人物角色，即persona，这里指代web persona，是指针对网站目标群体真实特征的勾勒，是真实用户的综合原型。我们对产品使用者的目标，行为，观点等进行研究，将这些要素抽象综合成为一组对典型产品使用者的描述，以辅助产品的决策和设计。
《赢在用户》persona法
创建人物角色的三种方法，是根据用户研究的类型和分析方法来区分的：
- 定性人物角色
- 经定量检验的定性人物角色
- 定量人物角色
更具体的方法细分：
定性人物角色
1. 进行定性研究 访谈10-20个用户/现场调查或叫情境调查（目标观点与行为都可以有）/可用性测试
2. 在定性的基础上细分用户群
3. 为每一个细分群体创建一个角色
经定量验证的定性人物角色
1. 进行定性研究（同上）
2. 在定性的基础上细分用户群
3. 通过定量研究来验证用户细分
4. 为每一个细分群体创建一个人物角色
定量任务角色
1. 进行定性研究（同上）
2. 形成关于细分选项的假说
3. 通过定量研究收集细分选项的数据
4. 基于统计聚类分析来细分用户
5. 为每一个细分群体创建一个人物角色
这三种方法的选择，主要取决于以下三个问题：
1. 用户画像的观众是谁，为什么他们要用用户画像？
2. 要怎样使用用户画像？要用用户画像来做什么类型的决定？
3. 可以花费多少时间和资金？
定性研究
比较适用的方法是访谈和情境调查。这是很基本的方法，因此这里只讲以创建用户画像为目的进行访谈和情境调查时的一些注意事项：
（1）用户
为避免遗漏掉某些类型的用户，需要找尽可能最大范围的不同用户进行访谈，可以根据已有的用户信息确定可能存在哪些类别的用户；
不只关注现有用户，还应该包括其他目标用户和流失用户；
经验数值：每个假设的细分群体访问5个用户（当然首先需要有一些合理假设），如果用户之间的差异很大，最多可以提高到10个。
（2）话题
关注用户的目标、观点和行为，以下是可供参考的常用话题：
使用历史：初次接触、第一印象、使用经历；
行业经验和知识：相关产品的使用经历，对它们的理解，自身的职业和需要用产品完成的相关任务：
目标和行为：使用产品做什么，典型步骤，为什么用；
观点和动机：对产品的评价，最喜欢、最不喜欢；
机会：对新功能的态度、槽点、需求；
（3）目标输出物
细分用户群的候选项；
关于用户的一些假设。
定量研究
比较适用的三种方法是：
调查问卷：这是最常用的方法，可以了解用户目标、行为、观点和人口统计学信息；
日志分析：可以将得到的行为数据和问卷数据结合起来分析，也可以将分析得出的行为模式对应到每个细分用户群中；
CRM数据分析：收集已有的客户交易、财务等数据，与问卷数据结合起来分析，寻找内在关联，也可以用来判定每个角色的财务价值。
根据上面的菜谱，我们知道做定量研究可能有两种目的：一个是去验证定性的用户细分，一个是去创建定量的用户细分。根据目的的不同，在做研究设计时也应该有所区别：
（1）验证定性用户细分
在经过定性研究之后，我们已经形成了关于用户分类的一些假设，即应该通过哪些关键属性去区分用户群。这个时候定量研究主要是为了解答以下两个问题：
假设的这几类用户之间，还存在着哪些区别？
假设的这几类用户之间，确实存在着需求的差异吗？
创建一个清单，列出为了回答这两个问题需要去测量的属性，然后考虑这些数据分别用哪种方法去收集比较好。
（2）创建定量用户细分
列出你认为可以用来定义用户群的所有候选属性（回顾一下之前做过的定性研究，或者跟团队的成员做一下头脑风暴），可以从以下几个类别去考虑：目标、行为、观点、人口统计特征。然后对所有的候选属性，考虑最合适的数据收集方法是什么。
用定性数据细分用户群
这个过程需要我们尽可能多地去探索，寻找最合适的细分方式，建议通过以下顺序考虑：
（1）用目标细分（从现象目标挖掘到本质目标）
（2）用行为和观点来细分
使用不同行为和观点的组合，有时能很好地定义用户群。可以选取几个关键变量（最好是2个，越多越难理解）形成多维象限，尝试对每一个象限代表的用户进行解释，看是否有足够的解释力和代表性。
用定量数据验证细分
我们可能假设用户的目标是细分用户群的关键属性，这时候我们需要通过定量数据验证的是，用户目标这个变量是否对用户的其他属性产生影响？即，抱着不同的目标来使用我们产品的用户，是否真的会表现出行为、态度等方面的差异？
根据所需的严谨程度和专业水平，可以采取不同的方式回答这些问题：
简单的方法：用excel的数据透视表就可以了，分析我们假设的关键细分变量对其他变量的影响。
严谨的方法：用ANOVA分析目标不同的用户，在其他关键属性上是否存在统计显著差异。
聚类分析（用定量数据细分用户画像）？？？？
（1）选择变量
通过前期的资料分析和头脑风暴，我们有一些首选的和备选的属性。建议从5-10个属性开始，然后按照需要增加属性。
（2）决定用户画像个数。
（3）分析过程
最常用的聚类方法是K均值法（K是指我们指定的细分组数）
K均值法尝试在你输入的数据中，寻找K个中心点，把所有的个案分配到对应的K个组中，并保证K到组内所有数据点的距离最小。
K均值的算法是：随机（或者通过其他算法）把每条记录分配到K个组中，计算每个组的K质心值（即均值），然后再把每条记录分配到离自己最近的质心值所在的组中，重复以上两步直到质心的位置不再发生变化。
缺点：无法探索细分组数，必须由分析者提供；不一定能够得出有实际意义的细分方法。
（4）评估细分选项
寻找一个差异足够明显、能够用于讲好故事的细分方式。
（5）描述细分群体
收集到的定量数据有很多不会作为细分选项，但是它们仍然可以用来描述我们细分出来的用户群。
创建用户画像所需的几个步骤
描述不同用户画像的关键差异是什么，选择几个最典型的特征。只选最典型的几个就好，这便于大家快速了解不同角色的区别，即使牺牲了一些复杂的现实也没关系。
取一个名字，避免几个角色的名字太相似，同时名字最好能够让人联想到用户画像的属性。在取名字的同时，为每个角色创建标签，会更加便于识别记忆。
找一张照片，尽量符合这个角色的形象。不同角色的照片风格要一致。
添加细节：
展示个人信息，可以发挥创意，不必追求准确性，做出有根据的猜测，选择可以加强人物性格的细节。建议包含：工作和公司；年龄；居住地；性格；家庭状况；爱好。
展示职业和行业信息。
计算机技能。
写个简介。
加入商业目的：希望在每个角色中实现怎样的商业价值。
确定用户画像的优先级。
撰写场景：关于角色如何与产品交互的故事。至少为每个角色的核心目标撰写一个场景，讲好这个故事。
现在，我们的用户画像已经初见雏形。但我们还需要对画像做必要的润色和美化，这是因为：首先，创建用户画像这个科学与艺术并存的过程，当然需要有一些更加艺术化的产出物；其次（也是真正重要的理由），完成用户画像并不是故事的终点，我们希望团队把它当做决策工具，希望创建的用户画像可以像一个活生生的人一样渗透到我们工作的每个环节，要达到这个目的，用户画像就需要足够生动。
创建用户画像不是一劳永逸的事情。要保持画像的活力，我们必须常常进行维护和更新，尤其是在市场环境变化、产品战略变更的时候。即使这些因素没有改变，随着时间流逝、团队成员更替，用户画像也可能渐渐不复往日的光辉，这个时候要如何对用户画像进行更新和唤起，把团队成员心中的用户重新拉回到一条线上，也是一件很有挑战的事情。
persona发挥最大作用的条件
目标用户离产品设计师越遥远、越陌生，Persona 越有用。目标用户就是设计师本身代表的人群，Persona 的用处就小多了。另一方面，产品的目标用户越细分、越垂直，Persona 越有用。用户越大众、覆盖面越广，Personal 越宽泛无力。
团队越大、跨职能部门沟通成本越高，Persona 越有用。如果整个团队喊一嗓子所有人都能听见，随时随地可以展开讨论，甚至设计师本人也是开发者，Persona 就没有什么存在的意义了。
【1】《赢在用户-web人物角色创建和应用实践指南》
【2】 用户画像烹饪课 - Cyan_Zheng