От идеи до запуска за 21 артефакт — полный workflow AI-driven product discovery

21 решение между идеей и запуском. Сколько из них вы принимаете осознанно?

Между «у меня есть идея» и «продукт запущен» стоит не одно решение, а 21. Кого считаем клиентом? Какую боль решаем первой? На каком сегменте фокусируемся? Какую цену ставим? Через какой канал привлекаем? Что пишем на лендинге? Как измеряем успех?

Большинство команд принимают эти решения неявно: по привычке, по мнению самого громкого, по «так все делают». Результат — 35% стартапов закрываются из-за отсутствия рыночной потребности (CB Insights), а 42% — из-за неправильного позиционирования (Failory).

21 артефакт AI CPO — это не 21 документ для галочки. Это 21 явное решение, каждое из которых основано на данных и связано с остальными. Изменились данные — изменились решения. Автоматически.

Полная карта: 21 артефакт и зависимости

graph TD
  subgraph Phase1["Фаза 1: UNDERSTAND"]
    PM["Pain Map"] --> JS["Job Statements"]
    JS --> PC["Persona Cards"]
    PC --> SEG["ABCDX Segments"]
  end
  subgraph Phase2["Фаза 2: VALIDATE"]
    SEG --> RAT["RAT Tests"]
    RAT --> IS["Interview Script"]
    IS --> RR["Respondent Recruitment"]
    SEG --> CM["Competitor Map"]
    CM --> CA["Competitive Analysis"]
  end
  subgraph Phase3["Фаза 3: DESIGN"]
    CA --> POS["Positioning"]
    POS --> VP["Value Proposition"]
    SEG --> PR["Pricing Model"]
    VP --> LS["Landing Structure"]
    POS --> OB["Outreach Bank"]
  end
  subgraph Phase4["Фаза 4: LAUNCH"]
    LS --> GTM["GTM Channels"]
    PR --> EC["Economics"]
    GTM --> GS["Growth Strategy"]
    GS --> SM["Success Metrics"]
    SM --> PD["Pitch Deck"]
    SEG --> FP["Feature Priority"]
  end
  Phase1 --> Phase2
  Phase2 --> Phase3
  Phase3 --> Phase4

Ключевой инсайт: это не линейный процесс. Артефакты влияют друг на друга. Новые данные из интервью (фаза 2) могут изменить Pain Map (фаза 1), что изменит сегменты, что изменит pricing и GTM. AI CPO поддерживает эти зависимости: когда факты обновляются, зависимые артефакты помечаются как «stale» и предлагают обновление.

Фаза 1: Understand (Pain Map → Jobs → Segments)

Цель: понять, кто ваш клиент, какая у него боль и как сегментировать аудиторию.

Артефакт 1: Pain Map

Входные данные: описание продукта, проблем клиентов, цитаты из интервью.

Результат: структурированная карта болей с severity-ранжированием (HIGH / MED / LOW). Каждая боль привязана к конкретному событию, имеет частоту и стоимость.

Решение, которое принимается: Какую боль решаем первой? HIGH-severity → core value proposition.

Артефакт 2: Job Statements

Входные данные: Pain Map + Product DNA (DP01-DP19).

Результат: формулировки работ в Product DNA-формате: «Когда [контекст], я хочу [действие], чтобы [результат]». С иерархией: deepNeed → bigJob → coreJob → smallJob.

Решение: Какую работу делаем? Core Job определяет весь продукт.

Артефакт 3: Persona Cards

Входные данные: Job Statements + Product DNA (контекст, эмоции, критерии).

Результат: карточки персон, построенные не на демографии, а на наборах работ. Включают core jobs, execution criteria, WTP-сигнал, канал привлечения.

Решение: С кем говорим? Персона определяет tone, канал, message.

Артефакт 4: ABCDX Segments

Входные данные: Persona Cards + Pain Map severity + WTP.

Результат: 5 сегментов с Attractiveness Score: A (горящая боль, покупает за дни), B (осознанная потребность), C (nice to have), D (не наш клиент), X (нужно исследовать).

Решение: На кого фокусируемся? A-сегмент = 80% ресурсов.

Фаза 2: Validate (RAT → Interviews → Competition)

Цель: проверить гипотезы фазы 1 и понять конкурентное поле.

Артефакт 5: RAT Tests

Входные данные: Сегменты + ключевые гипотезы.

Результат: Riskiest Assumption Tests — 6 категорий рисков с P×I scoring. Конкретные эксперименты на 1-2 недели.

Решение: Что проверяем первым? Рискiest assumption = первый тест.

Артефакт 6-7: Interview Script + Respondent Recruitment

Входные данные: Product DNA пробелы + A-сегмент.

Результат: Product DNA-скрипт с трекингом 19 DP + план рекрутинга из 9 каналов.

Решение: Какие данные добираем? Coverage tracker показывает пробелы.

Артефакт 8-9: Competitor Map + Competitive Analysis

Входные данные: DP03 (текущее решение), DP14 (альтернативы).

Результат: конкурентный анализ через jobs — не логотипы, а реальный consideration set с job-fit scoring.

Решение: От кого отстраиваемся? Реальный конкурент ≠ категорийный.

Фаза 3: Design (Positioning → Pricing → Landing)

Цель: спроектировать продукт, цену и коммуникацию.

Артефакт 10-11: Positioning + Value Proposition

Входные данные: Switch Formula (Push/Pull/Anxiety/Habit), Consideration Set.

Результат: data-driven positioning statement + value proposition, основанные на реальном поведении переключения.

Решение: Как себя позиционируем? Push определяет проблему, Pull — обещание, Anxiety — гарантию.

Артефакт 12: Pricing Model

Входные данные: ABCDX-сегменты + WTP (DP16) + mode of usage.

Результат: модель монетизации по mode — 4 mode = 4 разные модели ценообразования.

Решение: Сколько берём и как? Pricing из WTP-данных, не из головы.

Артефакт 13-14: Landing Structure + Outreach Bank

Входные данные: Positioning + Segments + Offer Bank.

Результат: структура лендинга из 12 секций, каждая привязана к Product DNA + шаблоны outreach по awareness levels.

Решение: Что пишем на лендинге? Каждая секция = конкретный Data Point.

Фаза 4: Launch (GTM → Economics → Growth → Metrics)

Цель: запустить привлечение, измерить и масштабировать.

Артефакт 15: GTM Channels

Входные данные: Segments + Awareness Levels + RAT results.

Результат: GTM plan по 5 уровням осознанности с message mapping и бюджетами.

Решение: Через какой канал привлекаем? Awareness matching, не «таргет на всех».

Артефакт 16-17: Economics + Feature Priority

Входные данные: Segments + Pricing + LTV/CAC данные.

Результат: unit economics per segment + feature priority через Job Value.

Решение: Что строим первым? Feature priority из job value, не из голосования.

Артефакт 18-19: Growth Strategy + Success Metrics

Входные данные: GTM results + Economics + Job Chain Map.

Результат: growth strategy через job chain + KPI по каждому этапу воронки.

Решение: Как масштабируемся? Job chain определяет viral loops и upsell paths.

Артефакт 20-21: Pitch Deck + Presentation

Входные данные: все предыдущие артефакты.

Результат: pitch deck, за каждым слайдом которого стоят данные.

Решение: Как представляем инвесторам/партнёрам? Product DNA = готовые ответы на 80% вопросов.

Реальный walkthrough: стартап от нуля до launch-ready за 3 недели

Сервис автоматизации отчётности для e-commerce. Фаундер — бывший аналитик маркетплейса, видит проблему, но не знает, как структурировать discovery.

Неделя 1: Understand

• День 1-2: Диалог с AI CPO — описание продукта, клиентов, проблем. Система извлекла 34 факта, покрыла 11 из 19 DP.
• День 3: Pain Map сгенерирован: 2 HIGH-severity боли (ручная сверка данных + расхождение метрик между площадками).
• День 4: Job Statements + Persona Cards. Обнаружили 3 разных типа клиентов (по jobs, не по демографии).
• День 5: ABCDX-сегментация. A-сегмент: селлеры на 3+ площадках с оборотом от 5M руб/мес, которые уже потеряли деньги из-за ошибок в отчётах.

Неделя 2: Validate

• День 6-7: RAT Tests — 3 riskiest assumptions определены. Главная: «Селлеры готовы платить за автоматизацию, а не нанимать ещё одного аналитика».
• День 8-9: Product DNA-интервью с 5 респондентами (рекрутинг через TG-чаты селлеров). Coverage поднялся до 17/19 DP.
• День 10: Competitor Map: реальные конкуренты — Excel + помощник на аутсорсе (60%), 1C:Управление торговлей (25%), ручной сбор (15%). Не SaaS-конкуренты.

Неделя 3: Design + Launch prep

• День 11: Positioning из Switch Formula: «Для мультиплощадочных селлеров, которые уже потеряли деньги на расхождении отчётов — единая сводка по всем площадкам за 5 минут. Без аналитика, без Excel».
• День 12: Pricing: A-сегмент платит 15-30K руб/мес аутсорс-аналитику → WTP для SaaS = 5-10K руб/мес (экономия 2-3x).
• День 13: Landing Structure + Outreach Templates. Лендинг: 12 секций из Product DNA.
• День 14: GTM plan: Phase 1 — нишевые TG-каналы для селлеров (Problem-aware), Phase 2 — вебинар «Как считать unit economics на 3 площадках» (Solution-aware).
• День 15: Pitch Deck за 30 минут. Economics per segment. Success Metrics.

Итого: 3 недели, 21 артефакт, каждый основан на данных. Фаундер пошёл к первым клиентам с чётким positioning, обоснованной ценой и data-backed pitch deck.

Что AI делает vs что делает человек

Этап	AI делает	Человек делает
Сбор данных	Извлекает факты из диалога, классифицирует по 19 DP, отслеживает coverage	Описывает продукт, клиентов, делится инсайтами из интервью
Генерация артефактов	Генерирует Pain Map, Segments, Positioning и т.д. из собранных фактов	Валидирует, корректирует, добавляет контекст
Связи между артефактами	Отслеживает зависимости, помечает stale при обновлении данных	Принимает решение: обновлять или сохранить текущую версию
Интервью	Генерирует скрипт, анализирует транскрипты	Проводит интервью, строит rapport, задаёт уточняющие вопросы
GTM	Предлагает каналы, message mapping, бюджеты	Выбирает каналы, запускает кампании, анализирует результаты

Правило: AI ускоряет на порядок, но не заменяет человеческий judgment. Клиентские интервью, финальные решения о pricing, выбор стратегии — это человек. AI — это структура, скорость и consistency.

Iteration loops: когда возвращаться к ранним артефактам

Product discovery — не водопад. Вот когда нужно вернуться:

1. Новые интервью изменили Pain Map → пересмотреть Segments → Positioning → Landing
2. RAT-тест провалился → переоценить riskiest assumption → может измениться A-сегмент
3. GTM дал неожиданные результаты → канал привёл другой сегмент → обновить Segments + Economics
4. Pricing не сходится → вернуться к WTP-данным (DP16) → может нужны другие интервью
5. Churn выше ожиданий → диагностика через Switch Formula → обновить Pain Map + Onboarding

AI CPO поддерживает эти итерации через систему staleness: когда факты обновляются, зависимые артефакты помечаются жёлтым баннером «Данные обновились» и предлагают перегенерацию.

Ошибка: waterfall discovery

«Сначала полностью исследуем, потом полностью проектируем, потом полностью запускаем.»

Waterfall discovery — это иллюзия контроля. Реальность: вы никогда не соберёте «все данные» до начала дизайна. И никогда не спроектируете «идеальный продукт» до начала привлечения.

Правильный подход — progressive discovery:

• Начали с 11/19 DP → сгенерировали первую версию Pain Map и Segments
• Провели 5 интервью → обновили до 17/19 DP → обновили артефакты
• Запустили первый GTM-тест → получили данные → обновили Economics
• Каждая итерация занимает дни, не месяцы

21 артефакт — это не 21 этап. Это 21 решение, которые уточняются параллельно по мере поступления данных.

Начните с одного сообщения о вашем продукте — AI CPO определит, какие из 21 артефактов нужны первыми, и построит ваш путь. Попробовать бесплатно →

Dashboard: как выглядит прогресс

В AI CPO прогресс по 21 артефакту виден в реальном времени:

• Context Score — общий % заполненности данных (5 измерений: niche, pain, audience, economics, competitive)
• Artifact Status — locked (нет данных) → unlocked (можно генерировать) → generated → stale (данные обновились)
• Coverage Tracker — 19 DP с % заполненности
• Tip Builder — подсказка: «Добавьте данные о конкурентах (DP03, DP14), чтобы разблокировать Competitor Map и Positioning»

Система не просто хранит артефакты — она показывает путь от текущего состояния к launch-ready. Каждое сообщение в чате двигает прогресс.

Почему 21 артефакт, а не 5 или 50

21 — это не произвольное число. Это минимально полный набор решений для запуска продукта:

• Меньше 21 → пропускаете критические решения (большинство стартапов пропускают positioning, RAT, competitor map через jobs)
• Больше 21 → analysis paralysis. Каждый дополнительный артефакт удлиняет цикл без пропорционального улучшения решений

При этом система гибкая: если у вас уже есть данные (действующий продукт, клиенты, метрики) — часть артефактов заполняется автоматически. Если начинаете с нуля — система ведёт от Pain Map к остальным последовательно.

Следующие шаги

Если вы дочитали до этого места — вы уже понимаете структуру product discovery лучше 90% фаундеров. Вот конкретный план:

1. Сегодня: Начните диалог с AI CPO — расскажите о продукте и клиентах. 15 минут → первые факты + Pain Map.
2. Эта неделя: Добавьте данные из интервью или аналитики. Разблокируйте Segments и Positioning.
3. Следующая неделя: Запустите первый RAT-тест и GTM-эксперимент. Обновите артефакты на основе результатов.

Каждая статья этой серии — глубокое погружение в конкретный артефакт:

• Product DNA — 26 точек данных
• Pain Map — методология ранжирования
• ABCDX — сегментация по работам
• RAT — тестирование рисков
• Positioning — из Switch Formula
• Landing — 12 секций из Product DNA

Начните product discovery бесплатно: 15,000 кредитов на старте → aicpo.ru