🥺 Как придумывать идеи для продуктовых ресерчей? Возможно, у вас возникало чувство того, что хочется сделать что-то классное с точки зрения аналитики, но непонятно, с чего начать. На практике идеи для исследований чаще всего лежат прямо рядом. 1. Посмотреть, что происходит в продукте 😮 По своему опыт скажу, что не так много аналитиков регулярно прокликивают дашборды или системно формируют отчетность. Сделали один раз, а дальше просто закрываем задачи в спринте. Хотя именно там часто появляются первые сигналы для исследований. Об этом я писал здесь ❓ Иногда достаточно задать простой вопрос: "Почему эта метрика ведет себя именно так? Можем ли мы ответить на этот вопрос прямо? Или нужно искать специфичный срез?" 2. Общение с пользователями Есть ли в компании продуктовые исследователи, которые проводят интервью или опросы? Через такие исследования часто подсвечиваются точечные проблемы на определенной выборке пользователей. Это хороший источник гипотез для аналитики, потому что можно: 🟢проверить масштаб проблемы 🟢посмотреть сегменты пользователей 🟢понять реальный импакт 3. Посмотреть на бенчмарки рынка Иногда полезно просто понять, как устроены похожие продукты. Мне в этом хорошо помогает: 🟢 NotebookLM (с недавнего времени активно использую) 🟢 Deep Research в ChatGPT (раньше использовал Perplexity для поиска) Можно задать конкретную сферу и посмотреть: 🟢какие метрики считают 🟢какие механики используют 🟢как компании растут в этом направлении 4. Посмотреть на продуктовый беклог Все новое — хорошо забытое старое. Или не сделанное... Иногда в беклоге уже лежат идеи, которые когда-то не дошли до реализации ИЛИ были реализованы, но не проанализированы ИЛИ их можно докрутить для отдельного сегмента пользователей Иногда такой анализ может сам по себе стать полноценным продуктовым ресерчем. 🔽 Обычно паттерны для исследований появляются в похожих ситуациях: 1. Конверсия падает без очевидной причины 2. Метрика растет только в одном сегменте 3. Пользователи используют фичу не так, как ожидалось 4. Retention новой когорты сильно отличается 5. Конкуренты делают иначе 6. В данных появляется аномальный сегмент и др. Будет также круто, если вы пользуетесь продуктом, который анализируете. Так поймете основные проблемы, ботлнеки и тд. Об этом я писал пост здесь. 👀 Также важно, чтобы реализация идеи было не супер сложной, так как высока вероятность, что такую идею зарубят А у вас как дела с продуктовыми исследованиями? Делитесь в комментариях! 🐳 @zasql_python