![\"\"](\"https:\/\/ru.mazurchak.com\/pictures\/1x2-1.jpg\")
\nКак я выстроил работу<\/h2>\n
Для организации подобных исследований я с нуля выстраиваю процессы: сначала выравниваю термины и ожидания → затем собираю факты → после этого формулирую проверяемые выводы, которые превращаю в конкретные решения с расставленными приоритетами. Это убирает субъективность и позволяет передавать результат между командами.<\/p>\n
Проект шел в четыре шага:<\/p>\n
- \n
- Выравнивание взглядов внутри компании.<\/li>\n
- Количественная сегментация по LTV и ABCD-сегментация.<\/li>\n
- Глубинные интервью в JTBD-логике.<\/li>\n
- Формулировка конкретных jobs клиентов.<\/li>\n<\/ol>\n
Шаг 1. Выравнивание: что мы считаем сегментом и что хотим доказать<\/h2>\n
На старте я провел воркшоп, на котором задал рамку JTBD:<\/p>\n
Продукт выбирают как инструмент, чтобы решить конкретную задачу. Важно увидеть контекст, триггеры, критерии успеха, компромиссы и альтернативы, а не список желаемых фич.<\/i><\/p>\n
Затем команда описала свое текущее представление о сегментах: кого считают ключевыми, что им обещают, где магия продукта, какие jobs закрывают. Мы сравнили карты, зафиксировали расхождения и договорились: дальше проверяем гипотезы через данные и интервью, а не через личные убеждения.<\/p>\n
Шаг 2. Экономика: LTV и ABCD-сегментация<\/h2>\n
Чтобы интервью не превратились в разговоры со случайными людьми, я начал с клиентской базы. На данных за семь месяцев разбил пользователей по диапазонам LTV, посчитал размер групп, среднее число покупок, выручку, средний LTV и картину концентрации дохода.<\/p>\n
\n![\"\"](\"https:\/\/ru.mazurchak.com\/pictures\/2x2-1.jpg\")
\nАнализ показал, что 56% выручки дают клиенты с LTV 200—500. Цель исследования — понять, почему они выбирают продукт и для каких задач\/работ его используют, чтобы научиться привлекать и удерживать эту группу клиентов.<\/div>\n<\/div>\n\n![\"\"](\"https:\/\/ru.mazurchak.com\/pictures\/3x2-1.jpg\")
\nНа полученные данные наложил ABCD-рамку<\/div>\n<\/div>\nЗдесь появился первый «холодный душ», который сразу структурировал дискуссию: конкретно определенная доля клиентов с высоким LTV давала основную часть выручки. Это задало честный фокус исследования. Мы хотели понять:<\/p>\n
- \n
- кто эти люди;<\/li>\n
- почему они выбирают нас;<\/li>\n
- как масштабировать этот успех, не растворяясь в бесконечном обслуживании низкой ценности.<\/li>\n<\/ul>\n
Шаг 3. Глубинные JTBD-интервью: как я добывал язык и паттерны<\/h2>\n
Цель интервью была не собрать хотелки, а восстановить историю выбора:<\/p>\n
- \n
- что произошло до покупки;<\/li>\n
- что стало триггером;<\/li>\n
- какие варианты сравнивали;<\/li>\n
- где сомневались;<\/li>\n
- в какой момент появилось ощущение «ага, это работает»;<\/li>\n
- как клиент определяет успех.<\/li>\n<\/ul>\n
В каждой сессии я фиксировал профиль, триггер, aha-момент, критерии выбора, jobs клиента и сигналы разочарования. Параллельно собирал живой язык: формулировки, которыми человек описывает свою цель и прогресс. Дальше этот язык классно работает в маркетинге, онбординге и в продуктовых сообщениях.<\/p>\n
Интервью я проводил в Google Meet, запись и транскрибацию делал через Loom. Часть разговоров была на испанском: я подключал новый сервис от Google AI<\/a>, который делает синхронный перевод в реальном времени с испанского на английский и обратно.<\/p>\n
\n