Atomic Research: как исследования превращаются в систему

💥Знаю-знаю, что сегодня пятница, 14 февраля и уже хочется праздновать его с вашим валентином или с шоколадным тортом под новую Бриджит Джонс🙃 Но! Есть тема, которая меня будоражит и которой я хочу поделиться, не дожидаясь понедельника💥

Так о чем мы?
«Мы уже проводили CustDev, у нас есть инсайты» – говорят клиенты. А потом выясняется, что инсайты разрозненные, накопленные в хаотичных Notion-документах, где-то в Google Drive или в головах команды. В результате решения принимаются на основании последнего исследования (или, что хуже, мнения самого громкого человека в комнате), а старые данные игнорируются.

Как этого избежать? Нужно превратить исследования в систему.

Расскажу про принцип Atomic Research

Метод Atomic Research («Атомарные исследования») основан на том, что данные собираются в виде маленьких, независимых единиц – атомов, которые можно комбинировать и переиспользовать. Вместо того чтобы воспринимать исследования как разовые проекты, мы фиксируем каждое наблюдение, гипотезу, эксперимент и вывод в едином формате и едином месте.

Атомы исследований состоят из:
🔹 Наблюдения (что мы увидели, услышали)
🔹 Инсайта (что это значит для продукта/бизнеса)
🔹 Рекомендации (какое действие из этого следует)
🔹 Контекста (из какого исследования или теста это взято)

Почему это важно?
✅ Экономит время и деньги: не нужно каждый раз начинать с нуля – команда уже знает, что было изучено.
✅ Дает консистентные данные: вся команда работает с одними и теми же инсайтами, а не выдергивает удобные.
✅ Ускоряет принятие решений: гипотезы подтверждаются или опровергаются на основе накопленной базы знаний.

Примеры Atomic Research в действии
🔸 UX-исследования: собираем повторяющиеся пользовательские паттерны (например, сложность регистрации), чтобы не проводить каждый раз новые исследования с нуля.
🔸 Маркетинг: тестируем разные заголовки, фиксируем, какие сработали, и применяем успешные форматы в будущих кампаниях.
🔸 Продуктовая аналитика: сохраняем данные об экспериментах (A/B-тестах), чтобы не повторять ошибки.

Просто представьте, что если бы медицинские исследования проводились так же разово, как продуктовые? Врачам каждый раз приходилось бы проверять, эффективен ли парацетамол, потому что данные о прошлых испытаниях потерялись.

Но в бизнесе так делают постоянно)))

Ставьте реакции, если хотите понять, как правильно собирать, размечать и хранить данные, чтобы превратить исследования в систему.

Как исследования превращаются в систему ч.2

Продолжаем изучать тему. В прошлой части мы разобрались, что такое Atomic Research , а теперь нужно понять, а что делать-то с этим знанием?🤔

Теперь, когда мы знаем, что единицы знания – это некие атомы, которые нужно обрабатывать, хранить и всячески использовать, нам нужно выбрать место, где мы будем это делать.

А именно – создать Рисеч-репозиторий (не спешите закатывать глаза, это вовсе не так скучно, как кажется=)

Что это?
По сути это централизованное хранилище, где собираются, организуются и хранятся все материалы пользовательских исследований: отчеты, записи, заметки и другие данные.

Зачем нужен?
🍀Централизация данных: все материалы находятся в одном месте, что облегчает доступ и управление ими.
🍀Повышение эффективности: быстрый доступ к предыдущим исследованиям сокращает время на поиск информации и предотвращает повторение уже проведенных работ.
🍀Координация: различные команды могут легко делиться инсайтами и находками.

Какие могут быть репозитории?

1️⃣ Репозиторий инсайтов
Используется для хранения качественных данных, таких как интервью с пользователями, фидбэк от клиентов и заметки из наблюдений. Такой репозиторий помогает выявлять поведенческие паттерны и глубже понимать мотивацию пользователей. Тут важны не цифры, а контекст и нюансы.
2️⃣ Репозиторий аналитики
Сосредоточен на количественных данных: метриках, результатах опросов, статистическом анализе. Здесь можно находить тренды, закономерности и подтверждать гипотезы цифрами. Такой репозиторий полезен для аналитиков и маркетологов, работающих с A/B-тестами, воронками продаж и когортным анализом.
3️⃣Репозиторий UX-исследований
Создан специально для данных UX-исследований: юзабилити-тестов, карт пользовательского пути (CJM), персон пользователей и сценариев взаимодействия. Это удобный формат для дизайнеров, продуктовых менеджеров и исследователей, которые хотят улучшить пользовательский опыт
4️⃣Репозиторий смешанных методов
Комбинирует качественные и количественные данные, обеспечивая полную картину пользовательского поведения. Например, результаты юзабилити-тестов можно дополнить метриками из веб-аналитики, а глубинные интервью — цифрами из опросов.


Продолжаю призывать вас ставить реакции, если тема интересна. Продолжим копаться)

ЖизА😁

Как исследования превращаются в систему ч.3

Обещала – продолжаю копаться в теме создания базы качественных исследований. Если вы пропустили, тут часть 1 и часть 2

А теперь от размышлений зачем это нужно, предлагаю перейти к инструментам. Нам нужен сервис, который позволяет хранить и переиспользовать данные качественных исследований.

Поделюсь своим опытом, где я это делала я.

1️⃣Confluence во времена работы в корпорации. На мой взгляд, инструмент максимально громоздкий и не юзер-френдли. По сути никакой базы там у меня не было, все артефакты были распиханы по папкам: отдельные файлы с гипотезами, с проведенными интервью и связка с задачами в JIRA по исправлению багов. Неплохо, лучше, чем ничего – хотя бы оно все где-то хранится и можно в случае необходимости это что-то поднять.
2️⃣Notion – начнем с того, что тут есть уже готовые шаблоны для рисечей. Прикольно, но у меня они не прижились, пришлось создавать свой. Какие блоки я заполняла по каждому проекту:
• Бизнес-задача + Вид результата бизнес-задачи, который нужно получить
• Декомпозиция бизнес-задачи — из каких частей состоит бизнес-задача
• Целевая аудитория/ сегменты респондентов
• Исследовательские вопросы и гипотезы (по сути – гайд интервью)
• Собранные данные (сырые)
• Анализ собранных данных (отчеты)
• Рекомендации и идеи решений бизнес-задачи (отчеты/ презентации/ записи стратсессий)
Как будто бы ближе к тому, что нужно, но Atomic Research тут и не пахнет, потому что данные все равно хранятся в разных файлах и не связаны между собой.
3️⃣ AirTable - табличная база данных, как нельзя лучше походящая для структурирования данных. В чем преимущество инструмента:
🔶Гибкость структуры данных
Airtable позволяет создавать кастомные поля, настраиваемые под исследовательские задачи: можно добавить категории для демографических данных, цитат респондентов, меток по темам и гипотезам.
🔶Возможность связывать данные и находить связи
Airtable поддерживает ссылки между таблицами, позволяя связывать интервью, цитаты, наблюдения и выводы между собой. Это удобно, когда нужно проанализировать поведенческие паттерны или соединить несколько исследований для выявления общей закономерности.
🔶Быстрая фильтрация и поиск инсайтов
Легко фильтровать и сортировать данные, например, по конкретным темам, ключевым словам или аудиториям. А значит, легко искать и переиспользовать

Если интересно, что у меня получилось с AirTable – дайте знать, покажу, как может выглядеть такая база.

Пока в Москве включили снег и вообще понедельник, что само по себе непросто - поделюсь своим недавним рабочим местом ☺️ #офисдня и жду ваши места, для вдохновения и работы! 🤌

Как исследования превращаются в систему ч.4

Ранее в блоге я начала тему создания базы данных качественных исследований – тему, которая меня саму очень волнует. Потому что раз уже собрались, потратили время и сделали – глупо это потом хоронить в пыльной папке на задворках лэптопа.

Если пропустили, тут теория про Atomic Research, а тут и тут – мы подбираемся к практике.

Изучаю тему дальше. Нахожу интересный кейс WeWork Там ребята быстро поняли: если не создать удобную систему хранения и поиска данных, инсайты пропадают и команда продолжает наступать на одни и те же грабли. И создали Polaris — внутреннюю базу данных, куда исследователи WeWork заносят все инсайты, цитаты, заметки и выводы из интервью и исследований.

В центре структуры Polaris находится понятие «наггетсов» (названных, очевидно, в честь кусочков курицы в масле из фастфуда) — отдельных наблюдений за пользователями, которые являются строительными блоками всей базы данных.

Каждый наггет в системе Polaris включает три ключевых элемента:
🍗Наблюдение — что именно было замечено исследователем
🍗Доказательства — материалы, подтверждающие наблюдение: записи, аудио, фотографии, цитаты, скриншоты
🍗Теги — таксономия, описывающая демографические данные участника или относящаяся к внутренним функциям компании
Такой подход позволяет создать удобные, легко воспринимаемые и информативные фрагменты данных.

Наггеты в Polaris представляют собой гибкие и динамичные элементы данных. После загрузки в систему каждый наггет становится доступным для поиска и фильтрации по различным параметрам — например, по географии или размеру компании. Такой «атомарный» подход позволяет эффективно хранить, находить и применять инсайты.

Polaris от WeWork — пример инновационного подхода к управлению пользовательскими исследованиями. Для компании такого масштаба (на секундочку – 37 стран, 120 + городов), которая регулярно изучает пользовательский опыт – онлайн, и оффлайн – это единственный способ быть эффективными.

Бизнес провалился – значит, исследования не работают?

«Мы сделали CustDev, протестировали идею — а в итоге бизнес не взлетел. Значит, исследования не работают?»

Я слышала это не раз. Поэтому давайте все-таки разберемся. Расскажу на примере реального проекта.

Продукт точно попадает в потребность, но не продается
Продукт для автоматизации документооборота у малого бизнеса. Интервью показали — попадание в боль 100%, фаундеры получили подтверждение спроса. Запустили.

📉 Продаж почти нет. Почему?

После дополнительной диагностики выяснилось:
🔹Владельцы бизнеса не понимают, почему нужно платить, если «и так все работает»
🔹Канал продаж — реклама в соцсетях — вообще не бьётся с тем, где целевая аудитория ищет решения
🔹Упрощённый тариф, нужный для MVP, выглядит «слишком простым и ненадежным»

🛠 Здесь продукт был ок. Но ошиблись в упаковке и стратегии выхода. Решение: Коммуникационное тестирование, кастдев по каналам принятия решений — и переделка стратегии.

Где еще может быть затык, кроме исследований:
❌ Неподходящая бизнес-модель — например, подписка вместо разовой оплаты, когда рынок к этому не готов.
❌ Слабая реализация — неудобный интерфейс, долгий онбординг, отсутствие поддержки.
❌ Слишком рано бросили — MVP запустили, но не вложились в валидацию и адаптацию под обратную связь.

Это я еще раз подвожу к тому, что исследования – не волшебная таблетка. Они снижают риск, но не заменяют стратегию, команду и здравый смысл

Концепт за 5 минут: теперь с картинкой

Раньше, чтобы потестить концепт — шли к дизайнеру, брифовали, ждали (работая в рекламной агентстве, я застала еще те времена, когда дизайнера надо было еще уговорить что-то нарисовать внеурочно😭)

Теперь можно просто набросать идею словами — и получить картинку за минуту. А можно нарисовать «на коленке» быстрый скетч, описать словами — и вуаля, ChatGPT отрисует понятную, опрятную иллюстрацию.

Что это для нас значит? Эпоха уродливых неконсистентных изображений и людей с тремя ушами и 4 пальцами закончилась. Теперь можно тестировать креативы, прототипы и идеи без дизайнера.

🛠Я прям рекомендую:
— тестировать визуальные концепции продукта
— проверять идеи для рекламы
— делать картинки для глубинок или опросов
— и даже проверять визуальную айдентику

🎯 Главное — сначала понять, что именно мы хотим узнать у пользователя. А дальше — быстрая генерация → быстрый фидбек.

А вы уже тестировали что-нибудь на визуализации нейронок? Поделитесь в комментах👇

Фантазии на тему «офис для удаленщика»

Чем больше я работаю вне офиса, тем отчетливее понимаю: пространств, где действительно удобно и приятно работать удаленно — почти не существует 😭

Есть классные кафе (но шумно). Есть коворкинги (но часто без души. Исключением в моем московском опыте является лесной коворкинг в Переделкино с мебелью и антуражем середины прошлого века). Есть дом (но иногда не хочется из дома).

И вот хочу пофантазировать: каким был бы идеальный офис будущего для тех, кто работает remote?

В моей версии там есть:
→ вкусный кофе уровня
→ много света и огромные окна
→ зоны для тишины и концентрации
→ удобные места для звонков и переговоров
→ стабильный wifi
→ красивый интерьер — дерево, текстиль, растения
→в идеале офисная собака для коротких перерывов на обнимашки 🐕😁 (в Турции с этим проблем не было вообще)

А еще — место, где можно просто сидеть, смотреть в окно и ничего не делать. Потому что иногда лучшие идеи приходят именно в такие паузы.

Признавайтесь, есть ли у вас такое место?

Сегодня с утра ChatGPT похвастался тем, что теперь запоминает еще больше чатов/ контекста и предложил сделать саммери по Personal Branding из того, что он уже обо мне знает. Кто я такая, чтобы отказываться от этого предложения? 😁 Вот что получилось. Не без лести со стороны нейронки, конечно, но с юмором и очень прикольно. Мое любимое "Deeply allergic to vague briefs, vanity research, and corporate fluff"😭😁

Покажите, что в ваших саммери!

#Инсайт_дня

Возвращаю несправедливо забытую рубрику, где делюсь инсайтами из своих исследований, которые на самом деле могут быть применены к широкому кругу читателей/ бизнесов. 🤓

Сегодня инсайты по теме выбора подрядчика/ партнера (по следам свежеиспеченного рисеча для крупного ИТ-разработчика).

1️⃣
Выигрывает не тот, кто предлагает больше, а тот, кто первым помогает прояснить задачу.
👉 Большинство заказчиков не до конца понимают, что им нужно. Подрядчик или партнер, который умеет задавать правильные вопросы и «подумать за клиента» — всегда выигрывает.

2️⃣
Презентации не продают. Продает то, как ты говоришь о проблеме клиента.
👉 Формальные слайды никто не читает. А вот один точно заданный вопрос или неожиданное уточнение по бизнес-задаче — запоминаются навсегда.

3️⃣
Никому не интересны ваши "успешные кейсы", если они не про их боль.
👉 Кейсы работают только если: 1) похоже на мою ситуацию, 2) честно написано, что было сложно, 3) показан результат. Все остальное — пиар.

Что откликнулось, с чем не согласны?

Тренды пользовательских исследований в 2025 году

Хочу поделиться трендами от крупнейшей площадки для автоматизированных UX-исследований – Maze, изучившей, как меняются подходы к рисечу в разных странах.

Что показалось значимым мне:

1. ИИ – уже не фантастика, а рабочий инструмент 🤖
Тренд №1 – это использование ИИ для автоматизации рутины (анализ данных, транскрипция) и даже для генерации инсайтов. Но по прежднему, ИИ – это мощный помощник, а не замена исследователю. 

2. Демократизация исследований: Исследуют все! (Но это не точно 👀)
Все больше компаний хотят, чтобы не только выделенные исследователи, но и дизайнеры, менеджеры и другие члены команды могли проводить исследования. Но есть нюанс: без правильных процессов (привет, ResearchOps!) и обучения это может превратиться в хаос и некачественные данные.

3. Сила в единстве: Качественные + Количественные данные
Прошли времена, когда команды полагались только на сухие цифры или только на глубинные интервью. Тренд – на смешанные методы (Mixed Methods), где количественные данные показывают что происходит, а качественные – почему.

4. Непрерывное исследование: От проекта к потоку 🌊
А я давно говорила - будущее за непрерывным исследованием (Continuous Discovery/Research), которое встроено в продуктовый цикл. Это позволяет постоянно держать руку на пульсе потребностей пользователей, быстро тестировать гипотезы и итеративно улучшать продукт.

5. Доказывай ценность: От инсайтов к влиянию на бизнес 💰
Времена, когда исследователи просто делились интересными фактами, уходят. Теперь все больше фокуса на том, как исследования влияют на бизнес-метрики и ROI. Нужно уметь не только находить инсайты, но и доказывать их ценность языком цифр и бизнес-результатов.

Ну и классный тренд, который нравится мне- Исследователи переходят от роли исполнителей к роли наставников, обучая команды принципам исследований и способствуя развитию исследовательской культуры в организации.


Полный текст тут: https://maze.co/blog/ux-research-trends/

По заявлению Сэма Альтмана, каждое «пожалуйста» и «спасибо», адресованное ChatGPT, обходится OpenAI в миллионы долларов из-за увеличенного количества токенов, которые система должна обрабатывать. Так что, если вы думали, что хорошие манеры спасут вас от порабащения ИИ, знайте - вы первые в зоне риска😄

Experience Sampling — метод, который ловит эмоции в моменте 🌊

Я давно не рассказывала про интересные #методы_исследования (потому что не кастдевом единым, как говорится).
👇
Это подход в исследовании поведения и психологии, при котором респондентов просят многократно и в реальном времени сообщать о своём текущем опыте, чувствах, действиях или контексте в течение дня.

👀Зачем он нужен:
Метод позволяет получить максимально точную, контекстную и «живую» информацию о человеке, избегая искажений памяти и ретроспективных домысливаний. Это особенно важно, если ты хочешь узнать, что человек на самом деле чувствует и делает.

Респонденту несколько раз в день приходит короткий опрос (можно сделать через бота, например): Что делаешь? Что чувствуешь? Ты вспоминал(а) о продукте/сервисе X за последний час?

Традиционно этот подход используется не для маркетинговых исследований, а для изучения психического здоровья и исследования трудовой активности.

🤔Зачем это бизнесу:
— выявить триггеры эмоций и поведенческие паттерны
— понять, в какой момент продукт становится нужным
— увидеть, где и когда появляются барьеры, усталость, раздражение или радость

Понятно, что этот метод полезен не всем. Но мне видится, что для B2C продуктов, когда использование зависит от настроения и контекста – это суперценная вещь. А это, на минуточку, все покупки/ фитнес/ досуг/обучение и пр.

В общем, если у вас есть подобные задачи – приходите, покреативим! 🤓

Сегодня пост-наблюдение 🧐

За последний месяц я посещала два спортивных клуба. 🤸‍♂️Если посмотреть на список их групповых занятий (силовые, растяжки, йога и т.п.) - они не будут отличаться кардинально. В один пошла по давней рекомендации с конкретной специфической задачей (укрепить мышцы для бега), второй находится рядом с домом, и я купилась на акцию «Безлимитная неделя, ходи, сколько влезет». Вероятно, рассчитанную на тех, кто придет один раз. Не на ту напали 😈 Но речь не об этом.

Два клуба, похожий набор занятий, уровень цен, оба новые, чистые, приятные. Но абсолютно разные по восприятию. В зале А царит атмосфера сопричастности, все друг друга знают (или ощущение, что знают), ржут и пьют заботливо заваренный администратором чай после тренировки. Тренер – это гуру, с ним дружат, советуются, общаются за пределами зала. В зале Б – делают губы уточкой и фотографируются в зеркалах (я и сама так делала, потому что свет чертовски удачный), приходят и уходят, не обращая на окружающих внимание. Тренер – это инструмент для достижения цели, ничего личного.

Атмосфера, тон, отношение рождаются не из потолка. Они — про ценности фаундера. Про то, что он (или она) транслирует: даже если это не озвучено напрямую. Речь не о том, чтобы выбрать один «правильный» путь. Это про то, чтобы понимать, о чем ваш продукт на самом деле. Что стоит за каждым касанием — от интонации в письме до мелочей, вроде чайника у администратора или welcome-экрана приложения. Потому что продукт — это не только его функция. Это всё, что его окружает.

Знаете ли вы – о чем ваш продукт? Не с точки зрения позиционирования на сайте, а по ощущениям внутри. Что он говорит пользователю? Что обещает? Если у вас есть сомнения или просто хочется свериться с реальностью — вы знаете, к кому с этим идти 😜