Гид по методам исследования для создания и развития продукта

Простой тест от технологического инкубатора Digital Horizon Venture Builder, который поможет командам, работающим над инновационными продуктами, быстрее проходить “развилки”.

Меня зовут Виктория Дмитренко, я руководитель направления продуктового дизайна в Digital Horizon Venture Builder. Мы исследуем рынки, общество, технологии и прогнозы, формулируем перспективы развития индустрии, а затем разрабатываем и проверяем концепты. Лучшие из них превращаются в стартапы, способные за полгода создать продукт, подтвердить его жизнеспособность и перейти на следующий уровень инвестиционного цикла.

Высокая степень неопределенности сопровождает команды, работающие над технологическими проектами и в корпорациях, и в стартапах. Прояснить ситуацию во многих случаях помогают исследования. Главное, выбрать подходящий способ поиска ответов, иначе все станет еще сложнее.

Мы проходили этот путь не раз, выявили закономерности и рады поделиться своим опытом в применении разных методов исследования. Сориентироваться в палитре наших любимых инструментов поможет простой тест. Ниже – короткое описание каждого метода и рекомендации по его использованию.

Хороший метод исследования для ситуаций, когда надо широко посмотреть на вопрос: найти спектр пользовательских задач или их решений. Это исследование экономит время и помогает не изобретать велосипед.

Исследование конкурентов или аналогов часто работает лучше, чем глубинные интервью. Сделать его можно быстрее и дешевле. Это распространенный метод, но команды часто недоиспользуют его.

При исследовании конкурентов мы в Digital Horizon придерживаемся трех принципов:

• Диверсификация списка конкурентов по стадии развития, географии, технологиям, происхождению, бизнес-модели. В него должны войти и успешные большие стартапы, и инициативы корпораций, и ранние продукты.
• Диверсификация источников данных. Конечно, мы начинаем с отчетов и сайтов продуктов, но можем подключать экспертные интервью, тайных покупателей, интервью с клиентами и сотрудниками.
• Отстраненность. Многие стартапы, анализируя конкурентов, ищут подтверждение того, что их идея лучше и уникальнее. Кто ищет, тот найдет. Но результат такого исследования будет перекошенным, в один момент он вернет команду в исходную точку. На время исследования лучше отодвинуть свои наработки и посмотреть на то, что делают коллеги, как на источник вдохновения.

Лучше всего метод работает для уточнения идей, обнаружения подводных камней. А вот для поиска новых концепций или подтверждения гипотез глубинные интервью, по нашему опыту, не лучший инструмент, выстреливает редко.

Мы ищем в глубинных интервью инсайты, которые нельзя нагуглить. Эта информация обычно есть у экспертов из бизнеса или науки. Интервьюировать представителей b2c-аудитории имеет смысл, только если задача исследования – найти ограничения и барьеры в использовании продуктов.

Недавно мы случайно изобрели метод «hangover interview», когда в ситуации повышенной эмоциональной чувствительности респондент дает более глубокие и откровенные ответы. Правда, пока непонятно, как можно масштабировать этот внезапный успех.

Дает ответ на вопрос «Интересна ли наша идея?» или, что лучше, «Какая версия нашей идеи вызывает больше интереса и у кого?». Информацию о причинах интереса или игнора придется искать с помощью других методов – тестовый запуск тут практически бесполезен.

Мы предпочитаем исследование боем всегда, когда его можно применить. Обычную продажу от исследовательской отличает несколько нюансов.

В дизайне рекламных материалов строго придерживаемся принципа: один макет – одно сообщение для одного сегмента аудитории в нейтральном дизайне, чтобы очистить полученную информацию от посторонних шумов.

Например, макет с изображением в стиле киберпанк и сообщением “финансовое приложение нового поколения: все цифровые валюты с минимальными комиссиями в твоем кармане” может давать хорошую конверсию, но не дает информации о том, что привлекло аудиторию: картинка, обещание финансового приложения нового поколения (“что это вообще значит?”), широкий спектр цифровых валют, низкие комиссии или тот факт, что мы предлагаем мобильное решение?

Больше информации дает макет со сдержанным дизайном и следующим сообщением: "Получаешь платежи из-за границы? Используй мобильный кошелек и карту с поддержкой цифровых валют и простой конвертацией в рубли".

Так мы понимаем, в первую очередь, актуальную ситуацию потребления.

Еще лучше – скучное “покупай цифровые валюты с минимальными комиссиями”. Если такой макет дает лучшие конверсии, чем, например “цифровые валюты по лучшему курсу”, мы делаем вывод, что минимальные комиссии для аудитории важнее.

Это расширяющее, а не уточняющее исследование. Применяется для поиска новых сегментов аудитории и новых преимуществ для текущих пользователей. Метод активно применяется в инклюзивном дизайне.

На этом этапе мы ищем как можно больше примеров экстремального поведения или характеристик аудитории – всех, кто значительно отличается от усредненного портрета: например, человека с проблемами с дикцией при разработке голосовых помощников; жителя страны с неразвитой банковской системой для финтех-продуктов; пользователя с переломом руки для мобильного приложения. Найти примеры можно с помощью кабинетного исследования аудитории или на рабочих сессиях с командой и привлеченными экспертами.

В дальнейшем выбранные персоны исследуются по методам Lead User Innovation или Interaction Research.

С нашей точки зрения, это лучший способ найти те самые пользовательские инсайты, которые так сложно добываются на глубинных интервью. Сотворчество с пользователями в этом смысле оказывается очень эффективным.

Lead User Method еще в 1986 году предложил профессор Массачусетсткого технологического института (MIT) Эрик фон Хиппель. И он до сих пор активно используется инноваторами, которые стремятся создавать продукты, опережающие массовый рынок.

Например, в России первыми пользователями услуг по доставке покупок на дом стали мамы в декрете. Они сделали этот выбор не из-за любви к инновациям. Просто им было сложно приобретать товары из-за ограничений в перемещениях.

Первопроходцев ищут с помощью методов расширения спектра персон или когортного анализа аудитории, а затем приглашают к сотворчеству.

Набор методов исследования опыта взаимодействия/отказа от взаимодействия пользователей с категорией или продуктом. Выполняется через наблюдения в естественной среде, UX-тесты или игру во взаимодействие.

Задача таких исследований – найти ограничения или нестыковки, которые мешают продукту работать так, как мы задумали.

Результаты исследований используются в сессиях по инклюзивному дизайну, при составлении карты пути пользователя (Customer Journey Map) или в отчетах по результатам UX-тестов.

Один из видов такого рода исследований – тестирование прототипа. Пользователи взаимодействуют с прототипом, не обязательно полноценным кликабельным. Иногда они сортируют карточки с фичами, смотрят на сториборды. Главное условие – диалог ведется с позиции взаимодействия с уже существующей идеей.

Деконструкция решений конкурентов и аналогов для поиска лучших практик. От исследования конкурентов отличается тем, что глубоко исследуется конкретный интересующий аспект. Другими словами, это исследование конкурентов и аналогов, но под микроскопом.

Например, нам надо узнать, как сделать лучший KYC в приложении. Мы начинаем с простого: проходим процедуру у конкурентов как обычный клиент. Затем наступает этап более детального препарирования: звонки в поддержку, попытки “сломать” решение, чтобы узнать, какие антивандальные решения у них внедрены и так далее.

А еще с помощью обратной разработки мы выделяем паттерны, прослеживающиеся в разных категориях, и создаем на их основе упражнения для рабочих сессий. Это помогает участникам применять новейшие технологические возможности в проектировании решений.

Пользователь не хочет скачивать приложение? А что если отказаться от приложения совсем? Как можно решить задачу пользователя с zero-интерфейсом?

Набор методов, применимый для улучшения существующих продуктов на основе данных. В большей степени подходит для крупных стартапов и корпоративных инноваций, когда продукты создаются для пользователей, данные по которым уже накоплены.

Метод позволяет обнаружить и выделить паттерны в собранных данных через анализ дата-сетов. Подходит для широкого спектра вопросов, в том числе и для выявления и устранения ошибок в AI-продуктах. Например, задачей может стать поиск причин, по которым виртуальный ассистент хамит пользователям.