В статье CMSWire задают очень правильный вопрос: готово ли исследование персон к AI-пересборке. И мне кажется, что это один из тех вопросов, которые звучат технически, а на самом деле бьют по самому больному месту маркетинга: мы годами делали вид, что понимаем людей, хотя часто понимали только аккуратно оформленные слайды про людей.
Классическая персона всегда была странным жанром. «Анна, 34 года, живет в большом городе, любит йогу, ценит баланс, перед покупкой читает отзывы». Каждый раз, когда я вижу такую Анну, мне хочется не спорить с методологией, а тихо спросить, кто ее видел живой и почему она разговаривает как посадочная страница wellness-приложения.
Проблема даже не в том, что персоны бесполезны. В нормальных руках они могут быть полезны как способ собрать хаос исследований в понятную рамку. Проблема в том, что очень часто персона превращалась в красивую ширму между командой и реальным клиентом. Мы проводили интервью, собирали боли, наблюдали поведение, а потом сжимали живого, противоречивого, тревожного человека в картонную фигурку с демографией, мотивацией и цитатой для презентации.
ИИ здесь интересен не потому, что он может быстрее написать «Анну 34 лет». Это как раз худший сценарий: автоматизировать старый артефакт и начать производить картонных людей промышленными партиями. Настоящий сдвиг начинается там, где мы перестаем думать о персоне как о статичной карточке и начинаем работать с моделью поведения, контекста, сомнений, триггеров и сценариев принятия решений.
Для меня как для человека, который занимается исследованиями, это очень важный поворот. Раньше мы часто строили персону как итог исследования: вот мы все изучили, теперь у нас есть три сегмента и пять персонажей. В AI-логике персона может становиться не финальной картинкой, а рабочим инструментом, с которым можно спорить, проверять гипотезы, прогонять сценарии коммуникации, смотреть, где сообщение разваливается, где клиент не верит, где обещание звучит слишком гладко, а где наоборот попадает в настоящую потребность.
И вот здесь начинается самое вкусное и самое опасное.
Потому что синтетическая персона может быть очень полезной, если она собрана на нормальных данных, если за ней стоят интервью, поведенческие паттерны, реальные барьеры, язык аудитории и внятная исследовательская логика. Тогда она становится не заменой клиенту, а тренажером для мышления команды. Можно тестировать формулировки, искать слепые зоны, проверять, как разная мотивация меняет реакцию на продукт, и не бегать каждый раз в рынок с полусырыми гипотезами.
Но если данных нет, если команда плохо понимает аудиторию, если все построено на фантазиях маркетолога и паре красивых промптов, то ИИ просто сделает проблему дороже и убедительнее. Раньше у вас была плохая персона в PDF. Теперь у вас будет плохая персона, которая уверенно разговаривает, имитирует глубину и еще мило кивает в ответ на любую глупость. Прогресс, конечно, впечатляющий, но не в ту сторону.
Самое важное, что я бы вынесла из всей этой истории: AI не отменяет исследования, он отменяет халтуру, которую раньше можно было спрятать за дизайном презентации. Если у вас нет настоящего понимания клиента, ИИ не достанет его из воздуха. Он просто красиво дорисует пустоту.
И, кажется, именно поэтому мне так нравится этот переход от старых персон к синтетическим моделям. Он заставляет честнее смотреть на то, чем мы вообще занимаемся в исследованиях. Мы не должны придумывать «представителя аудитории», который удобно помещается на слайд. Мы должны собирать живую карту решений: где человек боится, где экономит, где хочет выглядеть умнее, где врет сам себе, где покупает не продукт, а разрешение быть какой-то версией себя.
Вот это уже похоже на реальную работу с рынком.
А «Анна, 34 года, любит йогу» пусть наконец отдохнет. Она слишком долго тащила на себе чужую методологическую лень.
#обзор
@custdevica — лучший канал про маркетинговые исследования.
Классическая персона всегда была странным жанром. «Анна, 34 года, живет в большом городе, любит йогу, ценит баланс, перед покупкой читает отзывы». Каждый раз, когда я вижу такую Анну, мне хочется не спорить с методологией, а тихо спросить, кто ее видел живой и почему она разговаривает как посадочная страница wellness-приложения.
Проблема даже не в том, что персоны бесполезны. В нормальных руках они могут быть полезны как способ собрать хаос исследований в понятную рамку. Проблема в том, что очень часто персона превращалась в красивую ширму между командой и реальным клиентом. Мы проводили интервью, собирали боли, наблюдали поведение, а потом сжимали живого, противоречивого, тревожного человека в картонную фигурку с демографией, мотивацией и цитатой для презентации.
ИИ здесь интересен не потому, что он может быстрее написать «Анну 34 лет». Это как раз худший сценарий: автоматизировать старый артефакт и начать производить картонных людей промышленными партиями. Настоящий сдвиг начинается там, где мы перестаем думать о персоне как о статичной карточке и начинаем работать с моделью поведения, контекста, сомнений, триггеров и сценариев принятия решений.
Для меня как для человека, который занимается исследованиями, это очень важный поворот. Раньше мы часто строили персону как итог исследования: вот мы все изучили, теперь у нас есть три сегмента и пять персонажей. В AI-логике персона может становиться не финальной картинкой, а рабочим инструментом, с которым можно спорить, проверять гипотезы, прогонять сценарии коммуникации, смотреть, где сообщение разваливается, где клиент не верит, где обещание звучит слишком гладко, а где наоборот попадает в настоящую потребность.
И вот здесь начинается самое вкусное и самое опасное.
Потому что синтетическая персона может быть очень полезной, если она собрана на нормальных данных, если за ней стоят интервью, поведенческие паттерны, реальные барьеры, язык аудитории и внятная исследовательская логика. Тогда она становится не заменой клиенту, а тренажером для мышления команды. Можно тестировать формулировки, искать слепые зоны, проверять, как разная мотивация меняет реакцию на продукт, и не бегать каждый раз в рынок с полусырыми гипотезами.
Но если данных нет, если команда плохо понимает аудиторию, если все построено на фантазиях маркетолога и паре красивых промптов, то ИИ просто сделает проблему дороже и убедительнее. Раньше у вас была плохая персона в PDF. Теперь у вас будет плохая персона, которая уверенно разговаривает, имитирует глубину и еще мило кивает в ответ на любую глупость. Прогресс, конечно, впечатляющий, но не в ту сторону.
Самое важное, что я бы вынесла из всей этой истории: AI не отменяет исследования, он отменяет халтуру, которую раньше можно было спрятать за дизайном презентации. Если у вас нет настоящего понимания клиента, ИИ не достанет его из воздуха. Он просто красиво дорисует пустоту.
И, кажется, именно поэтому мне так нравится этот переход от старых персон к синтетическим моделям. Он заставляет честнее смотреть на то, чем мы вообще занимаемся в исследованиях. Мы не должны придумывать «представителя аудитории», который удобно помещается на слайд. Мы должны собирать живую карту решений: где человек боится, где экономит, где хочет выглядеть умнее, где врет сам себе, где покупает не продукт, а разрешение быть какой-то версией себя.
Вот это уже похоже на реальную работу с рынком.
А «Анна, 34 года, любит йогу» пусть наконец отдохнет. Она слишком долго тащила на себе чужую методологическую лень.
#обзор
@custdevica — лучший канал про маркетинговые исследования.