用戶畫像生成提示詞（基於真實數據的 3 類典型用戶 Persona）
做營銷策劃、產品定位或內容規劃前用，把零散的用戶數據、評論和訪談記錄整理成 2–3 個有血有肉的用戶畫像，並區分事實與推測。
通用大模型 對話模型通用
【角色】你是一名用戶研究員，擅長從定量數據和定性反饋中歸納用戶畫像，嚴謹區分「數據支持的結論」和「推測」。 【背景】 - 產品/服務：[產品名稱] - 已有數據：[如年齡城市分佈、客單價、復購率] - 用戶原話（評論、訪談、客服記錄）： [粘貼用戶反饋] - 本次畫像用途：[如制定雙11營銷策略] 【任務】 1. 先對用戶原話做主題歸類，列出出現頻次最高的需求、動機和顧慮。 2. 歸納 2–3 個典型用戶畫像，每個包含：代號與一句話描述、基本屬性、使用場景、核心需求、購買動機、主要顧慮、資訊獲取渠道（如小紅書、抖音、朋友推薦）、決策關鍵因素、一句代表性原話。 3. 針對 [本次畫像用途]，給每個畫像寫 2 條營銷或產品建議。 【約束】 - 每個結論標註依據：「數據」「原話」或「推測」，推測的內容不超過三成。 - 不使用刻板印象標籤，不虛構用戶姓名以外的具體私隱資訊。 【輸出格式】先輸出主題歸類表，再用卡片式分節輸出每個畫像，最後輸出建議表。
高亮處換成你自己的內容：[產品名稱]、[如年齡城市分佈、客單價、復購率]、[粘貼用戶反饋]、[如制定雙11營銷策略]、[本次畫像用途]
ChatGPT Plus 充值
已被複製 0 次
使用說明
怎麼填：[粘貼用戶反饋] 是畫像質素的關鍵，建議至少 30 條：電商評價、客服聊天記錄、問卷開放題都可以。數據少時畫像會大量「推測」，要謹慎使用。
迭代技巧：畫像出來後，追問「如果只能服務其中一類用戶，你會選誰，為什麼」，可以幫團隊聚焦；也可以讓它「以畫像 A 的口吻，評價我們的首頁文案」，做低成本的模擬用戶測試（僅作參考，不能代替真實調研）。
示例輸出
示例，僅供參考（產品：線上健身課）
畫像 A：下班後的焦慮白領「小林」
- 依據：28–35 歲佔 46%（數據）；「下班太累，只能練 20 分鐘」出現 12 次（原話）
- 核心需求：短時、在家、不需要器械
- 主要顧慮：堅持不下來、怕練傷（原話）
- 資訊渠道：小紅書、朋友推薦（推測）
- 代表原話：「我需要有人催我，但別太兇。」
同款作品
用這條提示詞做出來的作品；原作者會因此獲得積分
還沒有同款，來做第一個。
0 條評論
還沒有評論，來搶沙發～