模块03第1课：用AI构建用户画像与人群细分模型
模块 03 · 第 1 课
约 55 分钟
数据分析
受众理解
用AI构建用户画像与人群细分模型
大多数企业的用户画像只有一个问题：它是假的。"25-35岁城市女性，月收入1万以上，喜欢追剧……"这类描述几乎适用于任何品牌，对营销决策毫无指导价值。这节课教你用AI构建真正能驱动策略的用户画像——基于真实行为数据，而不是拍脑门的人口统计。
在说AI如何改进用户画像之前，先诊断现有方法的根本问题。
传统画像的问题
基于假设而非数据：凭经验描述"目标用户应该是谁"，缺乏真实行为验证
停留在人口统计层：年龄、性别、收入——无法解释为什么两个同龄人购买动机完全不同
静态不可执行：画像完成后放进PPT，没有人知道它应该如何影响明天的文案
AI画像如何修复
从真实数据出发：整合GA4行为数据、CRM购买记录、社媒评论，基于实际行为而非假设
深入心理动机层：分析"为什么买""担心什么"，揭示决策驱动力
直接推导策略：画像完成后自动生成内容策略、渠道建议、文案方向
一个诊断自测：把你们现有的用户画像描述发给同行业竞品，看他们是否也认为"这说的就是我们的用户"。如果答案是肯定的，说明你们的画像没有真正的品牌特异性——这正是AI画像要解决的核心问题。
AI画像的质量完全取决于输入数据的质量。理解每种数据源能告诉你什么、不能告诉你什么，是构建有效画像的前提。
行为
网站行为数据
GA4、热力图。揭示用户在哪里停留、在哪里离开
告诉你：用户怎么做
交易
CRM/交易数据
购买频次、客单价。揭示真实的消费价值
告诉你：用户买什么
声音
社媒评论/UGC
用户评论、小红书笔记。揭示用户用自己语言描述需求
告诉你：用户怎么说
搜索
搜索关键词数据
Google/百度指数。揭示用户主动寻找什么答案
告诉你：用户找什么
调研
问卷/访谈记录
NPS调研、用户访谈。揭示用户的主观陈述
告诉你：用户想什么
客服
客服对话记录
售前咨询、投诉记录。揭示最真实的使用障碍
告诉你：用户卡在哪
数据整合黄金法则：单一数据源永远不够。行为数据告诉你"用户做了什么"，但不告诉你"为什么"。至少整合两类数据源，用交叉验证来确认洞察的可信度。
一个真正有用的AI用户画像，需要覆盖七个维度。点击每个维度查看详细描述和AI提示词片段。
年龄、性别、地域、职业、收入。这是最浅的维度，关键是不要让分析止步于此。
高价值用户的人口属性和整体用户有何差异？
分析[数据]，识别高价值用户群体的人口属性特征，重点标注与整体用户群差异显著的属性维度
用户在产品/内容上的实际行为轨迹：访问频率、停留时长、购买路径。行为比言语更真实。
高价值用户和普通用户的行为路径有何不同？
从[GA4/CRM数据]中识别高转化用户的行为模式，找出转化前的关键行为触发点
用户真正想解决的问题。关键是区分"表面需求"和"深层需求"。
用户在评论/咨询中反复提到哪些痛点词汇？
分析[评论/客服数据]，提炼用户原话中出现频率最高的痛点表达，按严重程度排序
驱动用户购买的核心动机（功能、情感、社交）和阻碍购买的顾虑（价格、信任）。
用户购买的最主要驱动力是什么？
从[用户反馈数据]中识别购买驱动因素和阻碍因素，区分理性与情感动机
用户在哪些渠道获取信息、信任哪类内容形式、受哪类KOL影响。决定了你应该在哪里出现。
高价值用户的流量主要来自哪些渠道？
分析[渠道数据]，找出高价值用户的主要流量来源和内容消费偏好
用户用什么词描述自己的问题和期望。这是文案创作最宝贵的原材料——用用户的语言说话最有说服力。
用户原话中最能引发共鸣的表达有哪些？
从[评论/UGC数据]中提炼用户原声词汇和表达方式，分类整理可直接用于文案的短语
D7
Jobs to be Done（JTBD）— 用户雇用产品来完成什么任务
▼JTBD框架是最深层的维度：用户不是在购买一个产品，而是在"雇用"它来完成某项工作、实现某个进步。一杯奶茶不是饮料，而是"在午后加班时让自己感觉被犒劳了"的工具。
用户在什么情境下决定购买？
购买前他们在用什么替代方案解决问题？
购买后他们真正期待的"进步"是什么？
基于[访谈/评论数据]，分析用户的Jobs to be Done：触发情境 → 期望的进步 → 被替代的竞争方案 → 购买阻碍。用"当……我希望……所以我……"句式总结每类用户的核心Job
以一个国内DTC护肤品牌为例，展示七维度AI用户画像的完整输出，以及它如何直接推导出营销策略。
基础属性 (D1)
年龄 24-32岁
城市 一二线城市
职业 职场白领/自由职业
行为模式 (D2)
研究深度 购买前平均看7篇种草
决策周期 首购前14-21天研究期
核心痛点 (D3) — 用户原话
"脸总是红，换季必烂"
"成分表看不懂，怕踩雷"
"买了很多大牌，敏感肌根本用不了"
购买动机 (D4)
功能动机 修复屏障，减少过敏
信任来源 皮肤科医生背书+成分透明
"我不是不舍得花钱买护肤品，我是怕又买了一堆用不了的东西，然后皮肤又烂掉，又要去皮肤科……"
直接推导的营销策略
内容策略：以"成分科普+脱敏日记"为主，80%干货教育建立信任，20%产品自然植入
渠道策略：主攻小红书（用户决策前必经渠道），配合品牌官网深度内容承接
文案策略：用用户原话作为钩子（"脸红的根本原因是..."），主打科学性
信任建设：皮肤科医生测试报告前置展示，成分表详细解释，降低首购顾虑
一个画像无法代表所有用户。人群细分是把用户按有意义的维度分组，让不同群体得到差异化的营销对待。
RFM模型按三个维度对用户进行价值分层：最近一次购买（Recency）、购买频率（Frequency）、购买金额（Monetary）。是数据最容易获取、营销ROI最高的细分方法。
AI辅助RFM分析提示词
基于以下用户数据，对用户进行RFM分层分析：
数据：[用户ID、最近购买日期、购买次数、累计金额]
请将用户划分为5个层级：冠军用户、忠诚用户、潜力用户、需关注用户、流失风险用户
每个层级给出：用户数量和占比、核心特征描述、建议的营销动作、优先级排序
行为细分按用户的实际使用行为进行分组。相同的行为模式往往对应相似的需求和动机。
AI辅助行为细分提示词
基于以下用户行为数据，识别行为细分群体：
数据：[用户浏览路径、会话时长、流量来源、转化路径]
请识别3-5种不同的行为模式类型，每种类型包含：
行为特征描述、群体规模、背后的需求假设、最优触达策略、识别该群体的关键行为信号
心理细分按用户的价值观、生活方式和动机进行分组。数据需求最高，但产出的洞察对品牌定位和内容策略最有价值。
AI辅助心理细分提示词
基于以下用户调研/访谈数据，进行心理细分：
数据：[用户访谈文字、问卷回答、评论数据]
请将用户分为3-4个心理群体，每个群体包含：
心理特征标签、核心价值观、购买决策中最看重的因素、最容易被什么内容打动、一句该群体可能会说的话
填写你的品牌和数据情况，自动生成完整的用户画像分析提示词，可直接发给Claude使用。
用户画像生成提示词构建器
根据你的数据条件，生成最适合的画像分析提示词
① 品牌类型 （选1个）
② 你有哪些数据 （可多选）
③ 最想了解的维度 （选1-2个）
1
画像发现 → 内容策略
用户最大痛点 → 内容矩阵40%应是"解决该问题"的干货；信任来源 → 内容形式优先选择对应格式
2
用户原话 → 文案创作
把D6维度收集的"用户原话"直接用于广告标题和落地页文案。用用户自己的语言比任何创意文案都更有说服力
3
渠道偏好 → 投放策略
D5维度的媒体接触数据直接指导渠道预算分配。高价值用户从哪里来，就重点投那里
4
RFM分层 → 差异化运营
冠军用户给专属福利，潜力用户给教育内容，流失风险用户给唤醒优惠——每一层得到不同的消息
5
JTBD洞察 → 产品定位
用户"雇用"产品来完成的真实任务，往往和品牌自己认为的产品价值不一样。JTBD洞察常常带来颠覆性的定位调整
每次画像更新后做一件事：把新的画像发给Claude，用提示词"基于以上用户画像，给出本月营销内容策略调整建议（内容主题/文案方向/渠道重心各1-2条）"——让AI把画像洞察直接翻译成下周可执行的行动。
课程要点回顾
传统画像三大缺陷：基于假设、停留人口统计、无法落地——AI画像从真实行为数据出发，直接推导策略
六类数据源各有价值，至少整合两类做交叉验证，单一数据源无法支撑可靠洞察
七维度框架：从基础属性 → 行为 → 痛点 → 动机 → 媒体 → 语言 → JTBD，层层深入
三种细分模型：RFM（价值分层）、行为细分（路径）、心理细分（动机），按数据条件选用
画像落地五步：内容策略 + 文案创作 + 投放优化 + 差异化运营 + 产品定位