“购买者的用户画像基于研究的原型（建模），它代表了购买者是谁，他们试图完成什么，什么目标驱动他们的行为，他们如何思考，以及他们为什么做出购买决定等。”
在艾伦·库珀 1991 年的书《囚犯们正在经营这家收容所》中，提出用户画像的概念。库珀将画像作为一种用户设计的方法，从而在不同的部分之间粘合一些共同的属性，以便产出有凝聚力的设计策略。
用户画像也被称为买家画像、客户画像、客户资料，或者只是画像，这取决于是谁在向你推销这种创意，不过说到底，它们的意思都是一样的。
用户画像可反映其行为的真实数据和虚构的买家群体，可以使用它们来制定更好的营销、产品和业务决策。在 UX、CRO、社交媒体、SEM、SEO 等职能线中，用户画像都可以更好地发挥自己的价值。
注：本文中的“用户画像”特指研究人员通过业务实践并根据用户属性圈定的相应人群属性模型。
用户画像的提出赢得了热烈的掌声，但随着时间的推移，一些趋势逐渐减弱了用户画像在大众心中的的吸引力。
营销团队创建了不同版本的人物画像来应对不同的细分市场，而后方支持的开发团队却不太容易意识到一个细分市场可能包含多个用户画像。
另外，营销人员的主要目的是销售更多的东西，设计画像则需要揭示与产品相关的用户行为。但有些市场营销人员似乎总是喜欢给他们的画像起一些愚蠢的名字，然后包装成一个无法将主题突出的概念，让设计和研发人员连连摇头。
当人们不相信用户画像或用户画像不能基于现实时，用户画像的力量就会减弱。一般来说，营销人员在人物画像方面犯的一个大错误是把他们当作是在一些无用的画布上主观投射的价值。
更具体地说，往往属于这五类错误：编造数据、使用过多无关数据、只使用定性数据、只使用定量数据、相信你的画像是现实的完美代表，或者他们永远不会改变。
那么，我们如何克服这些错误，并创建值得信赖和可操作的用户画像呢?
数据驱动是一种很好的方法，它基于定性和定量数据的结合，以及相关的探索和分析。
我们很久以前就在 Excel 中做分析，以找到最有价值的客户群体，并且，我们还会跟踪他们的共同行为。
我们从未对行为相关性进行过完整的结构化分析，但是我们知道我们的“理想客户”在很大程度上是什么样的，并且我们通常知道哪些客户的档案对我们最有价值。
所以，概述目标和计划具体方法应当是整个过程的第一步。
对我而言，写调查报告是最难的部分之一，它涉及到思考我的项目目标是什么，并将这些目标与问题联系起来，得出可操作的答案。
不仅如此，我还想消除问题中的偏见，让调查足够简短，让人们可以更友好地接受它。
如果我能回去，我一定会去改进我的调查问题。这就是数据的来源，也是最应该关注的部分。
问卷中经常会出现一些规模问题，比如“在购买数字营销培训时，以下因素有多重要？”其次是一系列因素，如“成本”、“导师的声誉”和“互动性”。
我们还问了一些开放式的问题，比如“你的工作中最具挑战性的技能是什么？”和“你经常读什么博客？”这些都是最有价值的且可操作的营销活动的想法。
一旦你得到了大约 300 条回复，你就可以考虑分析数据了。不过，前提是已经提前计划了样本容量，大概有 300——1000 名受访者提供了良好的数据。
当然，其中也有许多比纯样本量更重要的因素，比如调查质量、受众定位、自己的数据分析技能等。
数据透视表是 Excel 中一个非常简单却非常强大的功能，对于数据探索来说是非常宝贵的。如果没有实际的操作，就很难解释它们，但是通过将不同的变量放在列/行中，并分析平均值、标准偏差、和等，我们就可以从不同的角度交互式地研究数据。
通常情况下，研究人员会利用数据透视表来查看受访者如何回答各种调查问题。
前文已提到，作为调查的一部分，问卷中还包含一些开放式问题:
由于各种各样的原因，其中最重要的是我们提出的问题所固有的可操作性。
例如，如果我们可以按角色划分并找到每个角色经常使用的公共网站，那么就知道他们在哪里发布消息、做广告或建立伙伴关系。
如果我们知道他们使用什么软件，我们就知道在活动、网络研讨会和内容方面应该与谁合作，我们就知道应该教授哪些特定于工具的课程，我们甚至可以基于软件细分来开展一些销售开发活动。
此时，我们已经对自自己的数据了如指掌。临睡时，可以思考到底可以创建哪些数据透视表来获取新的见解，而且，我们已经知道该画像在现实中是如何分解的，而不仅仅是我们头脑中的样子。
就在这时，你开始将他们具体化为不同的画像。找到他们的核心价值观，也许就会发现一个人物画像经常围绕着他们认定的“价值”，而非单纯的质量或其他，比如他们阅读 X 个博客，他们比一般受访者赚更多的钱，但花的钱却更少等等，这些细节都在逐步开始构建一个独特的人物画像。
当我们找到了一些原型画像时，会发现他们与我们创建的虚拟人物画像非常相似，可以从中抽取一部分“原型”，对其进行 15——20 分钟的一对一采访。
作为一名市场营销人员，主要对能够用于增长和广告的洞察力部分感兴趣。然而，在进行用户画像研究之前，也对已有的客户进行了行为分析，比如对他们进行客户访谈，共享团队之间的数据。
