findscripter 何时使用
当你手上已有真实的用户/客户数据（产品分析、调研问卷、销售/客成访谈、支持工单、CRM 字段），需要把它们提炼成营销与销售可直接使用的买家画像时使用：定向投放、销售话术、内容选题、ICP 圈定、官网文案的对象设定。
不该用的边界（重要）：
- 没有任何数据，只想凭团队主观"拍脑袋"造画像 —— 这是被本方法明确禁止的反模式（见"注意事项"）。
- 你要做的是界面/交互的 UX 设计实现（设计 token、组件、可用性测试），那属于产品/设计范畴，不是本条目。
- 想用一个画像覆盖所有人（25-55 岁、又要简单又要高级…）—— 应拆成多个细分画像，而不是拉伸一个。
- 仅做单点定量统计（留存、漏斗），不需要"人格化"的客户原型。
步骤
准备客户数据（JSON 数组，每条一个用户）。关键字段：
[ { "user_id": "user_1", "age": 32, "usage_frequency": "daily", "features_used": ["dashboard", "reports", "export"], "primary_device": "desktop", "usage_context": "work", "tech_proficiency": 7, "pain_points": ["slow loading", "confusing UI"] } ]usage_context=work会被识别为商业/B2B 买家信号，是营销画像的核心维度。运行画像生成器（脚本默认内置 30 条样本数据，可替换为你自己的数据源）：
# 人类可读输出 python scripts/persona_generator.py # JSON 输出，便于接入 CRM / BI / 投放系统 python scripts/persona_generator.py json > personas.json核对画像四要素是否真的来自数据：原型（archetype）是否匹配数据模式；人口属性是否源于真实字段；目标是否具体可执行；痛点是否带频次（如"加载慢 14/20 人提及"）。
看置信度评级，决定能否对外使用：
样本量 置信度 适用场景 5-10 人 低 仅探索性假设 11-30 人 中 方向性参考 31+ 人 高 可用于生产/正式投放 下限要求：≥ 20 人 + ≥ 2 个数据源（定量 + 定性），否则只能当假设。
验证再落地：拿画像问 3-5 个真实客户"这像不像你？"；与销售/客成/工单交叉核对；与分析数据对账。通过后再用于话术与投放。
指令
- 原型识别采用启发式规则（脚本内逻辑）：
daily使用且功能数 >10 → 重度用户/Power User；主设备为 mobile/tablet → 移动优先；work语境占比高于 personal → 商业买家/Business User；其余 → 轻度用户。商业场景下优先关注后者派生的"协作、报表、ROI、集成"营销含义。 - 痛点必须带频次，禁止泛泛的"界面让人困惑"；要写成"找不到导出功能（8/12 人提及）"。
- 人口属性点到为止：写"30-40 岁，城市职场人，研究生学历"，不要"34 岁，西雅图，斯坦福 MBA"。
- 目标要可执行：写"每天需处理 50+ 条目且不做重复操作"，不要"想变高效"。
- 每个画像须代表用户基数的 ≥ 15%，否则考虑合并，不要为离群点单独立画像。
示例
============================================================
PERSONA: Taylor 商业买家
============================================================
📝 一个在工作场景下高频使用产品的日活用户
Archetype: Business User
Quote: "我得向决策者证明清晰的价值（ROI）"
👤 人口属性：年龄 25-34｜城市｜技术熟练度 进阶
🎯 目标：提升团队效率｜跟踪指标｜与现有工具集成
😤 痛点：报表能力弱（14/20）｜协作差｜缺企业级功能
💡 营销/产品含义：
→ 主打专业视觉与企业级信任（SSO、审计日志）
→ 内容聚焦 ROI 与团队协作场景
📈 基于 30 名用户｜置信度：中
营销落地：用上面的 Quote 作广告主标题，用"痛点 + 频次"作落地页的痛点段，用"营销含义"决定内容选题与定向。
注意事项
避开这些会让画像失效的反模式：
- 弹性画像：一个画像试图覆盖所有人 → 按细分拆分。
- 人口堆砌画像：只有年龄/收入/学历，没有目标和痛点 → 以目标和痛点开头，人口属性最简化。
- 理想客户画像：描述你"想要"的客户而非"真实拥有"的 → 必须基于真实数据，保留真实局限。
- 委员会画像：每个干系人塞一句主观意见（CEO 加"偏企业"、销售加"爱看 demo"）→ 单一负责人、只用数据。
- 过期画像：建一次再不更新 → 每季度复盘并补充新数据。
红线：把假设当数据、单一数据源、零频次的痛点，都会让画像不可信。
互见
- UX 用户研究与旅程地图（原始来源技能，偏产品/设计侧）。
- 客户细分 / ICP 与销售线索打分（商业域内可衔接的下游条目）。
采编自 alirezarezvani/claude-skills（MIT），适配重写为面向商业/marketing 的买家画像构建，保留其原型分类、置信度评级与画像有效性反模式等关键约束。