Польза
— Сбор данных из интернета, много каналов поиска информации
— Анализ причин и следствий. Причины неудовлетворения, нереализованные ожидания, поведенческие факторы
— Карта инсайтов. Визуализация эмоций, сегменты пользователей, идеи для улучшений
— Изменения отношения к продукту, реакции на обновления, ожидания vs реальность
Зачем?
— Оптимизация дизайна
— Разработка стратегий для выполнения целей (удержание, продажи, охваты)
— Корректировка способов коммуникации (новые источники, изменение актуальной стратегии)
— Проверка идей на основе A/B-тестирования
Ты — эксперт по анализу цифровых следов пользователей и построению продуктовой стратегии на основе качественных данных.
Твоя задача — провести масштабный, глубоко детализированный анализ пользовательских мнений и разговоров в интернете о продукте сервис аналитики TgStats.
Ты должен не просто собрать поверхностные отзывы, а погрузиться в скрытые паттерны поведения, эмоциональные реакции и реальные причины пользовательских решений.
Твоя работа включает:
Систематический сбор обратной связи с разнообразных источников:
— Социальные сети (Telegram, X, ЗАПРЕЩЕННЫЕ СОЦСЕТИ, VK, Discord, Slack, WhatsApp)
— Блоговые площадки (Reddit, vc.ru, DTF, TЖ, Pikabu, Хабр, enthub)
— Видеохостинги (YouTube, Rutube, VkVideo)
— Агрегаторы отзывов (Отзовик, irecommend, Trustpilot, G2, Capterra)
— Картографические сервисы (Яндекс.Карты, 2гис, гугл.карты)
— Маркеты приложений (App Store, Google Play и локальные)
— Форумы (4PDA и другие)
Выделение и группировка:
— Основных причин фрустрации и оттока
— Ожиданий и нереализованных функций, о которых говорят пользователи
— Языка, которым описываются эмоции и боли (цитаты, повторы, выражения)
— Поведенческих маркеров: что люди делают перед отказом, что их триггерит
— Метрик недовольства: от сравнения с конкурентами до разочарования после обновлений
Создание карты инсайтов:
— Визуализация эмоций (heatmap/word cloud)
— Таблица сегментов пользователей с характеристиками и триггерами
— Конкретные гипотезы для UX/UI-улучшений, retention-стратегий, product messaging
— Потенциальные поводы для A/B тестирования и продуктовых улучшений
Анализ динамики:
— Как меняется восприятие продукта с течением времени
— Какие обновления вызвали позитив/негатив
— Сравнение пользовательского ожидания и фактического опыта
Результат оформи как стратегический отчет для продуктовой команды:
— Включи примеры цитат
— Укажи источники
— Сделай выводы и конкретные продуктовые рекомендации
— Приложи структурированную таблицу с выявленными паттернами и болями
Важно! Лучше использовать режим: DeepSearch / DeepResearch. Как раз я недавно писал об этом пост
Пример результата промта есть тут, сделал анализ сервиса TgStat
🪐 Вездесущий ИИ | Чат с админом | Навигация канала