什么是用户，就是那些藏在每台电脑、手机、pad、智能watch屏幕背后的使用产品或服务恰如你我——有血有肉、有情绪、有想法、有阅历、有逻辑、有思考、固守某种习惯且独一无二、形形色色的人。

用户画像本质上基于各种因素综合考虑而构建的用户需求模型，包括三大核心要素，即人、产品或服务、场景。近几年AI在人机交互领域的应用落地，大幅度提升了交互效率、用户使用的学习成本大大降低、用户依赖程度得到极大提升。基于AI的用户交互产生的海量大数据为用户画像提供了全新的数据来源和验证途径，成为用户体验设计的重要考虑因素。

用户画像研究实质上是有效利用用户数据、实现知识发现的过程，随着“AI+”在用户体验和交互场景越来越多的应用，产生了大量用户行为数据，本文试图针对设计师如何利用AI应用场景产生的数据更加精确的给用户画像，构建需求模型，提升用户体验提出了几点思考，不妥之处，欢迎业内人士交流。

1.“AI+”在典型行业垂直应用场景逐步成熟落地，产生海量用户交互数据

随着大数据、人工智能、云计算、物联网区块链等新兴数字技术的应用，为用户画像研究提供了海量且高质量的数据，特别是AI在教育、零售、金融、汽车、家居、政务服务等垂直领域大量场景化的应用，凭借与用户交互的强大的智能响应能力对用户行为实施采集、分析归纳并智能反馈，收集海量用户交互数据，与其他渠道数据相比交互数据在洞察用户行为轨迹方面更具有研究价值。

以AI在金融行业应用为例：应用较为成熟与用户画像相关的应用场景有智能营销及智能客服2大场景。智能营销主要是指技术上主要依托于推荐引擎和机器学习技术，通过分析用户数据并聚类用户特征，做到“千人千面”的智能推送；智能客服是指依托于自然语言理解，语音识别等技术打造的智能问答系统，可以提供 24 小时不间断的问答服务。

“AI+智能营销”和“AI+智能客服”作为AI在金融行业的典型应用场景，通过人工智能技术与用户产生交互，在交互过程中产生大量用户行为数据，依托AI强大的机器学习能力，AI可以将用户行为数据分类，标签，分析，输出。当前AI交互数据主要有以下几类：

通过对海量用户交互数据的AI深度算法，设计师在此基础上对用户更深层次精细的情绪进行洞察研究，为用户设计更加贴心的体验，从AI交互延伸到管理整个客户旅程中的交互。例如：除了了解用户的经历、旅程外，通过AI赋能预测接下来用户所需的服务，并指导用户如何处理即将发生的事情。

2.依托场景行为数据构建用户画像模型，对场景进行延伸和创新

AI与用户交互场景产生的海量数据通过利用决策树、贝叶斯网络、K均值算法、逻辑回归以及主题模型等机器学习算法抽取用户特征，为进一步提炼得到用户标签并构建用户画像模型提供强大的数据支持。

有了强大的AI数据支持，设计师在用户画像研究中，可以围绕“单个用户”或“群体用户”更加顺畅的打通多场景切换，例如：

例如，在政务APP政务服务和信息服务场景设计过程中，可以使用LDA模型文本挖掘出用户感兴趣的信息主题，利用得到的用户偏好主题的概率分布空间向量，计算用户相似度进而实现用户所属群体的分类及特征提取；通过在生活服务和信息服务板块构建行为主题、主题词汇等多种数学模型来实现特征提取，通过基于对AI交互数据的用户画像实施实时动态分析，引导用户使用场景的延伸和自然切换。

3.“设计师+AI”是构建用户画像模型的最佳组合模式

很多时候，这种基于AI算法赤裸裸的推送就像是一只令人讨厌的“舔狗”，虽然智能但没有“同理心”更不能做到与用户“共情”，AI所能做的是偏理性的基于大量数据的严格算法模型下的结果输出，可以判断用户的行为，但是产生这种行为的情感驱动因素机器是体会不到的。因此，在用户画像的工作中需要以设计师为主导，以人对人的“同理心”并结合AI产生的大量行为数据深度分析隐藏在数据背后用户的真实动机，真实需求，真实情感，只有这样的用户画像才是真实的，用户的体验和交互才能触达用户心灵。

博思远略认为在AI全面赋能的背景下，以设计师为主导通过将用户交互海量数据与其他渠道数据实现数据(不同数据源、不同类型、不同载体)融合与提升，构建更加多元、精准的用户画像，建立高效的用户认知模型和精准的用户体验数据的模式是未来的重要发展方向。(作者：博思远略)

相关文章推荐

• 「研究」提高政府服务效能背景下政务APP用户体验评价及设计研究
• 【政策风向标】国务院印发《关于加快推进“互联网+ 政务服务”工作的指导意见》
• 「研究」《大数据、云计算、人工智能技术体系及其在油气田中的应用调研》
• 「研究」上海市《关于进一步加快智慧城市建设的若干意见》重点梳理
• 「研究」城市信息模型(CIM)构建及在新型智慧城市中应用研究
• 「研究」基于用户体验设计驱动的政务APP创新思考