Месяц тестирую ИИ-инструменты, которые разбираются в ваших клиентах. Делюсь наблюдениями 🧠

Один из сильнейших экспертов по продукту в РФ Иван Замесин выложил в открытый доступ набор скиллов для нейронок. По сути это готовые инструкции, которые превращают нейронку в продуктового аналитика, работающего по его методологии. Задача, под которую они созданы: разобраться на ваших реальных данных, кто ваши клиенты, зачем они на самом деле покупают и что им предлагать. С упором на выводы из данных от клиентов.

Я почти месяц применяю их на двух клиентских проектах и своём продукте. За это время полноценных кастдевов мы не проводили. Но получилось применить их к анализу данных из переписок и звонков с клиентами.

Под какие задачи подходят прямо классно: Сегментировать клиентов по тому, зачем они покупают. На одном проекте инструменты разобрали 125 сделок из CRM и звонков и собрали карту таких групп с цитатами клиентов. На другом переварили 732 обращения из чатов на сайте. Сравнивал с результатами реальных кастдевов. Точность получилась высокая. Причем нейронка честно выдала, что не смогла выявить личные работы.

Сформулировать, что предлагать каждой группе. С разбором, по каким критериям эта группа выбирает поставщика и чем её цеплять. Привязка идёт к данным из сегментации. Единственное — для хорошего результата надо выдать хорошую фактуру о компании.

Подсказать следующий шаг. В наборе есть режим советника: обсуждаешь с ним ситуацию, он говорит, что делать дальше. Подсказывает, куда идти, а что пока делать не надо. Например, не делать дорогое исследование рынка, потому что оно продублирует уже собранное. Или что вместо создания продукта гипотезу можно быстро проверить через интервью.

Пройти первые шаги в стартапе или новом продукте. Прогнал с этими скиллами идею для нового продукта. Тут скиллы раскрываются лучше всего. Прямо по шагам ведут, что лучше делать в конкретный момент времени. Огонь!

Нюансы, которые стоит учитывать: Сегментацию клиентов нельзя принимать как есть. Обязательно проверяйте через своё понимание рынка. У меня стабильно 1-2 сегмента из выдачи требуют корректировки. Пример: нейронка выделила «тендерные закупки» в отдельную группу, а тендер не группа клиентов, а способ закупки. Через него покупают совершенно разные компании с разными целями.

Плохо сохраняют источники фактов. В готовых файлах нет ссылок, откуда взята информация. Спустя пару недель захотел скорректировать выводы и упёрся: непонятно, какие клиенты к какому сегменту относились и на какие цитаты опирались. Пришлось прогонять анализ повторно, а это время и деньги. Теперь требую сохранять источники прямо в результатах.

Единичный случай раздувается до системного вывода. Один клиент что-то сказал, и вот это уже «главная проблема всей группы». Но это принципиальная проблема работы с нейронками. Есть правило, что должно быть 3+ случаев. Но нейронка регулярно на него забивает. Приходится ловить самому.

Проверка другой нейронкой решает. Основной анализ у меня делают модели Anthropic, а результат отдаю на ревизию нейронке от OpenAI. Они отлично контролируют друг друга. Был показательный случай: проверка через Opus сказала «ошибок нет», GPT нашел 14 недоказанных утверждений.

Есть порог входа. Внутри своя терминология и своя методология, тем, кто не в теме, будет тяжело. Лайфхак: тот же режим советника умеет объяснять логику методологии простым языком. Базу рассказывает неплохо, дальше можно задавать уточняющие вопросы.

Главный вывод: это сильный помощник, но он не заменяет вашу экспертизу. Насмотренность и понимание рынка нужны, чтобы отличить рабочую группу клиентов от красивой галлюцинации. Если полениться и не отловить косяки на старте, то потом вся работа пойдёт насмарку. Проверено на личном опыте 🙈

Кому интересно посмотреть сам набор: https://github.com/zamesin/Next-Move-Theory-Canon-and-Skills