Мои люди: рефрейм, Big Data, аватары и match

Для авторов и соло-фаундеров, которые делают продукты из себя и устали гадать, кому они на самом деле нужны

Кратко

Я веду перманентную Big Data о конкретных людях: каждый продукт и каждый фидбэк обогащают базу. Из профилей собираю аватары — сегменты с доказательной базой. Призываю аватара: «Вася, посмотри лендинг», «Катя, прочитай статью» — коридорка до запуска. Потом прогоняю match-сценарий: узнавание → симпатия → доверие → сближение. Логику двустороннего match подсмотрела у dating-приложений — но мне нужны не первые свайпы, а отношения и повтор

В этой статье:

• Почему «мои люди» — не маркетинговый ярлык, а другой режим работы
• Как вспоминать своих людей и копить Big Data без бесконечного CustDev
• Профили, аватары и как с ними работать
• Персоны Купера — и чем Для авторов и соло-фаундеров, которые делают продукты из себя и устали гадать, кому они на самом деле нужны

Мои люди: не «целевая аудитория», а другой режим

Каждый фрейм подтягивает свой способ делать. Называю я своих пользователей «целевой аудиторией» — и подтягиваются инструменты работы с ЦА: воронки, сегментация, конверсии.

Как только меняю на «мои люди» — меняется подход. Ага: со своими людьми мы что делаем? Дружим. Делаем что-то вместе. Делаем друг для друга что-то. А чтобы подружиться, нужно сначала сметчиться.

И тогда вместо воронок приходит метчинг.

Работа на ЦА — максимизировать охват, подстраиваться под «рынок», держать в голове персону с воркшопа, считать успехом воронку и бояться отсечь кого-то лишнего.

Работа для моих людей — углублять match со «своими», проектировать поле, где им хорошо, опираться на конкретных: Наташу, Катю, отчёт из сезона. Успех — когда «мы свои» и когда люди возвращаются. Границы — не страх, а спокойное «кому сюда, а кому нет».

Приятно познакомиться!

После того как мы сменили концепцию с целевой аудитории на своих людей, хорошо бы узнать, кто они такие.

Но в процессе вы обнаружите интересный факт: в какой-то момент поймёте, что собирая информацию о своих людях, вы их не узнаёте — а вспоминаете.

Вся магия «своих людей» в том, что вам в какой-то момент покажется: вы их всё время знали. Они ходили вокруг вас, вы с ними общались, взаимодействовали, вам было интересно и полезно друг с другом. И вот вы вспоминаете — вот они оказывается какие.

Классический CustDev очень дорогой:

• дорогая экспертиза — нужна знать как проводить исследования: как сегментировать, какие вопросы задавать, как обрабатывать результаты — куча нюансов.
• дорогая по времени — нужно потратить много часов на живое общение
• дорогая по деньгам — нужно привлечь в исследования и не всегда это можно сделать бесплатно, скорее всего вы чем то все равно должны рассчитаться.
• часто буксует: мы не знаем, что спросить; люди стесняются отвечать как есть; многое лежит в бессознательном — «я не знаю, чего хочу, пока не увижу».
• мы в сновном работаем с сознательным слоем, а все самое интересное лежит в бессознательном.

Мне нужна поведенческая модель — как у алгоритмов рекомендаций, как у «моей волны» в яндекс музыке. Не «что бы вы хотели?», а что человек уже делает: куда ходит, за что платит, что говорит, где отваливается.

Как устроена система

Слой 1 · ПРОФИЛИ
  Конкретные люди, которых мы знаем в лицо и знаем "близко" их контекст
        ↓ накапливаются
Слой 2 · BIG DATA
  Пересечения, триггеры, ценности, DO (тропинки), язык
        ↓ собираются по принципу
Слой 3 · АВАТАРЫ
  «Вася», «Маша» — сегменты для исследования и match
        ↓
Слой 4 · ИСПОЛЬЗОВАНИЕ
  Сконфигурировать · погрузить в контекст
  (коридорка · статья · match · тропинки)

Профиль — один реальный человек и один эпизод контакта. Не карточка «для CRM», а снимок: кто, что сказал, что сделал.

Big Data — все профили, отчёты и отказы вместе. Ваша память рынка, только не в голове.

Аватар — синтез из нескольких профилей. Похож на персону из UX, но со ссылками на реальных людей в базе.

Использование — погружаете аватара в контекст: «Вася, посмотри лендинг». Коридорное исследование до запуска — с AI, но на доказательной базе.

Что кладём в Big Data

Не возраст и пол. Всё, что влияет на match:

• Пересечение — откуда человек: random coffee, челлендж, канал, кто привёл.
• Деньги — что купил, за что, повторил ли, отказался и почему. Оплата важнее восторга.
• DO, тропинка — что уже делал до вас, как решает задачу сейчас.
• SAY — цитаты, их слова, не ваши догадки.
• Триггеры — что зацепило и что оттолкнуло.
• Ценности — авторство или заказ, скорость или глубина.
• Контекст — найм, эксперт, фаундер, стадия пути.
• Match с вами — «своя», «заказчик», «учится, не делает».
• Артефакты — отчёты челленджа, переписка, фидбэк.
• Отчёты из челленджа — готовые профили: реальный DO, боли, язык.
• Непользователи и отказы так же важны, как покупатели: видно, где match обрывается до оплаты.

Процесс перманентный: чем больше продуктов и фидбэка — тем богаче база — тем точнее узнавание и сближение.

Как попадает профиль в базу

1. Описываю конкретного человека — наговором, одним потоком, после встречи или из отчёта.
2. Скил доопрашивает по карте эмпатии: пробелы в задаче, DO, деньгах, цитатах, match — 4–6 вопросов, не анкета на час.
3. Сохраняю профиль в репозитории.

В Cursor — скил audience-bigdata (/audience-bigdata). Без Cursor — тот же промпт в Claude, файлы кладу вручную.

Человек + эпизоды = нарратив

Эпизод — одна запись про один контакт: встреча, пересечение. Старое не стираем.

Нарратив — вся история человека сквозь эти записи: кто он, что повторяется, как меняется.

Зачем — не переписывать профиль «с нуля» после каждого контакта, а дополнять.

Как использовать аватаров с помощью ai skills

Сама механика работы состоит из 3 слоев:

1. Профиль
2. Аватар — объединяет в себе несколько профилей, объединенных по какому-то общему принципу: по птребности, по способу решения, по стадии зрелости, по времени нахождения в продукте и т.д.
3. Сценарии использования аватаров:

• Провести коридорку - Автатар посмотри лендинг и ответь понятно или нет
• Аватар, прочитай статю и ответь попадает или нет в боль
• Или мы можем попросить скил вытащить из аватара тропинки (do) и уже передать эти тропиники другому скилу, который на основе этик тропинок сформулиует triz user task.

Skill — это инструкция, которую вы пишете один раз, а claude/cursor сам к ней обращается, когда нужно. Написали — и больше не повторяетесь.

1. Скилл аvatar — собирает реальные пользователи, на основании которые генерирует аватара.
2. Дальше мы можем рабоатать с этим сценарием по-разному: провнсти исследования, собрать обратную связь или вытащить из аватара его “тропинки” — как он уже решает свои задачи.
3. Уже с этим “тропинками” поработать с помощью скилла skill triz_user_task, который превратит “тропинки” в пользовательские задачи.

Т.е. с пользовательскими задачами можно и нужно работать с разных сторон:

• Со стороны автора — когда, я автор и у меня есть гипотеза продукта, попросить скил riz_user_task описать какую пользовательскую задачу решает мой продукт/решение.
• Со ст ороны аватара — когда я прошу скил riz_user_task сформулировать пользовательские задачи из “тропинок”.

Персоны Алана Купера — и чем они отличаются от аватаров

Я долго работала в IT по персонам Алана Купера — классический UX: собрали на интервью, нарисовали «Марину», и команда спрашивала: «а что бы Марина сделала на этом экране?»

Идея здравая: проектировать не для усреднённого пользователя, а для узнаваемого типа. Мои аватары — родственники персон. Но после нескольких циклов я уперлась в то, как это работает на практике.

Что совпадает: и персона, и аватар — синтез из исследования; цели и поведение, не демография; инструмент решений; мало образов, не «для всех».

Где расходимся — мой опыт в IT.

Персоны не менялись годами. Мы ими оперировали при разработке — «Марине нужна кнопка экспорта». Апдейтов по самим персонам никто не делал. Жизнь ушла вперёд, карточка осталась с воркшопа 2019-го.

У меня профиль живой: новая встреча — новый эпизод, нарратив пересобирается. Аватар можно пересобрать под новый срез.

Персоны собирались один раз по типу потребностей — и их не пересобирали. Гипотеза продукта сменилась — персоны те же. Спросить «а если пользователь ведёт себя иначе» можно было только заказав новое исследование на квартал.

Сейчас я конфигурирую аватара на лету: «хочу проверить гипотезу — собери аватар под неё». Не статичная Марина, а срез из актуальной базы.

Не проводить исследования, а жить как исследователь

Я всегда с оптикой наблюдателя за своими людьми.

После coffee — наговор. Отчёт из челленджа — в базу. Отказ — тоже профиль. Не парюсь, на какую полочку что упадёт — закину в Big Data, потом разберусь. Сначала захватить, потом разметить.

В базу можно сливать всё: записи, расшифровки, тесты, голосовые. Там целое поле бессознательного — что не сформулируют на интервью, но видно в оплате и возвратах. В этом ценность: поведение во времени.

У Купера на выходе — персона. У меня “живой аватар” меняется и развивается.

Ну вот познакомились! Что дальше?

Когда я сделала рефрейм с ца на мои людю, я подумала, а как это происходит в реальности — как люди сходиться?

Оказалось, что мы сходимся на 4 уровнях:

Метчинг: четыре ступени

Match — это цепочка сближения:

1. Узнавание
2. Симпатия
3. Доверие
4. Сближени

1. Узнавание

На этапе вспоминания своих людей вы уже сделали первый шаг. Вы внутри их головы и сердца — вместе с аватаром, который помогает не гадать.

Дальше — быть собой и транслировать ценности: вас как фаундера и вашего продукта. По ту сторону экрана тоже начнётся узнавание. Или не начнётся — и тогда это просто не ваш человек, а вы не его.

2. Симпатия

Самый простой способ вызвать искреннюю симпатию — симпатизировать своим людям.

Вы не представляете, сколько я наслышалась в кругах разработки цифровых продуктов: «да пользователь тупой, он не разберётся». И это я мягко выразилась.

Если нет симпатии — нет эмпатии. Нет эмпатии — нет продукта, который действительно будет работать.

3. Доверие

Доверяют не карточкам с отзывами, а стабильности излучения:

• Стабильное присутствие: веду соцсети — веду постоянно.
• Пришёл запрос — обрабатываю, не теряю.
• Понятно, как зайти в личку и с каким вопросом.

Рычаги поля, которые можно проектировать:

• Границы — кому сюда и кому не сюда.
• Сигналы принадлежности — язык стаи, узнаваемые ситуации.
• Ритуалы — повторяемый ритм, не разовый залёт.
• Совместное действие — первый шаг вместе, не сразу «купи».

Прогоняя лендинг или статью через аватара, я спрашиваю: дойдёт ли человек до доверия? Виден ли процесс, а не только результат?

4. Сближение

Какое микродействие может привести к сближению?

Есть Алеся Петровна — телеграм-канал. Для меня она вдохновитель: как работает со своей аудиторией. Вытаскивает комментарии в ленту, показывает их каналы, рассказывает истории. Перед выступлением пишет кружок: какие они, зрители этого города, классные. Всё на искреннем.

У каждого в арсенале свои микродействия. Пусть сначала взаимный лайк или ответ на комментарий. С чего-то нужно начинать.

Покупка — не первая ступень. Следствие, если узнавание, симпатия и доверие уже сработали.

Краду, как художник: что подсмотреть у dating-приложений

Не UI со свайпами — а логику match:

• Профиль в dating (фото, bio) — у меня профиль в Big Data: DO, SAY, ценности.
• «Кого ищу» — пользовательская задача аватара.
• Mutual match — они узнают вас и вы узнаёте их как «своих», а не как кошелёк.
• Фильтры — границы поля: «не для заказчиков».
• Icebreaker — контент, который запускает узнавание без жёсткой продажи.
• Ghosting после match — заплатил, но не делает. Сломанный переход от сближения к действию. Знакомая «Катя»: три сезона, своего продукта нет.
• Premium / boost — сезон, челлендж. Монетизация после match, не до него.
• Report / block — профиль отказа в базе: почему «не моё».
• Первый инсайт: match двусторонний. Наташа заплатила — но match с полем слабый: вайб заказчицы, не авторства.
• Второй инсайт: многие приложения оптимизируют первый match, а не отношения. Мне нужны доверие, сближение и повтор — второй сезон, «вернулась сама» — а не только охват и первая оплата.
• Итого: выбирать людей, с которыми правда интересно быть. Для которых хочется работать. Не на рынок — для своих.