Почему команды строят фичи, которые никто не использует
В 2024 году Pendo проанализировали 12 000 SaaS-продуктов и обнаружили: 80% функций используются редко или никогда. Не потому, что команды ленивые — потому что они работают с неполной картиной спроса.
Стандартный JTBD-подход даёт 3-4 уровня: «большая работа» → «малые работы» → «шаги» → «микро-задачи». Этого достаточно, чтобы понять что человек делает. Но недостаточно, чтобы понять где именно текущее решение создаёт проблемы и какие возможности человек даже не представляет.
Product DNA расширяет иерархию до 7 уровней. Два дополнительных уровня — L5 (Friction Point) и L6 (Latent Demand) — это не абстракция. Это конкретные инструменты для приоритизации бэклога и поиска Blue Ocean.
Полная иерархия: 7 уровней от мотивации до скрытого спроса
| Уровень | Название | Определение | Масштаб | Пример (PM-инструмент) |
|---|---|---|---|---|
| L0 | Core Drive | Нередуцируемая мотивация — зачем вообще человек действует | Универсальный человеческий | Mastery — стать лучше в своём деле |
| L1 | Life Outcome | Крупный жизненный/карьерный результат | Жизнь/карьера | Создавать продукты, которые люди любят |
| L2 | Primary Demand | Конкретная задача, для которой «нанимают» продукт | Продуктовый | Валидировать, какие фичи строить в следующем квартале |
| L3 | Demand Step | Последовательный подшаг в цепочке выполнения | Фичевый | Выделить топ-боли из интервью |
| L4 | Interaction Point | Атомарное взаимодействие с продуктом | UI-элемент | Загрузить транскрипт интервью |
| L5 | Friction Point | Конкретная боль/неэффективность в текущем выполнении | Цель улучшения | Ручная разметка 200 цитат занимает 4 часа |
| L6 | Latent Demand | Неосознанная потребность — человек не знает, что это возможно | Инновационная возможность | Автоматически найти паттерны болей по 50 интервью |
Почему 5 классических уровней — это половина картины
Jim Kalbach (2020) формализовал иерархию работ: Aspiration → Big Job → Small Job → Micro-Job → Task. Это была важная работа — впервые появилась вертикальная декомпозиция спроса. Но у неё два слепых пятна.
Слепое пятно №1: где продукт создаёт проблемы
Классическая иерархия описывает, что человек хочет сделать. Но не фиксирует, где текущее решение мешает. Friction Point (L5) — это не задача клиента, а дефект решения. Разница принципиальная:
- L3 (Demand Step): «Разметить цитаты из интервью по категориям» — это задача, которую человек решает независимо от продукта
- L5 (Friction Point): «Ручная разметка 200 цитат занимает 4 часа» — это проблема, которую создаёт текущий способ решения
Без L5 бэклог превращается в список «что клиент хочет». С L5 — в карту «где текущее решение ломается». Второе приоритизируется на порядок точнее.
Слепое пятно №2: чего клиент даже не просит
Классическая иерархия фиксирует известные задачи. Но самые ценные продукты решают задачи, которые клиент не формулирует, — потому что не знает, что это возможно. L6 (Latent Demand) — это территория, которую Кристенсен (2003) описал как disruptive innovation: технология делает невозможное возможным.
Пример: до Spotify никто не формулировал задачу «иметь доступ к любой песне мира за 3 секунды». Люди формулировали «купить альбом» (L2) и «найти песню в iTunes» (L3). Стриминг — это L6: спрос, который стал возможен только благодаря технологии.
Каноничный формат описания спроса
Каждый спрос на уровнях L2-L6 записывается в формате:
"When [ситуация/контекст/триггер], I want to [действие], so that [измеримый результат]"Три компонента обязательны. Если не можете сформулировать один из них — спрос определён нечётко.
| Уровень | When | I want to | So that |
|---|---|---|---|
| L2 | При планировании следующего квартала | валидировать, какие фичи строить | ресурсы пошли на работу с максимальным импактом |
| L3 | После проведения 10 интервью | выделить топ-3 боли клиентов | команда фокусировалась на реальных проблемах, а не предположениях |
| L4 | Получив запись интервью | загрузить транскрипт в систему | данные были в одном месте для анализа |
| L5 | При разметке 200 цитат вручную | не тратить 4 часа на рутину | время ушло на анализ, а не на копипасту |
| L6 | Имея данные из 50 интервью | автоматически найти паттерны болей | обнаружить закономерности, которые невозможно увидеть вручную |
Тесты определения уровня
Как понять, на каком уровне находится конкретный спрос? Product DNA предлагает набор тестов — по одному на каждый уровень:
| Уровень | Диагностический тест | Ответ «Да» → подтверждение |
|---|---|---|
| L0 | Это базовая человеческая мотивация, которую нельзя разложить дальше? | → Core Drive |
| L1 | Это результат масштаба «жизнь/карьера», а не одна задача? | → Life Outcome |
| L2 | Человек делает это без конкретного продукта? Задача существует независимо от решения? | → Primary Demand |
| L3 | Это шаг внутри выполнения L2? Без него L2 не завершается? | → Demand Step |
| L4 | Это одно действие: клик, ввод, взгляд на экран? | → Interaction Point |
| L5 | Это вызвано дефектом текущего решения, а не целью пользователя? | → Friction Point |
| L6 | Человек был бы удивлён, узнав, что это возможно? | → Latent Demand |
Правило каскада: если спрос проходит тест L6 — это L6, даже если он формально выглядит как L3. Тест на «удивление» перевешивает структурный тест.
Полный пример: PM-инструмент — 7 уровней
Рассмотрим продукт для управления продуктовыми исследованиями. Разложим спрос по всем 7 уровням и покажем, что именно L5 и L6 дают, чего не даёт классический анализ.
L0 → L4: классические уровни
graph TD L0["L0: Mastery — стать лучшим продактом"] L1["L1: Создавать продукты, которые люди любят"] L2["L2: Валидировать фичи перед разработкой"] L3a["L3.1: Собрать данные интервью"] L3b["L3.2: Выделить боли и паттерны"] L3c["L3.3: Приоритизировать фичи"] L3d["L3.4: Презентовать решение стейкхолдерам"] L4a["L4: Загрузить транскрипт"] L4b["L4: Создать тег"] L4c["L4: Перетащить цитату"] L0 --> L1 L1 --> L2 L2 --> L3a L2 --> L3b L2 --> L3c L2 --> L3d L3b --> L4a L3b --> L4b L3b --> L4c
Эти 5 уровней (L0-L4) — стандартный JTBD-анализ. Хороший, полезный, но предсказуемый. Любой конкурент может провести такой же анализ и получить такую же иерархию. Дифференциация — на L5 и L6.
L5: где текущие решения ломаются
L5 — это не задачи пользователя, а дефекты текущего способа их решения. Каждый L5 привязан к конкретному L3 или L4:
| L5 Friction Point | Привязан к | Метрика проблемы | Стратегическое действие |
|---|---|---|---|
| Ручная разметка 200 цитат — 4 часа | L3.2 (Выделить боли) | 16 ч/мес на одного исследователя | Автоматическая разметка (Eliminate) |
| Данные в 4 инструментах: Notion + Miro + Excel + Google Docs | L3.1 (Собрать данные) | 25 мин на поиск нужной цитаты | Единое хранилище (Reduce friction) |
| Приоритизация — субъективный спор на встрече | L3.3 (Приоритизировать) | 3 часа на одну сессию приоритизации | Количественный скоринг (Raise quality) |
| Стейкхолдеры не читают отчёт на 20 страниц | L3.4 (Презентовать) | 30% стейкхолдеров реально ознакомились | Интерактивная визуализация (Create new format) |
Что даёт L5, чего не даёт классический анализ: конкретный бэклог улучшений с метриками. Не «пользователь хочет X» (это L3), а «текущее решение ломается на X с такой-то ценой». Приоритизация из L5 объективнее: 16 ч/мес потерянного времени > 25 мин на поиск. Видно, что автоматическая разметка — приоритет №1.
L6: чего пользователь даже не просит
L6 — это спросы, которые человек не формулирует, потому что не знает, что это возможно. Они не появляются в интервью как ответы на прямые вопросы. Их находят через анализ паттернов:
| L6 Latent Demand | Почему скрытый | Откуда знаем | Стратегическая ценность |
|---|---|---|---|
| Автоматически найти паттерны болей по 50 интервью | Человек не представляет, что LLM может кросс-референсить 50 транскриптов | Наблюдение: исследователь вручную делает это по 5 интервью и пропускает паттерны | Категорийное преимущество — конкуренты тоже не делают |
| Предсказать, какие фичи запросят через 3 месяца | Никто не думает о предиктивном product discovery | Данные: при >100 интервьях по нише ML-модель видит тренды | Новая категория — predictive product management |
| Автоматический competitive intelligence из публичных данных | Исследователь считает, что конкурентный анализ = ручной | Наблюдение: тратят 2 дня на анализ, который можно сделать за 10 минут | Экономия 16+ часов/месяц |
Что даёт L6, чего не даёт классический анализ: территория для дифференциации. L5 показывает, где улучшить существующее. L6 показывает, где создать принципиально новое. Это то, что Kim & Mauborgne (2005) называют «Create» в ERRC-сетке: факторы конкуренции, которых в индустрии нет.
Demand Graph: связи между уровнями
Уровни спроса — не просто таблица. Они связаны в направленный граф с типизированными рёбрами (Demand Graph Algebra):
| Тип связи | Обозначение | Пример |
|---|---|---|
| Иерархия | L1 → L2 | «Создавать великие продукты» → «Валидировать фичи» |
| Последовательность | L3 ⟶ L3 | «Собрать данные» ⟶ «Выделить боли» ⟶ «Приоритизировать» |
| Зависимость | L3 ⇒ L3 | «Загрузить транскрипт» ⇒ «Извлечь данные» |
| Конфликт | L3 ⊗ L3 | «Двигаться быстро» ⊗ «Быть дотошным» |
| Усиление | L3 ⊕ L3 | «Команда использует» ⊕ «Качество данных растёт» |
Граф позволяет вычислять:
- Coverage analysis: какой % шагов L3 у Primary Demand покрыт продуктом?
- Gap analysis: какие L3 не имеют ни одной фичи?
- Chain bottleneck: какой L3-шаг имеет максимальное произведение Friction × Frequency?
- Elimination opportunity: какие L3-шаги можно уничтожить автоматизацией?
Практика: как строить 7-уровневую иерархию
Алгоритм за 3 шага:
- Начните с L2. Задайте вопрос: «Какую задачу человек решает без конкретного продукта?» Это Primary Demand. Формат: «When [контекст], I want [действие], so that [результат]».
- Декомпозируйте вниз: L2 → L3 (шаги выполнения) → L4 (атомарные взаимодействия). Используйте Job Map Ulwick: define → locate → prepare → confirm → execute → monitor → modify → conclude.
- Добавьте L5 и L6. Для каждого L3: «Где текущее решение ломается?» (→ L5). «Что стало бы возможно, если бы ограничений не было?» (→ L6).
L0 и L1 определяются последними — это обобщение, а не отправная точка. Ошибка начинающих: начинать с миссии (L1) и спускаться вниз. В реальности L2-L3 определяются из интервью, а L0-L1 — из анализа паттернов.
Распространённые ошибки
| Ошибка | Пример | Как исправить |
|---|---|---|
| L2 зависит от продукта | «Загрузить файл в Jira» — это не Primary Demand, а L4 | Тест: «Человек делает это без конкретного продукта?» Нет → не L2 |
| L5 без привязки к L3 | «Медленный интерфейс» — слишком абстрактно | Привязать к конкретному шагу: «При разметке цитат интерфейс лагает при >100 элементах» |
| L6 = wishlist | «Хочу, чтобы всё делалось само» — не Latent Demand | Тест на удивление: «Человек был бы удивлён?» Если нет — это L3 или L5 |
| Пропуск L0 | Без Core Drive позиционирование = feature listing | Каждый L2 должен маппиться хотя бы на один Core Drive из 6 базовых |
Как 7 уровней меняют приоритизацию
Стандартная приоритизация (RICE, WSJF, ICE) работает на уровне фич. 7-уровневая иерархия добавляет контекст:
- L5-фичи (решающие Friction Points) имеют измеримый ROI: «экономит 4 часа/месяц на одного исследователя × $50/час = $200/мес». Это конкретные числа для RICE-impact.
- L6-фичи (реализующие Latent Demands) имеют максимальный дифференцирующий потенциал, но минимальный клиентский запрос. Без L6 они вечно внизу бэклога — «никто не просил».
- L3-фичи (покрывающие Demand Steps) — базовое покрытие. Gap analysis по L3 показывает, какие шаги не покрыты — это table stakes.
Оптимальный портфель: 60% L5 (fix friction) + 25% L6 (create differentiation) + 15% L3 (fill gaps).
Связь с другими моделями Product DNA
- L0 (Core Drive) → Strand 1: Motivation Genome — 6 базовых мотиваций
- L2 (Primary Demand) → Competitive Orbit — каждый L2 имеет свои 5 колец конкуренции
- L5 (Friction Point) → Demand Type DT3 (Frictional) — точки трения как тип спроса
- L6 (Latent Demand) → Demand Type DT8 (Emergent) — скрытый спрос как категория
- Demand Graph → Segment Fit Score — покрытие графа определяет Competency Match
Итог: от 5 уровней к 7 — разница в стратегии
| 5 уровней (классический JTBD) | 7 уровней (Product DNA) |
|---|---|
| Знаете, что клиент делает | Знаете, что клиент делает + где ломается + чего не представляет |
| Бэклог = список фич | Бэклог = карта friction + innovation opportunities |
| Конкуренция = feature comparison | Конкуренция = coverage analysis по графу спроса |
| Приоритизация субъективная | Приоритизация с метриками (Friction × Frequency, Elimination Potential) |
| Одинаковый анализ у всех | L6 даёт уникальную территорию для дифференциации |
Классический JTBD-анализ — необходимый, но не достаточный инструмент. 7 уровней Product DNA превращают его из описательного в предписывающий: не «что клиент делает», а «что строить и в каком порядке».
AI CPO строит 7-уровневую иерархию автоматически — из ваших интервью, описаний и данных. 15,000 кредитов на старте → aicpo.ru