Материалы https://www.researchops.ru ru Wed, 17 Jun 2026 13:30:05 +0300 Стандарты качества ОИРОМ для юзабилити-тестирований https://www.researchops.ru/tpost/yrt71enon1-standarti-kachestva-oirom-dlya-yuzabilit https://www.researchops.ru/tpost/yrt71enon1-standarti-kachestva-oirom-dlya-yuzabilit?amp=true Mon, 15 Jun 2026 15:11:00 +0300 Дмитрий Мелентьев, основатель ResearchOps Education Настоящий документ устанавливает отраслевой стандарт, определяющий специфику проведения юзабилити-тестирования и требования к его проведению.

Стандарты качества ОИРОМ для юзабилити-тестирований

1. Оглавление
2. Введение
3. Общие определения и термины
4. Объект, предмет и задачи
4.1. Объект и предмет юзабилити-тестирования
4.2. Задачи юзабилити-тестирования
5. Подготовка к тестированию
5.1. Документация по проекту
5.2. Технические требования
5.3. Гайд / сценарий исследования
5.4. Согласия на демонстрацию экрана и запись видео респондента
5.5. Инструктаж
5.6. Модерация
6. Сбор данных
6.1. Протокол
6..2. Завершение сеанса после теста
6..3. Хранение данных
7. Анализ
7.1. Организация и структурирование данных
7.2. Документирование процессов анализа
8. Отчет
8.1. Описание исследования в отчете
8.2. Список юзабилити-проблем
8.3. Юзабилити-метрики для анализа
8.4. Рекомендации

2. Введение

Юзабилити-тестирование является важным этапом в процессе разработки цифровых продуктов, обеспечивающим оценку удобства использования интерфейсов и выявление возможных проблем для их дальнейшего устранения.

Настоящий документ устанавливает отраслевой стандарт, определяющий специфику проведения юзабилити-тестирования и требования к его проведению.

Требования к следующим аспектам организации исследований устанавливаются основными стандартами ОИРОМ и не подлежат пересмотру в рамках настоящего документа:

  • информационная безопасность, конфиденциальность и обработка персональных данных;
  • порядок приглашения к участию в исследовательских проектах;
  • сбор данных от детей и представителей уязвимых групп населения;
  • управление исследовательским проектом (включая управление документацией и записями);
  • компетентность и обучение персонала;
  • отношения с субподрядчиками (аутсорсинг);
  • работа с жалобами и удовлетворенность клиентов.

Стандарты применимы как при взаимодействии «клиент/внешний заказчик — исследовательское агентство», так и при взаимодействии «внутренний заказчик — внутреннее исследовательское подразделение».

3. Общие определения и термины

Пользовательский опыт (User Experience, UX) — это совокупность всех аспектов взаимодействия пользователя с системой, продуктом или услугой, включая восприятие, эмоции, реакции и удовлетворенность от использования. UX охватывает все этапы взаимодействия, начиная от первых впечатлений и заканчивая долгосрочным использованием.

Удобство использования (Юзабилити, Usability) — свойство системы, продукта или услуги, при наличии которого конкретный пользователь может эксплуатировать систему в определённых условиях для достижения установленных целей с необходимой результативностью, эффективностью и удовлетворённостью (ISO 9241-210).

Юзабилити-тестирование (Usability Testing) — метод оценки продукта, при котором реальные пользователи выполняют задания с целью выявления проблем в интерфейсе и улучшения UX.

Продукт (Product) — цифровой продукт: веб-сайт, мобильное приложение, программное обеспечение или система.

Интерфейс (Interface) — совокупность элементов взаимодействия пользователя с продуктом, включая визуальные и интерактивные компоненты.

Прототип / Макет (Prototype / Mockup) — предварительная версия продукта, используемая для тестирования и оценки его функциональности и дизайна.

Финальный продукт / Прод (Prod) — финальная версия продукта, готовая к использованию.

Юзабилити-проблема - это особенность системы, которая в определённом контексте не позволяет пользователю выполнить его задачу с необходимой результативностью, эффективностью и удовлетворённостью.

Техническая проблема (баг) — это проблема, при которой система не функционирует в соответствии с техническим заданием.

Пожелание пользователя — это идея пользователей для улучшения интерфейса, отдельной функции или продукта в целом.

Пользовательский сценарий — это описание взаимодействия пользователя с продуктом или сервисом для достижения определенной цели. Пользовательский сценарий включает в себя: ключевые характеристики пользовательского сегмента; мотивацию и потребности; цели; желаемый результат; контекст и условия; действия (описание пошагового процесса взаимодействия).

4. Объект, предмет и задачи

4.1. Объект и предмет юзабилити-тестирования

Объектом юзабилити-тестирования является цифровой продукт, сервис, интерфейс или их отдельная часть, подлежащие оценке с точки зрения удобства и понятности использования.

Предметом юзабилити-тестирования является пользовательское взаимодействие с интерфейсом продукта в процессе выполнения заданий, характерных для реальных сценариев использования продукта.

4.2. Задачи юзабилити-тестирования:

  • оценка удобства использования интерфейса;
  • оценка понятности структуры, навигации, терминологии, содержания и интерфейсных элементов;
  • выявление юзабилити-проблем, затруднений и барьеров во взаимодействии с интерфейсом.

5. Подготовка к тестированию

5.1. Документация по проекту

Основным документом, фиксирующим ключевую информацию об исследовательском проекте, является бриф и/или коммерческое предложение. Документ должен включать в себя следующие сведения:

  • общая информация о проекте (сроки, бюджет, формат результата, ответственность сторон);
  • контекст, цели и задачи исследования (включая, вопросы исследования, гипотезы, бизнес-метрики, на которые должна повлиять информация и т.д.);
  • критерии успеха (например, ключевые экраны или задачи, которые пользователь должен успешно выполнить в процессе взаимодействия с продуктом);
  • тип продукта, краткое описание продукта или интерфейса, который будет исследоваться, его версия;
  • целевая аудитория, география, выборка;
  • методология, специфика анализа данных;
  • сценарии и задачи, которые будут предложены пользователям для выполнения в ходе тестирования;
  • платформа, на которой будет проводиться тестирование (например, веб-сайт, мобильное приложение);
  • оборудование и помещение (информация о локации и техническом оснащении, которое будет использовано в процессе тестирования, включая ПО, камеры и микрофоны).

5.2. Технические требования

Исполнитель должен обеспечить наличие технического и программного обеспечения:

  • тестирование интерфейса пользователями на целевых устройствах (мобильные устройства, планшеты и ПК) согласно брифу;
  • запись экрана и фиксация взаимодействия пользователя с тестируемым интерфейсом (аудио- и видеозапись);
  • онлайн трансляция юзабилити-тестирования для заказчика.

Используемое программное обеспечение должно быть надежным, обеспечивать высокое качество записи. Программное обеспечение должно соответствовать требованиям конфиденциальности и безопасности данных, обеспечивая защиту от несанкционированного доступа и утечки информации. Рекомендуется использовать ПО, которое поддерживает функции аннотирования и анализа данных.

Локация для офлайн-тестирования должна обеспечивать комфортные условия для респондентов, быть оснащена всем необходимым оборудованием и отвечать требованиям безопасности и конфиденциальности данных участников исследования.

В случае онлайн-тестирования важно учесть следующие аспекты:

  • Интернет-соединение. Участник должен иметь стабильное интернет-соединение, достаточное для видеозвонка, демонстрации экрана и выполнения заданий без существенных задержек и сбоев.
  • Программное обеспечение. У участника должно быть установлено и заранее проверено программное обеспечение, необходимое для участия в видеозвонке, демонстрации экрана и, при необходимости, записи сессии.
  • Пробное подключение. До начала сессии юзабилити-тестирования Исполнитель должен провести пробное подключение с участником, чтобы проверить качество связи, доступ к тестируемому продукту, работу камеры, микрофона, демонстрации экрана и других необходимых технических средств.
  • Место прохождения. Участник должен находиться в условиях, обеспечивающих комфортное и качественное прохождение тестирования: участника хорошо слышно и видно при необходимости, устройство для прохождения теста находится непосредственно у участника, отсутствуют значимые отвлекающие факторы и постороннее вмешательство.

5.3. Гайд / сценарий исследования

Гайд тестирования должен включать в себя пользовательские сценарии, которые отражают ключевые задачи и действия, выполняемые пользователями в процессе взаимодействия с продуктом.

Также в гайде рекомендуется фиксировать основные гипотезы и критерии успеха.

Перед началом тестирования Исполнитель должен протестировать продукт / прототип в соответствии со сценариями и проверить его корректную работу.

Все внесенные изменения в сценарии или в прототип должны быть задокументированы, чтобы обеспечить прозрачность и возможность анализа их влияния на результаты теста.

5.4. Согласия на демонстрацию экрана и запись видео респондента

Перед началом тестирования исполнитель получает согласие респондентов на запись их взаимодействия с продуктом и экрана. Компания должна объяснить, как будут использоваться эти записи, и заверить респондентов в соблюдении всех норм конфиденциальности и безопасности данных.

5.5. Инструктаж

Непосредственно перед началом юзабилити-тестирования исполнитель должен провести инструктаж респондентов. Респондентам необходимо предоставить четкие, понятные и подробные инструкции по выполнению заданий, которые они будут выполнять в процессе тестирования. Важно, чтобы респонденты понимали, что тестирование направлено на оценку удобства использования продукта, а не на проверку их личных навыков или знаний.

Если тестируется не финальный продукт, а прототип, исполнитель объясняет это респонденту, предупреждает о возможных ограничениях функциональности.

5.6. Модерация

Модератор должен проводить сессию в соответствии с гайдом, гибко адаптируя ход модерации к поведению, реакциям и высказываниям участника, но без вмешательства в процесс взаимодействия с интерфейсом, за исключением случаев, предусмотренных гайдом. Модератор должен воздерживаться от пояснений, интерпретаций, подсказок и наводящих формулировок, способных повлиять на действия, высказывания или оценку участника, и не оказывать помощь, если это не предполагается гайдом.

6. Сбор данных

6.1. Протокол

В ходе юзабилити-тестирования исполнитель ведет подробный протокол, фиксируя все действия и комментарии респондентов. Взаимодействие пользователя с интерфейсом может фиксироваться с помощью видео- и аудиозаписей, скриншотов и других форм фиксации действий пользователя.

6.2. Завершение сеанса после теста

Рекомендуется по завершении тестирования обеспечить выход из учетной записи пользователя, чтобы предотвратить доступ к личной информации респондента или конфиденциальную информацию компании (в зависимости от типа устройства и аккаунта, с которого осуществляется тестирование).

6.3. Хранение данных

Исполнитель организовывает хранение всех собранных данных, включая протоколы, записи и другие материалы. Доступ к этим данным должен быть ограничен и предоставляться только уполномоченным лицам. Сроки хранения проектной документации и записей проекта регулируются основными стандартами ОИРОМ или соглашением с заказчиком.

Последующее использование информации, полученной от респондентов, должно соответствовать Стандартам ОИРОМ и требованиям сбора и обработки персональных данных.

7. Анализ

7.1. Организация и структурирование данных

Необходимо организовать и систематизировать все собранные данные, включая протоколы, записи взаимодействий и комментарии респондентов. Любая часть собранной информации должна быть легко доступна для анализа и проверки.

7.2. Документирование процессов анализа

Все этапы анализа данных должны быть четко задокументированы. Это включает описание методов, используемых для выявления паттернов и тенденций в поведении пользователей, а также для измерения ключевых метрик юзабилити.

8. Отчет

Отчет по результатам юзабилити-тестирования является ключевым документом, который предоставляет заинтересованным сторонам полное представление о проведенном исследовании и его выводах. Отчет должен соответствовать целям исследования и быть реализован в формате, который был согласован в ключевом документе по проекту (брифе или предложении).

8.1. Описание исследования в отчете

Рекомендуется включать в отчетность указание следующих параметров:

  • название / идентификатор проекта,
  • заказчик / инициатор (компания, имя и фамилия сотрудника),
  • исполнитель (компания, имя и фамилия сотрудника),
  • даты проведения исследования,
  • даты полевой части исследования,
  • контекст возникновения исследования,
  • цели и задачи исследования,
  • планируемая и фактическая выборка,
  • описание методологии, включая особенности условий проведения тестов,
  • тестируемые материалы.

8.2. Список юзабилити-проблем

Отчет включает подробный перечень всех выявленных юзабилити-проблем, с которыми столкнулись пользователи в процессе тестирования. Описание юзабилити-проблемы может включать следующие аспекты:

  • описание проявления проблемы в действиях пользователей;
  • причина возникновения проблемы (что не так в интерфейсе / системе);
  • негативные последствия этой проблемы в пользовательском опыте и бизнес-метриках продукта;
  • степень критичности юзабилити-проблемы (низкая, средняя, высокая);
  • указание платформы (веб ПК, мобильный веб, мобильное приложение iOS и/или Android);
  • скриншот интерфейса для наглядной иллюстрации (или видео);
  • текущее поведение системы (как она работает);
  • рекомендации по решению проблемы (опционально).

8.3. Юзабилити-метрики для анализа

  • Успешность выполнения задач — метрика, которая оценивает, в какой степени пользователи могут успешно и безошибочно завершить заданные сценарии или задачи в интерфейсе продукта.
  • Скорость выполнения задач в юзабилити-тестировании — метрика, которая измеряет время, затраченное пользователями на завершение заданных сценариев или задач в интерфейсе продукта.
  • Удовлетворенность продуктом / функционалом в юзабилити-тестировании — это оценка респондентом своего опыта использования продукта, которая измеряет, насколько удобен, приятен и эффективен интерфейс с точки зрения конечного пользователя.

Перечень метрик, используемых для анализа может гибко меняться в зависимости от задачи. Для всех используемых метрик должно быть дано четкое определение и приведено описание расчета. Для авторских метрик допускается концептуально описание без конкретной форсогмулы. Особенности используемых метрик должны быть в явном виде сообщены заказчику для обеспечения возможности корректной интерпретации результатов.

8.4. Рекомендации

На основе анализа данных отчет должен содержать выводы о текущем состоянии интерфейса. При наличии рекомендаций в отчете по юзабилити-тестированию они должны быть четкими, обоснованными и ориентированными на практическое применение. Каждая рекомендация должна основываться на конкретных данных и наблюдениях, полученных в ходе тестирования, и содержать ссылки на выявленные юзабилити-проблемы.

8.5. Другие документы отчетности

Помимо непосредственно отчета с описанием юзабилити-проблем, исполнитель должен передать заказчику другие материалы проекта: сценарий, протоколы, таблицы, видеозаписи и т.д. Полный список отчетности должен быть обсужден и согласован до начала проекта.
]]> Рынок ресёрчеров под микроскопом https://www.researchops.ru/tpost/n2iol3lyf1-rinok-resyorcherov-pod-mikroskopom https://www.researchops.ru/tpost/n2iol3lyf1-rinok-resyorcherov-pod-mikroskopom?amp=true Mon, 15 Jun 2026 16:22:00 +0300 Дмитрий Мелентьев, основатель ResearchOps Education Вакансии живут меньше месяца, удалёнки почти нет, но все её хотят.

Рынок ресёрчеров под микроскопом

Месяц назад мы запустили бота для ресёрчеров, который собирал вакансии с hh.ru, карьерных сайтов бигтехов и Telegram-чатов. В этой статье мы показываем результат аналитики по 343 вакансиям — динамика, отклики, зарплаты, разрезы по грейдам, направлениям и индустриям. Получилась картина, которой нет ни в одном hh-отчёте.
Профессии «исследователь» нет отдельной строкой ни в hh.Индексе, ни в зарплатных обзорах — она растворена между «маркетингом», «аналитикой» и «UX». Поэтому про рынок ресёрчеров обычно говорят общими словами. Мы решили его измерить.

Рынок труда развернулся к работодателю: 10 резюме на вакансию — максимум за 8 лет

Чтобы понимать масштаб, нужен фон. За год конкуренция за офисные позиции в России почти удвоилась: hh.Индекс (резюме на вакансию) вырос с 5,1 в феврале 2025 до 9,6 в феврале 2026, а в апреле достиг 10,3 — максимума за восемь лет[1, 2]. На одну офисную вакансию в 2026-м приходит в среднем 61 резюме против 24 в 2024-м[3]. Сферы, где работают ресёрчеры, перегреты сильнее среднего: «Маркетинг/Реклама/PR» — индекс 18,4[4], IT — 14,2[5]. На этом фоне у ресёрча есть и хорошая новость: аналитика — одна из немногих ролей, где зарплаты в 2025-м не падали, а росли (+3% за полугодие)[6]. При этом спрос неравномерный: сильных специалистов расхватывают, а начинающих сейчас больше, чем мест для них.оценка удобства использования интерфейса;
оценка понятности структуры, навигации, терминологии, содержания и интерфейсных элементов;
выявление юзабилити-проблем, затруднений и барьеров во взаимодействии с интерфейсом.

В неделю по 50 новых вакансий — но о тренде говорить рано

За время работы бота мы поймали 343 researcher-вакансий, из них живых прямо сейчас — 237. Пока это «грязные» данные — многие вакансии уже были опубликованы до старта, но через 1–2 месяца статистика бота будет хорошо отражать реальность.

Каждая четвёртая вакансия исчезает за две недели, к пятой неделе — большинство

Главное, что чувствует любой соискатель, но что невозможно увидеть в статичном отчёте, — скорость. Мы группируем вакансии в недельные когорты по дате первой публикации и смотрим, какая доля каждой когорты уже закрыта. Оговорка: «закрыто» не равно «успешно нанят» — вакансию могли снять или поставить на паузу. Добавляет шума и феномен «призрачных вакансий» (ghost jobs): объявления публикуют без реальных планов нанимать — ради присутствия на job-сайтах или замера рынка; в России на такие фейковые вакансии жалуются всё чаще[9]. Отличить их от настоящих в наших данных нельзя — но это ещё одна причина, почему «вакансия исчезла» не равно «кого-то наняли».
Через две недели каждой четвёртой вакансии из вашего списка уже не существует.

Тяжелее всего на входе и на верхушке — middle дышит свободнее

Почти половина всех вакансий (42%) — поиск middle-исследователей, и конкуренция по откликам там самая низкая. Для них это хорошая возможность сменить компанию, а для джунов — вырасти на грейд.

Ещё один феномен — вакансий на позицию head или lead почти нет, при этом отклик на них огромен. Это отражает позицию рынка: «сейчас нам нужны не руководители, а те, кто будет работать руками».
По числу откликов меньше всего конкуренции на middle и senior. У джунов небольшое число вакансий с тысячами откликов заметно сдвигает среднее. У лидов и хэдов стабильно высокая конкуренция (показываем вместе, тк мало данных). Отклики собираются только по вакансиям, найденным на hh.ru. Смотрим в первую очередь на медиану — среднее тянут вверх редкие объявления с тысячами откликов.

Продуктовых исследователей (UX/CX) ищут чаще — но если вы джун, то больше вакансий сможете найти именно среди маркетинговых исследований.

Удалёнки почти нет… но отклик на неё в 4 раза больше

Гибрид и офис делят рынок почти поровну, а на полную удалёнку приходится лишь 8%. И это при том, что про аналитиков принято говорить как про гибкую профессию: по рынку в целом удалёнку допускают 69% вакансий аналитиков[7]. Но полностью удалённых researcher-вакансий — лишь каждая десятая, и общий тренд против них: 62% работодателей в 2026-м возвращают людей в офис[8].
При этом на удалённые вакансии откликаются в 3,9 раза активнее, чем на офисные — 293 против 76. Но достаётся удалёнка в основном джунам и мидлам — на сеньорных и руководящих позициях её почти нет.

Каждую третью вакансию открывает финансовый сектор, а главный работодатель — Сбер

Спрос на ресёрчеров концентрируется в финансах — это крупнейший наниматель. Дальше — тех/IT, потребрынок, исследовательские агентства. Отдельно стоит отметить большое количество вакансий в госсекторе.
Примечательно, что 15% всех вакансий приходится на Сбер и его экосистему — с гигантским отрывом от всех остальных компаний (статистика с учётом уже закрытых вакансий).

Топ работодателей по количеству вакансий

Что касается размера компаний-нанимателей, то здесь всё как у всех: крупный бизнес чаще ищет senior, малый — junior. По всем вакансиям — открытым и закрытым.

Зарплату раскрывают лишь каждый пятый — рынок нанимает втёмную

Зарплату раскрывают лишь 22% вакансий — мало, но для аналитических ролей это в порядке вещей. По разбору вакансий на hh.ru у аналитиков зарплата не указана в 77–83% объявлений (раскрыта лишь у ~17–23%)[10] — наши 22% ровно в этом коридоре. Закономерность простая: чем выше грейд и «белее» воротничок, тем чаще вилку прячут (банки и IT почти всегда молчат); высокий общий процент раскрытия по рынку держат массовые позиции — рабочие и продавцы.
По тем, кто раскрыл: junior ~60к ₽, middle ~100к, head — до 200к. Для калибровки: у продуктовых аналитиков (соседняя роль) медиана в столицах переваливает за 200к[6].

Дальше — больше

Бот работает всего месяц — пока статистики не хватает на более глубокие разрезы: данные по зарплатам в разрезах грейдов и индустрий, детализация навыков по направлениям и т.п. Мы намеренно не строим далеко идущих выводов. Но рынок подбрасывает примерно по 50 новых вакансий в неделю — так что уже через месяц-два срезов станет кратно больше: и по зарплатам, и по грейдам, и по навыкам.

А также в следующем выпуске разберём практическую сторону: какие навыки реально требуют на разных ролях, как собрать под них резюме и что помогает пройти отбор и получить оффер.

Источники

  1. Коммерсантъ — hh.Индекс и конкуренция
  2. Мозговик — динамика hh.Индекса
  3. ТГУ — резюме на вакансию
  4. AdIndex — индекс по маркетингу/PR
  5. hh / Хабр — индекс по IT
  6. Хабр Карьера — зарплаты аналитиков
  7. hh-сводка — удалёнка у аналитиков
  8. selsup — возврат в офис в 2026
  9. Финансы Mail.ru — призрачные и фейковые вакансии в России (2026)
  10. Хабр — разбор вакансий аналитиков на hh.ru: доля без указанной зарплаты

Исследование подготовили

  • Hints — исследовательское агентство для сложных задач. Делаем исследования для Сбера, Яндекса, X5, Avito, hh.ru
  • ResearchOps — сообщество исследователей и тренинговый центр

Живой дашборд рынка: market.gethints.io.
]]> Исследователь 2026 — мануал по AI для продуктовых исследований (часть 2) https://www.researchops.ru/tpost/4ts6fclka1-issledovatel-2026-manual-po-ai-dlya-prod https://www.researchops.ru/tpost/4ts6fclka1-issledovatel-2026-manual-po-ai-dlya-prod?amp=true Wed, 17 Jun 2026 13:27:00 +0300 Дмитрий Мелентьев, основатель ResearchOps Education Как вайбкодинг, AI-агенты и автономные пайплайны меняют продуктовые исследования.

Исследователь 2026 — мануал по AI для продуктовых исследований (часть 2)

Это продожение статьи «Исследователь 2026 — мануал по AI для продуктовых исследований».
Часть III. Практика
Промптинг
Шаблоны промптов
Вайбкодинг
Качественный анализ
Количественный анализ

Часть IV. Развитие
Workflow
Чего AI не может
Полезные ссылки

Часть III. Практика

Лайфхаки промптинга

Принцип «контекст → роль → задача → формат»

Плохо: «Проанализируй эти интервью и найди паттерны.»
Да Хорошо:
Контекст: Я провела 15 глубинных интервью с пользователями мобильного банка, которые отказались от подписки Premium за последние 3 месяца. Транскрипты в приложенных файлах.
Роль: Действуй как опытный UX-исследователь с 10-летним стажем в финтехе, специализация — тематический анализ по Braun & Clarke.
Задача: Проведи тематический анализ. Пройди все 6 фаз: знакомство с данными → генерация кодов → поиск тем → ревью тем → определение тем → финальный отчёт.
Формат: Для каждой темы: название, описание, количество респондентов, 2–3 прямых цитаты. В конце — таблица рейтинга тем по частоте.

Шаблоны промптов

Кодирование транскриптов

Я загружаю [число] транскриптов интервью с пользователями [продукт].
Тема исследования: [тема].

Проведи тематический анализ:
1. Прочитай все транскрипты
2. Выдели первичные коды (высказывания, привязанные к цитатам)
3. Сгруппируй коды в темы
4. Для каждой темы укажи:
- Название темы
- Краткое описание (1–2 предложения)
- Сколько респондентов упоминали
- 2–3 цитаты-примера с указанием респондента
5. Отдельно выдели неожиданные находки

Формат: структурированная таблица + текстовое резюме.
Не придумывай цитаты — только из транскриптов.

Анализ отзывов / тикетов

Я загружаю [число] отзывов из [App Store / Google Play / тикеты] за [период].

Задача:
1. Кластеризуй по темам
2. Для каждого кластера: название, тональность, % от общего, топ-3 характерных отзыва
3. Выдели тренды: какие проблемы нарастают
4. Определи 3 главные боли, требующие немедленного внимания

Отдельно отметь сравнения с конкурентами.

Скринер для рекрутинга

Мне нужно провести [число] глубинных интервью на тему: [тема].
Целевая аудитория: [описание].

Составь скринер из 8–12 вопросов. Критерии:
- Обязательные: [список]
- Желательные: [список]
- Исключения: [список]

Для каждого вопроса: какие ответы = проходит / не проходит.
Добавь 1–2 «ловушки» для невнимательных.

Гайд для интервью

Исследовательский вопрос: [вопрос].
Целевая аудитория: [описание].
Длительность: [минуты].
Метод: полуструктурированное глубинное интервью.

Составь гайд:
1. Разогрев (2–3 вопроса)
2. Основные блоки (5–7, от общего к частному)
3. Follow-up к каждому вопросу (2–3)
4. Проективные техники, если уместно
5. Закрывающий блок

Тон: разговорный. Избегай: наводящих, двойных вопросов, жаргона.

Конкурентный анализ (Deep Research)

Проведи конкурентный анализ [тип продукта] на рынке [рынок].

Для каждого конкурента (5–8 основных):
1. Ключевые функции
2. Ценообразование
3. Отзывы (что хвалят, на что жалуются)
4. UX-особенности
5. Обновления за 6 месяцев

В конце: таблица сравнения, GAP-анализ, 3–5 возможностей для дифференциации.

Двухэтапная валидация

Теперь переключись в режим критика. Ты — скептически настроенный старший исследователь, который проверяет работу джуниора.

Оцени анализ, который ты только что провёл:
1. Какие темы могут быть притянуты за уши?
2. Где данных недостаточно для выводов?
3. Какие альтернативные интерпретации возможны?
4. Что было упущено?
5. Какие bias могли повлиять на анализ?

Вайбкодинг исследовательских инструментов

Дашборд результатов

Создай интерактивный HTML-дашборд для визуализации результатов UX-исследования. Данные: CSV с результатами опроса (respondent_id, age_group, gender, segment, q1, q2, q3...).

Содержит:
1. Общая статистика, разбивка по сегментам
2. Гистограммы по каждому вопросу
3. Фильтры по сегменту, возрасту, полу
4. Текстовые ответы, сгруппированные по темам
5. Экспорт графиков в PNG
Стиль: минималистичный, светлая тема, шрифт Inter.
Одним HTML-файлом.
Аналог: Dovetail ~$30/мес, кастомная разработка ~$2000. Вайбкод — бесплатно.

Калькулятор выборки

Создай интерактивный калькулятор размера выборки. Ввод (с ползунками): размер популяции, уровень доверия (90/95/99%), погрешность (1–10%), ожидаемая доля (50%).

Вывод: размер выборки + визуальное объяснение параметров.
Простой UI для продакта: «почему нам нужно 200 человек, а не 20?»

AI для качественного анализа

Транскрипция — 95–98% точности. <strong>Первичное кодирование</strong> — 80–85% совпадения с экспертным.
Кластеризация тем. Суммаризация.

Что AI делает плохо

Интерпретация — не знает, почему это критично для вашего продукта.
Контекст — не знает про редизайн через месяц.
Нюансы речи — ирония, сарказм.
Приоритизация — что важнее, 7 жалоб на онбординг или 3 на оплату?
AI делает 70–80% механической работы, но 100% стратегической работы — на нас.

AI для количественного анализа

Я загружаю CSV с результатами опроса (N=500).

1. Общая статистика по каждому вопросу
2. Статистически значимые различия между сегментами A и B?
(t-test / chi-square / Mann-Whitney)
3. Визуализируй ключевые различия
4. Выводы простым языком для продакт-менеджера

Если данных недостаточно — скажи прямо, не натягивай значимость.

Часть IV. Развитие

Workflow: полный цикл с AI

Пример A — Качественное discovery

Задача: понять, почему пользователи уходят после первой недели.
Этап
Инструмент
Время
Постановка вопросов
Claude
30 мин
Скринер и гайд
Claude
1 час
Рекрутинг
Great Question / CRM
1–3 дня
Интервью (12–15)
Zoom + Dovetail
2 недели
Первичный анализ
Claude + Dovetail
2 часа
Глубокий анализ
Мы + Claude
1 день
Синтез
Claude
2 часа
Интерактивный отчёт
Claude (вайбкодинг)
2 часа
Презентация
Мы
1 час
Итого: ~3 недели вместо 5–6 без AI.

Чего AI не может

Эмпатия. Он не видит, как у респондента дрожит голос. Разница между «обнаружить» и «понять» — огромна.
Контекст организации. AI не знает, что наш CEO одержим метриками и что Маша уже пробовала три варианта.
Этические суждения. Тёмные паттерны, данные несовершеннолетних, граница персонализации и слежки.
Правильные вопросы. AI может ответить, но не может спросить «почему пользователи уходят?
20% точности. AI даёт 80–85%. Оставшиеся 15–20% часто содержат самые ценные находки.

Полезные ссылки

AI-модели и чаты

Инструмент
Ссылка
Примечание
Claude
https://claude.ai
VPN из РФ
ChatGPT
https://chatgpt.com
VPN из РФ
DeepSeek
https://chat.deepseek.com
да из РФ, бесплатно
Perplexity
https://perplexity.ai
да из РФ
GigaChat
https://giga.chat
да Российский
NotebookLM
https://notebooklm.google.com
VPN

Агрегаторы (Claude/GPT без VPN)

Сервис
Ссылка
BotHub
https://bothub.chat
AI Academy
https://aiacademy.me
OpenRouter
https://openrouter.ai

Платформы для UX-исследований

Платформа
Ссылка
Для чего
Dovetail
https://dovetail.com
Репозиторий инсайтов, AI-анализ
Maze
https://maze.co
Юзабилити-тестирование
Sprig
https://sprig.com
In-product опросы
Great Question
https://greatquestion.co
Полный цикл ресерча
BuildBetter
https://buildbetter.ai
Синтез из 100+ источников
Synthetic Users
https://syntheticusers.com
AI-интервью

Вайбкодинг и AI-агенты

Инструмент
Ссылка
Для чего
Claude Code
https://claude.ai/code
Вайбкодинг
Cursor
https://cursor.com
AI-IDE
Replit
https://replit.com
Браузерная среда
v0
https://v0.dev
React UI из описания
OpenClaw
https://openclaw.ai
Локальный AI-агент
Ollama
https://ollama.com
Локальные модели

Отчёты и исследования

Отчёт
Ссылка
Maze — Future of User Research 2026
https://maze.co/blog/future-user-research-2026
Lyssna — UX Research Trends 2026
https://lyssna.com/blog/ux-research-trends/
NN/g — State of UX in 2026
https://nngroup.com/articles/state-of-ux-2026/

Вместо заключения

AI не заменяет исследователя, AI делает исследователя сильнее. Мы можем сфокусироваться на том, что действительно важно — на понимании людей и влиянии на продукт.
1. Делегируем рутину, оставляем себе смысл. Транскрипция, кодирование — AI. Интерпретация, рекомендации — мы.
2. Доверяем, но проверяем. AI уверенно ошибается. Привычка верифицировать — профессионализм.
3. Начинаем с малого. Один шаблон промпта и одна задача.
4. Учимся формулировать. Качество AI-аутпута = качество нашего промпта.
5. Помним, зачем мы здесь. Не чтобы быть операторами AI, а чтобы помогать создавать продукты, которые нужны людям.
Удачи. И если что-то из мануала пригодилось — буду рада обратной связи)
]]> Исследователь 2026 — мануал по AI для продуктовых исследований (часть 1) https://www.researchops.ru/tpost/bjdn7ftyg1-issledovatel-2026-manual-po-ai-dlya-prod https://www.researchops.ru/tpost/bjdn7ftyg1-issledovatel-2026-manual-po-ai-dlya-prod?amp=true Wed, 17 Jun 2026 13:27:00 +0300 Дмитрий Мелентьев, основатель ResearchOps Education Как вайбкодинг, AI-агенты и автономные пайплайны меняют продуктовые исследования.

Исследователь 2026 — мануал по AI для продуктовых исследований (часть 1)

Часть I. Новая нереальность
Для кого этот мануал
От чатботов к агентам
Vibe coding & researching
AI-усталость
Тренды 2026

Часть II. Инструменты
Доступ из России
Стек исследователя
Пойти пить чай
Шпаргалка
Синтетические юзеры
Российские AI
Сравнение моделей
Безопасность
Если ты продуктовый исследователь, UX-ресерчер или аналитик — и чувствуешь, что мир вокруг меняется быстрее, чем ты успеваешь адаптироваться — этот мануал для тебя. Здесь не будет абстрактных рассуждений про «AI изменит всё» (мы все еще иногда кушаем и спим). Будут конкретные инструменты, промпты, которые можно скопировать прямо сейчас, и честный разговор о том, что работает, а что пока нет (по крайней мере, у меня).
Тебе не нужно уметь программировать. Вот, правда. Весь смысл того, что произошло за последний год, в том, что граница между «техническим» и «нетехническим» специалистом практически стерлась. Если ты умеешь внятно формулировать мысли — ты уже можешь создавать инструменты, которые раньше требовали команды разработчиков.

Часть I. Новая нереальность

От чатботов к агентам: что изменилось за год

Еще год назад типичное взаимодействие с AI выглядело так: ты копируешь транскрипт интервью в ChatGPT, просишь «найти паттерны», получаешь что-то более-менее полезное, но тратишь полдня на копирование и форматирование. Это был уровень «умный помощник» — полезно, но утомительно.

Сейчас всё иначе. И дело не в том, что модели стали умнее (хотя и это тоже). Дело в том, что изменилась сама модель взаимодействия.

Три эпохи AI-помощи исследователю

2023 — эпоха подсказок. AI как Google на стероидах. Спросил — получил ответ. Полезно для брейнштормов и черновиков, но по сути ты делаешь всю работу сам, а AI подкидывает идеи.
2024 — эпоха ассистентов. AI стал лучше понимать контекст, появились длинные контекстные окна, можно загружать документы. Ты всё ещё за рулём, но AI уже берёт на себя рутину — транскрибирует, тегирует, кластеризует. Инструменты вроде Dovetail и Maze начали встраивать AI в свои платформы.
2025–2026 — эпоха агентов. И вот тут произошёл качественный скачок (и количественный хехе). AI больше не ждёт твоей команды на каждом шаге. Ты говоришь: «Проанализируй 30 интервью, найди ключевые темы, сгруппируй по болям пользователей и подготовь отчет с цитатами» — и он это делает. Сам ищет по источникам, сам решает, в каком порядке действовать, сам итерирует, если первый подход не сработал.
Ключевое слово здесь — делегирование. Раньше мы задавали вопросы (Conversational UI — модель «запрос-ответ»), теперь ставим цели (Delegative UI — «сделай сам»).
Роль меняется. Мы больше не те, кто руками кодирует транскрипты и рисует структуры на досках (хотя можете, если хочется). Мы, те, кто задает правильные вопросы, выбирает правильный метод, валидирует результаты и доносит инсайты до команды. AI забирает рутину, а нам остаётся то, что AI пока не может — эмпатия, контекст, стратегическое мышление.
И тут важно не впасть в крайность. AI в 2026 году — это очень мощный стажёр. Быстрый, трудолюбивый, с отличной памятью, но без понимания контекста нашей компании, политических нюансов и того, почему Вася из продуктовой команды никогда не примет рекомендацию, если она не подкреплена количественными данными. Всё это — по-прежнему наша территория.

Vibe coding и vibe researching — в чём разница

Вайбкодинг — термин, который ввёл Андрей Карпати (сооснователь OpenAI) в начале 2025 года. Суть простая: мы описываем, что хотим получить, на обычном языке, AI пишет код за нас. «Сделай мне дашборд, который показывает результаты интервью с фильтрами по сегментам» — и через 15 минут у нас работающее веб-приложение.
К марту 2026 вайбкодинг стал мейнстримом. 92% разработчиков в США используют AI-кодинг ежедневно, а 41% всего кода в мире генерируется AI. Рынок вайбкодинг-платформ — $4.7 миллиарда.
Vibe researching — это когда мы проводим исследование совместно с AI: не просто просим его проанализировать данные, а ведем совместную работу, где AI берёт на себя значительную часть процесса — ищет информацию, формулирует гипотезы, проводит предварительный анализ — а мы направляем и валидируем.

В обоих случаях мы — стратеги, а не исполнители.

AI-усталость

В 2026 году слово «AI» вызывает у многих людей легкий тик. Каждый второй SaaS-продукт добавил «AI» в название, каждый третий — воткнул AI-фичу, которая работает так себе. Термин «AI slop» («AI-помои») стал общеупотребительным. Я несколько раз бралась за проекты с такой "целью" – пристроить AI, нигде ничего хорошего не получалось, потому что оказывалось, что оптимизировать и автоматизировать попросту нечего.
По данным NN/g (Nielsen Norman Group), пользователи устали от ленивых AI-фич. Выигрывают команды, которые используют AI стратегически и точечно.
Для исследователя это означает: не нужно автоматизировать всё. Нужно автоматизировать то, что отнимает время и не требует человеческого суждения, а освободившееся время потратить на глубокое понимание пользователей.

Тренды 2026: куда смещается фокус

Always-on research: от проектов к потоку

Раньше исследование — это проект. Бриф → рекрутинг → поля → анализ → отчёт → презентация. Потом месяц тишины. А потом мы пытаемся понять, что произошло между проектами, и почему наш продукт больше никому не нужен.
В 2026 лидирующие команды перешли к модели непрерывного исследования. Данные собираются постоянно: автоматический анализ тикетов поддержки, мониторинг отзывов в сторах, анализ упоминаний в соцсетях (выяснилось, что там стооооолько данных).

Синтетические пользователи: полезно, но с оговорками

48% исследователей (по данным Lyssna) считают синтетических пользователей значимым трендом 2026 года. «Их просто нужно уметь готовить».
Вердикт: отличный инструмент для пре-тестирования и генерации гипотез, но не замена реальным пользователям.

Исследования выходят на уровень стратегии

Доля компаний, где исследования влияют на все уровни бизнес-стратегии, выросла с 8% до 22% за один год (Maze, 2026).

Демократизация: все теперь ресерчеры

Новая роль исследователя — наставник (с плеткой, извините). Мы не пытаемся говорить «только я могу проводить исследования». Мы направляем команду делать это правильно.

MCP как соединительная ткань

MCP (Model Context Protocol) к марту 2026 достиг 97 миллионов установок. Claude может подключиться к нашему Google Drive, Gmail, CRM — и работать напрямую с нашими реальными данными. Раньше половина работы уходила на сбор и подготовку данных. Теперь AI сам идёт к данным.

Часть II. Инструменты

Доступ из России

Прежде чем разбирать инструменты — слон в комнате (пссс). ChatGPT, Claude и Gemini официально не работают в России. Што делать:

Путь 1. VPN + прямой доступ

Самый полнофункциональный вариант, но самый хрупкий. Нужен хороший VPN, иностранный номер и карта. Риск: аккаунт могут заблокировать. Анонимизируем, шифруем, ставим локально опенсорсные модели.

Путь 2. Российские агрегаторы

Платформы вроде BotHub, AI Academy подключаются к API тех же моделей и предоставляют доступ через российский интерфейс. Без VPN, оплата российской картой или СБП. Минус: не все функции доступны.

Путь 3. Открытые модели локально

DeepSeek, Qwen, Llama — можно скачать и запустить на своём компьютере. Данные никуда не уходят, VPN не нужен. Минус: нужна мощная видеокарта (от 16 ГБ VRAM).

Карта доступа по инструментам

Инструмент
Доступ из РФ
Что нужно
Claude
VPN / агрегатор
VPN + иностранная карта, либо BotHub
ChatGPT
VPN / агрегатор
VPN + иностранная карта
Gemini
VPN
VPN, Google-аккаунт без привязки к РФ
Perplexity
Напрямую
Без VPN, бесплатно
DeepSeek
Напрямую
Без VPN, бесплатно
GigaChat
Напрямую
Российский сервис
YandexGPT / Алиса
Напрямую
Российский сервис
OpenClaw
Локально
Ставится на компьютер
Dovetail, Maze
Напрямую
Иностранная карта
Claude Code
VPN
VPN + подписка Anthropic
Cursor
Напрямую
Иностранная карта
Replit
Напрямую
Без ограничений
Совет: не класть все яйца в одну корзину. Диверсификация позволит привыкнуть к моделям разных семейств. Держим лапку на пульсе.

Стек исследователя: четыре уровня зрелости

Начинаем с первого уровня, осваиваемся, потом поднимаемся выше.

Уровень 1 — AI внутри готовых платформ

Dovetail — Magic Highlight, Magic Cluster, Magic Search, Magic Reels, Magic Redact. От $29/мес.
Maze AI — юзабилити-тестирование, автоотчёты, 100K+ респондентов. От $99/мес.
Sprig — in-product микроопросы с AI-анализом в реальном времени.
Great Question — полный цикл: рекрутинг → интервью → анализ → репозиторий.
BuildBetter — синтез из 100+ источников (интервью, тикеты, Slack, сторы).

Уровень 2 — AI как универсальный ассистент

Claude с Deep Research — автономный поиск по 20+ источникам, MCP-интеграции, артефакты.
ChatGPT / GPT-5.4 — контекст 1М токенов, Deep Research.
Gemini 3.1 Ultra — нативная мультимодальность: видео + текст + изображения.
Perplexity Pro — быстрый поиск с источниками.
NotebookLM — диалог с загруженными документами (до 50 источников).

Уровень 3 — AI как автономный агент

Claude Code — вайбкодинг в терминале/VS Code.
Cursor — AI-IDE.
Replit — браузерная среда.
v0 — React UI из описания.
Bolt.new / Lovable — full-stack из промпта.
OpenClaw — локальный AI-агент (247K+ звёзд на GitHub). Работает через Telegram/WhatsApp, 100+ скиллов, 700+ на ClawHub. Данные никуда не уходят. Но: установка через терминал, 9+ CVE в марте 2026, нужна техническая подготовка.

Когда можно пойти пить чай

Сценарий 1: Deep Research (5–20 мин)

Нажимаем Enter, идем варить кофе. Через 10–15 минут — отчёт на 3000–5000 слов с цитатами и ссылками.

Проведи глубокое исследование: как финтех-компании в Европе проводят UX-исследования в 2025–2026 году. Найди конкретные кейсы, методологии, инструменты. Сравни подходы крупных банков и стартапов. Минимум 15 источников.

Сценарий 2: Claude Code — вайбкодинг на автопилоте (15–60 мин)

Описываем сложный инструмент — Claude Code пишет, тестирует, исправляет ошибки сам.
Создай полноценный веб-дашборд для отслеживания метрик UX-исследований нашей команды. Данные из приложенного CSV. Нужны: timeline исследований, heatmap тем по месяцам, таблица с фильтрами, экспорт в PDF. Сначала изучи данные, потом сделай план, потом реализуй. Тестируй на каждом шаге.

Сценарий 3: OpenClaw — фоновый мониторинг (часы и дни)

Настраиваем один раз — работает постоянно. Пишем в Telegram: Каждый понедельник в 9:00 собирай новые отзывы о нашем приложении [название] из App Store и Google Play за неделю. Группируй по темам, определяй тональность, сравни с предыдущей неделей. Отправляй мне саммари в Telegram.

Сценарий 4: Пакетная обработка данных (30–120 мин)

50 транскриптов → запускаем через Claude Code → уходим обедать.

Вот папка с 50 транскриптами интервью (файлы 001.txt — 050.txt).

Для каждого транскрипта:
1. Определи ключевые темы
2. Выдели прямые цитаты по каждой теме
3. Оцени общую тональность (позитив/негатив/нейтраль)
4. Запиши результат в structured_output.csv

После обработки всех файлов:
5. Сделай мета-анализ: какие темы встречаются чаще всего
6. Построй матрицу «тема × респондент»
7. Сгенерируй HTML-отчёт с визуализациями

Работай файл за файлом, не пропускай ни одного.

Сценарий 5: Ночной аналитик (ARIS-паттерн, ночь)

Одна модель делает работу, другая критикует. Запускаем вечером → утром получаем отчет, который прошёл несколько итераций самопроверки.

Этап 1 (Claude Code — исполнитель):
Закодируй 30 транскриптов, найди 8–12 тем, подготовь отчет.

Этап 2 (внешняя LLM через Codex MCP — критик):
Оцени качество кодирования. Какие темы притянуты?
Где недостаточно данных? Какие цитаты некорректны?

Этап 3 (Claude Code — исправление):
Учти критику, перекодируй спорные места, обнови отчёт.
Повтор до 3 раундов.

Когда что использовать: шпаргалка

Задача
Инструмент
Почему
Быстро проверить факт
Perplexity
Из РФ, быстрый, с источниками
Конкурентный анализ
Claude Deep Research
Синтез из 20+ источников
5–10 транскриптов
Claude / ChatGPT
Загрузить файлы + промпт
30+ транскриптов
Claude Code
Пакетная обработка
Юзабилити-тест
Maze AI
Figma, автоотчёты
Мониторинг 24/7
OpenClaw
Фоном, отчёты в Telegram
Видеозаписи
Gemini 3.1 Ultra
Нативное видео + текст
Конфиденциальные данные
Ollama (локально)
Данные на компьютере
Бесплатный AI из РФ
DeepSeek / GigaChat
Без VPN
Мощный AI из РФ
BotHub
Claude/GPT через агрегатор

Синтетические исследования

Synthetic Users — AI-персоны Big Five (OCEAN), мультиагентный пайплайн, $2–27 за пользователя.
Outset — AI-интервьюер на 30+ языках, до 1000 одновременных интервью. От $20K/год.

Когда использовать: для претестирования гипотез и тестов, где сложно найти ЦА. Всегда валидируем с реальными пользователями после.

Российские AI: что годится для ресерча

GigaChat (Сбер)

Да без VPN, бесплатно, 128K контекст, данные в РФ, Kandinsky для картинок
Уступает Claude/GPT, нет интернета, галлюцинирует, API только юрлицам.
Вердикт: черновики, суммаризация, первые гипотезы. Для глубокого анализа — слабоват.

YandexGPT / Алиса AI

Да Лучший русский язык, интеграция с поиском, ~200 руб/мес.
Лимит запросов, API для бизнеса, уступает Claude.
Вердикт: быстрый ресерч с поиском. Для транскриптов — не хватает мощности.

DeepSeek

Да Без VPN, бесплатно, Deep Thinking, близок к GPT-5, можно локально, хорош для кода. Русский хуже GigaChat, медленная веб-версия, нет поиска.
Вердикт: лучший бесплатный вариант для аналитики из РФ.

Perplexity

Работает из РФ без VPN. Быстрый поиск с источниками — must-have для конкурентного анализа и факт-чекинга.

Сравнительная таблица моделей

Задача
Claude
GPT-5.4
Gemini
DeepSeek
GigaChat
YandexGPT
Кодирование транскриптов
★★★★★
★★★★
★★★★
★★★
★★
★★
Тематический анализ
★★★★★
★★★★
★★★★
★★★
★★
★★
Длинные документы
★★★★★
★★★★★
★★★★
★★★
★★★★
★★★
Конкурентный анализ
★★★★★
★★★★
★★★★
★★★
★
★★★★
Анализ CSV
★★★★
★★★★★
★★★
★★★★
★★
★★
Вайбкодинг
★★★★★
★★★★
★★★
★★★★
★★
★
Видеозаписи
★★
★★★
★★★★★
★
★
★
Русский язык
★★★★
★★★★
★★★
★★★
★★★★
★★★★★
Из РФ без VPN
—
—
—
да
да
да
Бесплатно
—
—
—
да
да
да

Безопасность: минимальная гигиена

Правило 1.
Не загружаем персональные данные в облачные модели. Анонимизируем транскрипты.
Правило 2.
Для конфиденциальных проектов — локальные модели (DeepSeek через Ollama, GigaChat).
Правило 3.
OpenClaw = мощь + ответственность. Отдельный аккаунт, проверяем сторонние скиллы.
Правило 4.
Prompt injection реальна. Не даём агентам критические доступы без контроля.
Правило 5.
Не доверяем AI числа без проверки. Перепроверяем всё, что идёт в отчёт.
Читать продолжение статьи >>
]]>