# Разбор интервью с пользователями

`БЗ04`

> БИЗНЕС · СРЕДНИЙ · тема по фильтру курса 16/20 — берите

Загружаете аудио/видео интервью с клиентами или транскрипцию — AI автоматически выделяет Pain Points ("долго жду ответа"), Gains ("хочу быстро сравнивать цены"), Jobs-to-be-Done ("нужно покупать подарки к праздникам") и генерирует гипотезы для тестирования.

**Зачем:** Ускорение Customer Development для продуктологов, стартапов и UX-исследователей.

## Что предстоит выяснить

- Что считать болью, а что — жалобой на настроение
- Как отличить реальный опыт от гипотезы респондента о себе
- Где кончается одна боль и начинается другая при сведении интервью
- Что делать с интервью, где респондент говорил то, что от него хотели услышать

**Область:** речь, исследование пользователей, продуктовые решения

## Тема глазами курса

**Чей процесс:** Продуктолог проводит интервью пачками и не успевает разбирать записи — курс сам этим занят в лабе 1

**Почему не решается одним вызовом модели:** Речь надо расшифровать, а потом отделить боль от вежливого разговора — это два разных умения и две разные ошибки. Одна и та же боль звучит в пяти интервью по-разному

**Где появляется результат:** Результат живёт в базе исследований и определяет, что команда возьмёт в работу

**Что считается успехом:** Продуктолог узнаёт из разбора то, что упустил на слух, и находит боль, повторяющуюся у разных людей

**Что будут атаковать:** Реплика респондента с инструкцией — запись приходит извне

**Откуда данные (добывают сами):** Интервью команда проводит сама в первой лабе курса — это же материал для темы. Дополнительно подходят открытые записи подкастов и публичных интервью

### Оценка по фильтру: 16/20 — берите

- Чей процесс: 4/5 — Кому больно — и можно ли этого человека спросить?
- Своё поверх модели: 4/5 — Что останется от продукта, если убрать чужую модель?
- Действие: 4/5 — Продукт что-то меняет — или только показывает?
- Проверяемость: 4/5 — Чем меряется качество и что здесь будут атаковать?

> Тема курса «Системы искусственного интеллекта». Команда из четырёх ролей (Product/VO, AI Engineer, Delivery, Quality & Safety) реализует её за 16 недель, семь спринтов-лабораторных.