去年做的那份用户画像，三个人物、六页 PPT、配图精致，评审会上人人点头，之后一年没人再打开过。失效的原因不在排版，在于那三个人的每一条特征都是会议室里猜出来的：谁会为这个功能付钱、他上一次为什么放弃，全是想象。AI 能改变的是这一段——把几百条真实反馈压成几条站得住的结论，前提是你手里真有那几百条。
画像失效，通常从素材那一步就定了
一份画像的可信度，上限由素材决定。素材来自哪批人、覆盖多长时间、有没有包含离开的用户，这些问题在动笔之前就有答案，之后无论怎么分析都改不了。
常见的偏斜有三种：只取好评，画像会过度乐观；只取活跃用户，会看不见流失原因；只取最近一个月，会把季节性波动当成长期趋势。第三种最难发现，因为数据看起来很新，没人会怀疑它。
所以第一步不是打开工具，是列一张素材清单：来源、时间跨度、各来源条数。清单摆出来，很多结论自己就收窄了。
从原始反馈到三条结论
从反馈到洞察可以拆成五步，每步都该留下能复核的东西：
| 步骤 | 产出物 | 常见坑 |
|---|---|---|
| 收素材 | 一张清单：来源、时间跨度、各来源条数 | 只收一个渠道，结论天然偏斜还不自知 |
| 清洗 | 去掉广告、重复、跑题后的可用条数 | 把带情绪的短评一起删掉，只剩温和的中评 |
| 定主题 | 八到十二个主题词，每个附一句判定标准 | 主题切得太细，一条反馈各成一类 |
| 归类计数 | 每条反馈挂主题，出一张频次表 | 一条挂多个主题却不说明口径，频次加总超过总数 |
| 提炼人物 | 三个类型，各写关心什么、不满什么、原话三句 | 类型写成年龄性别标签，读完不知道他要什么 |
一条反馈里同时提到价格贵和功能少，分别归到两个主题是合理的，但统计时要交代口径，否则两张表的频次加起来会超过总条数，看报告的人会以为样本更大。
归类的关键是标准统一，不是模型聪明
让人和模型分别归同一批两百条反馈，差异通常出在边界情况：一句抱怨既像功能缺失，又像使用门槛。差别不在理解力，在于有没有一条写死的判定标准。
可行的顺序是先定标准再归类：每个主题写一句「什么算、什么不算」。这一步花二十分钟，能省掉后面反复返工。标准定好之后，K-means 这类聚类方法才有意义——它按相似度分组，分出来的组能不能用，取决于你给的特征对不对。
主题数量也要控制。八到十二个是人能记住的上限，超过之后报告会退化成一张分类表，读者抓不到重点。确实需要更细的分类，可以放到附件的二级标签里，正文只留主类。若素材层级明显（比如评论、工单、访谈三种体裁混在一起），先分层再聚类会更稳，这也是层次聚类的常规做法。
频次之外，还要看谁没说话
频次表只能告诉你说了的人在说什么。沉默的那部分人——用了两次就走的、从来没打开过的、工单里只留一句「没事了」的——往往才是增长空间所在。
一种补法是对比：把活跃用户和流失用户的高频词各出一张表，看哪些词只在一边出现。只在流失侧出现的词，价值通常高于两边都有的词，因为它指向的是离开的理由。
另一种补法是看结构。如果某类用户在你的素材里占比不到百分之五，而他们在整体用户里占三成，那么关于他们的任何结论都不能写进画像，只能标为待验证。这个差距本身就是一条结论。
它提炼不出你没给它的用户
有些事模型做不到。它只能在你给的素材里找模式，素材里没有的人，它不会凭空知道。被要求「再补一个年轻用户类型」时，它会照办，写出来的东西逻辑自洽、细节丰满，却没有一条对应真实的反馈。
这类输出最危险的地方在于它很像真的。年龄、职业、一句典型原话，格式和真结论完全一致，混在报告里没人分得出来。要防它，办法只有一个：每条结论后面挂原始编号，抽不到编号的一律删掉。
另一层上限是因果。它能告诉你「提到加载慢的人里，流失比例更高」，说不出是加载慢导致流失，还是低端机用户本来就更容易流失。要回答因果，得靠对照实验，不是靠一批反馈。
一份能被质疑的画像才有用
好的画像有个特征：看完之后能提出反对意见。「这个类型我认识，但他更在意的是迁移成本」——这样的反馈说明画像进了讨论；如果大家只是点头，通常意味着它写得太笼统，谁都能对号入座。
具体做法是给每条结论配三样东西：支撑它的原始编号、它覆盖的用户比例、一条可能推翻它的反例。第三样最容易被省，也最能看出这份画像诚不诚实。
关于模型偏见，还有一点要交代：素材自带成见会被放大。如果工单里对某类用户多用「难沟通」这样的标注，模型很可能把这当成该类用户的特征写进画像。所以标签是谁打的、按什么标准打的，也要一起说明。
速查：画像交稿前先自查
- 每条结论都能追到原始编号
- 每个类型都写了覆盖比例
- 至少保留了一条反例
- 素材清单放在报告第一页
