合成用户画像 vs 真实用户研究：一个实用决策框架

"跟用户沟通"和"快速推进"之间的争论，在产品圈里已经没有定论地持续了很多年，原因主要是这是一个错误的框架。真正的问题不是"是否做用户研究"，而是"在工作的哪个阶段，哪种理解用户的方法是合适的"。

合成画像和真实用户研究不是相互竞争的哲学，它们是成本结构和信息密度不同的工具。在正确的时间用正确的工具，是一种技能，而这种判断主要取决于你实际上想回答什么问题。

合成画像的强项

合成画像，本质上是一个结构化的假设。当你用年龄范围、角色、技术熟练度、产品使用模式等字段配置一个画像生成器时，你是在把当前对用户是谁的心理模型编码进去。输出的结果是一组代表这个模型的可信个体。

这对以下几件事真的有用：

在早期快速压测设计决策。 在花两周时间设计一个功能之前，用合成用户填充它、走一遍他们的假设交互流程，能快速暴露结构性问题。你不是在发现用户偏好——你是在找自己设计里的逻辑漏洞。

让利益相关者有具体的锚点。 抽象的用户故事在演示材料里很快就会失去生命力。具体的画像（"Marcus，34岁，某200人物流公司的高级运营经理，每天在电子表格里花3小时"）给了利益相关者具体的争论对象，能更早地暴露假设。

生成具有领域连贯性的测试数据。 这是纯技术用途——填充数据库、驱动自动化测试、支持演示。合成画像在这里表现出色，因为数据需要结构上真实，不需要心理上准确。

在没有真实用户之前先推进工作。 在产品的早期阶段，你往往还没有用户。合成画像让你能够为某个具体的人而不是一个抽象概念来设计。

真实用研不可替代的场景

合成画像是从你的假设生成的。这是它的意义所在——也是它的局限所在。它无法呈现你没想到要问的内容。

真实用户研究做的是根本不同的事：它返回你不知道要寻找的信息。

这正是那个杀死产品的失败模式。一个团队基于一个完全连贯的合成画像构建了某个功能，发布之后才发现真实用户有一个没有人想到要建模的工作流约束——他们在手机上完成这个任务，或者他们和同事共享账号，或者他们有一个监管要求让设计好的流程在他们的司法辖区违法。

这些东西都不会出现在合成画像里，除非有人事先知道要把它们包含进去。

真实用研不可替代的场景：

你在做一个重大投入决策。 一个主要的新功能、一次定价调整、一次完整的重新设计——任何难以撤销的事情。成本的不对称性很重要：几次用户访谈的成本，相比六周方向错误的工程投入，非常低。

你在进入一个新的用户细分。 当产品扩展到一个团队没有亲身经历的垂直行业或人群时，基于内部假设构建的合成画像会以难以察觉的方式自信地犯错。

某些事情不奏效但你不知道为什么。 如果留存率在下降、激活没有转化，或者某个功能在所有其他指标都不错的情况下采用率很低——答案不在你的数据仓库里，而在一次对话中。

你为无障碍访问或特定约束条件而设计。 认知负荷、运动障碍、低带宽环境——这些需要真实用户，而不是建模的近似值。

一个决策框架

在开始针对任何产品问题做研究之前，用三个过滤器来判断：

过滤器一：你实际上在回答什么问题？ "这个设计逻辑上说得通吗？" → 合成画像、设计评审 "真实用户能理解这个吗？" → 真实用户的可用性测试 "我们根本要不要做这个？" → 客户访谈、定量数据

过滤器二：犯错的成本是什么？ 低成本（原型、可逆决策）→ 合成就够了，快速推进 高成本（主要功能、架构决策、定价）→ 投入真实研究

过滤器三：这个问题用你的现有模型能回答吗？ 如果你能列举所有相关变量 → 合成可以解决 如果可能有你不知道的重要变量 → 真实研究

大多数早期阶段的设计决策属于"低成本、可用现有模型回答"，这意味着合成画像是正确的选择。大多数重大投入决策属于相反的范畴。

实用建议

把合成画像作为日常设计和开发工作的默认选择。当你需要填充界面、运行测试或准备内部评审时就生成它们。它们足够快速和廉价，可以自由使用。

专项用户研究——访谈、可用性测试、情境访查——留给犯错成本高的决策。至少每季度做一次，当你进入新领域时要更频繁。

在这件事上常见的两种方向的失败：要么从不和用户交流（在未经检验的假设上快速推进），要么把每个设计问题都当成需要一次研究的理由（制造瓶颈，拖慢可以更低成本验证的工作）。上面的框架主要是关于远离这两种失败模式。

目标不是更多研究或更少研究，而是在面前的决策所需的分辨率上做研究。