一、全文速览图

“Good design is durable.” 迪特 · 拉姆斯的设计十诫提到，好的设计应该是历久弥新、不会轻易过时的。

在 20 世纪，大多数日常用品都经历过颠覆式的变革、简化或技术迭代，比如电话、笔、黑胶唱片机等。然而有少数物品，它们已问世超过百年，形态与结构却跟设计之初别无二致，且还能较好地满足当下的需要。这些产品是如何诞生的？为什么他们能在时间的长河中维持恒定不变？兰亭妙微UI设计公司与您一起来学习。

二、这些百年产品的诞生

1. QWERTY键盘布局  1874年

1941 年，世界上第一台电子计算机诞生；1968 年，第一只鼠标原型问世。然而，与它们共同构成人机交互基础的 QWERTY 键盘，其布局早在 1874 年就已获得大规模应用。

如今我们已有语音、触摸屏、甚至是脑机接口等多种输入方式，却还是高度依赖着与 150 年前首批打字机外观相似的键盘。

QWERTY键盘的发明

1868 年，肖尔斯（Christopher Latham Sholes）和他的同事们将他们的第一台打字机运往芝加哥，首位客户是芝加哥波特电报学院的校长爱德华（Edward Payson Porter）。这台打字机有 28 个琴键式按键，外形似钢琴，与波特学院使用的休斯·菲尔普斯印字电报机相似。其键盘按字母表顺序排列：A 至 N 从左向右排布，O 至 Z 则从右向左延伸。

在会见了多名客户后，根据反馈，肖尔斯与其同事对键盘的构造与布局进行了多次改进。最终在 1872 年，《科学美国人》在头版以大幅版画形式报道了这台打字机，画面中清晰展示了其键帽结构，此时的打字机已配备 42 个按键，包含大写字母、数字 2 至 9，以及连字符、逗号、句号、问号等常用标点符号。

1874 年，肖尔斯发明的打字机由枪械制造商雷明顿公司（E. Remington and Sons）推向市场，并逐渐演变成为键盘的行业标准。其按键布局已与今天我们普遍使用的 QWERTY 键盘几乎完全相同，是当今世界上应用最广泛的键盘布局。尽管不同国家会因语言习惯在键位安排上做些微调，但整体结构仍遵循着这一经典设计。

扑朔迷离的键盘布局起源

这其中耐人寻味的是，肖尔斯是如何想出这种键盘排列方式的。

因其印刷行业的背景及报纸出版商的经历，肖尔斯应当熟悉排字工根据使用频率排列字盘的做法。有一种广为流传的理论认为 QWERTY 键盘的布局是为了限制打字者的速度：其核心原则是将高频使用的字母分隔开（尽管像 E 和 R 仍被放在一起），以此减少打字时连动杆的相互碰撞而导致的故障。换而言之，这是一种以暂时性的输入效率，换取机械运行的长期可靠性的妥协。

然而，京都大学的研究人员³提出，QWERTY 键盘布局的诞生可能与早期核心用户——电报员的工作习惯密切相关。研究中以 E、S 、Z 这三个字母在键盘上的布局为例来阐明这个观点。

当时，美国电报员需要把听到的摩尔斯电码实时转译成字母。在美国使用的电码中，字母 Z 与常用组合 SE 的编码恰好相同，均为“···  ·”（滴滴滴  滴）。当听到这样的电码序列，尤其是在缺乏上下文的单词的开头时，接收者无法立即判断是 Z 还是 SE，只能根据后续听到的电码来综合判断。这种不确定性会严重影响输入效率：在传统的 A-Z 顺序键盘上，若电报员开始输入 Z，之后发现应为 SE，手指就不得不在相距较远的键位之间移动并修改。

而 QWERTY 键盘布局的调整是，把 Z、SE 这两组容易引起混淆的字母安排在了彼此相邻的位置。这样一来，即使电报员在听到“滴滴滴  滴”时无法立刻判断，手指也能在紧邻的区域中快速选择或更正，而不必在全键盘上寻找。或许正是这类针对电报场景的优化，最终塑造了我们今天所熟知的 QWERTY 键盘格局。

虽然原因至今尚无定论，且无论是为了避免机械故障还是适配摩尔斯电码的输入习惯，都跟当下的使用场景有所不同，但至今为止也没有任何一种其他布局方式来取代它。

2. 回形针 1901年

19 世纪，木浆制浆技术与工业造纸厂的出现让廉价纸张得以广泛流通。面对随之产生的大量零散纸张，人们开始使用手边常见的别针来加以固定——这被视为回形针的前身。尽管别针价格低廉、使用方便且用后即弃，但其缺点也十分明显：不仅容易生锈，还会刺穿纸张，留下难看的锈迹与孔洞。

最早的回形针专利记录来自挪威人约翰·瓦勒（Johan Vaaler），他在 1901 年提交了申请。专利摘要中写道，这是一种“由弹簧材料弯曲成矩形、三角形或其他形状的环，金属丝两端形成并排且方向相反的部件或舌片”。相比别针，回形针不需要通过刺穿纸面来固定纸张，并排的金属丝结构也提供了更多的固定方式。

1899 年，威廉·米德尔布鲁克（William D. Middlebrook）获得了回形针制造机械的设计专利，随后他将专利卖给了一家办公用品制造商，该公司将其注册为“宝石回形针”（Gem clip）。其有着标志性的双椭圆形环圈设计，通常采用镀镍或彩色塑料包裹的材质，不仅有效防锈，也兼顾外观的美感。

相比约翰·瓦勒的设计，宝石回形针将纸张与回形针接触的位置处理得更圆润，减少了刺破纸张的风险。螺旋状的钢丝具有一定的柔韧性，可轻松张开以便放入纸张，同时又有足够的弹性来夹紧文件。

几年后，乔治·W·麦吉尔（George W McGill）对宝石回形针做出了改良，进一步增大了内环的弧度，使其更明显地上翘。相比初代宝石回形针平缓的环圈末端，这种上扬的开口形成了更清晰的“示能”——直观地提示用户“此处可拉开并插入纸张”。在结构上，它也实现了更省力的开合体验。正是这一改良版本，逐渐演变成了今天最常见、最广泛使用的回形针。

回形针作为“固定文件”的工具这一认知，也自然而然地从现实世界延伸到了数字世界。在图形用户界面中，当我们想要将文件添加至邮件或文档时，常常能看到那枚熟悉的回形针图标。

3. 螺旋蚊香 1902年

中国最早的蚊香可追溯至宋代，一本记录民间生产技术的古籍《格物粗谈》中记载：“端午时，收贮浮萍，阴干，加雄黄，作纸缠香，烧之，能祛蚊虫”。这段记载中所述的制品可视为早期形态的“蚊香”，其外形类似于带芯的线香。换而言之，最初的蚊香是直的。

蚊香的螺旋形演变可以追溯到 19 世纪末的日本。当时，人们将除虫菊粉与锯末混合燃烧用于驱蚊。日本企业家上山英一郎（うえやま えいいちろう）生产了一种混合了淀粉和除虫菊的香，虽然驱蚊效果良好，但存在明显缺陷：不仅燃烧时间短，不到四十分钟便燃尽，而且与普通线香一样质地较脆，遇风易折。

1895 年，上山英一郎正致力于寻找延长蚊香燃烧时间的方法。期间，他的妻子在仓库中偶然看见一条盘踞的蛇，由此获得灵感，建议他将蚊香制成螺旋形状。这一设计在工程上极为巧妙：螺旋结构以最小的面积延展了蚊香长度（相比线状蚊香延长约 4 倍），也设置了一个单点、稳定、缓慢的燃烧路径，让蚊香既不会熄灭也不会因为香条过宽而燃烧太快。1902 年，可持续燃烧约七小时的螺旋状蚊香问世，并被命名为“金鸟蚊香”，其有着标志性的深绿色外观与印有红色公鸡头的包装设计。

如今我们使用的螺旋盘香，基本都是采用了这个结构，在保证单盘燃烧时间 7-8 小时的前提下，既能节省包装空间，又能在运输中互相支撑，防止断裂。

4. 拉链  1911年

在拉链发明之前，人们用以拉紧衣物的工具繁多，包括系带、纽扣、别针、搭扣、腰带与松紧带等。纽扣是其中历史最久、使用最广的一种，但其使用效率较低，解开与扣上均需时间，且在耐用性上存在不足，时有脱落之虞。

19 世纪末，在追求“效率”的工业时代背景下，拉链应运而生。发明家惠特科姆（Whitcomb Judson）想解决传统的系带式高帮靴穿脱过于繁琐这个问题，在芝加哥世界博览会上展示了名为钩锁（clasp locker）的装置，它的核心目标很明确：用一次滑动，替代逐个系扣的繁琐过程，节省时间。但当时这种拉链依赖手工制作，成本较高，且质量不够稳定，最终因为结构缺陷及成本问题退出了市场。

1912 年，森贝克（Gideon Sundback）取得了突破性进展，他将惠特科姆发明的易崩开的钩环结构改成了稳定咬合的齿牙结构，实现凹凸完全咬合，使拉链闭合更牢固，开合也更加顺滑流畅。一百多年过去，如今金属拉链仍然在沿用这种工艺制造。

1923 年，百路驰（B.F. Goodrich）公司将森贝克设计的拉链用于一款女式橡胶靴，因其开合时会发出“滋滋”的摩擦声，公司便形象地将其命名为 “ZIPPER”。这个朗朗上口的名字随后逐渐被大众广泛采用，“拉链”也因此得名并沿用至今。

拉链与纽扣的争端

在时尚界，关于在服装上用拉链或是纽扣还引起过一场关乎功能、形式甚至是伦理上的论战。

从效率上而言，拉链无疑更胜一筹，其便利性也更符合我们现代快节奏生活的需要。纽扣的使用需要一定的技巧，而且会增加衣物的厚度，对于如今流行的紧身牛仔裤来说，纽扣可能使面料更容易鼓起或撕裂；而拉链则能通过“收紧并向上拉”的方式来解决这个问题。

但是，拉链更容易损坏和卡住，更难修理。它们也存在一定的安全隐患：在战场上，军服就曾发生过因拉链卡死耽误急救而导致伤亡的事件；反之，纽扣在意外拉扯下更易整体脱落而非卡死。

纽扣的另一个好处在于美观：随着时间的推移，纽扣与衣服的摩擦会形成独特的色落与磨损痕迹，对于牛仔爱好者来说是一个理想的特性。

还有一部分来自复古派的道德质疑，批评者称拉链简化衣物穿脱的特性会助长轻率行为，败坏社会风气。因此，尽管拉链技术早已成熟，直到 1947 年李维斯才将其应用于牛仔裤上。

最终在 1937 年，拉链在这场论战中击败纽扣，巩固了其在服装设计中的地位。如今，这个一百多年前的发明无处不在，被广泛应用于服装、行李箱和无数其他物品中，YKK（全球市场份额第一的拉链制造商）每年生产的拉链足以绕地球 50 圈。

三、何以百年不变

面对技术的百年巨变，为何这些产品能不被淘汰，甚至其基本形态都与百年前最初发明时大体相同？值得肯定的是，他们的设计的确超越了同期其他产品，呈现出一些宝贵的特质。

简单精妙的结构

例如经典的宝石回形针，其双椭圆形结构在同期的其他设计中脱颖而出，以简洁优雅的形态高效实现了“不伤纸”这一核心需求；而螺旋形的蚊香设计，既延长了燃烧时间，又通过严丝合缝的嵌套，兼顾了节省包装空间和运输稳固性。

易用性

拉链和回形针是典型的无意识设计，它们形态与功能高度统一、无需学习曲线。即使是年幼的孩童，也能凭直觉学会使用拉链：20 世纪 30 年代拉链推广初期，拉链款童装就常常以“帮助幼儿学会自己穿衣，培养自理能力”作为卖点。

易工业化、标准化

回形针只需弯曲三次并剪断即可制成，易于自动化生产；螺旋形蚊香可通过钢制模具一次冲压成型，一台机器每分钟可生产数百盘蚊香，整个过程可高度标准化。规模化生产有效降低了成本，使其在市场上更容易取得价格优势，进而推动广泛普及。

然而，历经百年技术发展与社会变迁，新生需求与问题层出不穷。这些经典产品，是否真的一如诞生之初那般，显得全然不过时？或许，让它们保持不变的还有更深层的原因。

四、已是最优解，还是懒于改变？

去年 11 月的香港大埔火灾事故造成了重大人员伤亡，令人痛心。在对这场事故的追责中，首当其冲地便是香港建筑行业的竹棚工程。许多人指出，竹材燃点仅为 265°C，远低于钢材，可能加剧火势蔓延。此外，竹棚的结构强度也相对不足——过去香港曾多次发生棚架坍塌事故。以香港的经济发展水平，完全有能力推动行业向钢材升级。但网络上仍有许多支持者声称：竹棚搭建技艺自清朝便出现在香港，已有上百年历史，具有文化传承价值‌，也是长久以来的行业惯例。

同样的，历史上也有其他证据表明 QWERTY 键盘并非最佳的键盘布局，比如美国心理学家发明的德沃拉克键盘布局（Dvorak keyboard layout）：这一布局基于字母使用频率和手的生理结构设计，拥有打字更快、更易学习和降低疲劳的特点。二战时一项研究表明，德沃拉克布局的打字员速度要比 QWERTY 布局打字员快 74%。即使是 QWERTY 键盘的发明人——肖尔斯本人也没那么笃定：尽管他很早就将设计卖给了雷明顿公司，但他终其一生都在不断改进布局，并创造出各种替代方案，在他去世的前一年，他还为自己的 XPMCH 键盘申请了专利。

螺旋蚊香的使用体验也没那么理想：其嵌套结构导致在拆分时比较困难，一不小心可能直接掰断，且必须依赖专用底座才能使用。这本质上是一种便利工业化生产而非优化用户体验的设计。然而，即使有了电蚊香这种更方便、健康、安全的替代品，螺旋蚊香仍凭借低廉的成本、成熟的产业链以及简易的仓储运输要求，在市场中占据着一席之地。

在历史较短的互联网领域也有类似的案例——比如搜索引擎结果页的布局与交互模式。自 2000 年代初谷歌确立“顶部搜索框 + 蓝色链接标题 + 简短摘要”的模式以来，其核心框架在近二十年间保持高度一致，并成为行业标准，不管是在网页端还是移动端。然而在移动端上，固定于屏幕顶部的输入框常位于手指的自然操作范围之外，用户需特意伸展才能触及，体验不够便捷。而“标题用蓝色表示超链接” 这个设计也稍显过时，在用户已基本认知“搜索结果标题可点击”的今天，整屏的蓝色可能带来不必要的视觉干扰，增加阅读负担。

回望这些产品或设计，其“不变”与其说是源于解决问题的完美，不如说是因为它们早早确立了“行业标准”，获得了先发优势，培养了牢固的用户习惯，进而形成了强大的路径依赖。一旦从用户到产业链的“惯性”形成，任何改变都将面临难以估量的转换成本。正因如此，即便它们存在一定的缺陷，市场往往也会接受，毕竟这是性价比相对较高的策略。

总结

一些产品能历经百年而保持不变，固然有其设计上的优越性，但更值得深思的是不变的背后隐藏着的路径依赖与行业惯性的强大力量。百年的不变或许只是暂时的，可能是颠覆性的技术尚未诞生，或是缺少一个推动行业变革的契机。

归根结底，设计无法时刻去寻求那个完美的终极方案，而是在多重约束条件下寻找平衡——既要权衡用户习惯与使用体验，又要兼顾商业成本、行业发展情况与规模化需求，甚至还要回应文化传承与社会伦理的争议。同时，作为设计师也需要保持对行业规范与惯例的审视与批判意识，警惕将“长期不变”等同于“无可优化”，在考虑用户习惯转换成本的前提下，积极探索更适配当下需求的创新方案。

转载：优设

兰亭妙微（蓝蓝设计）www.lanlanwork.com 是一家专注而深入的界面设计公司，为期望卓越的国内外企业提供卓越的大数据可视化界面设计、B端界面设计、桌面端界面设计、APP界面设计、图标定制、用户体验设计、交互设计、UI咨询、高端网站设计、平面设计，以及相关的软件开发服务，咨询电话：01063334945。

作为专注 UI/UX 设计与数字化体验升级的专业团队，兰亭妙微在工业软件、医疗设备、能源监控、航天军工等领域长期实践中，始终以认知科学为底层逻辑，把用户的视觉处理、阅读习惯、注意力机制、记忆特性与学习行为，转化为可落地的界面与交互准则，让复杂系统变简单、让专业工具更易用。

表单验证不仅是技术实现，更是一场微妙的人机心理博弈。特别是实时验证，改变了传统的“填完再说”模式，实现了“边走边评”，信息反馈更及时，用户的情绪也随之起伏。

兰亭妙微UI设计公司，将围绕三大核心原则，深入探讨如何通过精细的验证设计，提升用户体验，引导用户顺利完成表单填写。

一、实时反馈：让用户每一步都有“回应”

1. 正向反馈：用“小鼓励”建立信心

实时反馈对用户心理有显著影响。正向反馈，特别是“正反馈 + 小情绪颗粒”的组合，能瞬间建立用户信心、降低焦虑、激发行动欲。从心理学看，这是一种“即时奖励”——即使不依赖物质，单纯的认可也能产生强烈的动机。

案例：Instagram 注册时的“鼓励策略”

当用户在 Instagram 输入用户名时，系统不仅提示“可用”，还会附上趣味性文案，例如：

• “✓ 太棒了，这个名字没人用过哦！”

• “✓ 这个用户名看起来不错”

这就像有人在你耳边轻声夸一句“选得妙！”，让用户在轻松愉快的情绪中继续填写。

2. 负向反馈：避免成为“情绪灭火器”

负向反馈如果处理不当，极易浇灭用户热情。尤其是在用户尚未完成输入时，就弹出模糊、生硬、充满否定意味的提示，会让用户感到被“攻击”。心理学中，这被称为“认知威胁感知”——即便系统不带情绪，用户也容易将其“脑补”为批评。

案例：某银行 App 的“劝退式”体验

某银行 App 在设置交易密码时，用户刚输入“123456”，系统立刻弹出：

• “不符合要求！”

• “不能为连续数字！”

• “请重新输入复杂密码”

但用户根本不清楚规则是什么。尝试输入“abcDEF123@”后，系统继续报错：

• “不能包含字母连续！”

• “必须包含至少两种符号！”

最终，用户直接放弃操作，选择线下办理。这说明负向反馈需要有节奏、有余地、有帮助，而不是一次性“开火”。

二、用户的“归因机制”：错在我，还是怪系统？

这是用户体验中非常微妙但关键的心理触点。当用户遇到错误时，本能会判断：“这错，是我傻？还是你系统蠢？”这一判断直接影响用户是继续修正，还是直接离开。

1. 什么是“归因机制”？

人类是“归因动物”——遇到问题总想弄清楚原因。当用户操作失败时，系统的提示方式决定了他们把责任归给自己，还是归给系统：

• 归因于自己：提示清晰、有礼、提供解决方案 → 用户想：“哦，是我疏忽了，下次注意。”

• 归因于系统：提示模糊、生硬、带情绪 → 用户想：“什么破系统，设计得这么烂，怪我咯？”

一旦用户将责任归给系统，就很难再挽回。

对比案例：登录密码错误

• 系统 A：只提示“错误！”

  • 用户反应：“我哪错了？是密码错？账号错？格式错？服务器炸了？”

  • 归因结果：怪系统。

• 系统 B：提示“密码错误，请检查大小写是否正确，或尝试找回密码”

  • 用户反应：系统既指出了问题，又给出了解决路径。

  • 归因结果：怪自己。

对比案例：手机号输入

• 提示 A：“格式错误！” → 像在呵斥用户，归因偏系统。

• 提示 B：“请输入 11 位手机号码，例如：13800001234” → 提供示例，用户更愿意调整。

  

2. 设计师的启发：用“归因引导”挽救体验

好的提示文案，传递的是“我是来帮你的”合作心态，而非“你怎么又出错”的责备心态。可以遵循以下原则：

• 避免空洞词汇：少用“错误”、“无效”这类模糊词汇。

• 用例子具象化：提供符合用户语境的输入示例，降低理解成本。

• 传达解决路径：不仅要指出问题，还要告诉用户“怎么改”。

  

三、心智模型：别让用户和“不可预测的机器人”斗智斗勇

1. 什么是“心智模型”？

心智模型，简单说就是用户“以为系统会怎么运作”的心理预期。例如，在表单填写中，用户预期的流程是：我填信息 → 系统检查 → 告诉我对错 → 我修改或继续。如果系统行为偏离这一预期，用户就会感到困惑。

2. 系统“跑偏”的典型表现

验证触发过早
用户还没输完，系统就开始报错，仿佛在说“你话说得不对”。正确做法是等用户输完再判断（如使用 onBlur 或 onChange + debounce）。

反馈来得太迟
用户填完所有字段、点击提交后，系统才提示“手机号格式错了”。这就像“你让我爬了十楼，现在告诉我楼梯走错了”。更优方式是局部字段校验 + 实时反馈，至少在失焦后立即提示。

提示位置飘忽不定
错误提示有时在上方、有时在下方，有时红框、有时弹窗，用户眼睛跟着乱跑。一致性是安全感的来源：建议错误提示统一显示在字段正下方，颜色、样式、交互都保持一致。

四、引导用户走向正确方向

你无法控制用户怎么想，但可以引导他们“往正确的方向想”。

1. 规则“提前说”，别“事后骂”

如果字段有格式要求，直接在旁边用灰色文字说明，例如“请输入 11 位中国大陆手机号”。或者提供示例“如：13800001234”，让用户一眼看懂。否则等于“逼他犯错，再事后教育”，极易导致用户流失。

2. 提示语要具体、友好、有“引导感”

• 避免高压语气：不用“错误！”、“非法！”、“无效！”这类词。

• 用“请检查一下”替代“你错了”，更像建议而非指责。

• 给出具体信息：如“9 位”，而不是“格式不对”。

3. 保持流程一致性，不搞“突袭”验证

如果前几个字段都没有实时反馈，用户会默认“最后统一验证”。结果突然在第 5 个字段弹出实时验证，用户可能瞬间懵掉。记住：一套剧本演到底。要么全部实时反馈，要么全部最后校验，不要“双标”。

兰亭妙微（蓝蓝设计）www.lanlanwork.com 是一家专注而深入的界面设计公司，为期望卓越的国内外企业提供卓越的大数据可视化界面设计、B端界面设计、桌面端界面设计、APP界面设计、图标定制、用户体验设计、交互设计、UI咨询、高端网站设计、平面设计，以及相关的软件开发服务，咨询电话：01063334945。

在产品设计中，用户粘性是衡量产品成功与否的核心指标之一。好的产品不仅要吸引用户，还要让他们愿意长期使用，甚至形成习惯。做到这一点，体验设计师和产品设计师需要深入理解用户行为模式，并利用心理学原理来打造“让用户离不开”的产品体验。钩子模型与多巴胺反馈机制是比较常提及的概念。

兰亭妙微UI设计公司深知，优秀的设计不止于视觉表现，更在于对用户心理的精准洞察。我们始终将用户行为研究与心理学原理融入设计实践，通过钩子模型与多巴胺反馈机制的科学运用，助力打造具备高粘性、强吸引力的产品体验，让用户在使用中形成习惯，真正实现“让用户离不开”的设计目标。

一、钩子模型：打造用户持续回归的行为闭环

1. 钩子模型四大环节核心逻辑

• 触发：产品使用的起点，分为外部触发与内部触发。外部触发是产品主动触达用户的信号，如推送通知、好友互动提醒、平台推荐等；内部触发则是用户的情绪驱动，如孤独、无聊、好奇心、害怕错过（FOMO）等，当用户的情绪需求与产品价值形成强连接，会自发产生使用行为，这也是触发的最高阶形式。
• 行动：触发后用户完成的核心操作，如点击、滑动、输入、发布内容等。行为科学研究表明，行动的发生依赖动机、能力、触发三大因素，其中降低操作成本是关键 —— 产品需让操作足够简单、路径足够短小，让用户无需过多思考就能完成行为。
• 可变奖励：用户完成行动后获得的不确定回报，这是钩子模型的核心。奖励的随机性会激发大脑的多巴胺系统，大幅增强用户的探索欲，让用户因 “期待下一次的惊喜” 而持续重复行为，这也是常说的 “赌徒心理” 的底层逻辑。
• 投入：用户在产品中投入的时间、精力、金钱、社交关系等，会形成沉没成本效应，同时让用户与产品建立情感联结。用户的投入越多，放弃产品的成本就越高，也会因 “舍不得已有的积累” 而更愿意持续使用。

2. 经典产品落地案例：从理论到实际的设计拆解

案例 1：微信朋友圈 —— 社交驱动的钩子闭环

• 触发：以外部社交触发为主，好友的点赞、评论提醒、“有人 @你” 等信号，会让用户产生 “害怕错过重要社交信息” 的心理，从而主动点开朋友圈；
• 行动：操作门槛极低，用户只需滑动屏幕即可浏览动态，甚至成为无意识的习惯性行为，拿起手机就会下意识打开；
• 可变奖励：每次打开的内容都是不确定的，可能是朋友的生活分享、热门话题、趣味视频，这种 “未知性” 让用户始终保持期待，忍不住 “再刷一遍”；
• 投入：用户不仅是内容浏览者，更是生产者 —— 发布朋友圈、点赞评论、积累好友互动，逐步建立自己的社交阵地与归属感，放弃朋友圈意味着放弃已有的社交联结，让用户难以离开。

案例 2：抖音短视频 —— 无限下滑的上瘾式钩子设计

• 触发：外部 + 内部双重触发，外部是朋友分享的视频、平台推送通知，内部是用户的无聊、碎片化时间，让用户下意识打开抖音寻求快速娱乐；
• 行动：短视频的 “短平快” 特性实现了极低的操作与理解成本，几秒钟就能完成一次内容浏览，用户无需投入过多精力就能获得情绪反馈；
• 可变奖励：核心的 “无限下滑” 机制让奖励高度随机，每次滑动都可能刷到搞笑视频、热点新闻、精彩才艺，大脑始终处于兴奋的期待状态，难以停下；
• 投入：用户的点赞、收藏、关注、发布视频，以及平台基于行为的精准个性化推荐，让用户越用越 “贴合自己的口味”，同时积累的关注列表、收藏内容、粉丝互动，都成为难以舍弃的沉没成本。

3. 钩子模型的设计思考与落地技巧

1. 极致降低行动成本：缩短触发到行动的路径，减少多余的操作步骤，比如一键刷新、一键发布，让用户的行为 “无需思考”；
2. 强化用户的多元投入：除了时间投入，可增加社交、创作、收藏等投入形式，让用户与产品建立多维度的联结，而非单一的内容消费；
3. 保持奖励的适度随机性：避免奖励的同质化与固定化，让用户每次使用都有新的体验，但需注意随机的边界，避免过度诱导；
4. 绑定用户的核心需求：无论是社交、娱乐、工作还是学习，钩子模型的设计都需围绕用户的真实核心需求，而非单纯的 “诱导使用”，否则难以形成长期依赖。

二、多巴胺反馈机制：利用人性心理，打造用户的正向行为循环

1. 多巴胺反馈机制的核心原理

2. 经典产品落地案例：游戏每日签到的底层逻辑

• 随机回报设计：玩家每天登录获得的奖励不固定，可能是金币、经验值、普通道具，也可能是稀有材料、限定皮肤，随机的高价值奖励让用户始终保持登录的期待；
• 累计奖励激励：连续签到的天数越多，奖励越丰厚，通过 “阶梯式奖励” 强化用户的持续行为；
• 损失厌恶效应：若玩家错过签到，会失去累计奖励，甚至需要花费额外成本补签，利用用户 “害怕失去” 的心理，倒逼用户形成每日登录的习惯。

3. 设计的边界：多巴胺反馈不是 “诱导上瘾”，而是 “正向赋能”

1. 设置人性化的使用提醒：当用户长时间使用产品时，主动弹出休息提示，比如短视频应用的 “你已使用 1 小时，建议休息一下”，让用户感知到产品的关怀；
2. 提供健康的使用模式：加入夜间模式、限时使用、专注模式等功能，让用户能主动管理使用时长，而非被动沉迷，比如游戏的防沉迷系统、短视频的 “青少年模式”；
3. 优化奖励机制，减少过度诱导：将 “完全随机的奖励” 升级为 “用户可自主选择的奖励”，比如让用户在金币、道具、优惠券中选择心仪的回报，既保留多巴胺反馈的效果，又赋予用户自主权，降低上瘾风险；
4. 强化产品的核心价值，弱化形式化诱导：让用户因产品的核心价值（如高效的工作工具、优质的内容、实用的服务）而使用，而非单纯的奖励诱导，这是打造长期用户粘性的根本。

三、总结：好的设计，是建立长期且健康的用户关系

• 产品是否真正解决了用户的核心需求？
• 设计是否在尊重用户的前提下，为用户创造了正向价值？
• 如何在商业价值与社会责任之间找到最佳平衡点？

页面优化附加建议（适配网页展示）

1. 视觉层级：为每个核心板块增加醒目的小标题，搭配简约的图标（如钩子模型四环节用箭头图标串联），让用户快速抓取核心内容；
2. 案例排版：将微信朋友圈、抖音、游戏签到的案例做卡片式设计，每个案例明确标注 “触发 / 行动 / 可变奖励 / 投入”，对比更清晰；
3. 互动设计：在文末增加 “设计思考留言区”，引导读者分享自己的产品设计案例，提升页面互动性；
4. 移动端适配：简化大段文字，增加行间距，将长文拆分为更短的段落，搭配配图（如钩子模型流程图、产品案例截图），提升移动端阅读体验；
5. 延伸阅读：在文末增加 “设计心理学相关干货” 的链接推荐，如尼尔・艾亚尔的《上瘾》书籍解读、其他心理学设计原理，丰富页面内容。

转载：优设

兰亭妙微（蓝蓝设计）www.lanlanwork.com 是一家专注而深入的界面设计公司，为期望卓越的国内外企业提供卓越的大数据可视化界面设计、B端界面设计、桌面端界面设计、APP界面设计、图标定制、用户体验设计、交互设计、UI咨询、高端网站设计、平面设计，以及相关的软件开发服务，咨询电话：01063334945。

啥是用户画像，今天兰亭妙微UI设计公司带大家深入了解

想做成这件事，得先理解用户画像是啥。

用户画像是结合用户的社会属性、生活习惯、消费行为等等信息抽象出来的标签化合集。咱们要通分析用户的背景、行为场景、特征、性格等等猜出用户需要啥，咱们应该做啥功能。

1. 比如说你发现网恋搭子经常玩妲己、小乔、王昭君这样的英雄，那咱可以猜测这人大概是女孩，要是和你打游戏天天玩的不是兰陵王就是关羽、廉颇，那我建议你谨慎。
2. 然后你还发现她经常在月初买新皮肤，通过这个表现可猜测她大概是个家庭条件还不错的大学生。（因为大学生多数都是月初领低保。牛马都是月中领低保。）
3. 通过对她各项特征进行总结、猜测，然后再利用其表现转化为对企业（项目）有价值的内容。直白点说怎么针对你，骗走你兜里的钱。
4. 有伙伴可能说：了解用户不是为了更好的服务用户么？其实你这么说也没毛病，但咱服务好用户最终目的是啥？还不是为了转化企业价值？
5. 回到你网恋妹妹这件事来总结：因为她总玩软辅，月初购买皮肤，所有推测她大概是妹妹，且还在上大学。对于这样的搭子你能想出什么策略呢？1.一起玩的时候不能骂她。2.要保护好，多夸她，提供情绪价值。3.巴拉巴拉……
6. 如果你是和兄弟一起玩联盟你会怎么说。儿子！爸爸亚索（英雄）玩的贼 6。
7. 为啥你对妹妹和兄弟的态度这么不一样？这就是通过画像区分人群，针对不同人采用不同策略。那么在设计过程中也是一样的。咱们要考虑不同用户要如何下菜碟。

基础概念晓得了以后咱进阶一下。用户画像、用户角色、用户属性的不同和相通之处。

用户画像

1. 对用户的全面描述，包含用户的基本信息、行为习惯、需求、痛点等等。大家会常提的基本是：人口统计信息（年龄、性别、职业等等）行为特征（使用习惯、购买行为等）心理特征（兴趣爱好、价值观等等）都在其中
2. 咱们通过以上这么多内容去给用户分类，让人群划分更加具象。比如说王者、大师、白银、废铁等级的划分，就属于咱们看得到的用户分类（依据操作水平）。同理到设计中大咱们常常分为粘性用户、忠诚用户、潜在用户等等。这些都属于理解了用户基本信息后的进一步细化（分层）。分层以后更容易匹配旗鼓相当的对手，如果不通过画像分层会怎样？你想想如果你一个废铁水平每天匹配到我这个王者，你是啥心情？可能玩着没两天你觉得被虐的太惨了没意思，退游了。我觉得每天虐菜好没意思，退游了。

用户角色

1. 基于用户画像创建的虚构人物角色代表特定类型用户，用来帮助团队更好地理解用户需求和设计产品。
2. 比如说“搬砖的设计师”、“摸鱼的领导”等，角色背景（职业、生活方式等），角色目标（使用产品的目的），角色痛点（在使用过程中遇到的问题）
3. 很多聪明小明可能就问了：“我就是这么做的啊，为啥他们总说一眼假？”你那玩意是不是真的你自己没数么？这个男人叫小帅，他干了啥干了啥，那个女人叫小美她怎么怎么样了。
4. 演示一下我所筛选的诸多作品中大家画像都是咋写的：小美、女、24 岁、职场白领、肤白貌美大长腿、爱购物、喜欢鲜花、爱浪漫。瞧瞧你的用户画像是不是这样写的？看起来这个画像好像没啥毛病，可是女孩子都是肤白貌美大长腿啊，都喜欢购物啊，都喜欢花啊！就算不做画像也能想到这些，这种类型的画像用在哪个产品里好像都合适。咱就是说这画像有和没有不就是没啥区别么？这个话说了和没说有啥区别呢？为啥一眼假？因为大家做画像总是有种废话文学的赶脚，正所谓“十年磨一剑，五年磨半截”“听君一席话，如听一席话”
5. 用户角色得是看起来真实的常态的人，是众多用户行为的缩影，从真实用户中提取出来的。这个虚拟人物的特征一定是非常全面的，需要包含他的介绍、个人信息、工作信息、性格特点等等，要把它理解为一个真实的人。
6. 有伙伴通过用户画像输出的用户状态是这样的：”小美很抑郁很孤独，小帅也很孤独吧啦吧啦...“大哥？这就编的离谱，难道用了你的 APP 就不抑郁不孤独了？这就好比你去看医生不能只说：“我难受”你要说清楚具体咋不舒服，哪不舒服。你啥症状也不说就只说难受，你让医生咋办？
7. 总结：画像要真实的、常态的、痛点和需求表现不能泛泛，要具体。

用户属性

1. 描述用户特征的具体指标，通常是量化的。
2. 基本信息（如年龄、性别、地区）、行为数据（如访问频率、购买金额）、偏好设置（如喜欢的产品类型、使用的设备）大家可能会觉得用户属性和用户画像有点区分不开，没关系，就理解为他是用户画像附属内的的小弟就行了。

总结：用户画像是对用户的全面描述，用户角色是虚构的代表性用户，用户属性是用户群体的可量化特征。三者相辅相成，有助于更好地理解和满足用户需求

咱们咋利用画像中的信息？

帽子叔叔用来审问你的画像和你电商产品的画像那肯定不一样的嘛～不同的企业对于不同的“嫌疑人”要观察的点自然也不一样。

不同维度下咱们能利用画像干啥？以下内容仅作为切入点帮助大家理解。

你买直升机么

基于人口统计特征分类

1. 关注的内容就是：年龄、性别、职业、收入水平、教育背景等。
2. 平时拼夕夕给你推荐直升机么？为啥不给你推荐？是因为你不喜欢吗？这就是电商平台的个性化推荐，他们会根据的的年龄和性别、收入不同推荐不同类型的商品，拼夕夕可能不是很相信你小小年纪买得起直升机。
3. 再比如基于用户画像的设计的千人千面，设计不同的首页布局和推荐模块，以适应不同用户群体的偏好。

基于行为特征分类

1. 包含内容：购买频率、使用时长、访问渠道、互动方式等。
2. 如果你经常剁手平台就猛猛给你推新品就行了，反正你会买。如果是低频用户呢？多展示一些用户好评激励你进行购买。
3. 时间短就给你推修驴蹄子、锻刀大赛、荒野生存、美女擦边。在页面表现上来说如果使用时间长，那咱就可以考虑用什么样的形式打广告不会强打断用户，因为长时间使用的用户粘性应该比较高，比较能容忍，那就设计一些植入，例如说某音的小窗广告入口设计。如果时间短那设计要考虑怎么通过设计吸引，比如说更有趣的彩蛋、点赞触发感强化等等不多举例了。
4. 对于活跃用户，可以使用动态更新的内容卡片，显示最新消息和互动。对于不太活跃的用户，我就使用静态展示，突出重要通知和精选内容，帮助他们快速了解最新动态。

基于心理特征分类

1. 兴趣爱好、价值观、生活态度、个性特征等。
2. 你喜欢刺激喜欢挑战不可能，那咱们做设计时可以这样搞，给用户设置目标，例如 7 日打卡、例各项比赛 pk、等等，不服输是吧？好！给你匹配氪金大佬天天虐你、嘲讽你，你能忍么？忍不了你会咋办？充钱你能变得更强！

基于生命周期阶段分类

1. 潜在用户、首次用户、活跃用户、流失用户等。
2. 针对不同生命周期阶段的用户（如新用户和老用户），SaaS 产品可以提供不同的引导策略。为新用户设计详细的入门指导和工具提示，而为老用户提供高级功能的使用技巧和更新通知。

上面这些你有没有种似曾相识的感觉？你是不是也想到过这些？其实很多设计师在潜移默化受用户画像影响，基本上咱们每一个设计点都可以回溯到用户画像中，说人话就是你这啥这样设计基本都可以在画像中找到依据。为啥你的画像做不好，设计做不好呢？只不过是大家没认真思考过推导过程，产品说是咱做啥。大家可以尝试把以前做过的功能回推一下，想一想你的设计是在满足用户的什么需求，她的需求能对应到以上提到的哪一个分类里面。

打标签

用户画像就是在打标签

请用最简单的词汇概括你女票们，你会想到哪些词汇？“肤白貌美”“优雅”“前凸后翘”“博学多识”“善解人意”“熬夜冠军”“抬杠运动员”“吃货”“可爱”“独立思考”等等，凡是你想到的词汇都可以理解为是你为她打的标签，这就是你将女票变成了一个标签合集。

这些小标签咱们还可以继续做分类（把小标签归到大分类中），比如说“肤白貌美”“前凸后翘”可以归类到“外貌”，形成一个具体的合集。

父子关系

关于标签分类：

比如说你、你女票、你老公、你女票的男朋友、你们四个可以划分为“男”“女”大分类中，同时还可以归属于一个更大标签“人”中。咱们都是在某些合集和归类之里。无非是大合集小合集的关系。

那么针对不同合集采用不同策略。

比如刚才被氪金大佬虐杀的你，为啥他不虐别人只虐你？你就没有问题吗？你的问题可能是因为你同时具备“不服输”标签和“多金”标签，所以系统才会匹配这样的人给你上压力。因为你是个不服输的穷×给你上多大的压力你也不充钱啊！所以在系统层面上你可能同时具备两个标签才会给你推大佬。

1. 在做画像时也一定要注意，有时用户给咱们的信息不见的准确，需要通过用户行为进行判断。你的网恋对象一定是异性吗？不一定吧？之前我玩一款游戏叫《哈利波特》注册的就是女号，为啥我要注册女号？因为我想住女生宿舍，可住进以后发现室友都是顶着女号的抠脚大汉！！那系统怎么判断你是男还是女？如果这个人天天去竞技场打 PK，那大概可以判断是老爷们，如果说这人不修炼技术，天天在游戏里搞换装、参加舞会，那这个人大概了就是女的。
2. 举例子来说，曾有一段时间，淘宝每天给我推荐漂亮小裙子、丝袜、性感内衣。这什么会这样？有可能是那一段时间我买的衣服都比较中性，一时之间系统对我的性别产生了质疑，所以试探性推荐来看我的状态，进而判断我的性别。

虽说设计师对标签这个姿势不需要掌握那么深，但多知道点总不会错。

1. 你知道你公司的用户的标签是什么吗？
2. 你知道这些标签怎么来的么？
3. 标签背后的用户行为是什么？
4. 标签 A 和标签 B 同时存在时会有啥不同的化学反应？
5. 大家都在谈“用户分层”那么你们怎么定义忠诚用户的？他的特性是什么？当然了，这些其实更多的是产品层面的事情，但是如果你一点也说不上来，我只能说你根本不懂用户。

咱们继续八卦一下标签分类的事

标签可分为。静态标签、动态标签、预测标签

静态标签

静态标签

用户主动提供的数据，或者你通过手段获取的数据，一般来说是用户不咋变的信息，姓名、性别、年龄、身高、体重、职业、兴趣爱好、情感状态、所在地区、设备信息、手机号等等。大概率不会变的信息，总不会今天你是男，明天变成女吧？静态标签主要用来了解咱们用户的基础需求。

动态标签

动态标签

动态嘛，他是会变的，这些标签是有保质期的，需要咱们定期地更新来保证标签的有效性。比如说用户的网络信息，他的上网时长、啥时候上网。比如说用户的使用习惯，她的频次、使用时长、使用时间段、是用的移动还是 PC、关闭和打开的频次间隔。比如说用户行为，她的购物习惯是啥，价格、品质、频率、风格倾向是运动还是职场？品牌倾向是啥、复购率是多少、支付方式是啥，她的浏览习惯是啥？首页详情页停留多久，是精准搜索还是模糊等等，这里就不举例子来说了。

总之这些都是就近发生的具备有很多的不确定性的事儿。

预测标签

她的兴趣点、关注点、潜在需求等等，是咱们通过某种特定规则猜出来的。

比如说你闺蜜是一个漂亮妹妹，情绪稳定，平时也不介入你的情感生活（静态标签：女、情绪稳定、无男友）但在某次你和她吐槽你男票时她情绪变得无比激动痛骂渣男并极力劝你分手！（动态标签：情绪激动、强烈反应、关心朋友）那你会不会怀疑她想搞定你男票？（预测标签：对你男朋友的潜在兴趣、对感情的需求）静态标签为我们提供了闺蜜的基本信息，动态标签反映了她在特定情境下的行为变化，预测标签则对她的潜在需求和动机进行了推测。这种分析能够帮助我们更好地理解她的行为和可能的心理状态。（故事胡编的、如有雷同纯属巧合）

数据的角度进一步的对这些标签做切分又可以分成很多种。

事实标签、模型标签、预测标签

事实标签

事实标签（你的历史过往）

事实标签就是真实的，具体的事，其中也就是姓名啦、年龄啦、生日啦、居住地啥的等等，当然其中还包含购买记录、浏览记录。这些都是真实在用户身上生效的事。举例子来说你的女票问你谈过几个女朋友，你们都交往了多久，分手原因是啥等等，这就属于在调取你的过往事实标签。

模型标签

模型标签（你当下都在干啥）

对用户的历史数据分析得出的特征描述，它反映了用户的行为模式、兴趣和偏好，模型标签属于是对你的多个真实行为做了一个组合，属进一步提纯。还是继续说你女票询问你的事，她得出的答案如果是这样的。

交往历史:

之前的女朋友数量：8

平均交往时长:6 个月

分手原因：没新鲜感、没感觉、发现她有问题等

行为模式:是否在社交媒体上频繁展示与不同女性的互动：你经常给美女点赞。

是否有同时与多位女性交往的记录：你和多个妹妹聊天

情感态度:

对待感情的态度：曾玩弄感情

对女性的评价和态：贬低、物化女性

结合以上你的事实标签得出模型标签：渣男！！！

通过对用户标签的整合，描述用户的当前特征和行为模式。

预测标签

预测标签（你未来会干啥）

预测标签是基于模型标签生成的未来行为预测，试图预测你未来可能的兴趣或行为。

利用模型标签和机器学习算法，预测用户未来可能感兴趣的产品或服务。集合以上的事实标签和模型标签不难预测了吧？那就是你遇到了新妹妹还是会出轨。

三者关系

在举个例子说一下三种标签的关系。

1. 事实标签（真实的事）你，18 岁，女，上海，购买记录：买了 5 件短裙。浏览记录：浏览了多个香水和时尚配饰
2. 模型标签（对你多个标签的归类）兴趣类别：时尚爱好者行为类型：高频购买者消费习惯：倾向于购买时尚相关产品
3. 预测标签（对你的猜测）可能感兴趣的产品健身器材（如连衣裙、潮流外套）健身课程（如手袋、珠宝）流失概率：低（因为你是高频购买者，表明对平台的忠诚度高）可能的情感状态：可能谈恋爱（基于购买性感内衣和超短裙的行为推测）

估计很多伙伴公司连画像都没有吧？就算有可能你也没看过，很多设计师在设计过程中大多时候全靠意淫。虽然很多公司都没有这些东西，可咱出去找工作面试官就非要问，你说说这不就是欺负老实人吗！就是欺负你啊，能怎样？把上面内容吃透就不怕问了！

把该科普的科普完，这下大家应该能更好的理解用户画像有啥用了。

更好的理解用户需求、优化产品设计、精准市场营销、提高用户留存率、支持决策制定等等。

画像有啥用 ？

1. 用户画像能帮咱们深入理解用户需求、动机和痛点“我儿子贼宅，总让我带饭，怎么破？”你会不会想到小葵花课堂开课啦！孩子不听话打一顿就好了～。但是如果你发现这个发帖人的标签里有“男/大学生”你又当如何？
2. 针对性设计：这位男大学生的需求是啥？我不想给“儿子”带饭。痛点是啥？可能是考虑到大家的情感关系。那如何破？
3. 方案一：他也在寝室里宅不出去，看谁先饿死。
4. 方案二：建议他也拜一位义父，让义父给全寝室带。
5. 这就是咱们根据用户画像得出的针对性方设计案咯～

通过分析用户画像，团队可以确定哪些功能对目标用户最重要，从而合理安排开发优先级。

王二狗、李铁蛋、张铁头都是你的暧昧对象（Tui～渣男）其中你更喜欢李铁蛋一些，你现在想出去约会，请问在王二狗、李铁蛋、张铁头和刘亦菲中你会和谁去约会？？一定是李铁蛋吧？因为她是你的目标用户啊，其次可能是王二狗和张铁头。你会选择刘亦菲么？当然不会，因为她并不在你的用户画像以内，更重要的是那是我老婆。

自己看吧

用户画像帮助企业识别和细分目标市场，使营销活动更具针对性和有效性。

有了用户画像，运营不用再担心广告像石沉大海。比如，你喜欢猫，用户画像就会告诉商家“嘿，这位朋友可能需要猫粮！”然后你的购物页面上就会出现各种猫咪用品，简直比你妈还懂你。

根据用户画像提供个性化的服务和内容，增强用户的黏性和忠诚度。

1. 了解用户的需求和痛点后，企业可以主动进行沟通和服务，提升用户体验。通过用户画像优化产品，让企业知道该改进什么或者增加哪些新功能。甚至连客服都能更贴心，因为他们已经提前知道你可能需要什么帮助。
2. 比如说你是卖水果的，忽然发现有一批活跃用户的活跃度降低了，那得联系一下这批活跃用户，为啥最近不买水果了？其中有人一个说：哎～你家的水果有坏果。那此时你应该怎么做？先去查那批水果还有哪些人购买了，是不是他们都活跃度下降了。没下降？那不管他了，但是那些很在意这件事的人呢？给他道歉、补偿、或者其他的举措。（别骂我是奸商哈～我不卖水果，只是借这个例子给大家说一下他以通过标签划分做出不一样的策略）

通过分析用户的行为、兴趣和需求，帮助企业精准了解用户到底是谁，喜欢什么，甚至还可能预测他们下一步会做什么。说白了，就是让企业从“蒙着眼睛射箭”变成“开着瞄准镜打靶”。请看下面的图形化总结，方便大家更直观理解标签模型～

说实话，用户画像的执行体系太大了，给用户打标签怎么标记才是合理的？用户的级别到底怎么划分？和你聊一次天算舔狗，还是聊十次算舔狗？今天他和我聊天了，我标记他是舔狗，如果明天不聊了怎么算？基于用户当前的标签能不能衍生出更多的操作场景？这些场景是否真的成立？其中的弯弯绕绕实在是太多了，今天说的内容不一定能完全与你的画像匹配，大家得根据自身业务去搞。

可以根据这个图来安排你的脑图

以上差不多说完了关于用户画像的作用和模型的建立，在简单的说一说画像方法吧

首先咱们为啥要做用户画像？

1. 你都还没饿，你会想吃大餐么？大概不会，如果要做画像应该是遇到了某些问题需解决。而且这个问题是贴合实际业务的、涉及到利益的，不然也没必要解决不是吗？
2. 画像的出发点要结合实际业务诉求、企业效益挂钩才有用。

其次你有对业务做梳理吗？你要针对谁做画像？对什么业务板块做画像？

1. 你的业务目标是啥？想要达成什么样的目标？是挽留分手？还是带她看你家猫后空翻？还是准备求婚？
2. 你这次的目标是针对谁的？是女朋友 1 号？还是 2 号？还是 3 号？你一定会有一个划分。是潜在用户？还是流失用户？还是谁？咱们要划分清楚你要针对的用户群体是谁。

如果以上的内容你都想清楚了，那针对你的业务目标、用户群体你需要提取哪些数据呢？你想要得到啥信息呢？

获取信息方式

1. 数据埋点定性画像、定量画像、定性+定量画像（访谈、问卷、焦点小组、AB 测）
2. 用研体系就过于庞大，没办法和用户画像同时展开说，想要了解用研的伙伴可以移步我的其他文章，后续会逐步为大家补充其他的用研方法。

你需要的数据都分布在哪？

静态数据、动态数据、预测数据

以上的信息全都做完了，那考虑一下咱们针对这些数据能做出什么样的分析，你是不是会推测出新的标签，或者有新的归类，是不是能把用户分层做的更加细致。

最后举个画像例子大家浏览一下吧

点明主题 ，用户画像的目的是在于想了解用户的使用场景与其依赖的功能有哪些。（潜在意思是俺要在这些高度依赖功能中找问题。）

桌面研究数据 、企业内部数据、问卷数据合集，形成画像角色标签合集。

对某类人中的典型用户跟踪总结 ，其中包含个人属性、生活方式、社会属性、家庭属性等等。

用户角色拆解 ，使用车辆的用户分别都有谁，他们的核心诉求都是啥。

列出在不同属性作用下的用车场景以及功能 。

总结画像能带来的切入点在哪里：

针对前面分析的内容判断出结果，我们应该在哪里找到设计切入点。（其实这个画像也是我编的，全都是桌面研究搞来的数据，但是你瞅瞅是不是相对来说比你那个靠谱一些？）

最后的最后～脑图串联一下知识点～

转载：优设

兰亭妙微（蓝蓝设计）www.lanlanwork.com 是一家专注而深入的界面设计公司，为期望卓越的国内外企业提供卓越的大数据可视化界面设计、B端界面设计、桌面端界面设计、APP界面设计、图标定制、用户体验设计、交互设计、UI咨询、高端网站设计、平面设计，以及相关的软件开发服务，咨询电话：01063334945。

一、用户行为分析：如何开始搭建

体验或交互设计师知晓用户行为分析有什么用？

答：我们所处的行业下，各类产品变得成熟精细，大家开始拼细节卷服务，市场竞争激烈。对于产品的各种优化改版也就开始变得谨慎，往往需要经过用户研究或是数据分析等工作来验证或决策，不再是由设计师或产品经理凭借过往经验办事或对标竞品照抄了，恰好用户行为分析就是用户洞察中具有代表性的一项；

体验或交互设计师为什么要掌握这些呢？

答：回归到用户体验相关设计，本身就是一项细致活儿，处处需要用户研究或数据洞察来辅助设计工作，了解其相关甚至熟悉搭建分析，从职能发展趋势来看，可能是迟早的事；

所以即使你目前用不上用户行为分析相关，也不要急着关掉文章，先简单了解一下吧，说不定你会有兴趣呢，说不定不久后刚好用上呢？

二、用户行为分析能干啥

用户行为分析是数据分析的一个重要领域，特别是在数字化服务行业中，主要目的是通过深入研究用户群体的流量动向以及操作行为特征等，来了解用户与产品间的关系、效果、趋势，以帮助我们优化产品设计、提升用户体验并驱动业务决策。

说人话就是：

监测用户在产品上做出了哪些行为、是否符合预期、有什么特征、问题在哪里，然后看看产品上需要做些什么调整或迎合用户的特征偏好来决策啥的。

三、用户行为分析有啥优势

具备一定的客观性与真实性

被动采集的行为数据有时候比用户口述反馈的信息要更真实有效，一方面更加直接，另一方面也少了些用户心理设防（霍桑效应）；

具备一定的代表性与准确性

由于是群体性的大数据，所以更有代表性，并且是即时的数据记录，不容易记混记错，准确性也更好；

具备可持续性与可追溯性

通过数字化技术实现，可以伴随产品发展持续的采集数据，可以较为方便的调取过往数据进行比对追溯分析；

具备一定的 AI 不可代替性

用户行为的背后依旧是人文心理等方面的内容分析或业务场景化决策，往往离不开人工的加持介入；

四、实施构建的流程

以下是对用户行为分析的工作流图解，由于不同企业的诉求有差异，以下工作流仅代表大部分用作交流；

五、关键节点拆解说明

此次主要聊聊基础的上手运用与注意事项，不涉及过深或难以理解的部分，如果说用户行为分析可以到达高等数学的程度，那么此次就讲讲加减乘除好了，师父领进门，修行靠个人，各位看客请上座！

1. 目标需求拆解

① 什么时候开始？

首先你的产品得有流量，然后得有一个关乎到用户行为的目标，例如想看看用户流量分布、了解功能使用频率、任务执行的漏斗关系、用户行为偏好、用户数据画像构建等，这个时候就可以考虑开始了，不然就可能南辕北辙费力不讨好。

② 界定一个范围？

首先构建一套完善的用户行为分析系统并持续的维护与应用并不是一个轻松的事情，所以最好是针对性构建+多迭代，不要上来就想着做全盘搭建，表面的工作或问题往往可能只是浮冰，逐步的深入后问题会越来越多，个人深有体会！

③ 由上而下，找准路线？

通过业务目标向下拆解，一般上层目标无非是商业转化、用户活跃留存、任务通过率这些，向下拆解则是通过业务目标去锁定核心的业务场景或任务线路，这些核心的页面、场景或是任务线路，就是你前期可以界定的一个范围，后续的重点工作则是将核心功能的入口或路径穷举出来，避免数据对不上或找不到异常源头的情况。

在我的认知里，用户行为分析建设不是一锤子买卖，步伐走小一点，基础搭好一些，以后的迭代建设或维护也会轻松许多；

概括一下就是，不要追求全面，靠拢业务价值，关联上指标或者核心业务场景即可。

之前网上看到有大佬给了一个建设思路，这里搬来大家参考一下；

2. 带你认识不一样的埋点

数据埋点技术已经很成熟了，甚至有很多第三方的埋点+分析的服务，以及采集用户行为数据的不仅仅只有埋点技术方案，哪怕你做一个录屏技术都可以，只不过从数字化产品视角出发，埋点技术更有性价比，以及符合用户隐私权益，所以这里专门讲一下“埋点”这个老技术，熟悉的大佬们可以跳过埋点这部分。

① 埋点是什么

数字化应用大多有个特征，就是需要用户进行界面交互，有交互就有行为动作发生，而数据埋点就是将用户在界面交互时产生的各种类型的监控日志上报到产品后台去，这样业务团队就可以知道到用户在不同页面或业务场景下操作了什么，去往过哪些页面，当结合业务后台的订单等数据时，就可以还原出更加清晰的用户行为全貌。

通常这些埋点会分为“页面访问(PV、UV)、区块曝光(区域、时长)、按钮操作(动作、状态)”三大类型，并携带交互元素和操作者的各类特征信息参数，便于我们知晓更多的场景细节与用户情况，例如知晓这个「免费试用」按钮是对应了那个产品？点击的用户是否已开通这个产品？这个用户是否为付费用户？是否个人还是商家类型？用户从哪个渠道进来的等，而且这些植入在产品代码中的埋点可以不间断持续的采集和配套产品迭代进行维护，可以帮助业务团队获取大量有效数据用作业务分析决策。

② 什么时候派上用场

这些数据埋点主要是为业务目标的洞察分析服务，也就是说业务目标中需要采集用户行为数据时，埋点就要派上用场了，相比传统的业务日志，埋点可以收集到更加全面的界面交互的行为数据，能够简易的还原出一套线上用户的使用情景，而不仅限于一些业务后台就能统计出的转化率或基础数据等；

并且埋点数据可以与业务数据分开存储运维，这意味着埋点数据可以更迅速的根据设定的指标公式统计出期望的数据或视图，并且不会干扰业务访问的性能质量，因此产品迭代后的新老数据对比、营销活动的效果评估、用户行为的特征偏好识别等，数据埋点都以可以派上用场的。

③ 怎么提埋点需求？

首先埋点需求没有固定的文档格式，其次不同埋点服务平台的要求也有差异，就移动端来讲，很多服务商已经支持可视化埋点、全埋点、无埋点服务，可以实现自动识别交互元素并进行埋点操作，大大减少了开发工作量，那么再聊回埋点需求怎么提。

核心结论就是由上而下，通过业务目标或核心指标进行拆解，然后关联到核心的任务流程上，对于一个页面或一套流程没有必要进行全篇埋点，技巧我概括为以下几点；

埋点需求的主要内容基本包含以下，根据业务或埋点平台的差异，可以自行调整；

④ 业务扩参怎么一回事儿

扩参即扩展参数，指在当前用户界面中可以请求到的业务数据，并将这些业务数据绑定到埋点日志中一并上报给埋点数据后台，通常为一些用户属性参数、业务属性参数、设备属性参数、网络环境参数，这样我们就可以通过这些额外的参数进行数据分析或是过滤，举个典型案例；

3. 数据治理是做什么

① 为什么要治理？

简单说就是提升数据质量与准确性，在庞大的一套数据中，我们需要弄清楚数据之间的映射关系，即不同的数据参数代表了什么元素什么动作什么含义，数据是否有缺漏或冗余、报错漏报乱报、是否有无效的脏数据（例如内部的测试数据或脚本爬虫等带来的数据），如果我们不去将这些数据进行治理，则统计出的数据指标特征或趋势都将不可靠，无法被商业应用。

简单讲就是元数据没治理准确，得到的数据指标也就失去了实用价值。

② 怎么去治理？

本质是查缺补漏将无效的数据过滤掉或纠错，再把数据涵义映射成具体的指标或描述，用作进一步的指标计算与分析，如果数据又多又杂，你会发觉这一步要你老命，例如埋点就需要逐个查询原始埋点的位置、触发条件、埋点用途、埋点含义甚至与关联业务数据的关系校对等。

不过还好，一般来讲这些工作都是数据建模（BI）相关人员去负责的，作为应用层的我们，更多的是能够根据业务目标提出埋点需求、提出指标与数据报表需求，以及通过数据核算或查看数据趋势等手段找出异常让 BI 修复，所以这里就不展开埋点数据治理的方法了。

③ 数据维护不易

就埋点监控用户行为的方式来讲，除了平时的治理与报表问题修复，每次迭代改版还要做好相关埋点信息的管理与维护更新，保证不出错，不影响关联指标，甚至是线上用户偏好的推荐算法等应用，特别是数据规模越来越大后，又密切关联着业务决策时，数据更不容出错，且要求准确。

六、三大分析内容产出

1. 内容产出的先后

在用户行为分析内容构建的过程中，除非是有特定场景特定诉求，通常个人认为都是先出指标、再完善行为链路、再逐步丰满用户画像的一个过程，原因如下；

1. 通常先接到的都是一些核心指标，例如转化率、留存率、活跃度等，同时这些指标也是上层最先关注到的；
2. 接着就是完善不同场景或任务路径相关，帮助洞察微观视角下的体验障碍或用户偏好等，产出流量统计、流程漏斗等，起到业务体验的洞察改善决策作用；
3. 用户画像的数据本身就没那么好收集，并且是一个逐步完善和被业务决策应用的过程，所以一开始不会直接奔着用户画像构建开始；

2. 基础指标构建

所谓指标可以理解成是产品某项业务的成绩，例如我是卖包子的，那么我的指标大概率就是每天卖出去多少包子、利润有多少、哪款包子销量高，根据这些信息我就可以知道我平时应该准备多少包子、哪些品类的包子需要多做一些、我靠卖包子能赚多少钱。

① 指标构建的原理

实际上指标的构建逻辑可以很简单，例如 A 占 B 的百分比、ABC 的总和、连续多天 A 占 B 的变化等，很多加减乘除的算法就能搞定，主要是能拿到真实数据，不然我怀疑你在做烂账......

常见指标：

3. 行为链路分析

用户行为路径是一种数字化的旅行地图，相比较传统服务的旅行地图，场景会更纯粹、意图更准确、数据采集更便捷，主要作用有以下几点；

1. 分析用户在产品中的活动范围或页面路径的关系，可以帮助了解用户活跃分布，流量走向等情况；
2. 识别在任务或流程漏斗中的卡点或跳失情况，帮助优化流程体验或提升转化率等指标；
3. 通过用户的互动方式或路径特征来进行用户分类或偏好分析预测等，用于内容推荐算法或精准营销；

这些行为我们可以大致分为浏览、消费、互动三大类，根据不同的业务类型，可以选择性采集和分析相关数据，例如电商产品就比较关注用户的浏览与消费行为，常见的有商品浏览、添加购物车到下单；

而社交应用就更关注用户的互动行为，如不同类型的内容访问、评论点赞、关注收藏分享等；

这些数据最终可能由可视化的数据报表呈现出来，以便于业务团队快捷的找到数据问题或特征，如常见的漏斗图、桑基图、雷达图、树状图、散点图、决策树等；

小话题延展

最近在 UXRen 的一场分享会中，听罗浩讲了体验营销的话题，虽然是关于用户研究在职能岗位上挖掘新的商业能力的内容，但是其中有一段是关于如何在旅行地图中挖掘新的营销触点，有一些体会，这里结合用户行为链路分析简单聊一下；

背景与问题：

产品功能与业务增多，引流渠道多样化，不同渠道流量的撬动关键是什么，核心场景具备哪些能力，哪些渠道的流量能吃掉，这些流量所处的触点或场景能支持什么，用户意图是什么，产品能力能满足什么，产品发展可以支持哪些？如何分流或匹配各类流量的意图，并提供路径分发，这些用户流量数据有何趋势或特征，是否能与场景或触点进行根因分析，是否沉淀行为或偏好模型？

行为路径的重点：

在于观察不同触点下的客户意图，展开业务所能触及的部分或新的机会，并匹配合适的关键路径，以提升转化或用户粘性等，然后做数据回归分析，抓取有效的用户特征信息，并应用到产品的内容推荐或外部引流投放信息优化上。

流程过程：

触点展开与机会洞察，触点场景——意图识别——结果匹配（关键路径）——（根因回归）画像更新——算法推荐——广告优化

这一套下来，是不是感觉有点儿似成相识？后来一想这不就是一套用户增长的设计思路嘛。

4. 用户数据画像

主要是帮助了解和理解用户，使得我们可以划分用户群体和识别偏好特征，最终以提供精准营销或是洞察用户诉求来迭代改善产品。

其中偏好特征我们还可以根据业务属性细分为兴趣偏好、行为偏好、消费偏好等，并为不同偏好特征的群体提供个性化的内容服务，例如常见的内容标签标记，通过识别用户常看内容的标签，来推荐类似的标签的内容或是有潜在兴趣的标签内容来抓住用户的兴趣。

常见画像指标构建

这些指标会通过用户行为、设备信息、个人资料的完善来逐步获取，主要可以了解到用户的地域分布、年龄与性别分布、设备与活跃度情况，相应的数据在业务后台基本上都能够获取到，只需要将某个时间分区的数据拉出来，经过 Excel 之类的软件把数据加工一下，就能够获取到相关数据视图。

如果将多个数据指标结合起来分析，便可以获取一些复合型数据指标，例如哪些年龄段的用户群体消费能力更强、活跃度更高、不同教育背景的兴趣爱好是否有一定的关联性等等；

进阶画像指标构建

进阶的数据画像会完善更多的用户特征信息，便于业务团队找到用户群体的特征，做进一步的精细化运营或内容推荐，常见的画像指标如下；

此外就是在收集用户数据的过程中，保证用户隐私安全、合法性和安全性。

用户分层模型应用

当我们采集到一定的用户数据后，就可以在数据画像的构建阶段进一步完成用户分层工作，这一步是为了将用户分类，因为不同用户群的目的是有差异的，例如闲逛、精准采购、参与活动的等等，以提供差异化的服务做精准营销、识别用户群体特征做业务策略决策、或是优化产品体验相关，不过当你的用户规模尚小，运营模式简单，你也不用迫切去进行用户分层相关，因为收益不大。

那么通常都有哪些用户分层模型呢？其实你并不陌生，一些给你列举了一些；

七、分析结论到应用

相信你也发现了，用户行为分析的构建与产出并不只是行为链路的数据，同时会包揽很多其他的有价值的指标与数据，所以不要被用户行为四个字迷惑，或许你此刻正需要构建相关数据。

当你准备构建或整理用户行为分析前，记得目标或问题先行，针对性采集数据或建设指标，在你有了相对准确或清晰易懂的数据后，那些数据报表或图表根本难不倒你，说白了无非是将纯纯的一堆数据换了形式展示，如果你数据可视化的形式与应用不够了解，你可以看看 AntV 官网的介绍说明了解一下，其实你也不用每个都研究个遍，实用的就那么几个，酷炫是要代价的，报表搭建平台支不支持、Excel 支不支持、时间精力够不够研发给你整，都是问题～

AntV 官网 ：https://ant-design-charts.antgroup.com/examples

最后

你可能疑问没有完整的教程手把手教你啊，其实不然，构建的前提、流程、要点、建设方向均在此篇中交代过，当你按照这套流程框架去做，基本上不会有啥大问题，一般来讲这些内容也够用，至于选用哪些数据埋点平台、数据分析平台、报表搭建平台、视自家公司情况而定吧。

也不要担心在数据报表搭建或分析的过程中，你搞不定，是不是你执行先不说，多问问百度或平台客服总能解决，如果就是觉得很难上手，那么大概率是工具你不熟，或者工具不好用

转载：优设

兰亭妙微（蓝蓝设计）www.lanlanwork.com 是一家专注而深入的界面设计公司，为期望卓越的国内外企业提供卓越的大数据可视化界面设计、B端界面设计、桌面端界面设计、APP界面设计、图标定制、用户体验设计、交互设计、UI咨询、高端网站设计、平面设计，以及相关的软件开发服务，咨询电话：01063334945。

在人机交互体验不断升级的当下，UI 设计早已突破单纯的功能性与视觉性边界，情感化设计成为连接产品与用户的核心纽带。兰亭妙微设计团队深耕用户体验设计多年，结合经典设计理论与商业项目实战经验，拆解 UI 情感化设计的底层逻辑、核心价值与落地方法，让设计不止于美观，更能触达用户内心，打造有温度、有记忆点的产品体验。

宝子们好久不见！失踪人口正式回归～ 今天来扒一扒设计师作品集里的重灾区 ——用户画像，多少人做的画像要么是 “小美小帅式” 的废话文学，要么是拍脑袋瞎编，面试官一眼扫过直接摇头。这篇文主打一个接地气，从概念到实操，从避坑到案例，保你把用户画像做透，作品集里这一板块直接封神！（全文唠嗑式输出，摸鱼时间放心看～）

在数字化深度渗透生活的当下，用户体验（UX）早已不是互联网产品的专属概念，它从屏幕延伸到生活的每一个角落，从智能家居的语音交互到医院的就诊流程，从线下商超的购物动线到金融 APP 的转账操作，好的用户体验总能让人与产品、服务的连接变得自然且舒适。有人说 UX 设计是 “让科技懂人” 的艺术，也有人说它是兼顾功能与情感的科学，而其核心始终绕不开 “以用户为中心” 的底层逻辑。本文将从 UX 设计的核心定义出发，拆解其经典要素体系，探索跨领域应用场景，并结合当下行业趋势，聊聊如何让 UX 设计思维落地到实际工作与生活中。