以 skill 自身的术语
一套面向高级 UX 设计师或研究员的 UX 研究与设计工具集。它运行四种工作流：生成数据驱动的角色画像、创建用户旅程图、规划可用性测试、综合研究结果，并通过触发词将每个请求路由到对应的工作流。
内置的 persona_generator.py 脚本接收一个 JSON 格式的用户记录数组，返回包含原型、人口统计信息、目标、挫折点、设计启示和置信水平的角色画像，输出为纯文本或 json 格式。快速参考表涵盖了研究方法的选择、按样本量划分的角色画像置信度、可用性问题严重程度和访谈问题类型，验证清单则为每种产物设定了标准。
它产出什么
- 一份涵盖人口统计学、心理特征、行为、需求与目标、有据可依的挫折点、场景、设计启示和数据要点的角色画像。
- 根据传入的参数，输出人类可读的角色画像文本，或用于集成的 JSON。
- 一份用户旅程图，为每个阶段填写了行动、触点、情绪、痛点和机会。
- 综合的研究结果，以“Y 名参与者中的 X 名”的形式给出频率，并附带证据、业务影响和建议。
工作方式
- 01选择合适的工作流
该 skill 分为四个工作流：人物画像生成、用户旅程映射、可用性测试规划和研究综合分析。
- 02运行人物画像生成器
人物画像生成是一次脚本调用。不带参数运行可得到便于阅读的输出，传入 json 则可获得便于集成的机器可读输出。
- 03审查生成的组件
该工作流提供了一个审查表，用于检查原型是否符合数据模式、目标是否具有可执行性、痛点是否具有频次统计，以及设计影响是否可供设计师采取行动。
- 04验证人物画像
生成的人物画像并未完成，你还需要将其反馈给 3-5 位真实用户，询问他们是否觉得贴近自己。
- 05绘制用户旅程
用户旅程映射采用典型的 B2B SaaS 阶段，然后在每个阶段填入行为、触点、情绪、痛点和机会。
- 06对研究数据进行编码与聚类
原始数据先被标注为 GOAL、PAIN、BEHAVIOR、CONTEXT 和 QUOTE，随后相似的模式会被聚类为带规模标注的分组，最后再从中提炼出结论。