Сегментация с помощью ИИ: кейс Galeries Lafayette
Обычно мы не очень высоко оцениваем самостоятельные решения искусственного интеллекта - вот пример, где LLM считает, что Сбербанк близок к природе, потому что зеленый, весенний и муравейный - но, когда мы готовили главу про сегментацию для нашей книги, мы нашли совершенно замечательный кейс.
ИИ-аналитика количественных данных помогла вырастить доход "Галери Лафайет" от определенных рекламных кампаний на 34% (!).
Как это было?
В статье о том, что традиционные сегментации умрут, а за ИИ-сегментациями будущее, мы нашли скупое упоминание о том, как компания "Галери Лафайет" (Galeries Lafayette, сеть универмагов премиум-класса) в 2017-2018 годах внедрила AI-платформу Tinyclues для анализа количественных данных о покупателях - и оказалось, что на мужские рекламные компании в большинстве случаев (80%) откликаются женщины, а на женские в 25% случаев откликаются мужчины. Изменение таргетинга - соответственно, таргетирование мужских компаний преимущественно на женщин и женских - в том числе на мужчин - помогло увеличить доходы на 34 %, число клиентов на 32% и CTR на 25%.
Рост дохода и метрик впечатлял - но мы не могли понять суть этого кейса.
В магазинах Галери Лафайет продается премиальная одежда, обувь, нижнее белье, парфюм, аксессуары, товары для дома и бытовая техника.
Какие товары для женщин из этого ассортимента привлекали мужчин, и какие товары для мужчин привлекали женщин?
В статье с описанием гибели традиционных сегментаций об этом скромно умалчивалось.
Мы нашли - оказалось, что это былонижнее белье (кто угадал верно, напишите в комментариях).
И тогда у нас появился следующий вопрос - ПОЧЕМУ нельзя было это предположить без помощи ИИ? Особенно в 2017 году, имея все инструменты маркетинговых исследований?
Есть много данных о том, что люди покупают одежду и косметику не только для себя, но и для близких. Мужчины вообще не очень любят покупать себе одежду, очень часто это делают женщины. Маркетологи и маркетинговые исследователи не могли об этом не знать:
• McKinsey, 2021: "The State of Fashion" — около 25–30 % покупок одежды совершаются не для себя, а для других членов семьи.
• Google Retail Study, 2019: женщины совершают >50 % покупок мужской косметики и аксессуаров.
• Statista, 2020: до 60 % женатых мужчин в Европе заявляют, что их одежду «часто выбирает или покупает жена».
В конце концов, можно было провести исследование ситуаций покупки.
Можно. Но для этого нужно было мыслить хотя бы немного out of the box. Хотя бы на два миллиметра.
Потому что, строго говоря, даже если в качественном исследовании выяснится, что женщины покупают ЭТО мужчинам, а некоторые мужчины - женщинам, то это тенденция может не подтвердиться на количественнике. Кроме того, по количественнику нельзя точно понять, что когда женщина покупает одежду мужчине, она откликается именно на мужскую рекламную компанию - и наоборот.
Силы, которые заставляют маркетологов не смотреть в сторону очевидных вещей, тоже очень мощные. Даже крупные ритейлеры могут жить в парадигме «если в корзине есть мужская одежда, значит покупатель — мужчина», и никакие исследования рынка им не указ. Особенно если это ритейлер из люксового сегмента, который считает, что он знает своих клиентов, потому что он же их и формирует. А в фокус CRM-аналитики вопрос «для кого вы покупаете?» не попадал в принципе.
Если ИИ, в отличие от человека-исследователя, может мыслить за рамками - такой исследователь действительно не нужен.
Пусть люди, которые закрыты и предубеждены, не работают исследователями - от этого все только выиграют.
Пусть аналитику, которая делается не для галочки, от которой зависит многое, делает человек, который любит и умеет это делать.
Умеет - это значит, видит закономерности в неочевидных данных. Использует открытые данные по отрасти. Думает над полученными данными и сомневается в принятых практиках.
Это кейс даже не про роль ИИ - а про способность аналитика, человеческого или искусственного, учитывать реальность и учиться на фактах.
💽 @PostPostResearch
Обычно мы не очень высоко оцениваем самостоятельные решения искусственного интеллекта - вот пример, где LLM считает, что Сбербанк близок к природе, потому что зеленый, весенний и муравейный - но, когда мы готовили главу про сегментацию для нашей книги, мы нашли совершенно замечательный кейс.
ИИ-аналитика количественных данных помогла вырастить доход "Галери Лафайет" от определенных рекламных кампаний на 34% (!).
Как это было?
В статье о том, что традиционные сегментации умрут, а за ИИ-сегментациями будущее, мы нашли скупое упоминание о том, как компания "Галери Лафайет" (Galeries Lafayette, сеть универмагов премиум-класса) в 2017-2018 годах внедрила AI-платформу Tinyclues для анализа количественных данных о покупателях - и оказалось, что на мужские рекламные компании в большинстве случаев (80%) откликаются женщины, а на женские в 25% случаев откликаются мужчины. Изменение таргетинга - соответственно, таргетирование мужских компаний преимущественно на женщин и женских - в том числе на мужчин - помогло увеличить доходы на 34 %, число клиентов на 32% и CTR на 25%.
Рост дохода и метрик впечатлял - но мы не могли понять суть этого кейса.
В магазинах Галери Лафайет продается премиальная одежда, обувь, нижнее белье, парфюм, аксессуары, товары для дома и бытовая техника.
Какие товары для женщин из этого ассортимента привлекали мужчин, и какие товары для мужчин привлекали женщин?
В статье с описанием гибели традиционных сегментаций об этом скромно умалчивалось.
Мы нашли - оказалось, что это было
И тогда у нас появился следующий вопрос - ПОЧЕМУ нельзя было это предположить без помощи ИИ? Особенно в 2017 году, имея все инструменты маркетинговых исследований?
Есть много данных о том, что люди покупают одежду и косметику не только для себя, но и для близких. Мужчины вообще не очень любят покупать себе одежду, очень часто это делают женщины. Маркетологи и маркетинговые исследователи не могли об этом не знать:
• McKinsey, 2021: "The State of Fashion" — около 25–30 % покупок одежды совершаются не для себя, а для других членов семьи.
• Google Retail Study, 2019: женщины совершают >50 % покупок мужской косметики и аксессуаров.
• Statista, 2020: до 60 % женатых мужчин в Европе заявляют, что их одежду «часто выбирает или покупает жена».
В конце концов, можно было провести исследование ситуаций покупки.
Можно. Но для этого нужно было мыслить хотя бы немного out of the box. Хотя бы на два миллиметра.
Потому что, строго говоря, даже если в качественном исследовании выяснится, что женщины покупают ЭТО мужчинам, а некоторые мужчины - женщинам, то это тенденция может не подтвердиться на количественнике. Кроме того, по количественнику нельзя точно понять, что когда женщина покупает одежду мужчине, она откликается именно на мужскую рекламную компанию - и наоборот.
Силы, которые заставляют маркетологов не смотреть в сторону очевидных вещей, тоже очень мощные. Даже крупные ритейлеры могут жить в парадигме «если в корзине есть мужская одежда, значит покупатель — мужчина», и никакие исследования рынка им не указ. Особенно если это ритейлер из люксового сегмента, который считает, что он знает своих клиентов, потому что он же их и формирует. А в фокус CRM-аналитики вопрос «для кого вы покупаете?» не попадал в принципе.
Если ИИ, в отличие от человека-исследователя, может мыслить за рамками - такой исследователь действительно не нужен.
Пусть люди, которые закрыты и предубеждены, не работают исследователями - от этого все только выиграют.
Пусть аналитику, которая делается не для галочки, от которой зависит многое, делает человек, который любит и умеет это делать.
Умеет - это значит, видит закономерности в неочевидных данных. Использует открытые данные по отрасти. Думает над полученными данными и сомневается в принятых практиках.
Это кейс даже не про роль ИИ - а про способность аналитика, человеческого или искусственного, учитывать реальность и учиться на фактах.
Please open Telegram to view this post
VIEW IN TELEGRAM
1❤71🔥28👍25👏3🤔2
КАК ПРОВЕРИТЬ ДОСТОВЕРНОСТЬ В ХОДЕ ИНТЕРВЬЮ
(отрывок из книги "Качественные исследования в бизнесе")
Сигналы того, что человек говорит неискренне, действительно существуют – но распознать их сложно.
Есть очень много работ, в которых сообщается, что правдивые истории отличаются от неправдивых – но не невербальным компонентом, не тем, что человек, который врет, отводит взгляд, ерзает и крутит в руках предметы - а именно особенностями рассказа.
Отличить достоверные сообщения от недостоверных можно по следующим признакам:
1️⃣ Насыщенность нарратива. Нарратив о фактах подробный, насыщенный, богатый конкретными фактами, которые человек часто приводит спонтанно, без просьбы исследователя. Придуманный нарратив, который человек создает, а не вспоминает - бедный и часто стереотипный.
Если исследователь просит привести конкретные факты или рассказать о конкретных событиях: «Вы сказали, что вы обсуждали это с командой. А кто конкретно был на встрече?» - то человек, придумавший факт обсуждения, затрудняется или дает шаблонные ответы, меняет интонацию.
Конечно, не всегда бедный деталями неконкретный рассказ будет означать, что человек сообщает не то, что было с ним на самом деле.
Но если вы видите, что рассказы на какие-то из тем явно менее детальны, чем интервью в целом, и человек затрудняется привести конкретные факты из своей жизни, даже когда вы об этом просите, можно предположить недостоверный рассказ. И наоборот, подробный рассказ о своем опыте, детальное и нешаблонное описание событий, говорят о том, что, скорее всего, так все и было.
2️⃣ Вовлечённость человека в то, о чем он рассказывает. Когда человек говорит о том, что с ним на самом деле было, по тому, как он говорит, видно, что рассказ затрагивает его лично. Рассказ о реальных фактах, как правило, более эмоционален, чем в случае придуманных историй.
Критерий вовлеченности работает только в одну сторону - невовлеченность совершенно не обязательно означает, что человек вводит вас в заблуждение. Нет, он просто не вовлечен.
Важно: иногда человек может намеренно «питчить» - говорить более эмоционально и напористо, чтобы «продать» свою историю. В этом случае эмоциональность будет признаком неискренности.
3️⃣ Встроенность фактов в контекст жизни человека, который об этом говорит. Рассказ о том, что было на самом деле, согласуется с другими фактами из жизни человека. Рассказ о том, чего не было, отрывочный, не согласуется с другими фактами: «у меня нет никаких сотрудников, на моем (финансовом) проекте работают только волонтеры, я им ничего не плачу, они работают из желания мне помочь» - отсутствие оплаты не согласуется с профилем проекта.
Человек может сообщать в одном интервью разные версии своего опыта: «чаще всего я покупаю лекарства в аптеке рядом с медицинским центром, после консультации, только те, которые предписал врач», и «чаще всего я заказываю доставку в аптеку рядом с домом». Такое рассогласование стоит проверять вопросом о фактах: «Как это было в последний раз?» и «Как это было в течение последней недели/месяца?».
4️⃣ Человек примерно одинаково себя ведет на протяжении всего интервью. Если в течение интервью он приводил факты о себе, а в некоторых темах явно затрудняется это сделать. Или есть темы, на которых он начинает сбиваться, отвечать уклончиво, испытывать явное напряжение (нервно смеяться, играть предметами, накручивать волосы на палец) или усиливать напор, стараясь создать у исследователя определенное впечатление – на общем достаточно ровном фоне интервью – его высказывания на эти темы могут быть недостоверны.
При этом изменение поведения – это не доказательство неискренности. Это момент интервью, в котором информация требует уточнения.
Проверка достоверности – это сложно. Никто не может определить достоверность высказывания с точностью 100%. Даже тот один процент людей, которых Пол Экман называл truth wizards – те, кто был наиболее точен в определении неискренности, верно распознавали только 80% лжи.
Исследователю помогает то, что люди, как правило, не стремятся ввести его в заблуждение – а значит, в целом им можно верить.
(отрывок из книги "Качественные исследования в бизнесе")
Сигналы того, что человек говорит неискренне, действительно существуют – но распознать их сложно.
Есть очень много работ, в которых сообщается, что правдивые истории отличаются от неправдивых – но не невербальным компонентом, не тем, что человек, который врет, отводит взгляд, ерзает и крутит в руках предметы - а именно особенностями рассказа.
Отличить достоверные сообщения от недостоверных можно по следующим признакам:
1️⃣ Насыщенность нарратива. Нарратив о фактах подробный, насыщенный, богатый конкретными фактами, которые человек часто приводит спонтанно, без просьбы исследователя. Придуманный нарратив, который человек создает, а не вспоминает - бедный и часто стереотипный.
Если исследователь просит привести конкретные факты или рассказать о конкретных событиях: «Вы сказали, что вы обсуждали это с командой. А кто конкретно был на встрече?» - то человек, придумавший факт обсуждения, затрудняется или дает шаблонные ответы, меняет интонацию.
Конечно, не всегда бедный деталями неконкретный рассказ будет означать, что человек сообщает не то, что было с ним на самом деле.
Но если вы видите, что рассказы на какие-то из тем явно менее детальны, чем интервью в целом, и человек затрудняется привести конкретные факты из своей жизни, даже когда вы об этом просите, можно предположить недостоверный рассказ. И наоборот, подробный рассказ о своем опыте, детальное и нешаблонное описание событий, говорят о том, что, скорее всего, так все и было.
2️⃣ Вовлечённость человека в то, о чем он рассказывает. Когда человек говорит о том, что с ним на самом деле было, по тому, как он говорит, видно, что рассказ затрагивает его лично. Рассказ о реальных фактах, как правило, более эмоционален, чем в случае придуманных историй.
Критерий вовлеченности работает только в одну сторону - невовлеченность совершенно не обязательно означает, что человек вводит вас в заблуждение. Нет, он просто не вовлечен.
Важно: иногда человек может намеренно «питчить» - говорить более эмоционально и напористо, чтобы «продать» свою историю. В этом случае эмоциональность будет признаком неискренности.
3️⃣ Встроенность фактов в контекст жизни человека, который об этом говорит. Рассказ о том, что было на самом деле, согласуется с другими фактами из жизни человека. Рассказ о том, чего не было, отрывочный, не согласуется с другими фактами: «у меня нет никаких сотрудников, на моем (финансовом) проекте работают только волонтеры, я им ничего не плачу, они работают из желания мне помочь» - отсутствие оплаты не согласуется с профилем проекта.
Человек может сообщать в одном интервью разные версии своего опыта: «чаще всего я покупаю лекарства в аптеке рядом с медицинским центром, после консультации, только те, которые предписал врач», и «чаще всего я заказываю доставку в аптеку рядом с домом». Такое рассогласование стоит проверять вопросом о фактах: «Как это было в последний раз?» и «Как это было в течение последней недели/месяца?».
4️⃣ Человек примерно одинаково себя ведет на протяжении всего интервью. Если в течение интервью он приводил факты о себе, а в некоторых темах явно затрудняется это сделать. Или есть темы, на которых он начинает сбиваться, отвечать уклончиво, испытывать явное напряжение (нервно смеяться, играть предметами, накручивать волосы на палец) или усиливать напор, стараясь создать у исследователя определенное впечатление – на общем достаточно ровном фоне интервью – его высказывания на эти темы могут быть недостоверны.
При этом изменение поведения – это не доказательство неискренности. Это момент интервью, в котором информация требует уточнения.
Проверка достоверности – это сложно. Никто не может определить достоверность высказывания с точностью 100%. Даже тот один процент людей, которых Пол Экман называл truth wizards – те, кто был наиболее точен в определении неискренности, верно распознавали только 80% лжи.
Исследователю помогает то, что люди, как правило, не стремятся ввести его в заблуждение – а значит, в целом им можно верить.
Telegram
PostPostResearch: Константин Ефимов и Анастасия Жичкина
Книга «Качественные исследования в бизнесе»: лист ожидания
Мы (Константин Ефимов и Анастасия Жичкина) пишем книгу-руководство по качественным методам исследований.
Она готова на 90 процентов, и мы надеемся, что она выйдет в январе 2026.
Эта книга - для…
Мы (Константин Ефимов и Анастасия Жичкина) пишем книгу-руководство по качественным методам исследований.
Она готова на 90 процентов, и мы надеемся, что она выйдет в январе 2026.
Эта книга - для…
👍28❤23🔥10👏2🤔1
🔥13 января 2026 начинаем 9-й поток нашего большого курса "Качественные исследования: от планирования до отчета".
В этот раз все занятия - вечерние, с 19.00 до 21.00 по московскому времени.
Всего в курсе 4 модуля. Можно пройти его целиком или выбрать любые модули из четырех:
1. Планирование исследования: как определить целевую аудиторию и метод
2. Проведение CX интервью: как взаимодействовать с респондентами + практика ведения интервью
3. Анализ качественных данных: как понять вашу аудиторию и что с ней делать
4. Влияние: как интегрировать исследования в бизнес-процесс.
Модуль "Анализ" дополнен практикой - которая связана с практикой в модуле "Интервью".
Если вы придете на практику интервью не со своим кейсом, а возьмете одну из наших тем, то вы получите дополнительно практику по анализу: по транскриптам интервью по этим темам вы будете строить сегментацию.
Мы сняли видео, в котором подробно рассказываем о нашем курсе.
Как это будет:
🌜 Занятия проходят вечером: с 19 до 21.00 🕙 Время московское.
🗓 2 раза в неделю по 2 часа в зуме (вторник и четверг), 13 января – 14 апреля 2026.
👥 20 человек в группе
📺 Записи занятий и презентации лекций доступны участникам неограниченное время.
💬 Есть телеграм-чат, где можно задать вопросы и обменяться материалами.
Если вы уже покупали наши курсы, напишите мне, и мы дадим скидку.
Есть оплата как для физлиц, так и юрлиц. Для физлиц есть рассрочка.
Приходите, будем рады вас видеть.
🎫 Купить билет можно из любой страны
Осталось 9️⃣ мест из 20
В этот раз все занятия - вечерние, с 19.00 до 21.00 по московскому времени.
Всего в курсе 4 модуля. Можно пройти его целиком или выбрать любые модули из четырех:
1. Планирование исследования: как определить целевую аудиторию и метод
2. Проведение CX интервью: как взаимодействовать с респондентами + практика ведения интервью
3. Анализ качественных данных: как понять вашу аудиторию и что с ней делать
4. Влияние: как интегрировать исследования в бизнес-процесс.
Модуль "Анализ" дополнен практикой - которая связана с практикой в модуле "Интервью".
Если вы придете на практику интервью не со своим кейсом, а возьмете одну из наших тем, то вы получите дополнительно практику по анализу: по транскриптам интервью по этим темам вы будете строить сегментацию.
Мы сняли видео, в котором подробно рассказываем о нашем курсе.
Как это будет:
🌜 Занятия проходят вечером: с 19 до 21.00 🕙 Время московское.
🗓 2 раза в неделю по 2 часа в зуме (вторник и четверг), 13 января – 14 апреля 2026.
👥 20 человек в группе
📺 Записи занятий и презентации лекций доступны участникам неограниченное время.
💬 Есть телеграм-чат, где можно задать вопросы и обменяться материалами.
Если вы уже покупали наши курсы, напишите мне, и мы дадим скидку.
Есть оплата как для физлиц, так и юрлиц. Для физлиц есть рассрочка.
Приходите, будем рады вас видеть.
🎫 Купить билет можно из любой страны
Осталось 9️⃣ мест из 20
qual.education
Курс «Качественные исследования»
Разбираем весь процесс качественного исследования, — начиная от рекрутинга и написания гайда, включая проведение интервью и заканчивая написанием отчёта.
❤14🔥9👍2
Вы наверняка знаете Станислава Хрусталёва, автора канала @hardclient и базы интерфейсных решений и лучших практик UX/UI в e-Сommerce.
Сегодня Станислав запустил продукт, который изменит подход к разработке: крупнейшую базу референсов с фокусом на e-com приложениях: ScreenHunt
Подробнее 👇
Сегодня Станислав запустил продукт, который изменит подход к разработке: крупнейшую базу референсов с фокусом на e-com приложениях: ScreenHunt
Подробнее 👇
🔥8❤5👍3💯1
Forwarded from Hard Client (Stan Khrustalev)
This media is not supported in your browser
VIEW IN TELEGRAM
⠀
В каждой из 90+ своих статей по теме e-commerce я старался донести одну простую истину: насмотренность решает, а сравнение подобного с подобным дает огромный потенциал для улучшения продукта.
Но есть один важный нюанс: регулярно тратить часы и дни команд на то, чтобы пройтись по рынку, собрать референсы по нужному интерфейсу и отыскать ценные идеи, для многих – непозволительная роскошь.
Поэтому мы создали ScreenHunt – крупнейшую базу референсов с фокусом на e-com приложениях и акцентом на российском рынке, призванную в разы сократить время ваших команд на анализ рынка и поиск новых идей.
Сейчас ScreenHunt – это база из 60+ тыс экранов и видео по 80+ паттернам и 14 стадиям customer journey, которая растет на 6+ тыс новых референсов в месяц.
В ней 160 e-com приложений. Референсы по ним обновляются каждый месяц, позволяя вам отслеживать историю изменений. К декабрю их станет 200.
Работаем только в B2B-сегменте. Проведём демо для ваших команд: всё покажем, расскажем и обсудим ваши потребности.
Welcome to💎 ScreenHunt
P.S. за репост – отдельная благодарность: я ценю и помню добрые дела.
⠀
В каждой из 90+ своих статей по теме e-commerce я старался донести одну простую истину: насмотренность решает, а сравнение подобного с подобным дает огромный потенциал для улучшения продукта.
Но есть один важный нюанс: регулярно тратить часы и дни команд на то, чтобы пройтись по рынку, собрать референсы по нужному интерфейсу и отыскать ценные идеи, для многих – непозволительная роскошь.
Поэтому мы создали ScreenHunt – крупнейшую базу референсов с фокусом на e-com приложениях и акцентом на российском рынке, призванную в разы сократить время ваших команд на анализ рынка и поиск новых идей.
Сейчас ScreenHunt – это база из 60+ тыс экранов и видео по 80+ паттернам и 14 стадиям customer journey, которая растет на 6+ тыс новых референсов в месяц.
В ней 160 e-com приложений. Референсы по ним обновляются каждый месяц, позволяя вам отслеживать историю изменений. К декабрю их станет 200.
Работаем только в B2B-сегменте. Проведём демо для ваших команд: всё покажем, расскажем и обсудим ваши потребности.
Welcome to
P.S. за репост – отдельная благодарность: я ценю и помню добрые дела.
⠀
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥37❤12👍9👏2
КАК АНАЛИЗИРОВАТЬ ИНФОРМАЦИЮ: ИНКУБАЦИЯ ИДЕЙ
(это фрагмент главы про анализ из нашей книги)
Когда исследователь анализирует данные, он делает некие предположения о поведении людей. Эти предположения (инсайты) часто складываются помимо его сознательной воли.
Можно ли как-то влиять на продуктивность анализа? Как-то управлять своей способностью обобщать, интерпретировать и предлагать полезные для бизнеса решения на основании того, что сказали респонденты?
Самые известные истории о творческих озарениях – это истории про сны и химиков: Дмитрий Менделеев во сне увидел итоговый вариант своей таблицы, а Фридрих Кекуле – хоровод обезьян, которые воплотили формулу бензола.
Именно так, во время отдыха, работает дефолт-система (Default Mode Network, DMN) - сеть пассивного режима работы мозга, которая отвечает в том числе за генерацию идей и творческое мышление. DMN интегрирует наш опыт, память и знания в связный внутренний нарратив – основу нашего сознания и творчества.
Процесс, когда мы «заряжаем» нашу дефолт-систему на аналитическую работу, называется «инкубацией»: мы как бы откладываем работу над задачей, а решение приходит само.
Что конкретно мы можем сделать для «инкубации» идей:
1️⃣ «Правильная загрузка»: дайте мозгу материал, соберите исходные данные, которые вы будете обобщать.
2️⃣ Обсуждение с командой: рассказывая другим людям, которые заинтересованы в исследовании, предварительные результаты, вы «наводите порядок» в своих представлениях о том, что происходит с вашими респондентами – и еще раз ставите задачу своей дефолт-системе.
3️⃣ «Продуктивное блуждание мысли» (mind-wandering): встраивание простых монотонных занятий в рабочий день, во время которых вы позволяете мыслям течь свободно. Это могут быть: прогулки, бег, душ, мытьё посуды, вождение по привычному маршруту. Мэрили Опреццо и Дэниэл Шварц в своем исследовании 2014 года установили, что ходьба повышает креативность генерируемых идей на 60% (креативность измерялась с помощью тестов). Прогулки используют «для выработки идей» очень многие известные люди.
4️⃣ Разделяйте задачи по когнитивной сложности в течение дня. В более продуктивное для вас время дня – для кого-то утреннее, для кого-то вечернее - делайте сложную аналитическую работу, а в другое время – занимайтесь рутинными делами: отвечайте на письма, контролируйте запуск проекта и т.д. Писатели чередуют интенсивное сочинение с редактированием своих текстов.
5️⃣ Делайте перерывы и меняйте обстановку и тип работы.
• Короткий перерыв (5–15 мин): встаньте из-за стола, пройдитесь, сделайте легкий воркаут, помедитируйте, взгляните в окно.
• Длинный перерыв (несколько часов): переключитесь на другую задачу иного типа (рутинную, если основная – творческая, или наоборот). Либо прогуляйтесь, сходите пообедать вне рабочего места, поболтайте на отвлечённую тему.
• Инкубация на ночь или на день: если время терпит, «спите на этой задаче». Запланируйте заняться ею завтра с утра, а остаток дня сознательно займитесь другими делами. Длительные перерывы на пару дней также могут вам помочь.
Если паузы не дают эффекта, поэкспериментируйте с их длительностью и видом деятельности. ВАЖНО: не заменять паузы brainrot-активностью или мультитаскингом. Поиск и заказ корма для кота в перерыве – это не отдых. Выбор стиральной машинки – это не отдых. Чтение статей для саморазвития в перерыве – и это тоже не отдых. Не используйте смартфон и не читайте ничего во время паузы.
6️⃣ Сон. Не забывайте соблюдать режим дня и иметь полноценный сон. Перед сном вы можете еще раз вызвать в памяти задачу, над которой работаете, чтобы поставить себе задачу.
7️⃣ Имейте возможность сразу записать пришедшую в голову идею: надиктовать ее голосом, или записать в заметки, в блокнот. Вы облегчаете себе работу, «выгружая» идеи, а затем возвращаясь к ним. Не надейтесь, что если идея стоящая, вы точно ее запомните, не записав.
📖 книга «Качественные исследования в бизнесе»
🤖 записаться в лист ожидания: @postpostbook_bot
(это фрагмент главы про анализ из нашей книги)
Когда исследователь анализирует данные, он делает некие предположения о поведении людей. Эти предположения (инсайты) часто складываются помимо его сознательной воли.
Можно ли как-то влиять на продуктивность анализа? Как-то управлять своей способностью обобщать, интерпретировать и предлагать полезные для бизнеса решения на основании того, что сказали респонденты?
Самые известные истории о творческих озарениях – это истории про сны и химиков: Дмитрий Менделеев во сне увидел итоговый вариант своей таблицы, а Фридрих Кекуле – хоровод обезьян, которые воплотили формулу бензола.
Именно так, во время отдыха, работает дефолт-система (Default Mode Network, DMN) - сеть пассивного режима работы мозга, которая отвечает в том числе за генерацию идей и творческое мышление. DMN интегрирует наш опыт, память и знания в связный внутренний нарратив – основу нашего сознания и творчества.
Процесс, когда мы «заряжаем» нашу дефолт-систему на аналитическую работу, называется «инкубацией»: мы как бы откладываем работу над задачей, а решение приходит само.
Что конкретно мы можем сделать для «инкубации» идей:
1️⃣ «Правильная загрузка»: дайте мозгу материал, соберите исходные данные, которые вы будете обобщать.
2️⃣ Обсуждение с командой: рассказывая другим людям, которые заинтересованы в исследовании, предварительные результаты, вы «наводите порядок» в своих представлениях о том, что происходит с вашими респондентами – и еще раз ставите задачу своей дефолт-системе.
3️⃣ «Продуктивное блуждание мысли» (mind-wandering): встраивание простых монотонных занятий в рабочий день, во время которых вы позволяете мыслям течь свободно. Это могут быть: прогулки, бег, душ, мытьё посуды, вождение по привычному маршруту. Мэрили Опреццо и Дэниэл Шварц в своем исследовании 2014 года установили, что ходьба повышает креативность генерируемых идей на 60% (креативность измерялась с помощью тестов). Прогулки используют «для выработки идей» очень многие известные люди.
4️⃣ Разделяйте задачи по когнитивной сложности в течение дня. В более продуктивное для вас время дня – для кого-то утреннее, для кого-то вечернее - делайте сложную аналитическую работу, а в другое время – занимайтесь рутинными делами: отвечайте на письма, контролируйте запуск проекта и т.д. Писатели чередуют интенсивное сочинение с редактированием своих текстов.
5️⃣ Делайте перерывы и меняйте обстановку и тип работы.
• Короткий перерыв (5–15 мин): встаньте из-за стола, пройдитесь, сделайте легкий воркаут, помедитируйте, взгляните в окно.
• Длинный перерыв (несколько часов): переключитесь на другую задачу иного типа (рутинную, если основная – творческая, или наоборот). Либо прогуляйтесь, сходите пообедать вне рабочего места, поболтайте на отвлечённую тему.
• Инкубация на ночь или на день: если время терпит, «спите на этой задаче». Запланируйте заняться ею завтра с утра, а остаток дня сознательно займитесь другими делами. Длительные перерывы на пару дней также могут вам помочь.
Если паузы не дают эффекта, поэкспериментируйте с их длительностью и видом деятельности. ВАЖНО: не заменять паузы brainrot-активностью или мультитаскингом. Поиск и заказ корма для кота в перерыве – это не отдых. Выбор стиральной машинки – это не отдых. Чтение статей для саморазвития в перерыве – и это тоже не отдых. Не используйте смартфон и не читайте ничего во время паузы.
6️⃣ Сон. Не забывайте соблюдать режим дня и иметь полноценный сон. Перед сном вы можете еще раз вызвать в памяти задачу, над которой работаете, чтобы поставить себе задачу.
7️⃣ Имейте возможность сразу записать пришедшую в голову идею: надиктовать ее голосом, или записать в заметки, в блокнот. Вы облегчаете себе работу, «выгружая» идеи, а затем возвращаясь к ним. Не надейтесь, что если идея стоящая, вы точно ее запомните, не записав.
📖 книга «Качественные исследования в бизнесе»
🤖 записаться в лист ожидания: @postpostbook_bot
🔥32❤17👍13🤔1
🤖 AI В ИССЛЕДОВАНИЯХ: ИТОГИ ГОДА
Внедрение AI: доклад «3 шага к внедрению ИИ в команде исследователей» Татьяны Коваль на ResearchExpo заслуженно стал одним из победителей.
📺 Смотреть на VK Видео
📹 Смотреть на Youtube
Институционализация AI в исследованиях: в этом году на конференции ResearchExpo в UX/CX-секции было много докладов об AI в исследованиях. Интересно будет посмотреть доклады следующего года на эту тему: насколько заметным будет использование AI в других типах исследований.
Синтетические респонденты: не оправдали надежд
📝 Тестируем синтетических респондентов
📝 Синтетические респонденты наносят ответный удар
Мы предложили способ проверки работоспособности синтетических респондентов через «нет-тест». Для этого мы взяли концепцию продукта, о которой было известно, что она провалилась, и попросили синтетического респондента, релевантного целевой аудитории, сначала рассказать о своих практиках в категории (чтобы у модели был контекст ситуации), а затем оценить концепцию. Синтетический респондент должен был отвергнуть эту концепцию, что совпало бы с реакциями респондентов из плоти и крови. Однако результаты пока не впечатляют из-за конформизма моделей: даже провальные концепции получили поддержку синтетических респондентов.
Анализ качественных данных: пока только как вспомогательный инструмент
Вместе с Михаилом Боде поставили эксперимент, сравнив анализ спонтанных ассоциаций 52 респондентов:
• только исследователями,
• исследователем+AI,
• только AI.
Результаты интересные, но чистый AI на апрель 2025 года показал себя довольно слабо:
📝 Заменит ли AI маркетинговых исследователей?
Проектирование и UX: первая в отрасли статья Виталия Болатаева об использовании LLM для проверки макетов интерфейсов на соответствие UX-эвристикам - систематичный и подробный обзор:
📝 Как увеличить производительность и экономическую эффективность UX-исследователя? Эвристики, демонология и нейросети
Разочарование года: модель GPT-5o - ожидался прорыв, но надежды не оправдались.
Откат года: появились свидетельства, что некоторые клиенты требуют не использовать AI на проектах.
Инициатива года: при разработке стандарта ОИРОМ по UX тестам один из коллег предложил добавить в этот стандарт блок об использовании AI.
Слова года:
• Slop – человек, который "верит на слово" всему, что сказано LLM-моделями
• Метапромптинг – создание LLM промпта для самой себя.
💽 @PostPostResearch
Внедрение AI: доклад «3 шага к внедрению ИИ в команде исследователей» Татьяны Коваль на ResearchExpo заслуженно стал одним из победителей.
Институционализация AI в исследованиях: в этом году на конференции ResearchExpo в UX/CX-секции было много докладов об AI в исследованиях. Интересно будет посмотреть доклады следующего года на эту тему: насколько заметным будет использование AI в других типах исследований.
Синтетические респонденты: не оправдали надежд
📝 Тестируем синтетических респондентов
📝 Синтетические респонденты наносят ответный удар
Мы предложили способ проверки работоспособности синтетических респондентов через «нет-тест». Для этого мы взяли концепцию продукта, о которой было известно, что она провалилась, и попросили синтетического респондента, релевантного целевой аудитории, сначала рассказать о своих практиках в категории (чтобы у модели был контекст ситуации), а затем оценить концепцию. Синтетический респондент должен был отвергнуть эту концепцию, что совпало бы с реакциями респондентов из плоти и крови. Однако результаты пока не впечатляют из-за конформизма моделей: даже провальные концепции получили поддержку синтетических респондентов.
Анализ качественных данных: пока только как вспомогательный инструмент
Вместе с Михаилом Боде поставили эксперимент, сравнив анализ спонтанных ассоциаций 52 респондентов:
• только исследователями,
• исследователем+AI,
• только AI.
Результаты интересные, но чистый AI на апрель 2025 года показал себя довольно слабо:
📝 Заменит ли AI маркетинговых исследователей?
Проектирование и UX: первая в отрасли статья Виталия Болатаева об использовании LLM для проверки макетов интерфейсов на соответствие UX-эвристикам - систематичный и подробный обзор:
📝 Как увеличить производительность и экономическую эффективность UX-исследователя? Эвристики, демонология и нейросети
Разочарование года: модель GPT-5o - ожидался прорыв, но надежды не оправдались.
Откат года: появились свидетельства, что некоторые клиенты требуют не использовать AI на проектах.
Инициатива года: при разработке стандарта ОИРОМ по UX тестам один из коллег предложил добавить в этот стандарт блок об использовании AI.
Слова года:
• Slop – человек, который "верит на слово" всему, что сказано LLM-моделями
• Метапромптинг – создание LLM промпта для самой себя.
Please open Telegram to view this post
VIEW IN TELEGRAM
👍41❤22🔥11👏3
Media is too big
VIEW IN TELEGRAM
9-й поток курса начинается 13 января 2026 года.
В этот раз все занятия - вечерние, с 19.00 до 21.00 по МСК.
Осталось 9️⃣ мест из 20
Если вы уже покупали наши курсы, напишите мне, и мы дадим скидку.
Есть оплата как для физлиц, так и юрлиц. Для физлиц есть рассрочка.
Приходите, будем рады вас видеть.
🎫 Купить билет можно из любой страны
Please open Telegram to view this post
VIEW IN TELEGRAM
❤26🔥3👍2👏1
ИТОГИ ГОДА: НЕ AI
691 943 символа, 96 871 слово и 385 стандартных страниц занимает наша книга.
Не считая глоссария - который, как мы выяснили, нужен - в котором мы будем пояснять такие слова, как "джоба", "фича", "фреймворк" и много других слов.
Пока мы ее писали, стало понятно, что у гейм-девелопмента и писательства очень много общего:
1️⃣ Некоторые главы тянут за собой другие, которые изначально не планировалось писать, но в процессе становится понятно, что без них обойтись нельзя.
2️⃣ Некоторые главы, которые хотелось сделать очень подробными, приходится сокращать, чтобы успеть к дедлайнам.
У меня (Константина) всё это уже было в конце 90-х, когда я как художник-аниматор работал над игрой "Петька и Василий Иванович спасают галактику", рисуя Анку-Пулеметчицу (сцену в бане рисовал не я, а Олег Захаров).
Отдельной задачей было найти баланс между книгой и нашим обучающим курсом по качественным исследованиям.
В итоге они дополняют друг друга: необходимая база есть в книге - а на курсе мы учим применять ее на практике.
В книге есть кейсы, которые слишком объемны для нашего курса.
Настоящим испытанием было сделать обложку - как найти образ, который передавал бы суть качественных исследований в бизнесе? Как это бывает при тестировании дизайна, буквально каждая концепция не оставляла людей равнодушными, то есть, сильно не нравилась, - а при обсуждении вариантов именно рисунку художницы, сделанному в период "до ИИ", чаще всего приписывалось, что это ИИ.
Спасибо всем, кто отвечал на вопросы по поводу дизайна обложки на количественнике, а Николаю Захарову - за платформу и подсчет. Спасибо художнику Илье Викторову (diliago) за отличную работу и пасхалки. На наш взгляд, ему удалось передать стиль журнала Economist и общий дух обложек-головоломок World Ahead, который мы взяли в качестве отправной точки.
Отдельно мы хотим поблагодарить Виталия Болатаева, Юлию Кингсеп и Ирину Пасхину - за вдумчивое чтение, кейсы, идеи и обратную связь по всем главам книги. Это очень большое участие и огромный труд.
Спасибо тем людям, кто так или иначе внес вклад в содержание книги - кто экспертным интервью, кто обсуждением, а кто - обратной связью по избранным главам.
Всех, кто нам так или иначе помог - больше 30 человек - мы перечислим в книге в благодарностях.
Спасибо вам огромное! Без вашей поддержки эта книга была бы невозможна.
Увидимся в новом году!
691 943 символа, 96 871 слово и 385 стандартных страниц занимает наша книга.
Не считая глоссария - который, как мы выяснили, нужен - в котором мы будем пояснять такие слова, как "джоба", "фича", "фреймворк" и много других слов.
Пока мы ее писали, стало понятно, что у гейм-девелопмента и писательства очень много общего:
1️⃣ Некоторые главы тянут за собой другие, которые изначально не планировалось писать, но в процессе становится понятно, что без них обойтись нельзя.
2️⃣ Некоторые главы, которые хотелось сделать очень подробными, приходится сокращать, чтобы успеть к дедлайнам.
У меня (Константина) всё это уже было в конце 90-х, когда я как художник-аниматор работал над игрой "Петька и Василий Иванович спасают галактику", рисуя Анку-Пулеметчицу
Отдельной задачей было найти баланс между книгой и нашим обучающим курсом по качественным исследованиям.
В итоге они дополняют друг друга: необходимая база есть в книге - а на курсе мы учим применять ее на практике.
В книге есть кейсы, которые слишком объемны для нашего курса.
Настоящим испытанием было сделать обложку - как найти образ, который передавал бы суть качественных исследований в бизнесе? Как это бывает при тестировании дизайна, буквально каждая концепция не оставляла людей равнодушными, то есть, сильно не нравилась, - а при обсуждении вариантов именно рисунку художницы, сделанному в период "до ИИ", чаще всего приписывалось, что это ИИ.
Спасибо всем, кто отвечал на вопросы по поводу дизайна обложки на количественнике, а Николаю Захарову - за платформу и подсчет. Спасибо художнику Илье Викторову (diliago) за отличную работу и пасхалки. На наш взгляд, ему удалось передать стиль журнала Economist и общий дух обложек-головоломок World Ahead, который мы взяли в качестве отправной точки.
Отдельно мы хотим поблагодарить Виталия Болатаева, Юлию Кингсеп и Ирину Пасхину - за вдумчивое чтение, кейсы, идеи и обратную связь по всем главам книги. Это очень большое участие и огромный труд.
Спасибо тем людям, кто так или иначе внес вклад в содержание книги - кто экспертным интервью, кто обсуждением, а кто - обратной связью по избранным главам.
Всех, кто нам так или иначе помог - больше 30 человек - мы перечислим в книге в благодарностях.
Спасибо вам огромное! Без вашей поддержки эта книга была бы невозможна.
Увидимся в новом году!
1❤75👏51🔥39
Если кто-то давно собирался на наш большой курс по исследованиям или на модули по CX-интервью или по анализу качественных данных - мы начинаем завтра вечером - 13.01.
Расписание и программу можно посмотреть на сайте:
https://qual.education/
Расписание и программу можно посмотреть на сайте:
https://qual.education/
qual.education
Курс «Качественные исследования»
Разбираем весь процесс качественного исследования, — начиная от рекрутинга и написания гайда, включая проведение интервью и заканчивая написанием отчёта.
🔥13❤7👏4
Соцсети как социальные сцены, а не продукты
Принято считать, что человек «нанимает» на работу одно лучшее решение (обычно лучшее по функционалу). И на первый взгляд это очень логично: из продуктов с одинаковым назначением «останется только один», самый лучший.
Но с социальными сетями все иначе: довольно многие люди не мигрируют от одной соцсети к другой, выбирая самую лучшую. Они уходят и возвращаются. Они публикуют посты в разных соцсетях с разным содержанием и разными деталями.
С точки зрения продуктового подхода – это странно. Почему не выбрать одну лучшую соцсеть?
Исследователи из Сингапура попытались с этим разобраться. Для того, чтобы выяснить причины разной активности людей в соцсетях и сценарии их использования, они поговорили с пользователями.
Что они выяснили:
1️⃣ Пользователь живет не в соцсетях, а в социальных контекстах: каждая соцсеть – это отдельное пространство со своими правилами. Например: «Facebook - для семьи и старых друзей, я там аккуратен», «Twitter - можно быть резким, там это нормально», «Snapchat - только близкие, там можно быть глупым». Соцсети - это не столько разные продукты, сколько разные сцены, на которых человек отыгрывает разные роли.
2️⃣ Переключение между соцсетями и периоды молчания – это не отток, а управление социальными рисками. В логах мы можем видеть, что пользователь неактивен, что очень часто интерпретируется продуктовой командой как отток. В реальности может быть так, что человек не пишет, потому что боится быть непонятым, выглядеть неуместно или испортить свой выстроенный образ. В таких случаях он часто принимает решение написать пост в другой сети, в которой он меньше опасается за свой образ и репутацию. Пауза в активности не равна оттоку: она может быть осознанной стратегией при сохранении лояльности сети.
3️⃣ Одинаковые функции в разных соцсетях имеют разные значения для пользователей. Все платформы позволяют постить фотографии, писать и комментировать. Но, например, в Facebook фото ребенка постят «для бабушки», в Instagram – «ради эстетики», а в группе WhatsApp - чисто для своих (компания Мета, которой принадлежат все эти соцсети, признана экстремистской в РФ). При этом в логах мы увидим одни и те же действия, но для пользователя они будут играть совершенно разную роль. Это означает, что в UGC-платформах при анализе конкуренции должны учитываться социальные нормы и роли, а не только фичи и их удобство. Из этого также следует, что копирование фичей вовсе не обязательно даст конкурентное преимущество: скопировать легко, а воссоздать социальные нормы и роли – невозможно.
4️⃣Переключение между платформами – это не переходный этап, а устойчивая стратегия: люди не считают, что им нужно выбрать одну соцсеть и присутствовать только в ней. Метрики не объясняют поведение: «тихий» пользователь может быть очень лоялен, а количество постов в соцсети не отражает ее ценность.
Все это можно узнать, только поговорив с пользователями.
На нашеммодуле по CX-интервью осталось 4 места. Начинаем 27 января.
Принято считать, что человек «нанимает» на работу одно лучшее решение (обычно лучшее по функционалу). И на первый взгляд это очень логично: из продуктов с одинаковым назначением «останется только один», самый лучший.
Но с социальными сетями все иначе: довольно многие люди не мигрируют от одной соцсети к другой, выбирая самую лучшую. Они уходят и возвращаются. Они публикуют посты в разных соцсетях с разным содержанием и разными деталями.
С точки зрения продуктового подхода – это странно. Почему не выбрать одну лучшую соцсеть?
Исследователи из Сингапура попытались с этим разобраться. Для того, чтобы выяснить причины разной активности людей в соцсетях и сценарии их использования, они поговорили с пользователями.
Что они выяснили:
1️⃣ Пользователь живет не в соцсетях, а в социальных контекстах: каждая соцсеть – это отдельное пространство со своими правилами. Например: «Facebook - для семьи и старых друзей, я там аккуратен», «Twitter - можно быть резким, там это нормально», «Snapchat - только близкие, там можно быть глупым». Соцсети - это не столько разные продукты, сколько разные сцены, на которых человек отыгрывает разные роли.
2️⃣ Переключение между соцсетями и периоды молчания – это не отток, а управление социальными рисками. В логах мы можем видеть, что пользователь неактивен, что очень часто интерпретируется продуктовой командой как отток. В реальности может быть так, что человек не пишет, потому что боится быть непонятым, выглядеть неуместно или испортить свой выстроенный образ. В таких случаях он часто принимает решение написать пост в другой сети, в которой он меньше опасается за свой образ и репутацию. Пауза в активности не равна оттоку: она может быть осознанной стратегией при сохранении лояльности сети.
3️⃣ Одинаковые функции в разных соцсетях имеют разные значения для пользователей. Все платформы позволяют постить фотографии, писать и комментировать. Но, например, в Facebook фото ребенка постят «для бабушки», в Instagram – «ради эстетики», а в группе WhatsApp - чисто для своих (компания Мета, которой принадлежат все эти соцсети, признана экстремистской в РФ). При этом в логах мы увидим одни и те же действия, но для пользователя они будут играть совершенно разную роль. Это означает, что в UGC-платформах при анализе конкуренции должны учитываться социальные нормы и роли, а не только фичи и их удобство. Из этого также следует, что копирование фичей вовсе не обязательно даст конкурентное преимущество: скопировать легко, а воссоздать социальные нормы и роли – невозможно.
4️⃣Переключение между платформами – это не переходный этап, а устойчивая стратегия: люди не считают, что им нужно выбрать одну соцсеть и присутствовать только в ней. Метрики не объясняют поведение: «тихий» пользователь может быть очень лоялен, а количество постов в соцсети не отражает ее ценность.
Все это можно узнать, только поговорив с пользователями.
На нашем
❤41👍20🔥13👏5
Уборка дома: можно ли превратить красный океан в голубой?
Середина 90-х. Procter&Gamble ищет новые точки роста в сегменте средств для мытья пола. Этот рынок на тот момент является «красным океаном» - он насыщен, есть масса вариантов бытовой химии, и прорыв за счет инноваций на уровне моющих средств – невозможен: все они вполне выполняют свою работу, и нужно что-то новое.
Поводом стало наблюдение директора подразделения венчуров P&G Крэйга Уайнетта: увидев, как его жена мучительно отмывает кухонный пол, он воскликнул: «Должен же быть способ получше, чтобы вымыть пол!»
В P&G решили пойти через то, что продуктовые исследователи потом назовут Big Discovery: было проведено 18 домашних визитов (этнография), когда исследователи смотрели, как проводится уборка и задавали вопросы о процессе.
Посмотрев на уборку «глазами пришельцев с Марса», исследователи выяснили, что она содержит массу противоречий:
1️⃣ Чтобы навести чистоту, придется испачкаться. Хозяйки одевали старую одежду, перчатки и смирялись с тем, что им придется делать грязную работу.
2️⃣ Большая часть времени посвящена не уборке, а очищению швабры: чем лучше она собирает грязь, тем сложнее ее потом отмыть.
3️⃣ Влажная уборка неэффективна против пыли и сухого сора: в процессе образуется грязная вода, а сам мусор растаскивается.
Все это вызывает массу негативных эмоций у хозяек. Уборка воспринимается как неизбежное зло.
Напрашивался другой способ уборки, который:
1. эффективен и против пыли, и против пятен,
2. не требует очистки самого инструмента,
3. позволяет не испачкаться, чтобы не нужно было переодеваться,
4. быстрый и приятный.
Отталкиваясь от этих инсайтов, команда стала делать MVP. Прототип назвали «подгузником на палке»: на швабру крепится одноразовая салфетка, которая притягивает к себе пыль и грязь, а после уборки салфетку выбрасывают.
Продукт решал все имеющиеся проблемы: больше не нужно было возиться с водой, переодеваться и мыть швабру, а сам процесс уборки становился быстрым. Команда была уверена в успехе.
Нужно было протестировать концепцию, чтобы убедиться, что хозяйки это купят. Но на фокус-группе хозяйки не поверили, что сухая салфетка может отмыть пол так же качественно, как и швабра с моющим средством. Кроме того, одноразовые салфетки воспринимались как дорогой и неэкологичный продукт.
И тогда команда поняла, что недостаточно спросить мнение пользователей о том, чего раньше не существовало. Для инновационного продукта нужно дать попробовать людям его использовать, чтобы они могли удостовериться в том, что это работает. И стоило хозяйкам попробовать прототип в работе, как их скепсис сменился энтузиазмом. Они увидели, что салфетка действительно отмывает пол, а пользоваться ей легко и приятно.
Команда доработала прототипы, и встал вопрос – какую историю рассказать хозяйкам, чтобы они это купили? Позиционировать Swifter решили на сегмент «усердная хранительница очага» - женщин, для которых чрезвычайно важно содержать дом в образцовом порядке и чистоте. Была придумана кампания «Дисфункциональные отношения». Идея строилась на юмористичном сопоставлении: отношение хозяйки к старой швабре или венику подавалось как неудачный роман с плохим партнером.
От себя по поводу этой истории хотим добавить:
1️⃣ Опыт – это жесткая структура. Привычки очень сложно поменять, и даже если ваш продукт революционный – людям мало видеть идею, им нужно попробовать его руками.
2️⃣ Переосмысление формата продукта - которое JTBD-евангелисты считают это своим know-how: взять желаемый результат и построить продукт вокруг него, убрав все действия, которые доставляют дискомфорт. Но идея подобных инноваций очень старая и описана еще в учебнике Котлера "Основы маркетинга".
3️⃣ Переосмысление продукта можно также интерпретировать в рамках модели Censydiam: если раньше уборка воспринималась как долг, неприятная обязанность, связанная с контролем, то Swifter перемещает уборку в сторону удовольствия и жизненной силы.
Подробно об этих и других фреймворках мы рассказываем в модуле «Анализ» нашего курса. Осталось 2 места, старт - 17 февраля.
Середина 90-х. Procter&Gamble ищет новые точки роста в сегменте средств для мытья пола. Этот рынок на тот момент является «красным океаном» - он насыщен, есть масса вариантов бытовой химии, и прорыв за счет инноваций на уровне моющих средств – невозможен: все они вполне выполняют свою работу, и нужно что-то новое.
Поводом стало наблюдение директора подразделения венчуров P&G Крэйга Уайнетта: увидев, как его жена мучительно отмывает кухонный пол, он воскликнул: «Должен же быть способ получше, чтобы вымыть пол!»
В P&G решили пойти через то, что продуктовые исследователи потом назовут Big Discovery: было проведено 18 домашних визитов (этнография), когда исследователи смотрели, как проводится уборка и задавали вопросы о процессе.
Посмотрев на уборку «глазами пришельцев с Марса», исследователи выяснили, что она содержит массу противоречий:
1️⃣ Чтобы навести чистоту, придется испачкаться. Хозяйки одевали старую одежду, перчатки и смирялись с тем, что им придется делать грязную работу.
2️⃣ Большая часть времени посвящена не уборке, а очищению швабры: чем лучше она собирает грязь, тем сложнее ее потом отмыть.
3️⃣ Влажная уборка неэффективна против пыли и сухого сора: в процессе образуется грязная вода, а сам мусор растаскивается.
Все это вызывает массу негативных эмоций у хозяек. Уборка воспринимается как неизбежное зло.
Напрашивался другой способ уборки, который:
1. эффективен и против пыли, и против пятен,
2. не требует очистки самого инструмента,
3. позволяет не испачкаться, чтобы не нужно было переодеваться,
4. быстрый и приятный.
Отталкиваясь от этих инсайтов, команда стала делать MVP. Прототип назвали «подгузником на палке»: на швабру крепится одноразовая салфетка, которая притягивает к себе пыль и грязь, а после уборки салфетку выбрасывают.
Продукт решал все имеющиеся проблемы: больше не нужно было возиться с водой, переодеваться и мыть швабру, а сам процесс уборки становился быстрым. Команда была уверена в успехе.
Нужно было протестировать концепцию, чтобы убедиться, что хозяйки это купят. Но на фокус-группе хозяйки не поверили, что сухая салфетка может отмыть пол так же качественно, как и швабра с моющим средством. Кроме того, одноразовые салфетки воспринимались как дорогой и неэкологичный продукт.
И тогда команда поняла, что недостаточно спросить мнение пользователей о том, чего раньше не существовало. Для инновационного продукта нужно дать попробовать людям его использовать, чтобы они могли удостовериться в том, что это работает. И стоило хозяйкам попробовать прототип в работе, как их скепсис сменился энтузиазмом. Они увидели, что салфетка действительно отмывает пол, а пользоваться ей легко и приятно.
Команда доработала прототипы, и встал вопрос – какую историю рассказать хозяйкам, чтобы они это купили? Позиционировать Swifter решили на сегмент «усердная хранительница очага» - женщин, для которых чрезвычайно важно содержать дом в образцовом порядке и чистоте. Была придумана кампания «Дисфункциональные отношения». Идея строилась на юмористичном сопоставлении: отношение хозяйки к старой швабре или венику подавалось как неудачный роман с плохим партнером.
От себя по поводу этой истории хотим добавить:
1️⃣ Опыт – это жесткая структура. Привычки очень сложно поменять, и даже если ваш продукт революционный – людям мало видеть идею, им нужно попробовать его руками.
2️⃣ Переосмысление формата продукта - которое JTBD-евангелисты считают это своим know-how: взять желаемый результат и построить продукт вокруг него, убрав все действия, которые доставляют дискомфорт. Но идея подобных инноваций очень старая и описана еще в учебнике Котлера "Основы маркетинга".
3️⃣ Переосмысление продукта можно также интерпретировать в рамках модели Censydiam: если раньше уборка воспринималась как долг, неприятная обязанность, связанная с контролем, то Swifter перемещает уборку в сторону удовольствия и жизненной силы.
Подробно об этих и других фреймворках мы рассказываем в модуле «Анализ» нашего курса. Осталось 2 места, старт - 17 февраля.
❤44🔥14👍11👏2💯1
Синтетические респонденты: почему это плохо с точки зрения количественных исследований?
Крис Чапмен (один из популяризаторов QuantUX), довольно резко высказался на тему «синтетиков»:
Synthetic Survey Data? It's Not Data
📹 Youtube (есть хорошие русские субтитры)
Ключевое, с нашей точки зрения:
Краткие тезисы из его выступления можно почитать у Виталия Болатаева в канале «Цифровой геноцид»
Крис Чапмен (один из популяризаторов QuantUX), довольно резко высказался на тему «синтетиков»:
Synthetic Survey Data? It's Not Data
Ключевое, с нашей точки зрения:
Ошибки в негативных ответах - разрыв в ответах «Нет, не нравится» у людей и синтетиков в десятки процентов. Возможно, что следствие статистической оптимизации. Синтетики хуже отказываются и ставят нет - Крис привел несколько исследований с этим феноменом и это гораздо важнее для бизнеса - знать, что НЕ нравится
Краткие тезисы из его выступления можно почитать у Виталия Болатаева в канале «Цифровой геноцид»
Please open Telegram to view this post
VIEW IN TELEGRAM
❤35👍16🔥8🤔3👏1
Где ошибаются исследователи с опытом?
Про ошибки в интервью написано много, но все эти классификации основывались на экспертных оценках.
Мы собрали реальные данные относительно ошибок в глубинных интервью и создали модель ошибок.
Для этого мы проанализировали 105 анонимизированных протоколов обратной связи в рамках нашего курса по CX-интервью.
Наша модель ошибок основана на том, как исследователи справляются с возникающим у них напряжением - которое возникает у всех, даже у исследователей с опытом, и это нормально - через отказ от управления беседой, избыточный контроль респондента или контроль себя.Лидирует отказ от управления беседой .
Андрей Дорожный (автор канала Дата сторителлинг) сделал наглядную визуализацию результатов в виде Sankey diagram.
Эта диаграмма интерактивна: можно посмотреть, что включает конкретный тип ошибок, применив фильтры.
Благодарим Екатерину Кудешову за ее работу по подсчету количества ошибок в интервью на материале протоколов обратной связи.
Читать статью
Про ошибки в интервью написано много, но все эти классификации основывались на экспертных оценках.
Мы собрали реальные данные относительно ошибок в глубинных интервью и создали модель ошибок.
Для этого мы проанализировали 105 анонимизированных протоколов обратной связи в рамках нашего курса по CX-интервью.
Наша модель ошибок основана на том, как исследователи справляются с возникающим у них напряжением - которое возникает у всех, даже у исследователей с опытом, и это нормально - через отказ от управления беседой, избыточный контроль респондента или контроль себя.
Андрей Дорожный (автор канала Дата сторителлинг) сделал наглядную визуализацию результатов в виде Sankey diagram.
Эта диаграмма интерактивна: можно посмотреть, что включает конкретный тип ошибок, применив фильтры.
Благодарим Екатерину Кудешову за ее работу по подсчету количества ошибок в интервью на материале протоколов обратной связи.
Читать статью
🔥36❤16👍10🤔1