Исследование
Фаза исследования: от данных к пониманию
Фаза исследования — фундамент всей работы. Здесь собираются данные, формулируются спросы (Demands), строятся сегменты и создаётся база для стратегических решений. Все 10 артефактов этой фазы основаны на Product DNA v2 — нитях Demand Architecture, Motivation Genome и Evidence Engine.
Карта болей / Friction Points
Методология
Карта болей основана на концепции Frustration Pressure (F1) из Transition Dynamics. В Product DNA v2 «боль» — это friction point: конкретная неудовлетворённость текущим решением, которая толкает пользователя к поиску альтернативы. F1 = интенсивность × длительность × частота.
Friction points классифицируются по типу спроса, к которому они относятся:
| Тип friction point | Demand Type | Пример | Значение для продукта |
|---|---|---|---|
| Функциональная | DT1 (Direct) | «Забываю включить таймер» | Прямая функциональная ценность продукта |
| Эмоциональная | Emotional Destination (Strand 1) | «Чувствую вину за переоценку часов» | Gap score: current → desired emotional state |
| Социальная | DT6 (Social) | «Клиент думает, что я непрофессионал» | Social Risk (F5) — как хочет выглядеть |
| Frictional (Tax) | DT3 (Frictional) | «Ввожу данные заново, потому что экспорт сломался» | L5 (Friction Point) — убрать автоматизацией |
| Compensatory | DT7 (Compensatory) | «Записываю в блокнот, потому что CRM не открывается на телефоне» | Disruption opportunity — решить оригинальную потребность |
Как работает генерация
- Вы описываете проблемы пользователей в чате (или загружаете данные из Telegram, файлы с отзывами)
- AI извлекает факты типа «pain» с весом от 10 до 100 (вес = интенсивность × достоверность)
- Friction points группируются по категориям и Demand Types
- Генератор строит приоритизированную карту: критические → средние → низкие
Критерии качества
- Конкретность: «Забываю включить таймер» лучше, чем «неудобно учитывать время»
- Привязка к контексту: каждая friction point привязана к конкретной ситуации (EP02 Catalyst)
- Traceability: каждая friction point ссылается на конкретное сообщение из чата
- Количество: минимум 5 для осмысленной карты, оптимально 10-15
- Разнообразие: должны быть представлены разные Demand Types
Пример
Для приложения тайм-трекинга для фрилансеров:Критические (F1 > 0.7):
— «Забываю включить таймер» (DT1 Direct, 12 упоминаний, вес 95)
— «Не понимаю, на что ушло время за неделю» (DT1 Direct, 9 упоминаний, вес 85)
Средние (F1 0.4-0.7):
— «Стыдно выставлять счёт "на глаз"» (DT6 Social, 6 упоминаний, вес 65)
— «Чувствую, что работаю неэффективно, но не могу доказать» (Emotional, вес 60)
Низкие (F1 < 0.4):
— «Хочу красивый отчёт для клиента» (DT1 Direct, 3 упоминания, вес 35)
Советы
- Загрузите экспорт Telegram-чата целевой аудитории — AI извлечёт friction points из реальных разговоров
- Цитируйте реальные слова пользователей (в кавычках) — это повышает вес факта
- Для каждой friction point определите Demand Type — помогает понять стратегическое действие
Карта Core Drives
Артефакт из Strand 1 (Motivation Genome). Визуализирует глубинные мотивации целевой аудитории через 6 Core Drives:
| # | Core Drive | Определение | Фразы-маркеры в интервью |
|---|---|---|---|
| CD1 | Mastery | Стать лучше в том, что важно | «хочу разобраться», «стать профессионалом» |
| CD2 | Autonomy | Контролировать процесс и решения | «не зависеть от...», «сам решаю», «свобода» |
| CD3 | Security | Защитить то, что имеешь | «не потерять...», «стабильность», «гарантия» |
| CD4 | Status | Быть признанным, заметным, уважаемым | «чтобы считали экспертом», «репутация» |
| CD5 | Connection | Принадлежать, быть частью чего-то | «команда», «вместе», «для семьи» |
| CD6 | Efficiency | Тратить меньше ресурсов на рутину | «быстрее», «не тратить время», «автоматизировать» |
B2B-правило
В B2B решениях почти всегда участвуют CD3 (Security) + CD4 (Status) для ЛПР лично —
даже когда заявленная причина CD6 (Efficiency). Карта Core Drives помогает это увидеть.
Формулировка спроса (Demand Statements)
Методология: Product DNA Demand Statement
Demand Statement — фундаментальная единица анализа в Product DNA v2. Формулировка описывает не то, что делает продукт, а то, что пользователь пытается достичь в конкретном контексте.
Каноническая формула: «Когда [ситуация/trigger], я хочу [действие], чтобы [измеримый результат]»
Каждый Demand Statement относится к уровню в 7-уровневой иерархии спроса (L0-L6) и классифицируется по одному из 8 типов спроса (DT1-DT8).
8 типов спроса (Demand Types)
| Тип | Определение | Пример | Стратегическое действие |
|---|---|---|---|
| DT1 Direct | Целенаправленное действие к результату | «Купить куртку для похода» | Решать лучше конкурентов |
| DT2 Orientational | Поиск, оценка, выбор | «Найти CRM под мою команду» | SEO, контент, organic захват |
| DT3 Frictional | Из-за дефектов текущего решения | «Ввожу данные заново, экспорт сломался» | Убрать автоматизацией |
| DT4 Aspirational | Нет поведенческих доказательств | «Когда-нибудь хочу выучить китайский» | Отфильтровать из roadmap |
| DT5 Habitual | Автоматическое повторение | «Каждое утро открываю Slack» | Retention driver — защищать |
| DT6 Social | Для/с другими людьми | «Показать отчёт клиенту» | Viral growth — sharing |
| DT7 Compensatory | Обходной путь | «Записываю в блокнот — CRM слишком сложная» | Disruption — решить оригинал |
| DT8 Emergent | Только благодаря новому инструменту | «AI находит паттерны в 50 интервью» | Category creation — обучать рынок |
Важно
DT2 (Orientational) = поисковые запросы → точка органического захвата: контент на vc.ru, Habr, YouTube, SEO.DT3 (Frictional) = баги/фрикции текущих решений → продукт, который убивает friction конкурента, получает мощный Push (F1).
DT4 (Aspirational) = исключить из скоринга — нет поведенческих доказательств.
6 свойств спроса
| Свойство | Определение | Шкала | Влияние на продукт |
|---|---|---|---|
| Sequence Position | Позиция в цепочке исполнения | 1-N ordinal | Ранние = commoditize (автоматизация). Поздние = захватить ценность |
| Frequency | Как часто спрос возникает | Daily → Once | Высокая частота = привычка, retention |
| Social Radius | Сколько людей вовлечено | Solo → Public | Wider radius = higher viral coefficient |
| Elimination Potential | Может ли продукт уничтожить этот шаг | 0.0-1.0 | High = «killable» step → автоматизация |
| Value Concentration | Где пользователь видит создание ценности | Low → Critical | High = pricing anchor point |
| Switching Cost | Стоимость смены решения на этом шаге | $ / часы / риск | High = moat creation opportunity |
Killable Demands
Шаги ранее в цепочке с высоким Elimination Potential — «killable demands».
Продукт, который «убивает» предшествующие шаги, захватывает больше ценности.
Пример: Яндекс.Аренда убила шаги по осмотру, депозиту и договору — всё, что было до «заехать в квартиру».
Пример полного Demand Statement
L2 Primary Demand (DT1 Direct, daily, solo):«Когда я заканчиваю рабочий день, я хочу точно знать, сколько часов я отработал на каждый проект, чтобы выставить честный счёт клиенту и не чувствовать себя виноватым за переоценку.»
Core Drive: CD2 (Autonomy) + CD3 (Security)
Emotional Destination: Frustrated → Confident (gap score: 7)
Trigger (EP02): Конец рабочего дня, когда нужно записать часы
Incumbent Solution (EP03): Google Sheets + таймер в телефоне
Decision Criteria (EP07): Быстро (< 3 мин), точно (± 5 мин), без ручного ввода
Demand Graph (Карта Job-ов)
Методология: Demand Graph Algebra
Карта Job-ов — визуальное представление 7-уровневой иерархии спроса и связей между ними. Это не обычная mind map — это граф с типизированными рёбрами:
| Тип связи | Обозначение | Что означает | Пример |
|---|---|---|---|
| hierarchy | L1 → L2 | Декомпозиция «родитель-потомок» | Life Outcome → Primary Demand → Demand Step |
| sequence | L3 → L3 | Временная последовательность | «Collect data» → «Analyze» → «Prioritize» |
| enables | L3 ⇒ L3 | Prerequisite зависимость | «Upload transcript» ⇒ «Extract data points» |
| conflicts | L3 ⊗ L3 | Взаимоисключающие | «Move fast» ⊗ «Be thorough» |
| competes | Solution → L2 | Альтернатива решает тот же спрос | Toggl → «Учёт времени» |
Операции с графом
- Coverage analysis: Какой % L3-шагов L2 покрывает наш продукт?
- Gap analysis: Какие L3-шаги не имеют решающей фичи?
- Chain bottleneck: Какой L3-шаг имеет наибольшую friction × frequency?
- Elimination opportunity: Какие L3-шаги имеют высокий Elimination Potential?
Как использовать граф
- Начинайте с L2 (Primary Demand) — это ваша текущая позиция
- Смотрите вверх (L1): какой Life Outcome стоит за Primary Demand? Если вы решаете L1 целиком — это мощнее
- Смотрите вниз (L3): какие Demand Steps можно «убить» (Elimination Potential)?
- Смотрите вбок: какие Related Demands возникают до/после? Если решаете их тоже — это lock-in
Сегменты пользователей
Методология: Demand-Based Segmentation + Segment Fit Score
В Product DNA v2 сегмент = люди с одинаковыми Primary Demands + одинаковыми Execution Criteria в одинаковом контексте. Это принципиально отличается от демографической сегментации. 25-летний фрилансер и 55-летний CEO могут быть в одном сегменте.
Каждый сегмент оценивается по 10-факторному Segment Fit Score (см. Методология), который определяет грейд: A/B/C/D/X.
Классификация по Segment Fit Score
| Грейд | Score | Определение | Действие |
|---|---|---|---|
| A | ≥ 7.5 | Идеальный fit: спросы совпадают, готовы платить, быстрое решение | All-in: продукт, маркетинг, продажи для них |
| B | 6.0-7.4 | Хороший fit: большинство спросов совпадают, есть фрикции | Обслуживать хорошо, оптимизировать конверсию |
| C | 4.0-5.9 | Маргинальный: часть спросов совпадает, низкая WTP | Деприоритизировать — 80% поддержки |
| D | < 4.0 | Плохой fit: спросы не совпадают | Активно отказывать или перенаправлять |
| X | Unscored | Недостаточно данных | Приоритет исследования — провести интервью |
Правило 80/20
80% выручки должны приходить от A+B. Если C+D потребляют > 20% времени команды — активно обрезайте.
Типичная ошибка: C-сегмент громко жалуется, и команда тратит ресурсы на него вместо A-сегмента.
Дашборд уверенности
Артефакт из Strand 5 (Evidence Engine). Визуализирует, что вы знаете и насколько уверены:
- Покрытие EP: какие из 26 Evidence Points собраны, какие отсутствуют
- Bayesian Confidence: вычисленная уверенность с учётом sample size, consistency, behavioral signal, temporal decay
- Evidence Quality Tier: Hypothesis / Bronze / Silver / Gold / Platinum
- Рекомендации: какие EP собрать в первую очередь для максимального прироста уверенности
Решения по уверенности
- Confidence ≥ 0.70 → Безопасно строить фичи для этого спроса
- Confidence 0.50-0.69 → Строить если low cost, иначе собирать больше данных
- Confidence 0.30-0.49 → Приоритет исследования — НЕ строить
- Confidence < 0.30 → Только гипотеза — валидировать перед любыми инвестициями
Карточки персон
Методология: Demand-driven персоны
В отличие от традиционных персон, demand-driven персоны фокусируются на спросах, контексте, Core Drives и Transition Forces. Карточка включает:
- Primary Demand (L2) + Emotional Destination (Strand 1)
- Core Drives — ключевые мотивации (CD1-CD6)
- Trigger (EP02) — ситуация, когда возникает потребность
- Incumbent Solution (EP03) — что используют сейчас
- Decision Criteria (EP07) — как судят об успехе
- Transition Forces — F1-F6 для этой персоны
- Economic Threshold (EP16) — готовность платить
Пример
Персона: Анна, UX-дизайнер фрилансерPrimary Demand: Точный учёт времени на проекты
Core Drives: CD2 (Autonomy) + CD3 (Security)
Emotional Destination: Frustrated → Confident (gap: 7)
Trigger (EP02): Конец рабочего дня, нужно записать часы
Incumbent (EP03): Google Sheets + таймер в телефоне
Decision Criteria (EP07): Быстро (< 3 мин), точно, без усилий
WTP (EP16): 500-1000 руб./мес.
F1 Frustration: Формулы в Sheets ломаются, ручной ввод забывается (intensity: 7, freq: daily)
F3 Outcome Attraction: Видела авто-трекинг у коллеги — удобно
F4 Behavioral Inertia: Data: 3 года данных в Sheets. Habit: ежедневный workflow
F5 Risk Perception: Functional: «А вдруг потеряю данные при миграции?»
Скрипт интервью
Методология: 26 Evidence Points интервью
AI генерирует скрипт для глубинного интервью по Product DNA v2. Ключевое отличие: вопросы направлены на прошлое поведение (что делал, сколько платил, когда решил поменять), а не на будущие намерения («купили бы вы?»).
Золотое правило Product DNA
Спрос изучается по факту затрат в прошлом — НИКОГДА по будущим намерениям.
«Купили бы вы?» = бесполезные данные. «Сколько заплатили за решение последний раз?» = реальный сигнал.
Структура скрипта
Скрипт строится вокруг 6 Transition Forces и 26 Evidence Points:
- Разогрев (2-3 мин) — установление раппорта, согласие на запись
- Контекст и Trigger (5-7 мин) — EP01-EP02: «Когда впервые задумались? Что произошло?»
- Incumbent Solution + Inertia (5-7 мин) — EP03, EP22: «Как решаете сейчас? Что пробовали раньше?»
- Frustration Pressure (10-15 мин) — EP04-EP05, EP20: «Что не устраивало? Почему ушли от предыдущего?»
- Outcome Attraction + Consideration Set (5-7 мин) — EP06, EP14, EP25: «Что рассматривали? Как видите жизнь через 6 мес.?»
- Risk Perception + Decision (5-7 мин) — EP07-EP08, EP21, EP23: «Чего боялись? Кто сопротивлялся?»
- First Contact + Value Revelation (3-5 мин) — EP09-EP10, EP26: «Первый опыт? Когда стало ценным? За сколько?»
- Advocacy + Engagement (3-5 мин) — EP11-EP12, EP24, EP19: «Как описали бы другу? Как измеряете ROI?»
- Завершение + попытка продажи (2-3 мин) — реальное предложение или CTA
26 Evidence Points
Каждое интервью должно стремиться собрать все 26 Evidence Points (см. 26 EP).
Качество данных определяется покрытием:
- Platinum: EP01-EP26, N ≥ 10 интервью → confidence ceiling 0.95
- Gold: EP01-EP19, N ≥ 5 → ceiling 0.85
- Silver: EP01-EP12, N ≥ 3 → ceiling 0.70
- Bronze: EP01-EP07, N ≥ 1 → ceiling 0.50
- Hypothesis: < 7 EPs, N = 0 → ceiling 0.30 max
Критерии качества
Артефакт из Strand 5C (Execution Criteria). Формализует, как клиенты оценивают выполнение спроса:
| Мета-измерение | Вопрос | Пример outcome |
|---|---|---|
| Accuracy | Правильный ли результат? | «Увеличить вероятность, что извлечённые факты соответствуют содержанию интервью» |
| Speed | Насколько быстро? | «Минимизировать время от загрузки данных до первого инсайта» |
| Confidence | Можно ли доверять? | «Увеличить вероятность, что рекомендации основаны на доказательствах» |
| Fit | Подходит ли к моему контексту? | «Минимизировать нерелевантные рекомендации для моей индустрии» |
| Presentation | Удобно ли представлен результат? | «Минимизировать усилия для отправки артефакта стейкхолдерам» |
| Effort | Сколько усилий? | «Минимизировать ручной ввод данных при онбординге» |
Включает Kano-классификацию (Must-be / One-dimensional / Attractive) и ODI Opportunity Score (Importance + max(I-S, 0)) для приоритизации.
Рекрутинг респондентов
Методология: поиск людей с реальным опытом
Критическое правило рекрутинга: только люди, которые УЖЕ ПЛАТИЛИ деньги за решение релевантного спроса или конкурирующее решение. Заявленные намерения («Я бы купил...») = бесполезные данные.
9 каналов рекрутинга
| # | Канал | Лучше всего для | Стоимость | Скорость | Качество данных |
|---|---|---|---|---|---|
| 1 | Существующие клиенты | Любой продукт с юзерами | Бесплатно | 1-2 дня | Высшее — они уже платили ВАМ |
| 2 | Личная сеть (команда) | Редкая экспертиза, B2B | Бесплатно | 1-3 дня | Высокое — тёплый контакт |
| 3 | Snowball-рефералы | После первых 2-3 интервью | Бесплатно | Ongoing | Высокое — pre-qualified |
| 4 | Telegram-каналы/чаты | RU/CIS, B2C, SMB | 0-3000 руб. | 3-7 дней | Среднее |
| 5 | LinkedIn + email | B2B, international | 0-5000 руб. | 5-14 дней | Среднее-Высокое |
| 6 | Конференции/вебинары | Нишевые профессионалы | 0-15000 руб. | 7-14 дней | Среднее |
| 7 | Платные панели | Срочно, USA/Europe | $50-200/интервью | 1-5 дней | Среднее (incentive bias) |
| 8 | Рекрутинговые агентства | B2B, C-level | $100-500/интервью | 7-21 день | Среднее-Высокое |
| 9 | B2C-агентства (RU) | Российский рынок | 3-10K руб./интервью | 5-10 дней | Среднее |
Скрининг: 5 обязательных фильтров
Скрининговая анкета
1. Платили ли за решение этой задачи? (обязательно — без исключений)— Что именно? Сколько? Когда?
2. В целевом сегменте?
— Роль/ситуация совпадает? Контекст (trigger, стадия) совпадает?
3. Может описать ПРОШЛОЕ поведение?
— «Расскажите о последнем разе, когда...» Если только «Я бы...» → отклонить
4. Свежесть: спрос проявлялся в последние 6 месяцев?
— Старше = искажение памяти (Kahneman: peak-end rule)
5. Автономия решения: этот человек принимал решение о покупке?
— B2B: был ли ЛПР или только пользователь?
Автоматическое исследование
Помимо ручного ввода данных, AI CPO проводит автоматическое исследование ниши. Нажмите кнопку «Исследование» в чате или напишите «Исследуй нишу [название]».
Как работает
- Подбор ниши: NicheMatcher — keyword LIKE match → LLM fallback → find/create niche
- Проверка кеша: Если ниша уже исследовалась и данные свежие — возвращаются мгновенно (0 сетевых вызовов)
- Расширение запросов: LLM генерирует поисковые запросы для DuckDuckGo и Telegram
- Поиск каналов: Находит TG-каналы (фильтр: подписчики ≥ 50, посты свежее 90 дней, фильтр ботов)
- Сбор постов: Парсит 2-3 страницы из каждого канала (~60 постов, pagination через before=)
- Поиск статей: Находит статьи на vc.ru, Habr (JSON state + generic readability)
- LLM-фильтрация: AI отбирает только pain-relevant инсайты
- Итерация: Если инсайтов < 5 — исследование повторяется (до 3 раундов)
Кеширование
Результаты исследований кешируются для всех пользователей (shared corpus). TTL: посты 24ч, статьи 7д,
инсайты 90д. Повторное исследование той же ниши может быть бесплатным, если кеш свежий.
Стоимость
Автоматическое исследование стоит 500 кредитов. Используйте его после первичного сбора контекста через чат —
тогда AI будет искать инсайты, релевантные уже собранным данным.