Стартап с 50 страницами исследований — и нулевой PMF
В 2024 году edtech-стартап из Москвы потратил 4 месяца на исследование рынка. 50 страниц документации. 30 интервью. Подробные портреты аудитории. Конкурентный анализ на 12 слайдов. Финансовая модель на 5 лет.
Через 8 месяцев после запуска — pivot. Продукт не купили. Не потому, что команда не работала. А потому, что из 19 критических точек данных о клиенте они собрали 3.
Это не исключение. Это норма. По данным CB Insights, 35% стартапов закрываются из-за отсутствия рыночной потребности — то есть команда не понимала, какую работу клиент пытается сделать. Не потому что не исследовала, а потому что исследовала не то.
Что такое Product DNA — и почему именно 26 точек
Product DNA — это фреймворк структурирования знаний о клиенте, основанный на Advanced Jobs-to-be-Done (Product DNA). Вместо свободного формата «инсайтов» и «наблюдений» он задаёт 19 конкретных точек данных, которые нужно собрать, чтобы принимать обоснованные продуктовые решения.
Почему именно 19? Потому что каждая из них покрывает один аспект процесса переключения — от момента, когда клиент впервые почувствовал проблему, до момента, когда он регулярно использует новое решение. Пропуск любой точки создаёт слепое пятно, которое приводит к неверным решениям.
Полная карта 19 Data Points
| # | Data Point | Категория | Что показывает |
|---|---|---|---|
| DP01 | Первая мысль при возникновении проблемы | Push | Триггер осознания |
| DP02 | Триггерное событие | Push | Что конкретно произошло |
| DP03 | Текущее решение до переключения | Inertia | С чем реально конкурируете |
| DP04 | Фаза пассивного поиска | Push | Когда начал смотреть по сторонам |
| DP05 | Фаза активного поиска | Push | Что заставило искать целенаправленно |
| DP06 | Первое рассмотренное решение | Pull | Consideration set клиента |
| DP07 | Критерии выбора | Pull / Anxiety | Как принимается решение |
| DP08 | Социальное подтверждение | Anxiety | Кого спросил перед покупкой |
| DP09 | Первый опыт использования | Onboarding | Момент истины |
| DP10 | Момент ценности (magic moment) | Pull | Когда понял, что работает |
| DP11 | Что рассказал другим | Language | Реальный язык клиента |
| DP12 | Контекст регулярного использования | Habit | Когда и как возвращается |
| DP13 | Костыли и workarounds | Habit | Что ещё не решено |
| DP14 | Альтернативы в рассмотрении | Competitive | Реальный competitive set |
| DP15 | Желаемое эмоциональное состояние | Deep Need | Emotional job |
| DP16 | Бюджет / WTP-сигнал | Economics | Готовность платить |
| DP17 | Кто ещё участвует в решении | Context | Social job, committee |
| DP18 | Временной горизонт / срочность | Context | Pressure to switch |
| DP19 | Определение успеха | Outcome | Измеримый результат |
5 категорий: Push, Pull, Anxiety, Habit, Context
26 точек группируются в 5 категорий, которые соответствуют силам Switch Formula:
graph LR
subgraph Push["🔴 Push (DP01-05)"]
A[Триггер] --> B[Пассивный поиск] --> C[Активный поиск]
end
subgraph Pull["🟢 Pull (DP06-10)"]
D[Первое решение] --> E[Критерии] --> F[Magic moment]
end
subgraph Anxiety["🟡 Anxiety (DP07-08, DP14)"]
G[Страх перемен] --> H[Социальное proof]
end
subgraph Habit["🔵 Habit (DP03, DP12-13)"]
I[Текущее решение] --> J[Контекст использования]
end
subgraph Context["⚪ Context (DP15-19)"]
K[Эмоции] --> L[Бюджет] --> M[Участники решения]
end
Push --> |"Давление"| Pull
Pull --> |"Притяжение"| Habit
Anxiety --> |"Тормоз"| Pull
Push — это давление, которое выталкивает клиента из текущего состояния. Не абстрактная «боль», а конкретные события: сорванный дедлайн, потерянный клиент, ошибка в отчёте.
Pull — притяжение нового решения. Критерии выбора, первое впечатление, момент, когда клиент понял: «это работает».
Anxiety — страх перемен. «А вдруг не сработает?», «А что скажет команда?», «А если данные потеряются при миграции?»
Habit / Inertia — сила привычки. Текущее решение «и так работает», костыли уже настроены, переучиваться лень.
Context — условия принятия решения: бюджет, срочность, кто ещё влияет, какой результат считается успехом.
Пример: Edtech-стартап — что собрали vs что пропустили
Вернёмся к edtech-стартапу. Вот что они собрали:
- DP01 — Первая мысль: «Нужна платформа для онлайн-курсов»
- DP07 — Критерии: цена, количество функций, интеграции
- DP16 — Бюджет: «готовы платить до 5000 руб/мес»
3 из 19. Вот что не собрали — и к чему это привело:
| Пропущенный DP | Последствие |
|---|---|
| DP02 — Триггерное событие | Не знали, когда клиент начинает искать. Маркетинг бил мимо момента потребности. |
| DP03 — Текущее решение | Думали, что конкурируют с Moodle. На деле конкурировали с Google Docs + Zoom. Совсем другое позиционирование. |
| DP10 — Magic moment | Онбординг вёл к функциям, которые не создавали ценность. 60% уходили на 2-й день. |
| DP11 — Что рассказал другим | Не знали язык клиента. Landing page говорил «LMS-платформа нового поколения», а клиенты искали «как вести курс без программиста». |
| DP13 — Workarounds | Не увидели, что клиенты собирают курсы в Notion + Telegram. Это был главный конкурент, не Moodle. |
| DP15 — Желаемое эмоциональное состояние | Клиенты хотели чувствовать себя «профессиональным преподавателем», а не «технарём с платформой». Весь UX был про технологии. |
Каждый пропуск — это не теоретическая проблема. Это конкретное неверное решение: неправильный конкурент, неправильный онбординг, неправильный язык на лендинге.
Как Pain Map вытекает из Product DNA
Pain Map — это не список жалоб клиентов. Это трансформация данных из Push-категории Product DNA в структурированную карту работ (подробнее в статье про Pain Map).
graph TD DP01["DP01: Первая мысль"] --> PM["Pain Map"] DP02["DP02: Триггер"] --> PM DP04["DP04: Пассивный поиск"] --> PM DP05["DP05: Активный поиск"] --> PM DP13["DP13: Workarounds"] --> PM PM --> JS["Job Statements"] JS --> PC["Persona Cards"]
Трансформация работает так: боль (DP01-05) → работа (job statement в формате «Когда [контекст], я хочу [действие], чтобы [результат]») → персона (человек с набором работ и критериев).
Без Product DNA Pain Map превращается в «список хотелок» — то, что команды обычно называют «фидбеком». С Product DNA каждая боль привязана к конкретному событию, имеет измеримую severity и ведёт к actionable job statement.
Распространённая ошибка: «Мы и так знаем клиента»
«У нас 200 клиентов, мы каждый день с ними общаемся. Зачем нам фреймворк?»
Это самая опасная иллюзия в продуктовой разработке. Общение с клиентами ≠ структурированные данные. Вот реальная статистика из 40+ продуктовых команд, которые проходили аудит:
- 92% команд имели данные по DP07 (критерии выбора) — потому что спрашивают на каждом демо
- 73% имели данные по DP16 (бюджет) — потому что это часть квалификации лида
- 8% имели данные по DP10 (magic moment) — потому что не отслеживают момент ценности
- 4% имели данные по DP11 (что рассказал другим) — потому что не спрашивают об этом
- 12% имели данные по DP03 (текущее решение до переключения) — потому что спрашивают «почему выбрали нас», но не «что использовали до нас и почему бросили»
Средний результат: 3.2 из 19 точек данных. При этом команда уверена, что «знает клиента». Потому что путает количество общения с качеством данных.
Как AI CPO генерирует Pain Map и Job Statements из диалога
В AI CPO процесс выглядит так: вы рассказываете о своём продукте и клиентах в чате. Система автоматически извлекает факты по каждой из 26 точек данных и показывает прогресс в реальном времени.
Когда данных достаточно, вы можете сгенерировать артефакты:
- Pain Map — карта болей с severity-ранжированием (HIGH / MED / LOW), привязкой к конкретным событиям и трансформацией в работы
- Job Statements — формулировки работ в Product DNA-формате с контекстом переключения
- Persona Cards — карточки персон, построенные не на демографии, а на наборах работ и критериев
Попробуйте рассказать AI CPO о своём продукте — он определит, какие из 26 точек у вас уже есть, а какие критически не хватает. Попробовать бесплатно →
Почему 26 точек > 200 страниц
200 страниц бизнес-плана создают иллюзию полноты. Детальный финансовый прогноз на 5 лет, SWOT-анализ, описание рынка из отчёта аналитиков — всё это выглядит солидно, но не отвечает на главный вопрос: какую работу клиент пытается сделать и почему текущее решение его не устраивает?
26 точек данных Product DNA — это компактная, но полная модель процесса переключения. Она покрывает:
- Почему клиент начал искать (Push: DP01-05)
- Что он ищет и как выбирает (Pull: DP06-10)
- Что ему мешает переключиться (Anxiety + Inertia: DP03, DP07-08, DP14)
- Как выглядит успех (Outcome: DP19)
- В каком контексте всё это происходит (Context: DP15-18)
Каждая точка — это конкретное решение, которое можно принять: позиционирование, онбординг, ценообразование, канал привлечения, feature priority.
Product DNA vs традиционный бизнес-план
| Параметр | Бизнес-план (200 стр.) | Product DNA (19 DP) |
|---|---|---|
| Время создания | 2-4 месяца | 5-10 интервью (2-3 недели) |
| Актуальность | Устаревает через месяц | Обновляется с каждым интервью |
| Actionability | «Рынок растёт на 15%» | «Клиент переключается, когда сервер падает 3-й раз за месяц» |
| Предсказательная сила | Низкая (прогнозы) | Высокая (реальное поведение) |
| Кому полезен | Инвесторам | Продуктовой команде |
Упражнение: проверьте свой Product DNA
Возьмите 5 минут и честно ответьте: по скольким из 26 точек у вас есть реальные данные (не предположения, не «мы и так знаем»)?
- Откройте таблицу 19 Data Points выше
- Для каждой точки спросите: «У меня есть конкретные цитаты из интервью или данные из аналитики?»
- Посчитайте «да»
Результат:
- 15-26 точек — Gold-уровень. Можно уверенно принимать решения.
- 8-14 точек — Silver. Есть слепые пятна, которые могут привести к неверным решениям.
- 1-7 точек — Bronze. Высокий риск pivot. Нужно срочно закрыть пробелы.
- 0 точек — Вы летите вслепую.
Следующие шаги
Product DNA — это фундамент. На нём строятся все остальные артефакты: Job Statements, Pain Map, ABCDX-сегментация, позиционирование, ценообразование.
Без Product DNA каждый из этих артефактов — гадание. С Product DNA — обоснованное решение.
Сгенерируйте Pain Map и Job Statements для вашего продукта бесплатно → aicpo.ru