目标用户分析：报告应该展示哪些证据
📱 Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko; compatible; ClaudeBot/1.0; +claudebot@anthropic.com)
🔗 /bf896fcce6d2.html
📄
目标用户分析：报告应该展示哪些证据
一份目标用户分析报告要能支撑决策，核心证据不是“用户很多、需求很强”这类结论，而是可追溯的来源、可复算的口径和能对应到具体人群的原始材料。报告至少应展示四类证据：数据来源与采集方式、用户分层与规模依据、需求与行为的一手记录、以及结论到原始数据的对应关系。缺少其中任何一类，报告就只能算观点汇总，不能用于定位问题原因。
先看交付结果：报告要回答什么，就收什么证据
目标用户分析通常服务于三类判断：某类人群是否存在、他们的核心需求是什么、现有产品或内容为什么没有覆盖他们。倒推来看，报告需要交付的是“人群—需求—行为—缺口”这条链，每一环都要有对应证据，而不是只给最终画像。
- 人群证据：分层规则、每层的人数或占比、分层所依据的字段。
- 需求证据：访谈原话、问卷开放题、客服记录、站内搜索词等未经过度加工的原始表达。
- 行为证据：关键路径的转化数据、停留与跳出分布、复购或回访记录。
- 缺口证据：用户表达了需求但行为未完成的具体环节，以及该环节的样本量。
如果报告只交付画像卡片和几句总结，评审时无法判断结论是否成立，也无法据此定位问题。
数据来源与口径必须写清，否则数字不可比
第三方估算流量、搜索引擎提供的报告与站内统计，三者的统计口径不同，直接混用会得出错误结论。报告中每一项数据都应标注来源、时间范围、统计口径和采集工具。
- 写明来源：是站内埋点、问卷系统、访谈记录，还是第三方估算。
- 写明口径：统计的是独立用户还是访问次数，是否去重，是否包含爬虫或内部访问。
- 写明时间：采集起止日期，以及期间是否有活动、改版等干扰事件。
- 写明局限：样本偏差、回收率、未覆盖人群。
可执行的检查项：随机抽取报告中的一个百分比，按标注的口径重新计算一次。若无法复算，或复算结果与报告不符，该数据不应作为结论依据。适用条件是原始明细仍可访问；若明细已删除，应在报告中说明并降低该证据的权重。
分层依据要能被验证，不能只有标签
目标用户分析常见的失败是给出“价格敏感型”“品质导向型”等标签，却没有说明标签从哪些字段推导而来。可验证的分层应展示：
- 用于分层的原始字段，例如首次来源、购买频次、客单价区间、咨询主题。
- 每个分层的判定阈值，例如“高频”定义为近90天内下单3次及以上。
- 各分层的人数与占比，以及样本是否足以支撑该层的结论。
- 分层之间的重叠情况，避免同一用户被重复计入不同结论。
判断结果的方法：换一个合理阈值重新分层，如果主要结论发生翻转，说明结论对阈值过于敏感，报告应标注为待验证，而不是直接用于决策。
一手记录比概括性描述更有诊断价值
当报告用于定位具体问题的原因时，访谈原话、客服工单、问卷开放题、站内搜索词这类一手记录，比“用户希望更便捷”这样的概括更有用。展示时应保留原始表述，并标注来源类型和数量。
例如（以下为假设示例，用于说明格式）：某报告称“新用户在注册环节流失”，证据部分列出20条客服工单，其中12条提到验证码收不到，并附上这些工单的时间分布。这样的证据链能指向可排查的原因；若只写“注册体验不佳”，则无法定位。
需要注意，一手记录只能说明“出现了什么现象”，不能单独证明原因。同一现象可能有多种解释，报告应把“已定位的原因”和“可能原因”分开列出，并说明还需要哪些数据才能确认。
结论与证据要一一对应，并给出验收标准
报告末尾应有一张对应表：每条结论对应哪些证据、证据强度如何、还缺什么。验收时可以按以下标准检查：
- 每条结论都能追溯到至少一项原始证据，而非仅引用其他结论。
- 关键数字标注了来源与口径，且可复算。
- 分层规则明确，阈值变化对结论的影响已说明。
- 一手记录保留原话，并注明样本量与采集时间。
- “已确认”与“待验证”的原因分开表述。
下一步建议：先选出报告中支撑最重要那条结论的证据，按上述标准逐项核对；无法通过核对的证据，补充采集或从结论中移除，再据此修订报告。
