Про использование ИИ в discovery для large enterprise
По результатам опроса победил блок про discovery, требования, roadmap и стратегию. Начать решил с discovery.
Одна из главных проблем discovery в B2B для large enterprise - ограниченный доступ к респондентам. В цепочке принятия решения может быть множество участников: пользователи, руководители функций, ИТ, ИБ, архитектура, эксплуатация, закупки, финансы и непосредственно ЛПР. При этом добраться до каждого из них сложно, а 3 – 5 качественных интервью - это уже хороший результат.
Поэтому к каждому разговору важно хорошо подготовиться. Ошибся с вопросами, терминологией или ролью собеседника - и можно потратить одну из немногих попыток впустую.
Я использую LLM как спарринг-партнёра перед реальными интервью. Например, с её помощью можно:
- прогнать гипотезу на «синтетическом ЛПР»;
- проверить вопросы перед интервью;
- посмотреть на продукт глазами разных участников цепочки принятия решения;
- подготовиться к разговору со скептически настроенным респондентом;
- разобрать проведённое интервью и найти пробелы.
Важно: LLM не заменяет реального респондента и не подтверждает продуктовую гипотезу. Она помогает прийти на интервью лучше подготовленным и не потратить редкий доступ к ЛПР на вопросы, которые можно было проверить заранее.
В Telegram всё не поместилось, поэтому подробный разбор со скриншотами, примерами промптов и пошаговым сценарием работы опубликовал на VC:
ИИ в работе продакта: discovery в B2B-продуктах для large enterprise
Расскажите в комментариях, как вы используете LLM в discovery и про какие сценарии вам было бы интересно прочитать дальше. Про прототипирование помню 🙂.
И отдельно буду благодарен за обратную связь по формату. Было ли полезно? Что стоило бы добавить, убрать или разобрать глубже? Стоит ли и дальше публиковать полные версии на VC (возможно где-то еще) или удобнее прикреплять PDF прямо сюда?
Если материал показался полезным - поделитесь им с коллегами и друзьями 🙂
Читать про продукты в b2b
В этом посте были ссылки, но мы их удалили по правилам Сетки
