Персоны: что писал Купер и как это устроено сейчас
Один из сложных вопросов нашего теста для проверки знаний по анализу качественных данных звучит так:

«Верно ли, что персоны и сегменты, по сути, – это типологии пользователей, различающиеся лишь способом представления?»

Этот вопрос ставит исследователя перед выбором:
·       Ответить, как считал Алан Купер?
·       Или ответить в соответствие с практикой, принятой сейчас в продуктовых исследованиях?

И тут напрашивается аналогия с эволюцией психоанализа.
Больше ста лет назад Фрейд спрашивал: «Чего вы на самом деле хотите - и почему не можете себе в этом признаться?»
Современный психоаналитик чаще задает другой вопрос: «Что происходит с вами, когда вы рядом с другим человеком - и почему этот сценарий так подозрительно знаком?». Потребовалось столетие, чтобы психоанализ переместился от археологии скрытых желаний к исследованию отношений, в которых мы каждый раз проявляем себя.

Так произошло и с персонами – только на более коротком временном отрезке. Практики исследователей изменились, и некоторые формулировки Алана Купера стали выглядеть, как кости динозавра на лужайке для гольфа.
 
Как изменился подход к персонам и как выглядят современные практики работы с ними? Об этих и других вещах мы рассказываем на нашем последнем потоке  курса «Анализ качественных данных».
Стартуем уже завтра, 3 сентября. Скидка 15% по промокоду FINAL2026

🎫 Купить билет

429-й выпуск make sense: об исследовании как образе мышления, языках описания реальности, ошибках и границах применения ИИ

«Проблема качественного анализа в том, что, чтобы проверить его от и до за моделью, тебе придётся повторить этот анализ. Весь этот выигрыш скорости сводит на нет то, что она может где-то лажать.»

«По сути, никаких джобов, персон, мотиваций и потребностей не существует — мы не можем их наблюдать в реальности, просто их измерить. Мы вводим эти понятия только для того, чтобы объяснить реальность.»

«Исследование — это действительно образ мышления. Если взять смежную сферу UX-дизайна: знание определённых тёмных паттернов, законов, правил композиции — оно не делает тебя дизайнером.»

Ведущий:
Юра Агеев, основатель ProductSense

Гость:
Константин Ефимов, соавтор книги "Качественные исследования в бизнесе”, управляющий партнер в X-Patterns.pro

Телеграм-канал PostPostResearch: https://t.me/postpostresearch

Конференция ProductSense пройдёт 10—11 сентября 2026 года в Москве. Сайт конференции: https://productsense.io

Epic Growth Conf'26 на ProductSense: https://egconf.io/

Подписывайтесь на канал анонсов подкаста: https://t.me/mspodcast

О чем говорим:
00:00 — Введение
02:38 — Как евангелисты кастдева ворвались в мир исследователей
04:10 — Три волны исследовательских сообществ
07:22 — Иллюзия быстрого успеха: что на самом деле продавали книги про кастдев
12:44 — Глубинное интервью против 15-минутного кастдева
13:56 — Исследование как образ мышления, а не протокол
16:59 — Подход Cynefin: три домена сложности задач
17:57 — Кластеризация в личных проектах как задача третьего домена
20:38 — «Метод параноика»: протоколы, седина, мозги
21:57 — Как демократизация стёрла третий, самый сложный уровень исследований
24:33 — Кейс телекома про «проклятие трубы»
28:02 — Desk Research и Deep Research до разговоров с людьми
30:14 — Почему ИИ додумывает то, чего нет в обучающих данных
34:39 — Водка на мумиё: то, что не расскажет модель
36:19 — Нет-тест и подхалимность моделей на синтетическом респонденте
39:00 — Почему джобов и персон не существует
42:45 — Как выбор языка меняет глубину ответа
47:07 — Жадность вне фреймворка JTBD: почему драйверы и барьеры проще
48:12 — Как ИИ ускорил протокольные задачи
51:33 — Почему анализ ИИ всё равно нужно перепроверять от и до
53:00 — Советы продактам: как развивать исследовательское мышление

Словарик терминов:
— JTBD (Jobs to be Done) — методология «работ», которые пользователь нанимает продукт выполнить
— Cynefin — фреймворк для классификации задач по уровню сложности
— MVP — минимально жизнеспособный продукт
— Deep Research — режим ИИ для автономного глубокого поиска и анализа информации
— Desk Research — кабинетное исследование по открытым источникам

Слушать:
— Telegram
— Mave
— Apple
— Яндекс
— YouTube

Я информационный партнер ResearchExpo (@ResearchExpo), поэтому по законам жанра мне нужно будет рассказать, почему туда стоит прийти.
И мне как раз есть что рассказать.

В этом году Research Expo - десять лет. Я помню самые первые конференции и то время, когда продуктовые и UX-исследования были еще отдельным миром. В 2017-м UX уже выделили в отдельную секцию на втором этаже. Некоторые доклады того времени можно резюмировать фразой «мы открыли UX-лабораторию, и это было сложно», буквально. Исследователи делали свои первые шаги в новой отрасли.

По словам маркетингового исследователя Александра Новикова, Research Expo в то время выглядело так:

«На выставке Research Expo исследователи UX тусуются отдельно — на втором этаже, а традиционные исследователи выступают друг перед другом и клиентами FMCG на ещё главном и большем по размеру первом этаже».

Прошло десять лет.
Теперь продуктовые исследования - отдельный полноценный трек ResearchExpo. И разговор идет совсем другой: новые исследовательские кейсы, синтетические респонденты, AI - то, что вокруг чего сегодня развивается исследовательская практика.

Программа этого года мне нравится. Я говорю это как участник программного комитета ResearchExpo, и на следующей неделе запланирована работа с докладчиками над отобранными выступлениями. Так что некоторое количество личной ответственности за то, чтобы доклады были хорошими, у меня тоже есть.

Я в этом году не смогу приехать. Так что на продуктовый трек вместо меня сходите вы.
А я приложу усилия, чтобы там было на что сходить.

https://researchexpo.ru/

А теперь немного «закулисья» ResearchExpo 2026 (@ResearchExpo)
В этом году про AI/LLM - целых 12 докладов в разных секциях. И тут я не уверен: мы еще взбираемся на пик кривой Gartner или уже с него спускаемся.
 
Вот несколько докладов, которых я особенно жду:
·       AI Product Insights: как мы сжали Discovery с трех месяцев до одного (Климшин Константин, Альфа-Банк)
Да, это именно про «это»: синтетических респондентов, RAG-систему и, главное, про то, как заставить все это работать. От этого доклада особенно жду технических подробностей: как устроена система и как авторы борются с галлюцинациями и сикофантией. Продолжают тему синтетики доклады:
·       Диалог с сегментом: персона-боты как мост между данными и бизнес-решениями (Кузина Анна, Инсайт Комкон)
·       Синтетические данные в руках клиента: от самостоятельного расширения выборки к доказательному индексу качества данных (Сомова Виктория, АКРИХИН, Константин Чистяков, OMI)

Тему технооптимизма уравновешивают доклады техноскептиков:
·       ИИ в исследованиях: технология готова, а окупаемость — нет (Нелли Мамян, Тибурон)
·       После хайпа: практическая оценка ИИ в UX-исследованиях (Скалон Алена, Yandex Cloud)
Последний особенно интересен мне попыткой провести границу: какие задачи UXR уже имеет смысл отдавать AI, где выигрыш пока сомнителен, а где начинаются риски для качества исследования.
 
Еще я очень ждал доклад Дмитрия Соловьёва о том, как использовать AI для кодировки. К сожалению, он не прошел отбор. Но Дима все-таки будет - с докладом Нас не заменят: пять навыков исследователя, которые дорожают.
И, пожалуй, это один из самых своевременных вопросов всей конференции: не что ИИ уже умеет делать вместо исследователя, а что после его появления становится в работе исследователя еще ценнее.
 
📍 2 октября · Research Expo 2026

У римлян были швейцарские ножи.
Как и в случае чашки для усачей, мы сначала решили, что это нейросеть. Но нет, это реальный экземпляр.
В III веке н. э. уже существовал складной мультитул: нож, вилка, ложка и ещё несколько приспособлений в одном корпусе. Выглядит почти как Victorinox - только на полторы тысячи лет раньше.
А потом такие мультитулы надолго исчезают. Не потому, что люди разучились делать ножи или шарниры. Технология уже была - но массовой вещью мультитул не стал.

Так что фраза, приписываемая Гибсону «будущее уже здесь, просто оно неравномерно распределено» иногда работает буквально.
 
Ранее в рубрике #интерфейсы
⚡️ Зарядное устройство, которое снимает тревогу у владельца
☕️ Чашка для усачей
🚪 Первая адаптация интерфейса под состояние алкогольного опьянения
📋 Список покупок в «железе»

📺 1 октября онлайн-день ResearchExpo - открытая трансляция

Подключайтесь к трансляции, слушайте выступления и задавайте вопросы спикерам.

👉 Трансляция в VK Видео
📋 Программа ResearchExpo

А 2 октября - в ЦМТ, Москва.

Будущее research-индустрии (часть I)

Последние два месяца мне пишут из исследовательских стартапов. У одних – свой движок по распознаванию речи. У других – несколько продуктов, включая расшифровку, но еще и с «синтетическим» модератором. Третьи переупаковали Conjoint и Maxdiff. Четвертый по поводу своего движка для расшифровки подсылает ко мне своего ИИ-агента, который предварительно «прочитал» мой канал и уже «знает», чем я занимаюсь.

Будущее наступило. Правда, у меня вместо чувства shut up and take my money каждый раз возникает вопрос: зачем мне это покупать?

И дело тут не в том, что продукты плохие.
Если раньше за всеми продуктами такого плана стояли месяцы разработки, то приходилось сначала изучать рынок и не ходить туда, где нет денег или уже тесно. Потому что разработка была дорогой.
А теперь порядок радикально поменялся:
Сегодня увидели проблему → вечером завайбкодили MVP →завтра утром открыли стартап.
Это даже в чем-то рационально – если продукт стоит дешевле «кастдева», то, может, сразу пилить продукт? Заодно и быстрее будет, если вынести исследование за скобки.

Проблема в том, что для потенциального клиента разработка тоже подешевела.
Этим летом у нас вместе с Global South Research был проект в Эфиопии. В числе прочего нам потребовались расшифровки на амхарском языке. Посидев с AI, я нашел открытую модель, понимающую амхарский на Hugging Face, сконвертировал ее в формат, который понимает noScribe – и после нескольких тестов получил работающий прототип. Это заняло 4 часа.
SaaS есть у нас дома!
Причем именно под решение моей проблемы и без корпоративной подписки за $79 в месяц.

Так что с продуктами, чья основная функция уже стала commodity в сфере исследований, происходят интересные штуки. MaxDiff и conjoint известны давно. Whisper существует с 2022 года. Раньше ценностью мог бы стать продукт, в котором все эти вещи связали с помощью LLM и упаковали в условную «одну кнопку» (кто сказал Dovetail?).

Но если кнопка тоже стала дешевой, возникает довольно неприятный вопрос:
Почему я должен осваивать вашу кнопку, а не попросить LLM сделать мою?
Ваши продукты конкурируют не с решениями, которые уже есть у исследователей. Ваши продукты конкурируют с ChatGPT и Claude – универсальными инструментами.

Конечно, это работает не везде, где продукт - commodity. Я не собираюсь писать собственный Stripe, бухгалтерию или корпоративную почту (за которые я регулярно плачу). Но там значительная часть ценности не в самой функции, а в надежности и предсказуемости: я плачу именно за то, чтобы не думать, работает ли оно сегодня.

И чем ближе ваш продукт к формату «мы запрограммировали функцию X» - тем сильнее проблема. Возникает забавный эффект:
Все вокруг дешевеет, а вот время человека, которому все это предлагают – дорожает.
Мне говорят «попробуй бесплатно». Но это «бесплатно» подразумевает, что я должен прочитать письмо, поучаствовать в коммуникации, зарегистрироваться в сервисе, разобраться, как он работает, найти и загрузить туда тестовый кейс (который не жалко отдать третьей стороне), сравнить с тем, что я использую, понять, что лучше, а что – хуже, и затем еще и дать фидбек.

Да, цена продукта тут ноль. А как насчет цены моего времени?
Ситуация кратно ухудшается, когда таких продуктов становится не 1-2, а 30.
Производить стало дешево.
Предлагать – тоже.
Дорого теперь только одно: чтобы на тебя вообще посмотрели.
(о том, что останется дорогим в эпоху дешевого AI и есть ли во всем этом место для исследований – напишем во второй части.)

ИИ и UX здорового человека. Чекер права и законов в UX

Весь этот хайп автоматизации до ужаса переоценен, и вот почему: люди, которые рассуждают, вряд ли когда-то участвовали в проектах автоматизации в крупных бизнесах. Метрики автоматизации труда, пилоты замены кассиров/продавцов, магазины без сотрудников, конечно, демонстрируют рост метрик, но эти метрики влияют на другие метрики — и совершенно не факт, что позитивным образом.

Приведу пример из моей сложной и богатой биографии. Вы заменили в «Пятерке» кассиров на автоматы, метрика «Очередь» упала, выросли метрики NPS. Хорошо же? А знаете, что еще выросло? Метрика churn и воровства из зала, которая реально влияет на товарооборот и влияет на бабки. Тогда вы выводите людей уже на должность следить за кассами самообслуживания, чтобы не воровали, ну и так далее. Все это в литературе давно изучено и описано, менеджеры не из UX об этом знают прекрасно, есть поговорки про «иронию автоматизации».

Мой тезис заключается в том, что использование новой технологии дает наиболее сильный эффект, когда создает возможности, которых никогда не было, предлагая принципиально новые решения, а не автоматизируя старые роли и функции. Банкомат не стал заменой кассира, сидящего за окошком круглые сутки, а открыл совершенно новый способ оказывать базовую банковскую услугу — причем в любое время и в других контекстах.

Сегодня я готов показать пример полугодовой работы над этим.

Как это работает? Команда юристов на мировых рынках (Алексей Воробей, автор «Законов Мура», фаундер многих стартапов, и Михаил Макаров, Product Compliance Counsel) и я, как приглашенный UX-эксперт, работали над задачами автоматизированной проверки нарушений законов для экранов пейволла - тогда, когда приложение предлагает заплатить/оплатить товар или услугу. Этот экран - традиционное поле для манипуляций, темных паттернов, правового беспредела и способов нарушения законов о защите прав потребителей. В рамках работы по а) распознаванию паттернов, б) анализу конкретных судебных решений, в) материалов дел и г) юридических улик ИИ выдает ответ-оценку и проверку интерфейса: отчет с рисками для той или иной судебной юрисдикции, указывает нарушения, потенциальные штрафы, находит соответствующую юридическую практику.

Что в этом инновационного? То, что это внедрение НЕ для автоматизации проверки, а использование инструментов автоматизации для создания принципиально новой возможности проверять макеты до релиза или по-новому проверять работу приложения. Это добавление в продуктовую команду новой роли, которой раньше не было, также как до этого не было роли и дизайнера, а все интерфейсы создавали разработчики.

Вы создаете не синтетических респондентов, вы создаете автоматизированную роль для проверки и участия в уже существующем конвейере разработки (добавляя юридическую проверку качества, правовую инженерию качества, если угодно).
Если хотите, это аэродинамическая труба или манекен для краш-тестов — ну вот раньше их не было, а теперь они появились.

https://applaw.dev/

Можно проверить подобное решение самостоятельно.

P.S. Кстати, те, кто говорят, что тестировщиков заменят - вряд ли понимают какой геморрой подбирать вручную бесконечные скриншоты, улики и факты нейронке, чтобы она не галлюционировала. Профессия Evaluation Engineer на подходе, и, вот в нее, в отличие от промт-инженеров, я верю