ChatGPT как UX-лаборатория: 12 промтов, которые заменяют недели ресёрча за 48 часов

ChatGPT как UX-лаборатория: 12 промтов, которые заменяют недели ресёрча за 48 часов

Большинство команд запускает продукт, опираясь на интуицию основателя и пару разговоров с друзьями. Настоящее UX-исследование — с гайд-интервью, персоной, CJM и юзабилити-отчётом — кажется роскошью: на него нет ни времени, ни бюджета, ни отдельного исследователя в штате.

При этом сам ресёрч — это во многом работа с текстом: сформулировать гипотезу, разбить её на вопросы, разобрать транскрипт, собрать паттерны, оформить выводы. Именно здесь LLM даёт максимальный выигрыш. Не потому что «ИИ думает за вас», а потому что он снимает рутину: черновики, структурирование, перевод сырых цитат в артефакты.

Ниже — 12 промтов, которые я использую как рабочий конвейер: от скрипта глубинного интервью до финального отчёта по юзабилити-тесту. Важно: промт — это не кнопка «сделай исследование», а бриф для ассистента. Чем больше контекста (продукт, аудитория, гипотеза, ограничения) вы вложите, тем меньше мусора получите. Все результаты обязательно проверяйте на реальных пользователях — LLM ускоряет подготовку и анализ, но не заменяет живых людей и не знает ваших данных, если вы их не дали.

1. Скрипт глубинного интервью (Jobs-to-be-Done)

Задача: за 20 минут собрать неопросник, а разговорный гайд, который вскрывает мотивацию, а не мнения о фичах.

Промт:

Ты — senior UX researcher. Составь гайд глубинного интервью (60 минут) по методологии Jobs-to-be-Done для продукта: [описание]. Целевой сегмент: [кто]. Гипотеза: [что проверяем]. Требования: 1) начни с разогрева, 2) используй вопросы о прошлом поведении, а не о гипотетическом будущем, 3) избегай наводящих формулировок, 4) добавь 5 уточняющих «почему» для каждой темы, 5) в конце — блок про барьеры и альтернативы. Для каждого вопроса укажи, какую гипотезу он проверяет.

Пример применения: продукт — сервис доставки здорового питания. Вместо «Купили бы вы подписку?» промт генерирует «Расскажите, как вы готовились к обеду в последнюю неделю». Это даёт поведенческие данные вместо вежливых «да».

2. Разбор транскриптов интервью в паттерны

Задача: превратить 5–8 транскриптов в структурированную карту инсайтов без потери цитат.

Промт:

Ниже — транскрипты интервью. Проведи тематический анализ: 1) выдели повторяющиеся паттерны (встречаются у 3+ респондентов), 2) для каждого паттерна дай 2–3 прямые цитаты с указанием респондента, 3) отметь противоречия между респондентами, 4) сформулируй 3–5 инсайтов в формате «Мы обнаружили, что…, потому что…, это значит…». Не интерпретируй сверх данных: если паттерн слабый, так и напиши.

Пример применения: после 6 интервью с владельцами малого бизнеса промт вытащил паттерн «боязнь публичных ошибок в счетах» — он не звучал в гипотезах команды и стал основой новой фичи с предпросмотром.

3. Аудит конкурентов по открытым данным

Задача: быстро собрать сравнительную таблицу по конкурентам на основе того, что реально видно: сайт, онбординг, тарифы, отзывы.

Промт:

Ты — продуктовый аналитик. Составь план конкурентного анализа для [продукт] в нише [ниша]. Список конкурентов: [список]. Для каждого предложи: 1) какие публичные источники смотреть (сайт, pricing, App Store/Google Play отзывы, G2/Capterra, changelog), 2) какие именно сигналы фиксировать (модель монетизации, ключевые сценарии, онбординг-шаги, частые жалобы), 3) как оформить вывод в таблицу. Не выдумывай данные — дай чек-лист для ручного сбора.

Пример применения: чек-лист из 9 сигналов превращается в таблицу, которую вы заполняете за 2–3 часа вместо недели.

4. Персоны на основе реальных данных

Задача: получить не «маркетинговые аватары», а рабочие персоны с целями, барьерами и сценариями.

Промт:

На основе данных ниже (интервью, аналитика, отзывы) собери 2–3 персоны. Формат каждой: имя и роль, контекст использования, 3 ключевые цели, 3 барьера, цитата-маркер, типичный сценарий «день из жизни», что продукт должен дать в первую очередь. Явно укажи, какие утверждения подтверждены данными, а какие — предположения для валидации.

Пример применения: из отзывов и 4 интервью получаются персоны «Занятой операционщик» и «Владелец без аналитика» — с разными сценариями онбординга.

5. CJM с эмоциональной кривой

Задача: собрать Customer Journey Map, которая показывает не только шаги, но и провалы в опыте.

Промт:

Построй CJM для сценария [сценарий] на основе данных: [данные]. Формат: таблица со столбцами Этап, Действие пользователя, Канал/точка контакта, Мысли, Эмоция (от −2 до +2), Барьер, Возможность. После таблицы — 3 самые «просадочные» точки и гипотезы, как их закрыть. Отметь, где данных не хватает.

Пример применения: карта показала провал на этапе «подтверждение email» — эмоция −2, потому что письмо приходило через 10 минут. Фикс тривиальный, потеря пользователей — нет.

6. Гипотезы и приоритизация (ICE/RICE)

Задача: превратить инсайты в проверяемые гипотезы и расставить приоритеты.

Промт:

Из инсайтов ниже сформулируй 10 гипотез в формате «Если мы [изменение], то [метрика] изменится, потому что [причина]». Для каждой оцени Impact, Confidence, Ease по шкале 1–10 и посчитай ICE. Отсортируй по убыванию. Для топ-3 предложи метод проверки (A/B, юзабилити-тест, fake door) и минимальную метрику успеха.

Пример применения: команда получила очередь из 10 гипотез и запустила три самых дешёвых теста вместо спора о том, чья идея лучше.

7. Сценарии юзабилити-теста

Задача: написать задания, которые не подсказывают путь к решению.

Промт:

Составь сценарии юзабилити-теста для прототипа [ссылка/описание]. Цель теста: [цель]. Для каждого сценария: контекст (кто пользователь и зачем пришёл), задача без упоминания UI-элементов, критерий успеха, что фиксировать (время, ошибки, клики, комментарии). Добавь 5 пост-тестовых вопросов (например, SUS — System Usability Scale). Не используй слова из интерфейса.

Пример применения: задание «Оформите заказ на 3 товара до 5000 ₽» вместо «Нажмите кнопку Корзина» — так тест показывает реальную находимость.

8. Анализ записей теста и отчёт

Задача: из заметок наблюдателя собрать отчёт с severity-оценкой проблем.

Промт:

Ниже — заметки по 5 юзабилити-сессиям. Сгруппируй проблемы, для каждой укажи: частоту (в скольких сессиях), серьёзность по шкале Nielsen (0–4), влияние на задачу, цитату пользователя. Отсортируй по серьёзности × частоте. В конце — топ-5 рекомендаций с оценкой трудозатрат. Не предлагай решение без описания проблемы.

Пример применения: 12 заметок сжимаются в 6 проблем, три из которых — severity 3+. Это готовый список в бэклог без долгих обсуждений.

9. Аудит информационной архитектуры

Задача: проверить, находит ли пользователь нужное по названиям разделов.

Промт:

Проведи аудит IA для [продукт] на основе текущей структуры: [список разделов]. 1) Оцени названия по критериям: понятность без контекста, отличие от соседей, соответствие ментальной модели. 2) Предложи альтернативные названия. 3) Составь карточную сортировку: 20 карточек-задач для проверки с 5–8 пользователями. 4) Опиши, как интерпретировать результаты (кластеры, спорные карточки).

Пример применения: раздел «Решения» переименован в «Тарифы» после того, как в сортировке 7 из 8 участников искали цены именно там.

10. Анализ отзывов и обращений в поддержку

Задача: найти повторяющиеся боли в больших объёмах текста.

Промт:

Ниже — 200 отзывов/тикетов. 1) Сгруппируй по темам, укажи частоту. 2) Выдели топ-5 болей с примерами формулировок. 3) Отдельно — незакрытые Jobs-to-be-Done и «моменты радости». 4) Предложи, какие темы требуют количественной проверки в аналитике. Не придумывай цифры, которых нет в тексте.

Пример применения: в отзывах всплыла тема «не понимаю, когда спишутся деньги» — она стала основой для переработки биллинг-экрана.

11. Бенчмарк-опросник (SUS/CSAT)

Задача: быстро собрать валидный опросник для замера удовлетворённости.

Промт:

Подготовь опросник для замера [метрика: SUS/CSAT/NPS]. Контекст продукта: [описание]. Дай: 1) точные формулировки вопросов по стандартной методике, 2) шкалу и правила расчёта, 3) 2–3 дополнительных открытых вопроса, 4) рекомендации по выборке и частоте. Отметь ограничения метода.

Пример применения: SUS из 10 вопросов + расчёт по стандартной формуле — результат сопоставим с отраслевыми бенчмарками (в источниках Nielsen Norman Group приводятся средние значения порядка 68).

12. План исследования на 48 часов

Задача: собрать всё в один исполнимый план, когда времени мало.

Промт:

Составь план UX-исследования на 48 часов для [продукт] с целью [цель]. Ограничения: 1 исследователь, 5 респондентов из [канал], прототип в Figma. Разбей по часам: подготовка, рекрутинг, сессии, анализ, отчёт. Для каждого блока — артефакт на выходе. Укажи, что можно сократить, а что нельзя (например, нельзя пропускать пилот сессии).

Пример применения: план на 2 дня: день 1 — гайд, рекрутинг, пилот; день 2 — 5 сессий и отчёт. Артефакты: гайд, заметки, топ-5 проблем, приоритизированный бэклог.

Что важно помнить

LLM — это ускоритель, а не источник истины. Он не знает ваших пользователей и не заменит наблюдение за реальным человеком, который не может найти кнопку. Все данные (транскрипты, отзывы, аналитику) вы подаёте сами — иначе получите правдоподобную выдумку. Промты выше стоит адаптировать под ваш контекст: чем конкретнее бриф, тем полезнее результат.

Попробуйте начать с одного промта — например, разберите уже имеющиеся отзывы или интервью. Через 48 часов у вас будет не «мнение», а структурированные артефакты: персоны, CJM, список проблем с приоритетами. А если хотите системно прокачать навык работы с ИИ в продукте и дизайне — заглядывайте в материалы блога asibiont.com/blog, там разбираем практические сценарии без воды.