каганова: деск рисёрч

Я только начала читать книжку «Аутизм у взрослых» Зои Соколовой — руководство для психологов и их клиентов. Тема для меня сейчас животрепещущая: мне самой не так давно поставили синдром Аспергера, и я всё ещё пытаюсь понять, что это вообще такое и как с этим жить. И, конечно, периодически возникает вопрос: как я вообще дожила до 28 лет, не зная, что у меня есть такое расстройство? И вот открываю первую главу, буквально первую страницу — и сразу нахожу прекрасный пример, который кабинетному исследователю пройти мимо просто не позволяет. Авторка ссылается на данные национального исследования за 2021–2022 годы: распространённость РАС среди детей составила 3,05% в 2021 году и 3,79% в 2022-м. Окей, думаю я, рост на 0,7 п.п. за год. Переворачиваю страницу — и читаю уже вывод: «Данные демонстрируют устойчивый рост за последние 10 лет, даже после учёта демографических факторов». Простите, а где остальные восемь лет? Если мы посмотрели только два года, откуда взялись «последние 10 лет»? Почему не приведён сам временной ряд (хотя бы крайние точки)? И вот я сижу и думаю: насколько это вообще корректное использование вторичного источника? Это методологическая ошибка, неудачная формулировка или я просто слишком много хочу от научно-популярной книги? Потому что если бы я ревьюила такой фрагмент как кабинетный исследователь, я бы точно попросила его переписать. А если бы пришёл такой абзац в редактуру — наверное, тоже. В конце концов, читатель не должен сам достраивать доказательную базу за автора. Но, может быть, здесь действительно всё очевидно, а я просто придираюсь. Кабинетные исследователи, рассудите?

на сайте с госстатистикой Таджикистана на КАЖДОЙ странице есть фотка их президента 🐈‍⬛

я надеюсь, что это не пустая страница, а белая таблица с белым шрифтом на белом фоне

стрем или норм?

Исследования - это прекрасно

ну мы

🖤 Ваш читатель не должен страдать Исследовательский отчёт — это не финальная формальность и не «упаковка результатов», а момент, когда исследование проходит проверку на осмысленность. Пока данные лежат в таблицах, кодах или заметках, они остаются сырьём. Отчёт превращает их в аргумент — форму, в которой результаты становятся понятны другим людям. Поэтому отчёт — это продолжение исследования, а не приложение к нему. 🤪 Важно различать три типа вопросов, которые сходятся в отчёте. Исследовательский вопрос связан с тем, что вы хотели понять и как двигались в процессе. Читательский вопрос — с тем, что человек пытается понять, открывая текст: что здесь главное, почему это важно и можно ли этому доверять. Коммуникативная задача отчёта — соединить эти два уровня и сделать результат понятным и полезным для конкретной аудитории. 🧠 Формат отчёта может быть разным — презентация, текст, дашборд или серия карточек. Но логическая структура остаётся неизменной. В отчёте должны быть саммари с главным смыслом работы, последовательный аргумент, интерпретация данных и выводы с возможными следующими шагами. Без этой связности отчёт превращается в набор материалов, даже если сами данные сильные. 😱 Ключевую роль играет язык. Исследовательский текст должен ясно различать факты, интерпретации и предположения. Когда эти уровни смешиваются, читатель теряет доверие. Простота формулировок здесь — не вопрос стиля, а инструмент аналитической точности. Чёткое указание источников данных, ограничений исследования и степени уверенности в выводах делает отчёт сильнее, а не слабее. Хороший отчёт не обязан повторять весь путь исследования и не должен отвечать на все возможные вопросы. Его задача — честно реконструировать смысл проделанной работы и сделать её полезной для конкретной аудитории. В этом смысле отчёт — не точка в исследовании, а запятая: он фиксирует результат и одновременно открывает пространство для новых вопросов, гипотез и решений.

В резюме написано, что вы умеете писать и редактировать тексты, быстро собирать информацию, работать с аналитикой и создавать стратегию. Вы что, хотите заменить нам чатЖПТ?

«Кажется» или «доказано»: как собрать и верифицировать сигналы рынка из открытых источников Иногда кажется, что продуктовые решения принимаются «на ощущениях»: конкурент что-то выкатил, рынок «пошел в AI», стейкхолдеры требуют «сделайте нам также, как у них». И вот вы уже спорите про фичи, не проверив дотошно все факты. OSINT (open-source intelligence) помогает вернуть разговор в самое начало. Это метод и дисциплина, где из открытой и легально доступной информации (документы, публичные реестры, соцсети, отчеты и т.п.) целенаправленно собирают данные, проверяют их, сопоставляют и превращают в применимые выводы под конкретный запрос. В основном OSINT используется в разведке, кибербезопасности и журналистских расследованиях, но также может применяться и в бизнесе (конкурентная аналитика, консалтинговая проверка перед сделкой по инвестированию в компанию, управление рисками и т.д). Разберем на примере, как можно применять данную дисциплину в задачах менеджера продуктов. Представьте: вы работаете над SaaS-продуктом в B2B. Ваша задача — определить, куда инвестировать ресурсы команды в следующем квартале: 1. AI-саммари встреч. 2. Глубокие интеграции (Jira / Slack / Teams). 3. Enterprise-блок (аудит, роли). Что из этого реально монетизируется на рынке и какие боли у клиентов прямо сейчас? Чтобы ответить на этот вопрос, воспользуемся методом OSINT. Шаг 1. Сформулируйте intelligence-вопрос Не «что делают конкуренты», а, например: — Какие 3 сценария продаются в тарифных планах / доп.товарах у лидеров отрасли? — Что вышло у ваших конкурентов за последние 6–12 месяцев, а что осталось на бумаге или в презентациях? — Какие 3-5 болей чаще всего повторяются у пользователей, и какие пути решения они для них используют? Шаг 2. Соберите сигналы из открытых источников Минимальный набор: — Ценовая политика + релизные заметки + открытые документы конкурентов (что получает клиент и сходится ли экономика). — Страницы интеграций и маркетплейсы (какие сценарии ключевые). — Отзывы в публичных каталогах и комьюнити (с какими запросами приходят клиенты, что ищут и какие боли повторяются). — Вакансии конкурентов (куда инвестируют: машинное обучение, безопасность, интеграции с сервисами). — Вебинары / демо / кейсы (что показывают сотрудники конкурентов на конференциях, открытых и закрытых мероприятиях и встречах). Шаг 3. Заведите «журнал сигналов» Фиксируйте в нем: — ссылки на материалы и даты публикаций; — найденные утверждения, которые подтверждают или опровергают ваше предполагаемое решение; — тип найденной информации: цены / фичи / вакансии / партнерства / боли пользователей. — подтверждения вторым источником (если есть). Отметим: важные выводы можно делать только после так называемой триангуляции. Если вы видите фразу: «без AI теперь не обходится ни один продукт на рынке у конкурентов», проверьте, подтверждается ли это в их ценах и релизах, а не только в одном посте или демо. Шаг 4. Преобразуйте найденную информацию в артефакт На выходе у вас могут получиться три артефакта, которые буду двигать дальнейшее обсуждение: 1. Матрица: фича x конкурент x статус x монетизация. 2. Топ-3 болей: частотность, формулировки клиентов, текущие способы решения. 3. Карта ставок: что ускоряется (по 2–3 подтвержденных сигнала), что становится базовыми требованиями к услуге или продукту. После проведенного исследования вы можете принимать решение: какую «ставку» берем в работу, как будет выглядеть MVP, какие видим риски / зависимости, какие метрики докажут ценность уже через 4–6 недель. Чтобы попробовать проделать это упражнение на практике, подумайте для себя: какая продуктовая дилемма сейчас у вас есть, где не хватает фактуры, чтобы принять решение? По каким критериям вы приняли решение, что данных не хватает? Точно ли их нельзя найти? И дальше пройдите по алгоритму выше. @productmindset

Ультимативная подборка для поиска референсов За эту неделю я опубликовал много ссылок на разные референсы, но это далеко не всё, что у меня есть! Моя коллекция насчитывает 90+ ссылок (и я регулярно её пополняю). Для удобства навигации я собрал всё в одну Notion-страницу: разбил референсы на понятные категории и добавил теги для быстрой фильтрации. Что внутри? 🟠 90+ ссылок 🟠 8 больших категорий (продуктовый дизайн, лендинги, дизайн-системы и т. д.) 🟠 Краткое описание каждого сервиса 🟠 Удобные фильтры + поиск ➡️ Ссылка на подборку ____ 📱 Screen Gallery

угадайте, кто готовит вам обучающие материалы про кабинетные исследования? правильно, я https://t.me/dhcenter/954 (пс, это бесплатно и асинхронно)

Трендвотчинг — это когда ты в декабре узнал про лабубу.

Как ИИ испортил мне процесс чтения отчётов Замечаю, что перестала нормально читать исследования. Раньше я смотрела на структуру, визуализации, логику аргументов. Теперь почти всегда прогоняю отчёт через ИИ и получаю короткие тезисы. Проблема в том, что вместе с «водой» вырезаются и связи: контекст, переходы, слабые сигналы, детали, на которых держится аналитика. В итоге выводы остаются, а понимание — нет. ИИ ускоряет работу, но обедняет процесс. И чтобы сохранять глубину анализа, приходится сознательно возвращаться к нормальному чтению отчётов, а не только к их сжатым версиям.

Странный график? https://t.me/rbc_news/138717

Завела доп канал, куда кидаю все, что читаю про исследования. Сборная солянка из репостов и ссылок на книги https://t.me/market_desk_research

На какие вопросы заказчик обязан ответить до начала кабинетного исследования Кабинетное исследование не начинается с рынка, аудитории или трендов. Оно начинается с заказчика, который должен наконец сформулировать, что ему надо. Пока этого нет, любое исследование превращается в коллекцию ссылок и разрознённых фактов, которые никому не помогут. Зачем это исследование? (цель и эффект) - Какую задачу вам нужно решить? - Какое решение вы хотите принять благодаря - исследованию? - Какой эффект вы ожидаете: рост, экономию, снижение рисков, обоснование инвестиций? Какие рамки? (объём, границы, исключения) - какие сегменты/страны/ниши рассматриваются; - что точно включаем; - что точно исключаем; - какие ограничения есть по срокам и ресурсам. Что такое успешное исследование? (критерии результата) Исследование должно быть измеримо полезным. Иначе выходит так: заказчик не знает, чего хотел, но недоволен тем, что получил. Варианты критериев: - мы понимаем рынок и можем выбирать стратегию; - мы подтверждаем/опровергаем гипотезу; - мы выбираем между опциями; - мы оцениваем ёмкость и риски; - мы видим, что нужно построить или изменить. Какие гипотезы уже существуют? Полезные вопросы: - Какие предположения у вас уже есть? - Что кажется вам вероятным? - Какие риски или слабые места вы чувствуете интуитивно? - Какие гипотезы нужно проверить в первую очередь? Как мы будем работать? (взаимодействие и ответственность) Нужно заранее определить: - кто основной контакт; - кто принимает ключевые решения; - кто согласовывает промежуточные результаты; - какой формат отдачи удобен: таблицы, презентации, справочник, сводка. 😮😮😮 До начала кабинетного исследования заказчик должен закрыть пять фундаментальных вещей: цель, рамки, критерии успеха, гипотезы и формат взаимодействия. Если этого нет — исследование лучше даже не начинать. Сначала структура, потом данные. Но это, конечно, в идеальном мире, который еще не наступил. В реальности же я регулярно додумываю за заказчиков, что и почему им надо от исследования. Вдохновлено постом UX Notes.

Что такое кабинетные исследования, по мнению студентов (которых я обожаю) Если собрать воедино то, что студенты говорят после первых же попыток делать кабинетные исследования, получается довольно цельная картина переосмысления. Кабинетные исследования — это не про «найти факты», а про выстраивание сложной системы поиска, которая учитывает особенности объекта и ограничения источников. Сбор данных превращается в работу с контекстом и неполнотой: важен не объём, а умение сопоставлять разные перспективы, замечать пробелы и собирать целостное понимание темы из фрагментированных, субъективных и обезличенных сведений. Постепенно уходит иллюзия, что кабинетное исследование — это поиск готовых истин. Студенты начинают видеть в нём конструирование объекта через призму доступных источников. Исследователь формирует объект сам, выбирая, что читать, какие платформы и хэштеги брать, какие временные рамки задавать. Каждое решение несёт методологические допущения и исследовательскую точку зрения. Раньше мне казалось, что это означало сбор объективных фактов, а теперь мне кажется, что это скорее не поиск готовых истин, а конструирование объекта исследования через призму доступных источников. Становится очевидно, что «собирать данные» — это не подбор красивых цифр, а последовательная работа: поставить исследовательский вопрос, собрать разнородные источники (нормативка, СМИ, международные обзоры, академические статьи), сравнить их логику и результаты, понять, как эти материалы вообще создавались. Кабинетное исследование показало, что «собирать данные» — это не подбор красивых цифр и цитат, а последовательная процедура. Меняется и отношение к самому слову «поиск». «Погуглить» — всего лишь инструмент. Раньше я думала, что это синоним к слову “погуглить”. Сейчас я поняла, что “кабинетное исследование” - это научный метод, требующий системного подхода, а “погуглить” - это его инструмент. И да, ещё один важный сдвиг: кабинетные исследования перестают казаться чем-то второстепенным по сравнению с полевыми. Студенты понимают, что это самодостаточная исследовательская практика, способная давать глубокие выводы без необходимости «идти в поле» ради ощущения настоящести. Касаемо вопроса про “собирать данные”: я раньше думал, что кабинетные исследования – не слишком серьёзная для этого вещь, и данные по-настоящему собираются именно в поле. К счастью, теперь я могу увидеть, что кабинетные исследования могут быть самодостаточными, а не только лишь подводящими к “истинному” исследованию (т. е. полевому).

Посты на какие темы вам интересно получить от меня в этом канале?