Валентин Потапов
Спасибо, прочитал и вторую статью про COM-B. Она натолкнула еще на одну мысль.
Вы пишете, что COM-B особенно ценна для анализа поведения, но требует исследований и накопленной телеметрии. Возникла гипотеза: можно ли часть этой работы перенести на этап до запуска продукта?
Например, если бизнес-процесс представлен в виде FSM, построить синтетическое «общество пользователей», где каждый виртуальный пользователь или их когорта имеет собственную динамическую модель COM-B и TTM. Прогоняя таких пользователей через FSM, можно получать синтетическую телеметрию, искать слабые места сценариев и улучшать их еще до появления первых реальных пользователей.
А после запуска возникает обратная задача: если продукт исторически развивался без явной FSM, попробовать восстановить по реальной телеметрии его поведенческий цифровой двойник в виде FSM и уже на нем проводить те же эксперименты по адаптации сценариев.
Получается, что одна и та же архитектура может работать и до, и после появления продукта. Не встречали ли вы подобного применения FSM в сочетании с поведенческими моделями?
Спасибо! Мне кажется, здесь есть еще одно интересное направление развития.
Если я правильно понимаю, Growth Hacking в основном опирается на реальную телеметрию уже работающего продукта. Меня же заинтересовала возможность использовать похожий подход как до появления продукта, так и после.
До пилота можно построить синтетическое «общество пользователей», генерирующее телеметрию, и использовать его для эволюции поведенческих моделей (TTM/COM-B/Фогга) и самой FSM ещё до появления первых реальных данных. Тогда реальная телеметрия после запуска уже не создает инструмент с нуля, а калибрует и уточняет заранее подготовленную модель.
После появления продукта возможен и обратный сценарий: если продукт исторически развивался без явной FSM, AI может попытаться восстановить по телеметрии его поведенческий «цифровой двойник» в виде FSM. После этого появляется возможность применять те же методы адаптации сценариев и сравнивать различные варианты изменений уже на управляемой модели, а затем переносить лучшие решения обратно в продукт.
По сути получается единый цикл: до запуска FSM строится и развивается на синтетической телеметрии, а после запуска — уточняется и оптимизируется по реальному поведению пользователей. Не встречались ли вам подобные подходы в практике или исследованиях?
Речь, по сути, про встроенную в Claude и Codex команду "/goal"
Спасибо за статью. Возникла мысль по поводу ограничений модели Фогга и перехода к COM-B/TTM.
Если рассматривать COM-B и TTM не только как инструменты анализа, а как источник параметров для интерфейса, то получается интересная архитектура. Сами модели помогают определить, что стоит изменить в сценарии, а затем эти изменения реализуются через адаптацию FSM.
Например, один и тот же сценарий заказа может исполняться по-разному для новичка и постоянного клиента: где-то пропускаются необязательные шаги, где-то появляются дополнительные подсказки, где-то меняется порядок вопросов. При этом бизнес-логика остается прежней — меняется только конфигурация автомата.
Встречали ли вы подобный подход в практике крупных продуктов? Мне кажется, он мог бы объединить объяснимость FSM с персонализацией, которую обычно реализуют через ML.
Я и писал про разработчиков и вайбкодеров. Не думаю что "простые люди" пользуются платными инструментами ИИ. Хотя иногда промо срабатывает, но в любом случае полезно понимать, что ничего нового придумать практически не реально в этой теме. Только нишевые применения
У меня тоже перестала открываться. Но ключевые слова есть и оригинал статьи в х, далее можно уже у ИИ обзор и ссылки запросить
Скорее я имею в виду не «общество» в социологическом смысле, а набор виртуальных пользователей с разными моделями поведения.
Например, часть из них осторожные, часть нетерпеливые, часть быстро теряет мотивацию, часть склонна тщательно сравнивать варианты. Каждый такой пользователь проходит через FSM сценария, а его решения принимаются на основе поведенческой модели (например, COM-B или TTM). В результате получается синтетическая телеметрия — не для замены реальных пользователей, а для предварительной проверки архитектуры сценариев.
После появления реальной телеметрии эти модели уже можно калибровать и постепенно заменять предположения наблюдаемыми данными.
Я пока рассматриваю это скорее как исследовательскую гипотезу: можно ли использовать такую симуляцию для поиска слабых мест FSM и проверки изменений до проведения дорогостоящих экспериментов на реальных пользователях.