Егор Чиркунов
egor@eqwise.ai

Люди интересуются. Покупают мало.

Можно прийти с такой проблемой, а не с техническим заданием. Я разберусь, что за ней стоит, что можно проверить и что стоит делать дальше.

Написать о задаче

Общее у этих задач одно: готового способа решения обычно ещё нет. Эту часть работы я тоже беру на себя — от понимания задачи до рабочего результата.

Можно прийти с проблемой, которую пока трудно правильно назвать.

01

Интерес есть — непонятно, где теряется покупка.

На выходечто менять в предложении, сообщениях, страницах, продажах или контенте; в каком порядке это делать; что проверить до больших затрат и чего пока не трогать.

Люди спрашивают, приходят по рекомендации, реагируют на публикации — а покупок мало.

Причина может быть в контенте. А может — в аудитории, предложении, доверии, пути покупки или вообще не в коммуникации.

Я сначала выясняю, где именно ломается путь к покупке и какой способ проверки здесь нужен. Работа не заканчивается на диагнозе: найденная причина переводится в конкретные изменения.

02

Решение нужно принять раньше, чем появятся свои данные.

На выходекарта решений с приоритетами, рисками и порядком внедрения; при необходимости — правила, спецификации или прототипы, по которым команда может строить дальше.

Запускаете новый продукт, сайт или направление. Своих данных ещё нет, а десятки решений нужно принять уже сейчас.

Когда каждый вариант звучит разумно, решения быстро превращаются в спор вкусов.

Я собираю основания там, где они уже есть — в поведении покупателей, действиях конкурентов и соседних категорий, предыдущих запусках и исследованиях — и превращаю их в систему, по которой можно принимать связанные решения, а не спорить о каждом отдельно.

03

Показатели показывают результат. Но не объясняют причину.

На выходерабочая система показателей или сравнений, которая показывает, где меняется результат, плюс конкретные решения или тесты, которые из этого следуют.

Трафик растёт, а продаж больше не становится. Масштаб увеличивается, а результат почти тот же. Одни направления работают заметно лучше других, но обычные показатели не объясняют почему.

Иногда данных уже достаточно — просто одна итоговая цифра складывается из нескольких разных причин.

Если существующих показателей недостаточно, я сначала строю способ увидеть проблему: разделяю смешанные явления, нахожу нужные сравнения или создаю новый слой измерений. И только после этого становится понятно, что имеет смысл менять.

04

Чтобы масштабировать, сначала нужно понять, что именно создаёт качество.

На выходеформализованная логика работы и механизм, которым может пользоваться команда без постоянной зависимости от человека, на котором всё раньше держалось.

Качество держится на человеке: эксперт делает всё сам, основатель лично проверяет каждую важную вещь или один сотрудник знает, почему процесс устроен именно так.

Просто «автоматизировать» это опасно: можно убрать ручной труд вместе с тем, за что клиент или бизнес на самом деле ценит результат.

Сначала я разбираю и формализую источник качества — правила, голос, критерии, исключения, последовательность решений, расчёты и контекст. Затем строю процесс или инструмент, который воспроизводит важное без постоянного участия человека.

На выходечто менять в предложении, сообщениях, страницах, продажах или контенте; в каком порядке это делать; что проверить до больших затрат и чего пока не трогать.

Люди спрашивают, приходят по рекомендации, реагируют на публикации — а покупок мало.

Причина может быть в контенте. А может — в аудитории, предложении, доверии, пути покупки или вообще не в коммуникации.

Я сначала выясняю, где именно ломается путь к покупке и какой способ проверки здесь нужен. Работа не заканчивается на диагнозе: найденная причина переводится в конкретные изменения.

На выходекарта решений с приоритетами, рисками и порядком внедрения; при необходимости — правила, спецификации или прототипы, по которым команда может строить дальше.

Запускаете новый продукт, сайт или направление. Своих данных ещё нет, а десятки решений нужно принять уже сейчас.

Когда каждый вариант звучит разумно, решения быстро превращаются в спор вкусов.

Я собираю основания там, где они уже есть — в поведении покупателей, действиях конкурентов и соседних категорий, предыдущих запусках и исследованиях — и превращаю их в систему, по которой можно принимать связанные решения, а не спорить о каждом отдельно.

На выходерабочая система показателей или сравнений, которая показывает, где меняется результат, плюс конкретные решения или тесты, которые из этого следуют.

Трафик растёт, а продаж больше не становится. Масштаб увеличивается, а результат почти тот же. Одни направления работают заметно лучше других, но обычные показатели не объясняют почему.

Иногда данных уже достаточно — просто одна итоговая цифра складывается из нескольких разных причин.

Если существующих показателей недостаточно, я сначала строю способ увидеть проблему: разделяю смешанные явления, нахожу нужные сравнения или создаю новый слой измерений. И только после этого становится понятно, что имеет смысл менять.

На выходеформализованная логика работы и механизм, которым может пользоваться команда без постоянной зависимости от человека, на котором всё раньше держалось.

Качество держится на человеке: эксперт делает всё сам, основатель лично проверяет каждую важную вещь или один сотрудник знает, почему процесс устроен именно так.

Просто «автоматизировать» это опасно: можно убрать ручной труд вместе с тем, за что клиент или бизнес на самом деле ценит результат.

Сначала я разбираю и формализую источник качества — правила, голос, критерии, исключения, последовательность решений, расчёты и контекст. Затем строю процесс или инструмент, который воспроизводит важное без постоянного участия человека.

Необязательно заранее знать, что именно вам нужно.

Для таких задач часто нет готового процесса. Я сначала определяю, как её вообще решать, а если готового подхода нет — строю его под задачу.

Если кажется, что нужны соцсети,
я не начинаю с контент-плана.
Если хочется автоматизировать работу эксперта,
не начинаю с ИИ-агента.

То, что вначале кажется решением, часто лишь гипотеза о том, где находится проблема.

Иногда способ решения требует найти недостающие данные. Иногда — придумать новое измерение, формализовать экспертное знание, собрать прототип или построить инструмент. В одной задаче нужны данные, в другой — правила, прототип или система. Метод подчинён задаче, а не наоборот.

Вы приносите проблему. Я определяю, какой способ её решить здесь нужен — что понять или проверить, что изменить или построить — и веду работу до результата, которым можно пользоваться.

Если задача уже хорошо описана и вам просто нужен исполнитель по готовому ТЗ, скорее всего, профильный специалист будет проще и дешевле.

В конце — результат, с которым можно действовать.

Разовая задача

Решение

Что делать. В каком порядке. Почему этот вариант сильнее альтернатив. На чём он основан. Где остаётся риск. По какому признаку проверять результат.

Повторяющаяся задача

Работающий механизм

Если тот же вопрос или работа возвращаются снова, способ решения превращается в механизм, которым можно пользоваться без повторного разбора с нуля.

Сначала появляется способ решить именно эту задачу. Дальше форма результата зависит от того, разовая она или возвращается снова.

Решение

  1. Карта решений
  2. План запуска
  3. Приоритеты изменений
  4. Спецификация
  5. Прототип
  6. Сценарий проверки

Форма зависит от задачи.

Работающий механизм

  1. Радар
  2. Обновляющаяся база
  3. Дашборд
  4. Производственный конвейер
  5. Процесс
  6. Инструмент для команды

Под конкретную задачу.

Обсудить, какая форма нужна вам

В этих проектах сначала пришлось придумать, как решать задачу.

Конечные формы разные: продуктовая система, карта решений, рыночный радар, модель приоритетов. Общее одно — готового метода, который можно было просто исполнить, в начале не было.

PIPELINE

Как увеличить объём, если качество держится на том, что трудно описать

Сначала пришлось описать источник качества. Только потом его стало возможно масштабировать.

Источник

экспертная модель

  • голос и интонация
  • правила и ограничения
  • логика продукта
  • карта или расклад клиента

Система

конвейер персонального чтения

1контекст
2генерация
3парсинг
4макет
5контроль
единый контекст · конфигурация · шаблоны

Результат

готовый персональный документ

  • текст под данные клиента
  • цельная структура чтения
  • типографский PDF
  • сохранённая история клиента
единый контекствсе разделы создаются как одно цельное чтение
вёрстка под текстмакет адаптируется к объёму без изменения содержания
конфигурация вместо кодапродукты, секции, правила и шаблоны настраиваются отдельно
продукты
9 типов персонализированных продуктов
конвейер
расчёты → генерация → нормализация → типографская вёрстка
результат
готовый персональный PDF-продукт
передача
системой может управлять нетехнический оператор

Персональная работа специалиста занимала по несколько часов и ценилась именно за индивидуальный голос, логику интерпретации, точные расчёты и ощущение, что результат сделан для конкретного человека.

Поэтому задача была не «подключить ИИ». Сначала пришлось формализовать то, что раньше существовало как мастерство человека: правила, голос, психологическую логику, расчёты и критерии качества.

После этого я построил систему, которая объединила расчёты, генерацию, проверку, типографскую PDF-вёрстку и интерфейс для оператора.

FIELD

Как принять сотню решений до первого дня продаж

Собственных данных ещё не было — поэтому сначала пришлось построить способ принимать решения без них.

1 АУДИТЫ И НАБЛЮДЕНИЯ

ПОЛЕ
ювелирные дома · DTC · fashion · auto
ФОКУС
доверие · выбор · покупка · после покупки

Карта наблюдений

опоранейтральноточка риска

Не «красиво / некрасиво», а помогает ли опыт выбрать, создаёт ли доверие, снимает ли сомнения и поддерживает ли покупку.

2 ПАТТЕРНЫ И ВЫВОДЫ

ОПОРЫ
решения, которые можно перенести
РАЗРЫВЫ
возможности, которые рынок не использует

Ключевые категории

  • Покупатель и мотивацияподарок · самопокупка · неуверенность
  • Продукт и предложениецена · материалы · персонализация
  • Путь к покупкепоиск · сравнение · сервис · доверие
  • Рынок и контекстРоссия · каналы · культурные коды
  • Гипотезы и рискипробелы · допущения · ограничения

3 ПРИОРИТЕТНЫЕ РЕКОМЕНДАЦИИ

ПРИОРИТЕТ
сначала — решения, снимающие главный риск
ПОСЛЕДОВАТЕЛЬНОСТЬ
запуск → проверка → рост

План внедрения

  1. 1
    ДОВЕРИЕпрозрачность · отзывы · сервис
  2. 2
    ВЫБОРсценарии · цены · подарки
  3. 3
    ЭКОСИСТЕМАединый каркас · разные суббренды
  4. 4
    РОСТметрики · тесты · персонализация
рыноккарта конкурентных ходов
покупательмотивы и барьеры
системаправила и паттерны
запускпорядок действий
поле
39 брендов и смежные категории
вопросы
105 стратегических вопросов
научная база
59 академических источников
результат
127 приоритизированных решений с доказательствами, рисками и фазами внедрения

У новой экосистемы из шести брендов не было собственной истории поведения покупателей, но ключевые продуктовые и UX-решения требовались до разработки.

Я собрал основания из конкурентных аудитов, научных источников, голосов покупателей и национального контекста, а затем превратил их в единую систему решений — с приоритетами, рисками, правилами и прототипами.

Исследование стало не отчётом о рынке, а рабочей архитектурой, по которой можно было проектировать и запускать продукт.

TRACE

Как выбирать новые точки, если конкурентский рынок снаружи почти не виден

Сначала пришлось придумать, как вообще увидеть рынок. Потом этот способ стал рабочей системой.

1 ПУБЛИЧНЫЕ СТАТУСЫ

Снаружи виден статус станции. Система собирает из него наблюдаемый слой рынка.

НАЛИЧИЕ

сколько устройств доступно сейчас

ДВИЖЕНИЕ

аренда, возврат, изменение доступности

СОСТОЯНИЕ

активна ли станция, меняется ли её ёмкость

КОНТЕКСТ

город, локация, категория, часы работы

2 РЕКОНСТРУКЦИЯ ПОКАЗАТЕЛЕЙ

От единичного статуса к динамике рынка

НаличиеРитмПлотностьПробелы

Сравниваем не только количество станций, но и то, как меняется доступность, активность и покрытие по городам.

3 РЕШЕНИЕ О РАЗМЕЩЕНИИ

  1. низкая доступность в зоне устойчивого спроса
  2. активный рынок с недостаточным покрытием
  3. транзитная локация с долгим ожиданием
  4. высокая плотность людей при слабой ёмкости
  5. сезонная зона для контролируемого теста

Сначала проверяем рыночный сигнал. Затем принимаем решение о размещении и затратах.

OPENвидимый слой данных
TRACEистория изменений, а не статичный снимок
PLACEпереход от сигнала к следующей проверке
охват
более 60 000 станций нескольких конкурентов в разных странах
обновление
каждые 30 минут
метод
публичные статусы → реконструированные показатели
результат
интерактивный дашборд для решений о размещении
срок запуска системы
28 дней

Оператор видел собственную сеть, но не мог сравнить её с конкурентами по одинаковым показателям.

Готового источника для такого сравнения не существовало. Я нашёл открытый сигнал, из которого можно было восстанавливать динамику рынка, и построил систему, регулярно превращавшую публичные статусы станций в сравнимые показатели.

В результате появилась постоянно обновляемая картина рынка и интерактивный инструмент для решений о размещении.

NETWORK

Как превратить тысячи разговоров в решения, а не в ещё один поток данных

Сбор был только входом. Ценность появилась в системе, которая превращала шум в следующее действие.

КАРТА РЕШЕНИЙ: ОТ СИГНАЛА К ДЕЙСТВИЮКаждый круг — повторяющийся паттерн в разговорах аудитории. Размер показывает силу сигнала, положение — близость к практическому решению.
ближе к решению↑ высокая↓ низкаясигнал → устойчивая возможность
точки ростаустойчивый контекстслабые маршрутыразмер круга = сила сигнала
источники
9 площадок
объём
около 40 000 обсуждений в месяц
структура
24 метатемы · более 200 подтем · динамика
результат
приоритеты для продукта, языка, коммуникации и контента

Для продукта было важно понимать, что волнует разные группы аудитории, какими словами они говорят и какие темы растут или угасают.

Ручное чтение площадок не масштабировалось, а простой поток найденных постов только увеличивал шум.

Я построил цепочку, которая отбирала релевантные разговоры, извлекала повторяющиеся сигналы, объединяла их в устойчивые темы и переводила в приоритеты для продукта и коммуникации.

Ответы подешевели. Решения — нет.

Правдоподобный ответ можно получить за минуту. Сложнее понять, какой вопрос здесь действительно важен, какой способ решения под него нужен и что затем изменить или построить.

  1. Что нужно изменить

    Начинаем не с метода, а с ситуации бизнеса: что происходит сейчас и какой результат или решение действительно нужны.

  2. Как это вообще можно решить

    Определяю подход под конкретную задачу. Если готового метода нет, собираю его: исследование, новая система измерений, формализация экспертизы, прототип, инструмент — по отдельности или вместе.

  3. Что нужно узнать или формализовать

    Собираю недостающие сигналы и данные или перевожу неявное человеческое знание в правила, с которыми уже можно работать.

  4. Что выдерживает проверку

    Сравниваю версии, источники, решения и компромиссы. Правдоподобное не становится верным только потому, что хорошо звучит.

  5. Какое решение принимаем

    Фиксирую, что делать, в каком порядке, почему этот вариант сильнее соседних и какой риск остаётся.

  6. В какую рабочую форму это превращается

    Решение не должно оставаться только текстом. В зависимости от задачи это может быть спецификация, прототип, карта решений, процесс, дашборд, производственный конвейер или другой инструмент.

  7. Передача и проверка

    Результат остаётся у вас и должен работать без постоянной зависимости от меня. Критерий проверки определяется до начала, а не подгоняется после.

ИИ внутри работы: ускоряет поиск, сбор, разметку, обработку, прототипирование и производство там, где это оправдано. Выбор метода, источников, альтернатив, финальных решений и ответственность за результат не делегируются модели.

Где проходят границы

01 / Мало следов

Уверенного ответа там, где данных недостаточно.

Иногда честный результат — не решение, а точный план, что ещё нужно узнать и где это можно проверить.

02 / Одна красивая версия

Гипотеза не становится доказательством потому, что хорошо звучит.

Подтверждённое, вероятное и неизвестное остаются разными слоями.

03 / Результат бизнеса

Я не обещаю рост, продажи или окупаемость, которые зависят не только от моей работы.

Я отвечаю за качество оснований, рекомендацию, собранный механизм и понятный способ проверки.

04 / Цена ошибки

Не каждый вопрос стоит отдельного проекта.

Если ошибиться дешевле, чем разбираться, иногда рациональнее просто провести небольшой тест и посмотреть на результат.

Один человек держит задачу целиком

Меня зовут Егор Чиркунов. Одиннадцать лет я руководил собственной продакшн-компанией; среди клиентов были Xerox, Microsoft, Beeline и Ростелеком, и они возвращались с новыми задачами годами.

Я строю системы для сложной творческой и аналитической работы. Среди примеров — организация работы нарративной команды примерно из 50 человек, конкурентное наблюдение по открытым данным, исследовательские системы и инструменты, которые превращают сложную ручную работу в воспроизводимый процесс.

Режиссура

понимаю аудиторию, собираю разрозненные части в целое и довожу результат до действия.

Психология

читаю мотивы, барьеры, язык и то, как люди принимают решения.

Исследовательская дисциплина

проверяю правдоподобные версии против альтернатив и не прячу границы доказательств.

Инженерия

превращаю найденный способ решения в работающий инструмент, процесс или систему.

Это не четыре услуги. Это причины, по которым мне не нужно разрезать одну сложную задачу между несколькими подрядчиками.

Можно начать с двух-трёх предложений.

  • «Люди спрашивают, но редко покупают».
  • «Запускаемся через три месяца и спорим почти обо всём».
  • «Цифры выглядят нормально, но бизнес этого не чувствует».
  • «Весь процесс держится на одном сотруднике».

Как начинается работа

  1. Вы пишете двумя-тремя предложениями, что происходит.
  2. В одном разговоре мы проверяем, есть ли здесь полезная задача для меня.
  3. До старта фиксируем, что именно вы получите, границы работы, срок и стоимость.
  4. После этого вы принимаете решение о работе.

Готовить бриф, исследование или массив данных заранее не нужно. Вам не нужно выбирать метод, собирать исследование или писать техническое задание. Я скажу, вижу ли здесь задачу, в которой могу быть полезен.

egor@eqwise.ai