🌚 Кто-то советует метод Кано. Вариант. Но с ним свои заморочки. Оценивать с его помощью единичную фичу ненамного надёжнее. Сила его — в возможности ранжировать множество характеристик/функций. В любом случае никто не мешает позаимствовать из метода Кано следующий ход — использовать позитивную и негативную формулировки (П и Н):
П: «Если X есть/работает в продукте, как вы к этому отнесётесь?»
Н: «Если X нет/не работает, как вы к этому отнесётесь?»
Что ещё делать? Можно несколько повысить прогностическую способность вопроса — за счёт формулировок, уточняющих/квалифицирующих вопросов, заземления на прикладные юзкейсы и других ходов. Есть и другие способы.
➖ Использовать фейкдоры. Метод не без ограничений, но вполне рабочий. Правда, мне лично претит. Такие финты я не переношу ни как
➕ Задействовать качественные методы, а лучше гибридную сборку quant/qual. Узнавать у людей, какие у них потребности, как они решают соответствующие задачи сейчас, в какую конфигурацию их практик мы хотим встроить фичу. Дороже, дольше? Ну да. Но смотря какой бюджет на кону. Вернее, так: сколько денег мы рискуем слить, если ошибёмся и сделаем то, что изначально никому не нужно. Тут, конечно, придётся озадачиться квотами на кач. поле. Хотя знаете, чем это «озадачиться» полезно? Как минимум тем, что, осмысляя их, эти квоты, неизбежно нужно будет задуматься, на кого нацелена функция, кто в приоритете, а насчёт кого мы сомневаемся. Это чрезвычайно действенный эмпирический критерий: если мы не понимаем, с кем именно нам говорить по случаю предполагаемого внедрения новой фичи, стоит задуматься, зачем мы её собираемся запускать.
➕ Если фича задумана как платная, возможный путь — щупать намерение через ценовую чувствительность, например с применением price ladder, монадика, шкалы Джастера. Точность будет не абсолютной, но, при правильном дизайне исследования, выше, чем если задавать единичный и весьма абстрактный вопрос вида «Стали бы вы использовать X?».
➕ Если мы всё же ограничиваемся опросом, можно, например, отказавшись от абстрактного «Будете/готовы ли вы пользоваться…», заземлить респондента на конкретный сценарий.
Допустим, было: «Насколько вероятно, что вы воспользуетесь функцией автоматической категоризации расходов?»
Предположим, стало: «Представьте себе такую ситуацию: сейчас конец месяца, вы открываете банковское приложение и видите, что потратили больше, чем планировали. В приложении есть экран, который автоматически показывает, на что ушли деньги — с разбивкой по категориям. С какой вероятностью откроете этот экран в такой ситуации?»
Во второй формулировке есть контекст (конец месяца), триггер (перерасход), конкретное действие (открыть экран). Респондент вынужден мысленно поместить себя в ситуацию, вместо того чтобы пытаться абстрактно оценивать привлекательность идеи. Другое дело, что эти факторы его неизбежно будут фреймировать — вопрос-то в известной степени формирующий, — заданный юзкейс, вероятно, не охватывает всех сценариев использования фичи, а вопрос и подводка к нему когнитивно более нагруженны. Но для оценки желанности некоторых функций заход через юзкейсы годится.
➕ Перед вопросом о намерении зафиксировать текущее поведение. Так мы и «калибруем» самого респондента, и получаем хоть какую-то базу для оценки того, насколько ответ соотнесён с его поведенческой реальностью.
Например, сперва задаём вопрос «Как часто за последний месяц/квартал вы проверяли свои траты в каком-либо приложении?», затем «Вы когда-нибудь пробовали вести учёт расходов по категориям?» (если ответ — «Да», дальше закидываем уточняющий, возможно открытый, вопрос «А как именно?») и только потом — вопрос о новой функции.
Если человек утверждает, что за месяц ни разу не смотрел траты, а потом заявляет, что «определённо» будет пользоваться аналитикой, это если не red flag, то повод задуматься. Если таких респондентов много, тем более.
А у вас какой опыт с такими вопросами о вероятном?