Launch Atlas logoLaunch.Atlas
#03DiscoveryUX 設計產品經理

Persona · 使用者輪廓

讓團隊在爭論時有共同的「他」

Persona · 使用者輪廓 · 卡片插圖
CHOOSE YOUR MODE

先決定你現在是要學,還是要在專案裡做

網站負責解釋與分發工作包;真正的 Repository 掃描、缺口判斷與文件產出交給 Coding Agent。

SDLC 實作課 · 交付物練習

先理解這份文件替你消除什麼不確定

讓團隊在爭論時有共同的「他」

沒有 persona,每個人腦中的「使用者」都不一樣。PM 想的是高階主管、設計想的是年輕族群、工程想的是自己。

PRD 上爭論不休,本質是因為大家在為不同的人設計。

Persona 不是行銷文案,是團隊內部對齊「他是誰、他在乎什麼」的最小協議。

OWNER & HANDOFF

誰負責、交給誰

主責: UX

協作: PM(驗證商業價值優先序)、BA(補 stakeholder 視角)

下游收件: UX 畫 journey、PM 寫 PRD、行銷做 GTM 訊息

WHEN TO USE

何時值得做

REQUIRED

必要時機: 跨團隊新產品、目標使用者多元、需要 GTM 對齊

SKIP

不需要時: 內部工具且使用者就是團隊自己、單一明確 B2B 客戶

CAUTION

常見誤用: persona 寫成人口統計學履歷(年齡、收入)卻沒有「動機、痛點、決策邏輯」

看懂5 段骨架知道每段要留下哪一種判斷
看會雙版本範本先用輕量版練習,再讀完整版
做出自己的草稿手動貼到 Claude Code、Codex 或其他 Agent
  1. 01讀大綱
  2. 02比範本
  3. 03填素材
  4. 04貼提示詞
  5. 05對照驗收

Anatomy · 文件解剖

輕量版先回答 5 個核心章節

章節名稱可以因團隊調整,但每一段要求的判斷不能被省略。先讀問題,再看格式。

  1. 01

    Executive Summary

    範本必要章節

    3-5 行:identified N 個 persona、primary 是誰、最強分群訊號

  2. 02

    Persona Segments

    範本必要章節

    2-3 個 persona 為宜(輕量版)。每個必須有 elevator_pitch + behavior_signals 至少 2 條 + top_pain 至少 1 條

  3. 03

    Primary Persona & Anti-Persona

    範本必要章節

    primary 必須附 rationale(為何先服務他);anti-persona 必須誠實列出「我們不服務誰」,不能空白

  4. 10

    Decision Log(key 1-2 條)

    範本必要章節

    每條必含 chosen + 至少 1 個 rejected option + 拒絕原因

  5. 12

    Confidence & Sources & TODO

    範本必要章節

    把已確認的內容、判斷依據與仍待補充的資訊清楚分開。

Study · 對照學習

同一份交付物,先練核心,再看完整深度

輕量範本適合第一次練習與 MVP;完整範本保留跨職能交棒需要的細節。兩者都要求未知事項保持可見。

SmartTrip 實例待補

這張卡目前提供已審定的輕量與完整範本;不以 AI 臨時生成的內容冒充實際案例。

LIGHT TEMPLATE

30 分鐘內先完成核心章節。

---
doc_type: "persona"
variant: "light"
status: "draft"
owner: "<your-name>"
last_updated: "YYYY-MM-DD"
upstream:
  required: ["user-research"]
  optional: ["jtbd", "competitive-scan"]
---

# Persona: <product-name>

**Status:** Draft v0.X · **Owner:** <UX name> · **Last updated:** YYYY-MM-DD

> [!IMPORTANT]
> **AI 填寫規則:** 本範本 5 段(編號 1, 2, 3, 10, 12),全部必填——刻意沿用完整版章節編號讓兩版可對照。每結論行內加 `(依據:interview §XXX / quote: "...")`;每量化欄位 `[H]/[M]/[L]` confidence badge;缺資料寫 `_TODO: 需要 XXX_` 不編造;**不寫人口履歷**(年齡 / 收入單獨出現不算數),必須綁定行為訊號或決策邏輯。

---

## 1. Executive Summary

<!-- ai-fill: 3-5 行:identified N 個 persona、primary 是誰、最強分群訊號 -->

<3-5 行說明>

> **TL;DR:** <一句話:我們在為「<具體輪廓>」設計>

---

## 2. Persona Segments

<!-- ai-rule: 2-3 個 persona 為宜(輕量版)。每個必須有 elevator_pitch + behavior_signals 至少 2 條 + top_pain 至少 1 條 -->

### P1 · <elevator pitch 一句話>

| Field | Value | Confidence | Source |
|---|---|---|---|
| **Context (role / industry / team size)** | <e.g., SaaS Ops manager · 5-10 人團隊> | **[H]** | interview-04 §1 |
| **Behavior signal 1** | <e.g., 每週開 dashboard ≥ 3 次> | **[H]** | analytics §XX |
| **Behavior signal 2** | <e.g., 在 Slack 而非 Email 溝通> | **[M]** | interview §3 |
| **Top pain** | <一句話 + supporting quote> | **[H]** | "<訪談原句>" — P02 §5 |
| **JTBD ref** | JTBD-001, JTBD-003 | — | — |

### P2 · <elevator pitch 一句話>

(同上格式)

---

## 3. Primary Persona & Anti-Persona

<!-- ai-rule: primary 必須附 rationale(為何先服務他);anti-persona 必須誠實列出「我們不服務誰」,不能空白 -->

- **Primary:** P1 — <rationale: 為何先服務他>(依據:interview saturation §XX)**[H]**
- **Anti-persona:** <e.g., 一次性試用者 / 學生族群> — Rationale: <為何排除>

---

## 10. Decision Log(key 1-2 條)

<!-- ai-rule: 每條必含 chosen + 至少 1 個 rejected option + 拒絕原因 -->

| Date | Decision | Options | Chosen | Rejected why | Confidence |
|---|---|---|---|---|---|
| YYYY-MM-DD | 分群切法 | by_role / by_use_case / by_lifecycle | by_use_case | by_role (跨角色行為太雜)、by_lifecycle (樣本不足) | **[H]** |

---

## 12. Confidence & Sources & TODO

- **整份文件最低 confidence 欄位:** <列出所有 [L] 與 [M]>
- **Fabricated assumptions(推測但 input 未明說):**
  - <假設 1>
- **Highest-value next input:** <下一份最該補的訪談 / analytics / 客服 NPS>

### TODO(缺資料)

- _TODO: 需要 X 份訪談校準 P2 behavior signal_

---

> [!CAUTION]
> **輸出前 AI 自檢:**
> - [ ] 5 段 H2 章節齊全(編號 1, 2, 3, 10, 12,刻意沿用完整版編號)
> - [ ] 每個 persona 含 elevator pitch + behavior signals ≥ 2 + top pain ≥ 1
> - [ ] 沒有任何 persona 只有 demographics(年齡 / 收入)沒有 behavior signal
> - [ ] Anti-persona 段已誠實列出,不是空白
> - [ ] Top pain 有 supporting quote(不能只寫「他覺得很煩」)
> - [ ] Decision Log ≥ 1 條,每條有 rejected reason
> - [ ] 無 YAML / JSON schema 輸出(Persona 是給人讀的 markdown)

Practice · 換你試做

先用自己的話交代素材,不需要先學會工程術語

確定的就寫,不確定的留白。下一步要做的是請 Agent 找缺口,不是讓它替你猜一套合理答案。

可以先留白;複製提示詞後再到 Coding Agent 裡補充。

AI Practice · 手動三步

先問、再寫、最後審,不把整條流程鎖死

每一步都是獨立工作包。你可以停下補資料、修改限制或重做某一步,不需要服從固定的 Agent 接力流程。

STEP 01

只找阻擋文件成立的未知

先補會改變範圍、判斷或驗收結果的資訊,不急著寫文件。

我要製作「Persona · 使用者輪廓」。先不要產出文件。

請根據我的素材,找出會影響這份文件正確性或可執行性的未知事項,一次最多問 5 題。

每題請包含:
1. 問題
2. 為什麼現在必須知道
3. 它會影響哪個章節或決定

已經回答的事不要重問;可以延後的事標成「待決策」;不要替我猜答案。

本文件的核心章節:Executive Summary、Persona Segments、Primary Persona & Anti-Persona、Decision Log(key 1-2 條)、Confidence & Sources & TODO

複製後,請在標示位置貼上自己的素材。

Review · 自己驗收

文件存在,不代表下一個角色真的能使用

逐條檢查 Agent 的輸出。人類負責需求、限制與驗收,也必須能說明重要結論從哪裡來。

CHECKED0 / 6
NEXT HANDOFF

帶著這份文件,繼續到「Journey Map · 旅程地圖」

下一張卡會接住新的決策問題;不用一次把整條 SDLC 全做完。

前往下一張卡