在工业界产品用户体验设计实践中,用户人群划分是一个重要环节。传统的用户人群划分方法存在数据客观性不足、数据分析耗时费力以及过度依赖用户体验工程师主观判断等问题,影响了人群划分的质量。上述传统用户人群划分方法中存在的问题如何借助目前快速发展的用户数据采集工具来加以解决,是一个值得探索的课题。本文针对上述存在问题,选择了游戏、购物两个具有代表性的应用领域,针对每个领域采用迭代方式进行了两轮案例研究,在以下三个方面做出改进:首先,对于数据客观性不足的问题,引入基于情境感知的用户数据采集工具,通过工具采集到的数据进行案例研究,以保证数据来源的可靠性。其次,针对数据分析中耗时费力问题,通过分析用户样本的特征并进行分布实现解决。针对游戏领域的案例研究,提出了基于单维度纵向数据的可视化呈现方案,辅助研究人员进行高效研究;针对购物领域,提出以单一维度耦合多维度数据的可视化方案,并辅之以正文数据与可视化数据的对比实验,验证提出的解决方案在数据分析方面的优势。最后,针对用户研究中过度依赖研究人员主观判断的问题,在识别和定义用户人群方面进行改进。通过对游戏案例使用行为变量分析法（Behavioral Variable Analysis Method,BVA）进行用户人群的识别和定义。基于分析结果,提出了基于客观数据的层次聚类方法,在购物案例中使用了BVA方法与聚类方法进行用户人群划分,结果表明,在分析速度与结果的真实性两个方面上,层次聚类具有较大优势。本文提出了单一维度耦合多维度数据的数据可视化分析方法进行用户特征总结,采用了聚类分析方法进行用户人群特征的识别。基于用户数据采集工具的用户人群识别方法以及单一维度耦合多维度数据的数据可视化分析方法,最后建立了具有一定通用性的用户人群划分方法。研究结果表明,相较传统方法,新方法在数据客观性、数据分析、过度依赖主观判断等方面的表现更优,在一定程度上可以更好实现用户人群划分工作。