⏳Как меняются ожидания пользователей в эпоху ИИ: 6 трендов для продакт-менеджеров

Рынок продуктов никогда не был таким хаотичным. Технологии меняются, пользовательские привычки трансформируются, а мы пытаемся успеть за этим безумием. Но есть один сдвиг, который мы должны учитывать прямо сейчас: ожидания пользователей растут быстрее, чем когда-либо.

ИИ не просто помогает автоматизировать процессы – он перепрошивает мышление клиентов, меняя то, что они считают нормальным.

Сегодня исследуем 6 фундаментальных изменений:

1. “Я сам создаю” → “Сделайте за меня”
Раньше: пользователи хотели инструменты для творчества. Photoshop, Canva.
Сейчас: "Просто сделайте это за меня".

Примеры:
- Midjourney позволяет создавать изображения без знаний Photoshop.
- Devin позиционируется как ИИ-разработчик, а не инструмент для кодинга.

⚡Пользователи ждут не инструментов, а готовых решений. Чем больше вы избавляете их от рутины, тем выше ценность продукта.

2. “Я кастомизирую” → “Вы должны подстроиться под меня”
Раньше: клиент должен был месяцами настраивать CRM под себя.
Сейчас: ИИ-решения сами понимают что нужно клиенту и подстраиваются.

Примеры:
- Day.AI (ии-CRM) анализирует почту и календарь, сам настраивает систему под задачи.
- TikTok не требует подписываться – алгоритмы сами учатся на ваших предпочтениях.

⚡Пользователи больше не хотят копаться в настройках и разбираться в интерфейсе. Они ожидают, что он будет понимать их контекст и подстраиваться сам.

3. “Я подожду” → “Хочу сейчас”
Скорость – новый стандарт. Если раньше пользователи могли подождать ответа в поддержке или неделю ждать анализа данных, теперь это неприемлемо.

Примеры:
- Fin by Intercom – чат-бот, который моментально отвечает на 70% запросов без участия человека.
- GitHub CoPilot помогает программистам писать код в реальном времени, а не искать решения на форумах.

⚡Все, что можно ускорить – ускоряйте. Задержка = потеря клиента.

4. “Я буду заполнять CRM” → “CRM сама все запомнит”
Люди ненавидят вводить данные. Все, что требует ручного ввода – уже вчерашний день.

Примеры:
- Abridge автоматически создает медицинские записи из разговоров врачей с пациентами.
- Insight Analytics анализирует клиентский фидбек из всех каналов и собирает его в одну картину.

⚡Все, что можно автоматически записать, проанализировать, запомнить – должно работать без участия пользователя.

5. “Я учусь работать с продуктом” → “Продукт учится работать со мной”
Раньше, чтобы освоить новый инструмент, требовалось учиться: читать документацию, смотреть гайды. Теперь пользователь хочет, чтобы продукт сам подстроился.

Примеры:
- Google Gemini создает интерфейсы на основе запросов и разговоров пользователей.
- Perplexity динамически меняет ui в зависимости от запроса.

⚡Продукт должен быть интуитивно понятным и адаптироваться под конкретного пользователя в реальном времени.

6. “Продукт не знает, что я делаю” → “Продукт видит и понимает мой контекст”
Раньше сервисы работали в вакууме. Теперь ИИ может понимать контекст работы пользователя и помогать проактивно.

Примеры:
- Gemini Live отслеживает, что происходит на экране, и подсказывает в реальном времени.
- Squint анализирует производственные процессы через камеры и дает подсказки работникам.

⚡Продукт должен понимать контекст пользователя и помогать ему без запроса.

Что мы сегодня узнали?

✔ Не бойтесь давать пользователю “готовый” результат. Автоматизируйте рутину, пусть ваш сервис делает работу за клиента.
✔ Уберите ручную кастомизацию. Подстраивайте интерфейсы и функции под пользователя автоматически.
✔ Фокус на мгновенной ценности. Если продукт дает ценность через неделю – он проиграл тому, кто делает это здесь и сейчас.
✔ Упрощайте интерфейсы. Пользователь не должен учиться – продукт должен адаптироваться сам.

Меня тут недавно удивил TikTok: я посмотрел одно ASMR-видео, и теперь он уверен, что мне нравится шепот в микрофон 🥱
А у вас? Какой продукт прочитал ваши мысли?

👠 автор: Веро - лидер команды исследователей.
https://t.me/custdevica

#немногопродакт #исследования #CustomerExperience #AI #нейросети

🐠 CustDev помогает понять, нужен ли продукт. JTBD – какой именно.

Можно сделать полезную штуку, но она окажется бессмысленной для пользователей. Почему?

— Идея хорошая, но в таком виде никому не нужна.
— У людей уже есть удобное решение.
— Они вообще не видят проблемы.

Чтобы не тратить время и деньги впустую, используют CustDev и JTBD. Их часто противопоставляют, но на деле они работают вместе — просто решают разные задачи.

💬 CustDev – исследование пользователей и тестирование гипотез от потребности до монетизации.
🔓JTBD – помогает понять, какую задачу решает пользователь, почему он выбирает одно решение вместо другого и какие факторы на это влияют.

⚪️Что такое CustDev (и почему это не просто «задать вопросеки»)
Многие думают, что это про: «спросили, как вам фича». На деле нужно экспериментировать, запускать MVP и тестировать спрос. Иногда CustDev показывает, что проблему решать невыгодно. Это тоже результат!

✅ Формируем гипотезу: какая проблема есть у пользователей?
✅ Проводим интервью: подтверждаем или опровергаем проблему.
✅ Тестируем MVP: проверяем, готовы ли платить и пользоваться.
✅ Определяем каналы продаж и дистрибуции.

⚪️Что такое JTBD (и чем он отличается от CustDev)
У людей нет задачи «купить продукт». Их задача – решить свою проблему.

🔓 Примеры JTBD:
— Человеку не нужен фотоаппарат – ему нужно запомнить важный момент.
— Не нужна фитнес-программа – нужно чувствовать себя здоровым.

🔓JTBD помогает понять:
— Какую реальную задачу решает пользователь?
— Почему существующие решения его не устраивают?
— Какой контекст влияет на выбор?

Главное отличие от CustDev:
— CustDev анализирует проблему, аудиторию и ценность продукта.
— JTBD анализирует контекст и мотивацию пользователя.

JTBD – это не альтернатива CustDev, а его часть ⚪️Как они работают вместе?
Допустим, стартап делает приложение для изучения английского.

💬 CustDev показал:
— Люди хотят выучить язык, но бросают через 1–2 недели.
— Большинство скачанных приложений не удерживают внимание.

Основные причины отказа:
– Медленный прогресс → нет ощущения успеха.
– Скучные упражнения → низкая мотивация.
– Нет применения в жизни → учат, но не используют.
CustDev дал нам чёткие причины, почему текущие решения не работают.

🔓 JTBD дал глубину:
Как люди сейчас учат язык, если не через приложения?
– Смотрят сериалы, но ничего не понимают.
– Слушают подкасты, но не запоминают новые слова.

Какие эмоции испытывают?
– Разочарование («учу, но не могу говорить»).
– Страх говорить («ошибусь – засмеют»).
– Скука («задания неинтересные»).

События-триггеры?
– Поездка за границу.
– Новый коллега-иностранец.
– Сериал, который хочется понять без сабов.
JTBD помогает понять, почему люди бросают и какие триггеры могли бы удержать их в продукте.
Вывод: проблема не в отсутствии тестов, а в том, что пользователи не видят реального прогресса.

Решение: создать систему, которая даёт мгновенное применение изученного материала в реальной жизни.
MVP: формат «5 минут – 1 полезная фраза», которую можно сразу использовать:
– Сценарии для общения (магазин, такси, ресторан).
– Мини-разговоры с AI.
– Короткие диалоги с носителями.

Теперь решение основано на реальных инсайтах, а не на догадках 🚀

⚪️Разбираем ошибки:

🙁 CustDev без JTBD:
- Провели интервью, но не валидировали гипотезы.
- Опрашивали нецелевую аудиторию.
- Не тестировали каналы продаж – продукт не взлетел.

🙁 JTBD без CustDev:
- Изучили задачи, но не проверили, есть ли спрос.
- Сфокусировались на UX, забыли про бизнес-модель.

🙁 Жёсткое разделение CustDev и JTBD:
- На самом деле, CustDev уже включает анализ задач пользователя.
- JTBD полезен не только на старте, но и при доработке продукта.

🫡 Вместо споров «CustDev или JTBD» лучше спросить:
1. Есть ли реальная проблема? (CustDev)
2. Почему пользователи выбирают одно решение, а не другое? (JTBD)

Если есть ответы на оба вопроса – у продукта есть шанс выжить.
Если ответы основаны на исследованиях — даже неплохой!

👠 автор: Веро - лидер гениальной команды исследователей.

#немногопродакт #исследования #CustDev #JTBD

Запускаю серию постов в соавторстве с Вероникой — CEO из @custdevica о целевой аудитории с достоверной практикой и подтвержденными измеренными данными :) Коротко: целевая аудитория — core и ключевая составляющая вашего бизнеса. Пока вы не поймете для кого ваш продукт, вы не начнете зарабатывать столько, сколько нужно :)

Часть 1. Емкость рынка.

Как оценить емкость рынка?

Чтобы понять, кто будет покупать и на какие цифры можно рассчитывать, важно разобраться в емкости рынка. Об этом мы сегодня расскажем с Вероникой!

Какие бывают рынки?
- Самый большой – весь рынок (все экономические отношения).
- Потенциальный – все, кто могли бы купить.
- Доступный – те, у кого есть деньги (или кто готов взять кредит).
- Целевой – сегмент, на который направлены маркетинг и продажи.
- Основной – перспективное направление, которое компания определяет сама.

На изображении к посту показано, как доля рынка сужается по мере детализации.

Как посчитать свою долю?
Есть три основных метода:
1. Снизу-вверх: суммируем ожидаемые покупки целевой аудитории.
Формула: S = N × K (где N – число клиентов, K – потребление).
2. Сверху-вниз: анализируем продажи крупных игроков (80-90% рынка).
3. Реальные продажи: изучаем данные ритейлеров и исследовательских агентств.

4. Экспертные оценки:

Емкость рынка – вещь коварная. В Excel всё идеально, а в реальности — тишина и маркетинговый бюджет в черной дыре. Почему? Потому что «все, кто могут, купят» ≠ «кто-то реально купит».

Как проверить реальный спрос?
Комбинировать методы!

🆗 Экспертные прогнозы – норм, но не как единственный источник.
Метод Дельфи, комиссии, отраслевые панели – это полезные инструменты, если делать их правильно. Главное – итеративность: экспертам дают данные, они корректируют свои прогнозы, процесс повторяется. Тогда получается не просто «мнение», а более точный ориентир.

❌ Ошибка: «эксперт сказал – значит, так и будет». Нет, это просто точка зрения. Всегда проверяйте, насколько экспертный прогноз коррелирует с данными и реальным поведением рынка.

🆗 Исторические данные – да, но с умом.
Цифры за прошлые годы – это не просто «ретроспектива», а инструмент для выявления трендов и сценариев. Современные методы (ARIMA, ML-модели) позволяют прогнозировать рынок, учитывая корреляции и изменения в поведении потребителей.

❌ Ошибка: думать, что рынок стабилен. Webvan смотрел на рост e-commerce в 2000-х, но не учел, что потребительская привычка еще не сформировалась. В итоге вложились в инфраструктуру до подтверждения спроса – и рухнули. Amazon же рос через MVP: от небольшого ассортимента до гигантского маркетплейса. Разница? Гибкость и проверка гипотез.

🆗 Глубинные интервью – супер, но только если уметь спрашивать.
Люди любят врать (чаще – сами того не осознавая). На вопрос «купили бы вы это?» – многие кивают, а когда доходит до дела – игнор. Поэтому к интервью нужно подкрепление в виде поведенческих данных и тестов на платежеспособность.

❌ Ошибка: верить на слово. Нет, пока клиент не достал карту и не заплатил, это все гипотезы.

🆗 Анализ реальных продаж – самая честная метрика.
Но! Маленький тест – это фильтр, а не финальный вердикт. Uber в первые годы работал в премиум-сегменте, и если бы оценивал рынок только по этому этапу, вышло бы, что массового спроса нет. А он был – просто нужно было расширить охват.

❌ Ошибка: делать выводы слишком рано. Маленький тест может показать стартовый потенциал, но не предел роста.

Оценка рынка — непрерывный процесс. Он требует сочетания количественных данных и качественного анализа. Исторические данные показывают тренды, но не гарантируют будущий спрос. Экспертные прогнозы ценны, но без проверки остаются лишь гипотезами. Тестовые продажи дают реальные цифры, но их нельзя механически умножать — без учета масштабирования прогноз будет ошибочным.
(с) Вероника