Проблема не в том, что эти данные неверны. Проблема в том, что они неполны, а неполнота здесь имеет конкретную цену: продуктовые решения, построенные на иллюзии понимания, стоят дороже, чем те, что приняты с честным осознанием пробелов.
Что люди говорят — и что они на самом деле делают
Человек устроен так, что объясняет своё поведение постфактум. Психологи называют это конфабуляцией: мы рационализируем уже совершённый выбор, а не воспроизводим истинную цепочку мотивов. Спросите пользователя, почему он перестал пользоваться функцией — и он скажет что-то правдоподобное. Правдоподобное, но не обязательно точное.
Добавьте к этому ещё один слой неточности: слова сами по себе ненадёжны как измерительный инструмент. Систематический обзор 33 исследований показал, что числовые интерпретации вербальных вероятностных формулировок крайне вариативны: слово «редко» участники опросов в среднем интерпретировали как 10% вероятность — тогда как в европейских стандартах маркировки лекарств этот термин означает 0,01–0,1%. Разрыв — более чем стократный. Когда ваш пользователь говорит, что «иногда» пользуется функцией или что функция «часто» даёт сбои — каждый читающий этот ответ кладёт в слово «иногда» и «часто» своё число.
Это не проблема честности пользователей. Это структурная проблема самоотчёта как метода.
Четыре уровня: от слов к причинам
Чтобы снизить риск ошибочных выводов, полезно мыслить четырьмя уровнями понимания пользователя — концепция, которую разрабатывает исследователь потребительской психологии Ханна Шамджи.
| Уровень | Что изучается | Типичные методы | Где ошибается |
|---|---|---|---|
| 1. Что говорят | Мнения, отзывы, декларации | Опросы, NPS, CRM, отзывы | Социальная желательность, постфактум-рационализация, неточность слов |
| 2. Что думают и чувствуют | Ожидания, опыт, эмоциональный отклик | Глубинные интервью, дневниковые исследования | Память искажает воспоминания, личные фильтры накладываются на описание |
| 3. Что делают | Реальные действия, паттерны использования | Аналитика, тепловые карты, запись сессий, task analysis | Показывает «что», но не «почему»; аномалии без контекста легко трактовать неверно |
| 4. Зачем делают | Глубинные мотивы, триггеры, скрытые барьеры | Наблюдение в реальном контексте, повторные интервью, task walkthrough | Требует доверия и времени; сложнее масштабировать |
Каждый уровень — не замена предыдущему, а дополнение с другой зоной слепоты. Данные первого уровня легко собрать, но они наименее надёжны. Данные четвёртого уровня — самые ценные, но и самые трудоёмкие.
Большинство платформ накапливают уровни 1–3: есть аналитика, есть NPS, есть иногда интервью. Уровень 4 — понимание почему — остаётся белым пятном. А именно там живут решения об удержании, позиционировании и том, что строить дальше.
Как не перепутать симптом с причиной
Допустим, аналитика показывает, что пользователи массово бросают онбординг на третьем шаге. Это симптом. Команда проводит опрос — и узнаёт, что «интерфейс непонятен». Это ещё один симптом, теперь уже в словесной упаковке. Решение, к которому тянет интуиция: переписать UI третьего шага.
Но причина может быть совсем другой: пользователи не понимают, зачем им вообще нужен этот шаг, потому что ценность продукта для них ещё не очевидна. Никакой редизайн интерфейса это не исправит.
flowchart LR
A[Самоотчёт\nпользователя] --> B[Наблюдение\nповедения]
B --> C[Поведенческие\nданные]
C --> D{Противоречие\nмежду уровнями?}
D -- Да --> E[Повторное\nинтервью\nс контекстом]
D -- Нет --> F[Предварительный\nвывод]
E --> F
F --> G[Продуктовое\nрешение]
Логика триангуляции проста: если самоотчёт и поведенческие данные совпадают — есть основание для вывода. Если они противоречат друг другу — это сигнал копать глубже, а не повод выбрать один источник и проигнорировать другой.
Именно здесь NPS показывает свою главную слабость. Это индикатор отношения к продукту в конкретный момент, но он не раскрывает механику поведения. Пользователь ставит 9 и через две недели уходит. Пользователь ставит 6 и остаётся активным три года. NPS фиксирует температуру, а не диагноз.
Проблема «валидации» вместо исследования
Есть одна ловушка, в которую попадают даже команды с развитой исследовательской культурой: они называют исследованием то, что на самом деле является подтверждением уже готового убеждения.
«Давайте провалидируем гипотезу» — это звучит научно. Но если вопросы в интервью сформулированы так, чтобы получить нужный ответ, а результаты интерпретируются через призму уже принятого решения — это не исследование. Это ритуал, дающий уверенность без оснований.
Честная альтернатива выглядит иначе: сначала диагностика реального поведения, потом — попытка его объяснить. Не «подтверди, что нам нужна эта фича», а «покажи, как ты сейчас решаешь эту задачу». Разница на первый взгляд небольшая, но она принципиально меняет качество вывода.
Эмоции как сигнал, а не как ответ
Эмоциональный отклик пользователя — важная информация, но её легко переоценить. Замешательство во время сессии, облегчение после успешного действия, раздражение от повторной ошибки — это сигналы о том, насколько продукт работает для человека. Они не говорят сами по себе, что именно нужно изменить.
Один из практических приёмов — не просить пользователей «думать вслух» в процессе задачи. Параллельная вербализация мешает нормальному выполнению задачи и скрывает часть эмоций за словами. Более продуктивно наблюдать молча — следить, где курсор кружится без действия, где человек скроллит назад, где зависает — а вопросы задавать после того, как пользователь завершил или застрял. Именно тогда контекст, который человек добавляет к своему объяснению, оказывается наиболее ценным.
Что это значит на практике для платформ
Перестроить исследовательскую практику не обязательно означает дорогостоящие инструменты или большие бюджеты. Несколько простых структурных изменений меняют качество понимания:
Хелпдеск как источник данных. Запросы в поддержку — это уровень 1, но в его наиболее честном варианте: человек пишет, когда что-то реально не работает. Регулярный анализ тем обращений (раз в квартал) даёт картину боли без фильтра социальной желательности.
Разделение симптома и причины. Когда метрика падает или растёт — первый вопрос не «что делать», а «достаточно ли мы понимаем, почему это происходит?» Рост сессий может означать вовлечённость, а может — то, что пользователи не могут найти нужное и заходят по несколько раз.
Повторные интервью, а не одноразовые. Глубинный мотив редко появляется в первом ответе. Человек сначала говорит то, что звучит разумно. Настоящая причина — та, которую он добавляет, когда его переспрашивают или когда он сам начинает уточнять своё объяснение.
Видимость пользовательских проблем внутри компании. Короткие записи сессий, ежемесячные выжимки из исследований, которые видит не только продуктовая команда, но и маркетинг, и инженеры — это создаёт общий язык вокруг реального пользователя, а не вокруг персонажа из презентации.
Честный критерий понимания
Есть простой тест: если команда может объяснить не только что делают пользователи, но и почему они делают именно это, а не иначе — и это объяснение подкреплено более чем одним типом данных — понимание есть. Если объяснение строится только на опросах или только на аналитике — перед нами, скорее всего, правдоподобная гипотеза, которую ещё предстоит проверить.
Платформы, которые принимают продуктовые решения, опираясь на один источник сигнала, не обязательно ошибаются — иногда им везёт. Но везение — плохая замена системе. А система начинается с признания того, что слова пользователей, их эмоции, их действия и их мотивы — это четыре разных источника информации, каждый из которых необходим и ни один из которых не достаточен сам по себе.
