的系统综述发现:关于怎么创建和怎么使用 persona 的主张,绝大多数缺乏实证支撑;只有"定义"层有共识,而"如何评估 persona 准不准"这块严重缺研究。你被教的那套画像方法论,多是没证据的传统。
• persona 从来不是一个真人。【共识】Cooper(1999)的原意:它是合成的理想化原型;而且"目标"(稳定终态)≠"任务"(过渡步骤)。
• 但它确实能改信念、往准的方向改。【研究,正面】一个 31 人受控实验:用真实客户数据做的画像,让 81% 的人改变了对客户的既有认知,94% 的人认知变得更准。⚠️限定:n=31、单个职场实验、用的是真数据——不是拍脑袋那种。
• "画像别超过 10 个"是民间传说。【研究,反直觉】这条经典规矩此前零实证;一个 37 人实验反而显示,用 15 个画像的人没有更差的记忆、更多错误或更少共情——认知过载的担忧被交互式浏览化解了。
• 分群不是客观科学。【共识】没有自动算出"唯一最佳细分"的方法,必须靠分析者判断 + 用市场结果验证。定性画像还有硬伤:它告诉不了你每个画像占多大比例,容易把异类当主流。

二、分群方法与聚类陷阱(要用聚类先看这段)

• k-means 一堆坑。【共识】必须预设簇数 k、偏好球状等大簇、对离群点敏感、结果还依赖记录顺序(非确定);当输入变量相关时(现实里常见),选 k 的诊断统计直接失效。DBSCAN 不用预设 k、能找任意形状、自动分噪声,但怕密度不均 + 要调两个参数。
• 选 k 别信单一指标。【共识,最重要】肘部法不可靠(inertia 永远随 k 下降、常无明显拐点);silhouette 会误导(偏袒球状簇)。唯一硬标准是簇稳定性——跑 5–10 个随机种子算两两 ARI,分配不稳的 k 就是假的,分数再高也没用。实操:n_init 设 20–50、面向人看的分群 K 取 2–12,选"最小且稳定可解释"的 K。

三、预测式用户建模:把用户建成向量(精度天花板低得惊人)

• 流失预测的"准确率"是通货膨胀。【事实】某模型报 97.44% 准确率,但召回只有 87.82%、基础流失率才 19%——高准确率是类别不平衡撑出来的假象。真实规模基准(ASOS,1250 万用户):预测未来 12 月不下单 AUC 0.798;行业典型 tabular 流失 AUC 0.83–0.86、top 10% 提升约 3 倍。
• LTV 比流失难太多。【事实】ASOS 的生命周期价值模型,Spearman 相关只有 0.56(剔除零值客户后 0.46)——连大厂重资源的 LTV 模型也只抓住一小部分方差。
• 深度网络打不过梯度提升树。【事实】ASOS 上 DNN 也没超过随机森林;2020–2024,XGBoost/LightGBM 仍是流失预测的业界实操标准——你手上那点表格行为数据,别上深度网络。
• "用户=向量"的绝对精度极低。【研究】GTS-LUM 用 LLM decoder 把行为序列压成 user embedding,相对基线涨 100%+,但绝对值 Recall@5 只有 4.94%——工业级下一步行为预测的天花板就这么低。客户 embedding(SkipGram)对流失 AUC 的提升只有约 0.002,还有冷启动问题(新客户=随机向量)。
• 流失风险 ≠ 干预有效。【研究】高流失分不代表发了挽留就会改变行为,这才是增益模型(uplift)的理由。但注意:文献并未确证 uplift 一定优于普通流失模型(缺头对头对比),只有个别金融案例显示 uplift 在利润上赢。
• 指标是业务价值的差代理。【研究】调参时 AUC/准确率只动 1–2 个点,利润却大幅变化——所以别拿离线指标当业务价值;好在"按利润选模型"也不会伤害预测性能。

四、AI/合成画像:光鲜,但不可信

• 系统性扁平 + 漫画化。【研究】327 个 AI 画像里,蓝领/服务业只占 7.6%(基准 20–25%);60+ 老人 100% 被框成"技术受限",职业女性 97.9% 被写成"忙碌/多任务"而男性不会。且平台依赖极强(蓝领占比 Visily 0% / Figma 9.5% / ChatGPT 5.1 14%)。
• AI 画像比人做的更刻板。【研究】54 个评分者盲评,GPT-4o 画像被判显著更刻板(p=.03),反驳了早期"AI 画像不刻板"的结论。
• 最该警惕:光鲜但不可信。【研究】AI 画像在信息量/一致性/清晰度上显著更高分,但在真实感/可信度/共鸣上毫无优势(p=.96/.85/.71),还能被稳定识别出是 AI 写的(p=.003)。读起来更专业 ≠ 更像真人——新手最容易被这层光泽骗过去,跳过真正的用户功课。
• 操控性 vs 多样性是零和。【研究】对齐(RLHF)模型更听话地扮演指定立场,但语义多样性掉最多 58.2%(观点坍缩);对"矛盾人群"操控性差 9.7%,会退回刻板立场——你最想搞懂的拧巴用户,恰是它最失真的。
• 有个正经方向:RAG 接地画像(检索真实用户之声、数据缺就明说、给出处)。【研究】但作者自己没做定量准确性验证,只有 14 个专家的形成性评估。

五、小数据 / 一人公司 / 揭示性偏好(最落地)

• 三档画像,数据要求递增。【共识,NN/g】proto(不用调研,2–4 小时工作坊)→ 定性(访谈 5–30 人)→ 统计(问卷 100+,理想 500+)。多数团队的默认应该是定性;而统计画像常常和便宜得多的定性画像结果几乎一样,却贵得多。
• proto-persona 只对齐、不预测。【共识】纯假设、可能放大团队错误假设、不该驱动战略决策、只是第一步。它的价值是团队对同一个目标群体有共识,不是准。
• A/B 测定位对小产品基本不可行。【事实】在 3% 转化率上测出 5% 提升,需要每组约 30,000 访客——solo 产品够不着。而中途"看着领先就停"(偷看)会把假阳性率从 5% 飙到 30%(6 倍)。
• 多臂老虎机(MAB)恰好赢在你这种场景。【事实】短命内容 + 流量稀缺(标题、邮件主题、文案轮换)——比 A/B 少 30–60% 的遗憾。"什么内容爆"这个信号就活在这里:爆的文案 = 揭示性偏好,反推"哪种人被哪种说法戳中"。上下文老虎机还能按特征条件化(Yahoo LinUCB 点击提升 12.5%)。
• "audience of one"陷阱。【共识】定义 persona 的根本目的,就是阻止开发者把自己当用户。

综合:按数据成熟度选方法

五个自欺陷阱

1. 准确率剧场:类别不平衡下 97% 准确率、召回才 87%。
2. 指标 ≠ 价值:AUC 动 1–2 点,利润天差地别。
3. 光鲜的假画像:AI 画像更"专业"但不更可信。
4. 偷看 A/B:假阳性 5%→30%。
5. 假簇:silhouette 高但换种子就散 = 不是真分群。

(外加一个老陷阱:幸存者偏差——你只看得见留下来的用户,看不见流失和沉默的。这条本轮没抓到独立实证,标【判断】,但值得时刻记着。)

给一人公司的最小落地

1. 画像 = 一张 proto + 几个真人访谈,只用来对齐和探索视角,别指望它预测。
2. 让市场替你做细分:把"什么内容爆"做成多臂老虎机——这是唯一有方法论支撑、且适配小流量的路子;爆的内容反推受众共鸣与分群。
3. 别偷看:预测锁死、样本攒够再判。
4. 有了付费/留存数据再上梯度树做流失,别碰深度网络;LTV 别期待高精度(0.56 已是大厂水平)。
5. AI persona 只当发散工具:让它帮你想角度,给的"内容"永远交叉验证,别当用户真实想法。

主要来源(均经核验):Salminen 等《A Survey of 15 Years of Data-Driven Persona Development》(IJHCI 2021)、346 篇 persona 知识主张系统综述、Cooper goal-directed design、ASOS 生产级 churn/LTV 模型、GTS-LUM(user-as-vector,arXiv 2504.06511)、《When AI Imagines the User》(ACM SIGMIS-CPR 2026)、63 篇合成 persona 综述、NN/g persona 三档、多臂老虎机 vs A/B 实证等。104 条带引用主张、25 条进对抗核验(24 确认、1 否);「共识/研究/判断」三档与厂商/自建 benchmark 数字均已标注。