Анализ 14000 сообщений целевой аудитории для улучшений продукта и маркетингового контента
EdTech продукт имел большой объём фидбека целевой аудитории, но:
сообщения не анализировались, решения — только на основе кастдевов с малым количеством людей, хотя курс прошли 8 000 чел, продукт не менялся и не обновлялся давно. Никто не мог качественно получить информацию для улучшений продукта.
Задача: превратить хаотичный текст и аудио в структурированные продуктовые решения, удешевить сбор пользовательской обратной связи и сделать его более качественным, чтобы улучшить продукт в кризисный для рынка период
Я инициировала и провела масштабное исследование пользовательского фидбека, используя AI как инструмент обработки данных.
Отвечала за: • постановку исследовательской методологии • анализ больших текстовых массивов • кластеризацию инсайтов • формирование продуктовых гипотез • трансляцию результатов в маркетинг и продукт
Что конкретно я сделала
Данные и исследование
собрала 14 000+ пользовательских сообщений
использовала AI для первичной обработки и структурирования
вручную валидировала кластеры
выделила повторяющиеся боли, вопросы и запросы
сегментировала аудитории по типам проблем
Определение паттернов
проанализировала ответы экспертов
выявила повторяющиеся рекомендации
нашла устойчивые паттерны решений
определила «тренды мнений» среди специалистов
Вход — это самый конец здания, поэтому есть возможность использовать и боковую сторону для витрины тоже
Инструменты
Использовала для расшифровок аудио Wisper AI, для анализа текстовых сообщений использовала анализ чанков сообщений через LLM. Выводы формулировала в виде таблицы и .md: там содержался скоринг запросов, кластеры тем и полное исследование болей аудитории в нише продукта.
Результат
превратила 14k+ хаотичных сообщений в чёткие продуктовые гипотезы, внедрила системный процесс работы с пользовательским фидбеком, выделила лучшие практики экспертов и стандартизировала их, повысила релевантность и полезность контента внутри продукта