Как использовать ИИ для исследования рынка в 2027 году и не обманывать себя

На этой странице

1. В чём ИИ хорош на раннем этапе исследования
2. Три способа, которыми он вас обманывает
3. Промпты, которые работают против вашей предвзятости
4. Проверяйте каждый факт, прежде чем его использовать
5. Гипотетический пример
6. Превращайте ответы ИИ в реальные тесты
7. Ваш следующий шаг

Спрашивать ИИ-ассистента о своём рынке — это немного похоже на то, как нанять стажёра-исследователя, который никогда не спит. Вы задаёте вопрос о своей идее, и через секунды приходит аккуратный ответ: кто клиенты, чего они хотят и почему ваша идея им подходит.

В этом и проблема. Аккуратный, уверенный ответ ощущается как знание, хотя часто это хорошо написанная догадка, сформированная тем, как вы задали вопрос. Без должной осторожности вы получите папку с исследованиями, полную ваших же предположений, пересказанных вам более красивым языком.

Ниже — где ИИ действительно полезен на раннем этапе исследования рынка, как именно он вводит в заблуждение и простой порядок действий, который помогает держать его в рамках. Планируете продукт или бизнес на 2027 год с его помощью? Это поможет не оказаться на зыбкой почве.

В чём ИИ хорош на раннем этапе исследования

Относитесь к ИИ как к быстрому способу генерировать и сортировать возможности, а не как к источнику фактов о вашем рынке. При таком подходе он отлично справляется с несколькими задачами.

Расширить список возможностей

Попросите его перечислить все типы людей, у которых может быть эта проблема, все ситуации, которые её вызывают, и все способы, которыми люди справляются с ней сегодня. Список получится длиннее, чем вы составили бы сами, и немалая его часть будет очевидной или неверной. Неважно. Вы ищете те два-три пункта, о которых не подумали.

Спорить с вами

ИИ — терпеливый спарринг-партнёр. Попросите самые сильные аргументы против вашей идеи в изложении скептичного покупателя, уставшего конкурента или осторожного инвестора. Он не обидится и не заскучает на шестом раунде.

Упорядочить то, что вам рассказали реальные люди

После разговоров с клиентами он может сгруппировать заметки по темам и выделить повторяющиеся фразы. Но сохраните исходные заметки. Вам нужно будет проверить, что каждая тема действительно взялась из слов людей, а не была сглажена во что-то более аккуратное.

Три способа, которыми он вас обманывает

Каждый из них встречается снова и снова, и каждый легко пропустить, когда ответ с вами согласен.

Он подыгрывает тому, кто спрашивает

Опишите идею с явным воодушевлением, спросите, что подумает рынок, — и ответ обычно будет ободряющим. Модель подхватывает вашу подачу. Спросите «Почему занятым родителям это понравится?» — и она найдёт причины; спросите «Почему занятые родители это проигнорируют?» — и она найдёт уже их. Ни то ни другое не скажет, что родители на самом деле делают во вторник вечером.

Он выдаёт цифры, которые звучат правдоподобно

Спросите о размере рынка, о том, у скольких людей есть проблема, или о том, сколько обычно платят клиенты, — и вы можете получить точные на вид цифры, иногда даже со ссылкой на источник. Некоторые могут оказаться примерно верными. Другие выдуманы или устарели, а указанный источник может говорить совсем не то или вовсе не существовать. Ответ при этом звучит одинаково уверенно.

Он говорит как клиент, не будучи клиентом

ИИ может написать очень правдоподобную жалобу или реалистичный ответ на интервью. Это подбор шаблонов по тексту, а не отчёт о том, что кто-то на вашем рынке сделал на прошлой неделе. Он не знает вашего города, ваших реальных конкурентов или цену, которую ваши покупатели видели вчера на полке.

Промпты, которые работают против вашей предвзятости

Избавиться от этих проблем нельзя. Но то, как вы спрашиваете, может им противостоять.

• Описывайте идею сухо, как будто она чужая. А ещё лучше — опишите два-три варианта и не говорите, какой из них ваш.
• После любого положительного ответа просите назвать самые веские причины, по которым идея провалится, а затем спрашивайте, какие данные позволили бы понять, кто прав.
• Спрашивайте от лица конкретной роли. «Как отреагирует офис-менеджер с ограниченным бюджетом?» даёт больше полезных деталей, чем «Что думают клиенты?»
• Задайте один и тот же вопрос дважды, в новых сессиях и разными словами. Если ответы сильно расходятся, значит, тема всё ещё не изучена.
• Заканчивайте вопросом «Что мне нужно увидеть в реальном мире, чтобы это проверить?» Он превращает мнения в эксперименты.

Проверяйте каждый факт, прежде чем его использовать

Почти всё покрывает одно правило. Любая цифра, название или утверждение от ИИ — это догадка, пока вы сами не нашли это в источнике, который можно открыть и прочитать.

Ведите в заметках две колонки: одну для того, что вы проверили, другую — для того, что предложил ИИ. Ничто не переходит из второй колонки в первую только потому, что пролежало там достаточно долго, чтобы казаться привычным. У любой цифры, попавшей в питч-дек или бизнес-план, должен быть источник, на который можно указать. А во всём, что касается права, налогов или регулирования, сводка от ИИ — неподходящее место, чтобы остановиться: обратитесь к официальным правилам там, где вы ведёте деятельность, или заплатите специалисту за час его времени.

Гипотетический пример

Представьте Дани, которая восемь лет водила фуры на дальние расстояния, а теперь хочет открыть сервис забора и доставки стирки для водителей на большой стоянке для грузовиков возле своего городка.

Она начинает с того, что просит ИИ перечислить все способы, которыми водители решают вопрос стирки в дороге, и что с каждым из них идёт не так. Большая часть списка ей знакома. Один пункт — нет: водители, которые возят с собой второй комплект всего, чтобы дотерпеть до дома. Интересно. Но это зацепка, а не вывод.

Затем она просит назвать самые веские причины, по которым идея провалится. ИИ упоминает водителей, которые редко останавливаются в одном месте дважды, ограничения парковки, которые короче, чем стирка с сушкой, и покупателей, которых может отпугнуть цена. Она ничего из этого не считает правдой. Каждый пункт становится вопросом для реального разговора: «Как часто вы снова проезжаете через эту стоянку?» «Сколько вы обычно здесь стоите?» «Когда вы в последний раз стирались в рейсе и сколько это стоило?»

ИИ также очень уверенно называет число водителей, которые останавливаются там каждую неделю. Она нигде не может найти источник этой цифры, поэтому та остаётся в колонке «предложено» и даже близко не попадает в её план.

Превращайте ответы ИИ в реальные тесты

Всё полезное, что говорит вам ИИ, должно в итоге стать вопросом для реального человека, небольшим экспериментом или фактом, который вы проверили сами. Всё, что не может стать ни тем, ни другим, ни третьим, — просто интересное чтение, не более.

Смоделированные аудитории — из той же категории. Например, полный тест SellTo.us показывает вашу концепцию толпе смоделированных персон (от 1000 до 100 000) — это быстрый способ выявить вероятные возражения или сравнить два варианта бок о бок. Их генерирует ИИ, а не набирают как респондентов, и то, что они говорят, — это не продажи и не прогноз, поэтому относитесь к результату как к новым вопросам для настоящих клиентов. О том, где проходит эта граница, читайте в статье «Аудитории, смоделированные ИИ, и исследования с реальными клиентами», а о том, как читать цифры, — в статье «Что означают 1000 участников, смоделированных ИИ».

Ваш следующий шаг

Возьмите одну идею, над которой работаете, и напишите её сухое, лишённое восторга описание: три-четыре предложения, никаких продающих прилагательных. Вставьте его в бесплатный «Разбор идеи» и посмотрите, что он отметит как слабые места и как самое рискованное допущение. Перепишите каждый пункт как вопрос для реального клиента, сверьте их с советами из статьи о составлении вопросов для customer discovery, чтобы они получились нейтральными, и назначьте три разговора на этой неделе.

Автор: команда SellTo.us. Примеры в этой статье гипотетические. Результаты SellTo.us получены от участников, смоделированных ИИ, а не от реальных людей, и не предсказывают продажи и не гарантируют успех.