研究声明
本文是对「软件产品目标群体画像及其建模方法」的证据审查，结论经多来源对抗式核验(Salminen 等 15 年 data-driven persona 综述、346 篇 persona 知识主张系统综述、Cooper goal-directed design、ASOS 生产级流失与 LTV 模型、GTS-LUM 用户向量化、《When AI Imagines the User》ACM 2026、NN/g persona 分档、多臂老虎机实证等)。分档：【共识】成熟方法 · 【研究】论文阶段附数字 · 【判断】分析推导。这是快速演变领域的快照(2026 年年中)。
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。真能预测行为的是揭示性偏好，也就是用真实行为反推，不是想象出来的画像。对小团队来说，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)的原意是，它是合成的理想化原型；而且「目标」(稳定终态)与「任务」(过渡步骤)是两回事。
- 但它确实能改信念，而且往准的方向改。【研究，正面】一个 31 人受控实验显示，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。限定条件是 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，必须靠分析者判断加上用市场结果验证。定性画像还有一处硬伤，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 有一堆坑。【共识】它必须预设簇数 k、偏好球状等大簇、对离群点敏感，结果还依赖记录顺序，不是确定的；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，而且要调两个参数。
- 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，它偏袒球状簇。唯一硬标准是簇稳定性：跑 5 到 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。实操上，n_init 设 20 到 50，面向人看的分群 K 取 2 到 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，精度上限低得惊人
- 流失预测的「准确率」被高估了。【事实】某模型报 97.44% 准确率，但召回只有 87.82%，而基础流失率才 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)是，预测未来 12 个月不下单 AUC 0.798；行业典型 tabular 流失 AUC 0.83 到 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 到 2024 年，XGBoost 和 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。
- 「用户等于向量」的绝对精度极低。【研究】GTS-LUM 用 LLM decoder 把行为序列压成 user embedding，相对基线涨了一倍以上，但绝对值 Recall@5 只有 4.94%，工业级下一步行为预测的上限就这么低。客户 embedding(SkipGram)对流失 AUC 的提升只有约 0.002，还有冷启动问题，新客户就是随机向量。
- 流失风险高不等于干预有效。【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。但要注意，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 和准确率只动 1 到 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 与合成画像：好看，但不可信
- 系统性压扁加漫画化。【研究】327 个 AI 画像里，蓝领与服务业只占 7.6%(基准 20% 到 25%)；60 岁以上老人 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。而且平台依赖极强，蓝领占比 Visily 0%、Figma 9.5%、ChatGPT 5.1 是 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。
- 最该警惕的是好看但不可信。【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 分别为 .96、.85、.71)，还能被稳定识别出是 AI 写的(p=.003)。读起来更专业，不代表更像真人。新手最容易被这层表面质感骗过去，跳过真正的用户功课。
- 操控性与多样性是零和。【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。你最想搞懂的那类拧巴用户，恰是它最失真的。
- 有一个正经方向是 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 到 4 小时工作坊即可；定性要访谈 5 到 30 人；统计要问卷 100 份以上，理想 500 份以上。多数团队的默认应该是定性。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】它纯属假设，可能放大团队错误假设，不该驱动战略决策，只是第一步。它的价值是让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」会把假阳性率从 5% 飙到 30%，是 6 倍。
- 多臂老虎机(MAB)恰好赢在你这种场景。【事实】短命内容加流量稀缺(标题、邮件主题、文案轮换)时，它比 A/B 少 30% 到 60% 的遗憾。「什么内容爆」这个信号就活在这里，爆的文案就是揭示性偏好，可以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
| 阶段 | 你有什么 | 该用什么 | 别做什么 |
|---|---|---|---|
| 冷启动无数据 | 只有假设 | proto-persona(只为对齐)加访谈几个真人 | 别拿 proto 做战略决策；别信 AI 画像的「内容」 |
| 有行为数据 | 分析日志 | 定性画像 + cohort 留存 + 谨慎聚类(查稳定性) | 别信单一 silhouette；别上深度网络 |
| 有付费加流量 | 转化、留存、内容表现 | 揭示性偏好加多臂老虎机；梯度树做流失 | 别中途偷看 A/B；别把 97% 准确率当真 |
五个自欺陷阱
- 准确率做样子：类别不平衡下 97% 准确率、召回才 87%。
- 指标不等于价值：AUC 动 1 到 2 点，利润天差地别。
- 好看的假画像：AI 画像更「专业」但不更可信。
- 中途偷看 A/B：假阳性从 5% 涨到 30%。
- 假簇：silhouette 高但换种子就散，那不是真分群。
(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
- 画像等于一张 proto 加几个真人访谈，只用来对齐和探索视角，别指望它预测。
- 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，爆的内容可以反推受众共鸣与分群。
- 别中途偷看，预测锁死、样本攒够再判。
- 有了付费和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。
- AI persona 只当发散工具，让它帮你想角度，它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。