来源｜人机与认知实验室
用户画像概念介绍
用户画像（Persona）是美国的软件设计师、“交互设计之父”艾伦·库伯（AlanCooper）在1983年首次提出，并于1998年出版的软件设计著作《软件创新之路——冲破高技术营造的牢笼》一书中提出的一个概念。
奥美于1997年在营销学中使用了与此概念相类似的一个概念即“顾客照片”（CustomerPrints），这种“顾客照片”是对日常生活中的顾客典型的分类描述。
“每一个强大的品牌都拥有一个与品牌价值观一致的群体。人群总体按其典型性分为若干不同的群体，其中的每个群体有着相同或相似的购买行为，某个品牌（产品或服务）所拥有的群体，其个性和特征就能根据共同的价值观，态度和假设来理解。顾客照片就是抓住这些不同顾客群体的生活本质进行的描述”。
用户画像在基于情境的设计方法中起着重要的作用，它能够重复地在框架定义阶段用于产生设计概念，也能在优化阶段用来提供反馈，以保证设计上的正确性和一致性。
人与机
客观地说，人工智能只是人类智能可描述化、可程序化的一部分，而人类的智能是人、机（物）、环境系统相互作用的产物。智能生成的机理，简而言之，就是人物（机属人造物）环境系统相互作用的叠加结果，由人、机器、各种环境的变化状态所叠加衍生出的形势、局势和趋势（简称势）共同构成，三者变化的状态有好有坏、有高有低、有顺有逆，体现智能的生成则是由人、机、环境系统态、势的和谐共振大小程度所决定的，三者之间具有建设性和破坏性干涉效应，或增强或消除，三位一体则智能强，三位多体则智能弱。如何调谐共频则是人机融合智能的关键。当代人工智能由最初的完全人工编译的机器自动化发展到了人工预编译的机器学习，接下来的发展可能是通过人机融合智能的方法来实现机器认知，最终实现机器觉醒。
由于人是人-机-环境系统的主体，只有深刻认识人在系统中的作业特性，才能研制出最大程度地发挥人及人机系统的整体能力的优质高效系统。
人机环系统中，人作为该系统的的内含主导者，与这个系统的的研制、分析及运行的性能都密切相关。人体虽然是物质的，但具有感知、思维、智慧。一个好的人机环系统，必须建立在机对人有着良好认知的基础上。
那么，机器如何理解人呢？如何构建两者之间的沟通方式呢？
该问题等同于——如何进行深度的用户画像呢？用户画像可将用户所拥有的知识、价值、情感等模型转化为机器可理解的计算模型，使得计算机能够了解用户感知外界的方式、认识事物的过程和发出行为的模式。在基于对用户的理解的基础上，机器可以进一步地改变自身的行为模式来适应人的感觉方式，进一步使得人机交互元素能够尽可能地根据使用者的需求，适应人的特点，形成最和谐的人机融合。
用户画像是一种研究基于人类行为特征的深度态势感知系统技术，即研究在不确定性动态环境中人的组织的感知及反应能力。其对于社会系统中重大事变（战争、自然灾害、金融危机等）的应急指挥和组织系统、复杂工业系统中的故障快速处理、系统重构与修复、复杂坏境中仿人机器人的设计与管理等问题的解决都有着重要的参考价值。
基于深度态势感知理论模型的用户画像
深度态势感知是对感知的感知，是对人的认知、偏好、习惯、情感、记忆、认知的基础上，加上机的运算协同，两者互为补充，取长补短。用户画像的构建就是由态生势的过程。用户画像是人的认知活动（如目的、感觉、注意、动因、预测、自动性、决策、动机、经验及知识）的综合体现。基于深度态势感知理论，用户画像可从自然属性维度、价值取向维度、行为习惯维度、认知特征维度四个方面对人进行深度刻画。
事实上，把生命体特有的“目的性行为”概念用“反馈”这种概念代替，把按照反馈原理设计成的机器的工作行为看成为目的性行为，并未突破生命体（人）与非生命体（机器）之间的概念隔阂，原因很简单，人的‘目的性行为’分为简单显性和复杂隐性两种，简单显性的‘目的性行为’可以与非生命体机器的‘反馈’近似等价（刺激—反应），但复杂隐性的‘目的性行为’——意向性却远远不能用‘反馈’近似替代，因为这种意向性可以延时、增减、弥聚，用“反思”定义比较准确，但“反思”概念却很难与非生命体的机器赋予（刺激—选择—反应）. “反思”的目的性可用主观的价值性表征，这将成为人机融合的又一关键之处. 价值将由吸引子和动机共同构成. 反思是一种非生产性的反馈，或者说是一种有组织性的反馈. 自主是有组织的适应性，或被组织的适应性. 据此我们将Endsley态势感知三级模型和维纳的“反馈”思想结合，提出了一个基于“反馈”的深度态势感知模型。
——态——
深度态势感知中的“态”定义为人机环境系统中的各类表征个体状态的主客观数据，即state。用户画像从海量信息中提取有用的信息，知识。用户画像中对自然属性维度的构建是用户画像的基础，对应于深度态势感知的“态”。用户画像的自然条件维度下，包含了相对静态的人口统计学信息、物质条件与社会环境。自然条件维度的信息是最便于获取的表象信息，虽然在构建用户画像的过程中，往往会试图弱化这方面的信息，但不可否认的是，自然条件是构成用户认知与行为的基础之一。
——势——
深度态势感知中“势”定义为事件的发展趋势，即trend。对应于用户画像中的价值维度。价值取向维度包含了个体对自身，以及对群体与社会所能产生的价值的期望。人本主义心理学把“自我”看成行为的心理动因，认为理想的自我与现实的自我之间的差异是行为的动力源。现实的自我与期望的自我之间存在差距，实现这个差距弥合就是自我价值的实现、期望的实现。这种差距弥合也就是向期望的自我的不断迈近，是获得幸福的途径。价值取向是一种内隐或者外显的，关于什么是有价值的看法，是个人与群体的特征属性，影响着人们对行为方式、手段及目的的选择。个体价值观指引、推动了一个人的决策，作用于其行为准则与信念。人们对于目的、存在和意义的终极思考与探索都以各种形式贮藏在个体价值观之中。
价值取向维度对于用户画像的构建最大的意义在于，找到了影响用户行为的动机源，它为用户的决策与行为提供的有方向的矢量的作用力。价值取向维度体现了用户的深层需求，表达了用户对自我的期望。
——感——
一般而言，感对应的常是碎片化的属性，知则是同时进行的关系建立。“感”定义为对系统中“态”的觉察，即sense。类似于“感”对应于深度态势感知，行为模式是用户研究中非常重要的部分，也是构建人物角色模型的骨架。行为习惯体现了四个维度的表征，因而容易被观察到，也便于发现问题与进行优化与迭代。
——知——
“知”定义为对“势”的理解，即precept。“感”与“知”的相互作用，关系密切。用户画像中，行为与认知的关系也是密切的。“知”包括了感觉、知觉、记忆、性格，它显示了用户的能量倾向、信息获取方式、决策方式、生活风格特征。它对应了人们在使用产品时对使用感的期望，或者具体交互行为的实现方式，这一维度聚焦用户的五感（尤以视听为主）、交互感与产品的物理设计。认知作用于行为，行为所产生的结果也影响了认知。一个人的行为是他的认知在一定的社会、文化空间下所显现出来的外在形态。而构建用户画像，便是有重点地勾勒一个典型用户的生活方式。
——反思——
反思是用户对自身经历或接收到的信息的思维与处理的过程，它影响了人的审美倾向、偏好、价值观等。它具备深层与持久的驱动力，影响用户的决策，即使用户不一定能体会到他做此决策的根本原因。反思维度受价值取向维度的影响很大，价值取向很大程度会影响用户对事物或事件的思考与观点。
自然属性是构建动态用户画像的基础，价值取向由于其对用户生活方式构成的深远影响，与自然属性共同作为影响用户行为习惯与认知的固化层，具有长远的影响与驱动力。用户的行为习惯是在自然属性、价值取向、认知特征共同作用下的外化表现。行为习惯与认知特征具有相互影响的内在关系。
自然属性、价值取向、行为习惯与认知特征都不是独立存在的位面。它们之间互为驱动，相互作用、相互影响。因此，单单考虑用户的行为模式是片面的构建用户画像的方法。也是造成传统的用户画像工具在使用过程中发现真实用户与构建的用户画像偏差很大的原因。也许从这四个维度出发，构建出的用户画像可以更加准确地描述出典型用户。
来源：人机与认知实验室
关于腾讯AI加速器
腾讯AI加速器是腾讯产业加速器的重要组成部分。其背靠腾讯产业生态投资，依托腾讯AI实验室矩阵的核心技术，腾讯云的平台、计算能力以及合作伙伴丰富的应用场景，为入选项目提供课程、技术、资本、生态、品牌等层面的扶持；并与入选项目共同打造行业解决方案，推动AI技术在产业中的应用落地。
在前两期AI加速器中，从全球2000+项目中甄选出的65个项目，整体估值662亿+，融资总额高达70亿+，70%的项目完成新一轮融资；其中腾讯投资乐聚机器人、工匠社机器人、Versa马卡龙玩图，并形成行业解决方案50+。
2019年8月16日，腾讯AI加速器三期名单出炉。TOP30项目从1500个报名者中脱颖而出，录取率仅2%，三期项目总估值超200亿。项目聚焦于金融、教育、安全、工业、机器人、IoT、云计算、5G等。入选腾讯AI加速器三期，意味着正式成为腾讯智慧产业生态的合作伙伴，将与腾讯各智慧产业业务深度结合。
