# Buyer Persona Builder

> 当你已有用户/客户数据（分析、调研、访谈、工单）并要为营销与销售产出可落地的数据驱动买家画像时使用；做"原型归类→人口/行为/动机聚合→痛点带频次→营销含义→置信度评级"并输出结构化画像（文本/JSON）；不适用于零数据的"拍脑袋"画像、纯 UX 界面设计实现、或单画像覆盖全部人群。触发词：买家画像、用户画像、客户原型、ICP 画像、persona

- Skill: `findscripter/buyer-persona-builder` (Agent Skill)
- Install (CLI): `npx skillmds@latest add findscripter/buyer-persona-builder`
- Raw SKILL.md: https://api.skillmd.com/api/skills/findscripter/buyer-persona-builder/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- License: MIT
- Author: findscripter (https://skillmd.com/u/findscripter)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/findscripter/buyer-persona-builder

---

## 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

1. **准备客户数据**（JSON 数组，每条一个用户）。关键字段：
   ```json
   [
     {
       "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。

2. **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）：
   ```bash
   # 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
   ```

3. **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"）。

4. **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。

5. **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。