3、用户画像与场景分析：法律行业用户分类与痛点挖掘
做法律AI产品，最怕什么？
我最怕团队闷头写代码，最后做出来一个「谁都用不上」的东西。说白了，法律行业不是通用领域，律师、法务、法官、当事人——这四类人每天面对的问题完全不同。你让一个法官去用律师的案管系统，他肯定骂娘。
所以今天这章，咱们就聊聊用户画像和场景分析。我习惯把这步叫做「产品的地基」，地基没打好，后面盖多高都得塌。
3.1 法律行业四大用户分类
先给个全景图。我画了张SVG，把四类用户的核心特征串起来了。你一看就明白。
嗯，这张图我建议你存下来。每次做需求评审时拿出来对照一下，能少踩很多坑。
3.2 典型使用场景挖掘
光分类还不够，你得知道他们在什么场景下会打开你的产品。我按用户类型拆开讲。
3.2.1 律师场景：从检索到交付的全链路
律师的一天，说白了就是「找法条、写文书、见客户、上法庭」。这里面AI能帮上忙的地方太多了。
- 法律检索场景：以前律师翻书翻到眼瞎，现在用AI做语义检索，输入「股权回购纠纷中违约金过高如何认定」，直接给你推相关判例和法条。我在项目中遇到过，律师最烦的就是检索结果不精准，所以召回率必须做到90%以上。
- 文书生成场景：起诉状、答辩状、代理词——这些模板化程度高的文书，AI完全可以先写一版，律师再改。但注意，千万别让AI直接出最终版，律师对措辞的敏感度远超机器。
- 案件管理场景：开庭提醒、证据链梳理、对方律师背景调查。这些琐事占用了律师30%以上的时间，AI做自动化能释放大量精力。
3.2.2 法务场景：合同审查是刚需中的刚需
法务和律师不一样。律师是「打猎」的，法务是「看家」的。法务的核心工作是风险控制，而合同审查占了他们60%以上的精力。
- 合同审查场景：一份采购合同几十页，法务要逐条看违约责任、保密条款、争议解决。AI可以自动标注风险点，比如「违约金比例超过30%可能被法院调低」。我曾经帮一家互联网公司法务部做过工具，上线后合同审查时间从2小时缩短到20分钟。
- 合规检查场景：新法规出台后，法务要检查公司现有业务是否合规。AI可以做法规比对，自动生成合规差距报告。
- 纠纷预警场景：通过分析合同履行数据，提前预测哪些项目可能产生纠纷。这个场景目前还比较前沿，但已经有头部企业在做了。
3.2.3 法官场景：案多人少下的效率工具
法官这个群体，说实话是最累的。我认识一个基层法官，一年要审400多个案子。你算算，平均一天一个多案子，还要写判决书。
- 类案检索场景：法官判案需要参考类似案例，尤其是「同案同判」的压力下。AI可以基于案件事实做相似度匹配，推荐最相关的判例。
- 文书撰写场景：判决书有固定格式，AI可以自动填充事实认定、法律依据部分。但法官最看重的是「说理部分」，这块AI只能辅助，不能替代。
- 案件管理场景：排期提醒、审限预警、证据材料分类。这些后台功能虽然不炫酷，但能实实在在帮法官省时间。
为什么会这样？因为法官的KPI里有一条「审限内结案率」，超期是要被问责的。所以他们对效率工具的需求非常迫切。
3.2.4 当事人场景：信息鸿沟的弥合者
当事人是四类用户里最「弱势」的。他们不懂法，不知道流程，甚至不知道自己的案子该找谁。
- 法律咨询场景：当事人最常问的问题：「我这个情况能赢吗？」「打官司要多少钱？」「需要多久？」AI可以做初步的法律问答，但必须明确告知「这不是法律意见」。
- 案件查询场景：立案进度、开庭时间、判决结果——这些信息如果能通过AI助手实时查询，能大幅降低当事人的焦虑感。
- 文书理解场景：判决书里那些「本院认为」「依照《民法典》第X条」——当事人根本看不懂。AI可以做「大白话翻译」，把法律术语转成日常语言。
3.3 用户痛点与期望分析
好了，场景聊完了。咱们来总结一下，这四类用户到底「痛」在哪里，又「期望」什么。
| 用户类型 | 核心痛点 | 核心期望 | AI产品切入点 |
|---|---|---|---|
| 律师 | 重复劳动多、时间碎片化、案源不稳定 | 提效50%以上、精准检索、自动生成 | 法律检索、文书生成、案管自动化 |
| 法务 | 合同量大、跨部门协作难、法规更新快 | 风险自动识别、合规检查自动化 | 合同审查、合规比对、纠纷预警 |
| 法官 | 案多人少、裁判尺度统一难、审限压力 | 类案精准推荐、文书辅助撰写 | 类案检索、文书模板、审限管理 |
| 当事人 | 信息不对称、流程不透明、费用不清晰 | 简单易懂、实时查询、低成本 | 智能问答、案件查询、文书翻译 |
这张表我建议你打印出来贴在工位上。每次做产品决策时，问自己一句：「这个功能解决了哪个用户的哪个痛点？」如果答不上来，就别做。
3.4 实战中的避坑指南
最后，分享几个我在项目中踩过的坑。嗯，都是真金白银换来的教训。
- 别试图做一个「万能产品」。我曾经带团队做过一个产品，想同时服务律师和当事人，结果两边都不满意。律师嫌太浅，当事人嫌太深。后来拆成两个产品，反而都活了。
- 用户说的不一定是真的。你去做用户访谈，律师会说「我需要最先进的AI」，但实际他可能只需要一个更好用的搜索框。要观察他的行为，而不是只听他说。
- 场景优先级很重要。四类用户、十几个场景，不可能同时做。我建议先选一个「高频刚需」的场景切入，比如律师的法律检索或法务的合同审查。跑通一个场景，再横向扩展。
- 别忘了「非功能需求」。法律行业对数据安全、隐私保护的要求极高。你做个AI产品，结果用户数据泄露了，那直接完蛋。所以从第一天起，就要把安全合规放在架构设计里。
好了，这一章的内容就到这。用户画像和场景分析是产品经理的基本功，也是法律AI产品成败的关键。下一章咱们会聊到「需求采集与优先级排序」，到时候我会分享一些更实操的方法论。
公众号:蓝海资料掘金营，微信deep3321