findscripter 何时使用
适用于资深 UX 设计师/研究员把"已有的用户数据"转化为可落地设计决策的四类场景：
- 生成用户画像：手上已有分析数据、问卷或访谈，需要产出有研究背书的 persona。
- 绘制旅程地图：为某个具体目标，可视化端到端的用户体验与情绪曲线。
- 规划可用性测试：用真实用户验证某个设计方案。
- 综合研究发现：把原始访谈/问卷/观察数据聚类成可执行洞察。
不该用的边界（负边界）：
- 不用于视觉层 UI / 设计系统组件搭建——那属于「UI 设计系统」技能。
- 不用于纯前端代码实现。
- 不在"零用户数据"时强行造画像。样本不足时只能产出探索性结论，须标注低置信度，不可当作生产级依据。
步骤
步骤 1 · 生成用户画像
- 准备用户数据，必须为如下 JSON 结构：
[
{
"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"]
}
]
- 运行画像生成器：
# 人类可读输出
python scripts/persona_generator.py
# 用于系统集成的 JSON 输出
python scripts/persona_generator.py json
- 逐项校验生成结果：原型是否匹配数据模式 / 人口属性是否源自真实数据 / 目标是否具体可执行 / 挫败点是否带频次计数 / 设计启示是否能让设计师直接落地。
- 验证画像：拿给 3-5 名真实用户问"这像你吗？"；与客服工单交叉核对；与分析数据复核。
工具会按信号自动判定原型：power_user（每日使用、10+ 功能 → 效率与定制）、casual_user（每周使用、3-5 功能 → 简洁与引导）、business_user（工作场景、团队使用 → 协作与报表）、mobile_first（移动优先 → 触控、离线、速度）。
步骤 2 · 绘制旅程地图
- 定义范围：persona、目标、起点（触发事件）、终点（成功标准）、时间跨度。
- 采集旅程数据：用户访谈（问"带我走一遍……"）、会话录屏、分析漏斗/流失点、客服工单。
- 划分阶段，典型 B2B SaaS：
认知 → 评估 → 上手 → 采用 → 拥护。 - 每个阶段填满分层：
阶段：[名称]
├── 行为：用户做了什么？
├── 触点：在哪里交互？
├── 情绪：感受如何？(1-5)
├── 痛点：什么让他受挫？
└── 机会：哪里能改进？
- 识别机会，按 优先级分 = 频次 × 严重度 × 可解决性 排序。
步骤 3 · 规划可用性测试
- 把模糊目标改写成可测问题，例如"好用吗？"→"用户能否在 3 分钟内完成结账？"
- 选方法：有调节远程（5-8 人 / 45-60 分 / 深度洞察）、无调节远程（10-20 人 / 15-20 分 / 快速验证）、游击测试（3-5 人 / 5-10 分 / 即时反馈）。
- 设计任务，用场景而非指令：
场景: "想象你正计划去巴黎旅行……"
目标: "在预算内预订 3 晚酒店。"
成功: "你看到了确认页面。"
任务推进顺序：热身 → 核心 → 次要 → 边界 → 自由探索。
- 定义成功指标：完成率 >80%、任务耗时 <2× 预期、错误率 <15%、满意度 >4/5。
- 准备主持人指南：出声思考说明、非诱导性追问、任务后提问。
步骤 4 · 综合研究
- 为每个数据点打标签：
[GOAL]目标 /[PAIN]痛点 /[BEHAVIOR]行为 /[CONTEXT]场景 /[QUOTE]用户原话。 - 聚类相似模式（如把"每日使用 + 高级功能"的 A、B 归为 Power Users）。
- 计算各细分占比，判定主要/次要 persona 的可行性。
- 每个主题提炼：发现陈述 + 支撑证据（引语/数据）+ 频次（X/Y 受访者）+ 业务影响 + 建议。
- 按 频次 / 严重度 / 影响广度 / 可解决性（各 1-5 分）排优先级。
指令
- 生成画像与旅程时，只用真实数据，不要拍脑袋假设；挫败点必须带频次计数（如"加载慢 14/20"）。
- 画像置信度由样本量决定：5-10 人=低（探索性）、11-30 人=中（方向性）、31+ 人=高（生产级）；最低 20 人才可作为正式画像。
- 至少需要 2 个数据源（定量 + 定性）。
- 可用性问题严重度分级：4 严重（阻断完成→立即修）、3 重大（明显困难→发布前修）、2 轻微（造成迟疑→有空就修）、1 表面（不影响→低优先级）。
- 研究方法按问题类型选：「用户做什么」用分析/观察（100+ 事件）、「为什么」用访谈（8-15 人）、「能做多好」用可用性测试（5-8 人）、「偏好什么」用问卷/AB（50+ 人）、「感受如何」用日记研究/访谈（10-15 人）。
示例
persona_generator.py 的人类可读输出片段：
============================================================
PERSONA: Alex the Power User
============================================================
A daily user who primarily uses the product for work purposes
Archetype: Power User
Quote: "I need tools that can keep up with my workflow"
Demographics:
• Age Range: 25-34
• Tech Proficiency: Advanced
Goals & Needs:
• Complete tasks efficiently
• Automate workflows
Frustrations:
• Slow loading times (14/20 users)
• No keyboard shortcuts
Design Implications:
→ Optimize for speed and efficiency
→ Expose API and automation capabilities
Data: Based on 45 users Confidence: High
注意事项
- 画像质量自检：基于 20+ 用户、≥2 数据源、目标具体可执行、挫败点带频次、设计启示具体、置信度已标注。
- 旅程地图自检：范围（persona/目标/时间跨度）清晰、基于真实数据、各分层填满、每阶段标痛点、机会已排序。
- 可用性测试自检：研究问题可测、任务是真实场景而非指令、每方案 5+ 参与者、定义成功指标、发现带严重度评级。
- 研究综合自检：编码一致、模式基于 3+ 数据点、发现带证据、建议可执行、优先级有依据。
- 访谈提问按类型设计：情境（"带我走一遍你的一天"）、行为（"演示你怎么做 X"）、目标（"你想达成什么"）、痛点（"最难的是哪部分"）、反思（"你会改什么"）。
互见
- 「UI 设计系统」技能——研究发现反哺设计系统决策。
- 「产品经理工具箱」技能——客户访谈分析与画像研究互补。
采编自 alirezarezvani/claude-skills（MIT 许可）。原始技能为 product-team 下的 ux-researcher-designer，本条目为中文适配重写，保留其核心命令、数据结构与方法论约束。