Сигнал или шум: как не пропустить важное до того, как стало очевидным

Сигнал или шум

Как не пропустить важное до того, как оно стало очевидным

Лев Кертман

Директор по исследованиям, Тибурон

Скрининг слабых сигналов — двухэтапный инструмент для обнаружения неочевидных потребностей, ожиданий и паттернов поведения, которые ещё не видны в метриках, но уже присутствуют в головах потребителей.

Этап 1: ИИ-модерируемые текстовые интервью на выборке 300−500 человек. Большая выборка и открытый диалог позволяют поймать редкие, но значимые ответы и отделить их от очевидного и случайного. Каждый такой ответ формулируется в утверждение и выносится на второй этап.

Этап 2: количественный опрос на новой выборке, который измеряет, насколько широко явление резонирует в аудитории, и фиксирует эмоциональную реакцию, барьеры и язык потребителей.

Значение имеет и то, что спонтанно не входит в топ листа ответов на исследовательский вопрос

Часто исследователи фокусируются на наиболее популярных причинах, драйверах, барьерах, факторах. А некоторые из редко называемых спонтанно ответов могут быть не менее важны.

Это так называемые «слабые сигналы», которые надо выявлять, оценивать и классифицировать.

Три типа полезных — растущие, нишевые, латентные

Растущие — те сигналы, что сейчас слабы, но в будущем вырастут и войдут в число лидеров. Важно заметить их как можно раньше.

Нишевые — те, что не очень важны для аудитории в целом, но могут быть критичны для конкретных сегментов, подгрупп. Может быть очень полезно для выработки предложений, рассчитанных на конкретную часть аудитории.

Латентные массовые — те сигналы, что люди редко спонтанно называют, но которые на самом деле широко откликаются аудитории. Могут изначально слабо формулироваться из-за плохой рефлексируемости, социальной неодобряемости.

Классификация неисключительная, сигнал может относиться к нескольким типам сразу.

Искать слабые сигналы надо сочетанием качественного или гибридного метода и количественной верификации

В Тибурон для первого этапа мы теперь применяем Quick Talks — гибридный формат, где исследователь пишет гайд, а ИИ-модератор проводит по нему несколько сотен интервью.

Массив спонтанных высказываний получается столь велик, что в нём, скорее всего, есть уже все существующие сигналы.

ИИ и ручной анализ помогают вычленить из массива первого этапа все сигналы. Далее на основе цитат формулируются конкретные чёткие высказывания, соответствующие интересующим нас сигналам. Эти высказывания выносятся на второй этап.

На втором этапе проходит количественная верификация массовым опросом на большой выборке — проверяется уровень согласия с высказываниями, их важность и прочие метрики, позволяющие классифицировать сигналы.

На примере кейса про туризм выделили несколько полезных сигналов

Есть сильные сигналы: любовь гулять у воды и стремление переключиться в поездке. Они были сильны ещё на первом этапе, подтвердили свою силу на втором, но тривиальны и очевидны.

Есть нишевые сигналы: занятия «не как у всех» и шопинг как одна из цель поездки. Они актуальны для конкретных сегментов аудитории, для них они во многом определяют впечатления от поездок.

Есть латентные массовые сигналы: важность общей атмосферу и среды в городе и важность понятной навигации. Они нечасто упоминаются на первом этапе, но выходят в лидеры на втором.

Наиболее яркий латентный массовый сигнал — важность звуков в городе. Точечные упоминания на первом этапе, но широкая признанность на втором. Чтобы не упустить на первом этапе такой сигнал действительно нужны сотни интервью, до эпохи ИИ сделать это быстро и недорого бы не вышло.

Слабые сигналы — это важно. Их надо сознательно выявлять, правильно верифицировать, выделять ценные, правильно определять типы и учитывать в бизнес-выводах исследования.