Fast User Research с ИИ: как быстро «поговорить» с каждым сегментом пользователей
TL;DR Меня наняли запустить B2C‑версию телемедицины, но живых клиентов ещё не было: раньше сервис продавали через MLM, и тот канал выгорел. Чтобы быстро понять, кто наш новый пользователь и какие задачи он решает, я использовал ИИ. С помощью пары чатов за 20 минут на «респондента» я получил портреты сегментов, Job Stories и первые продуктовые гипотезы. Ниже — пошаговый рецепт.
Зачем понадобилось исследование
- Старый канал: MLM. Приводил мало платящих.
- Новая цель: прямые продажи B2C.
- Проблема: нет контактов с конечными пользователями, значит неясно: кто купит консультацию — в каком контексте — какую боль хочет закрыть.
Классические интервью заняли бы недели. Поэтому я решил смоделировать аудиторию в ИИ, а живых людей привлекать уже на проверку гипотез.
Краткий план
- Сделать два чата — Интервьюер и Респондент.
- Дать им JTBD‑скрипт и собрать ответы.
- Прогнать стенограммы через пару «аналитиков»‑чатов.
- Забрать портреты, Job Stories и список идей.
Требования: ChatGPT Plus, модель GPT‑4o (o1) и 30 минут времени.
Шаг 1. Готовим портретный промт
Что делаем
В новом чате просим GPT составить вопросы, необходимые для описания сегмента (возраст, семья, доход, страхи и т. д.).
- Отвечаем на них сами — используем то, что знаем с рынка и из командных гипотез. Если можете сказать только об их возрасте и принадлежности к полу, то понимайте, что тут при всем желании результат вы не получите.
- Просим бота собрать единый промт‑описание роли.
Пример работы
Запрос в чат
Бот даст список вопросов с пояснениями, какая информация необходима чату.
Мои ответы на вопросы:
Результат чата:
Результат. У вас есть готовый промт, описывающий роль пользователя.
Проверка, что всё ок
- В тексте промта явно упоминаются ключевые характеристики (возраст, город, доход, мотивация).
- GPT завершает сообщение словами вроде «Готов сыграть роль…».
Шаг 2. Создаём чат‑респондента
Что делаем
- Открываем новый чат
- вставляем промт из шага 1
- больше сюда не пишем ничего, кроме вопросов
Результат: ИИ отвечает от лица роли: «Здравствуйте! Рада помочь».
Проверка На «Как здоровье ребёнка?» даёт конкретный ответ, а не «Я всего лишь ИИ»
Шаг 3. Настраиваем интервьюера
Что делаем
- В третьем чате кладём ссылки или файлы по Jobs To Be Done.
- Даём промт: «Составь 15–20 открытых вопросов в порядке: прошлое → событие → поиск → использование».
Пример промта
Результат чата
Дополнение
Чтобы повысить точность вопросов, то можете создать папку внутри интерфейса ChatGPT и подгрузить материалы-файлы прямо в нее. Он будет на них ориентироваться для ответов вам.
Результат: Список вопросов вида «Расскажите, когда в последний раз…».
Проверка
- Нет закрытых «да/нет» вопросов
- Есть блок про тревоги и поводы отказаться
Шаг 4. Проводим интервью (Ping‑Pong)
Что делаем
- Берём вопросы у чата-интервьюера, задаём их чату-респонденту.
- Ответы копируем обратно чату-интервьюеру с просьбой «Что уточнить дальше?».
- Проверяем ответы, повторяем, пока не почувствуете, что вы находите инсайты из бегло прочитанных ответов
Вы должны фокусировать чат-интервьюера на том, для чего вы это делаете. Пример:
Результат: Стенограмма на 7–10 тыс. знаков с конкретными историями
Проверка
- Есть реальные ситуации («Осенью искала педиатра онлайн…»)
- Видны эмоции («Боялась ошибиться с диагнозом»)
Шаг 5. Сводим портрет
Что делаем: Передаём стенограмму новому чату с промтом создания портрета
Пример ответа
Проверка
- В каждом блоке ≥ 3 пунктов
- Есть минимум одна реальная цитата пользователя-чата
Шаг 6. Достаём Job Stories
Что делаем: Ту же стенограмму даём ещё одному чату: «Сформулируй Job Stories «Когда… / я хочу… / чтобы…» и добавь 4 силы Кристенсена».
Пример промта
Ответ чата
Чек-лист для проверки, что все сделал по шагам
- Создал портретный промт
- Создал чат-респондента
- Создал чат-интервьюера
- Провел интервью (Ping-Pong)
- Собрал новый портрет на данных
- Собрал Job Stories сегментам
Что делать с результатами
Список, как можно использовать результаты очень большой, вот несколько вариантов:
- Можно проверить на реальных пользователях часть результатов, чтобы удостовериться в точности результатов
- Можно взять часть проблем пользователя - провести брейшнторм с командой - инициировать несколько идей на тест
- Можно подготовить новые материалы в маркетинге
Лимитации метода:
- Стоит понимать, что то, что вы получаете в ходе такого исследования - гипотезы, которые необходимо еще подтвердить.
- Разница "До / После" заключается в том, что если до этого у вас была неопределенность в 90-95%, то сейчас она точно ниже. Она не равна 0, но точно не равна 95%.
- Так же вы должны быть готовы к тому, что мой промт необходимо дорабатывать под ваши нужды, так как часть моментов мне пришлось опустить, так как это было NDA. но 90% всей информации я показал.
Если у вас есть идеи, как можно улучшить данную схему - пишите в комменты или мне в тг: @netruner