Как меняется подход к исследованию потребностей пользователей в эпоху AI
Исследования потребностей пользователей, на мой взгляд, одна из самых интересных частей работы над продуктом. Но, кажется, эту сферу ждут большие перемены. Смотрите сами.
Раньше мы:
— часами формулировали вопросы;
— переслушивали, стенографировали и тегировали интервью;
— спорили над каждой формулировкой pain или job.
Теперь всё это может делать AI. Уже делает.
📌 User Interviews провели исследование:
90% UX-исследователей используют AI для анализа интервью, 60% — для подготовки самих вопросов. AI теперь не только структурирует инсайты, но и задаёт уточняющие вопросы в процессе — лучше многих джунов, ведь у него нет потребности подтвердить свои собственные гипотезы.
📌 В Fiserv внедрили conversational AI в сбор обратной связи. Нейросетка сама адаптирует вопросы под пользователя. Результат — +10 баллов к NPS и в 1,5 раза больше смысла в ответах.
📌 В Jobs to Be Done исследовании AI помогает быстро собирать карты задач, вычленять альтернативные сценарии и даже приоритизировать. (Да, это уже не фантастика, а практика — пример тут).
📌 Мой личный опыт: создать проект в Chat GPT Plus, загрузить в него файлом все транскрипты интервью, добавить список гипотез, попросить оценить true или false каждую гипотезу для каждого респондента, построить красивый отчёт. Сравнивал с ручной обработкой на нескольких респондентах — совпадение 80%. А скорость выше на порядок.
Что это всё значит для нас, продактов?
AI не убирает исследования. Он делает их:
— быстрее (анализ за минуты);
— глубже (уточняющие вопросы прямо во время разговора);
— дешевле (можно сделать больше интервью, на потоке, с автоматическим созданием отчетов).
Но.
Как всегда: кто задаёт вопрос — тот и управляет ответом. LLM может помочь, но не поймёт полный контекст так, как вы. И не распознает эмоциональный сигнал в голосе пользователя. Пока. Так что подход меняется. Но роль продакта-исследователя — пока что нет.
Подписывайтесь на Telegram-канал Продукторий Владимира Меркушева.