Даша Колесник: как дискавери влияет на решения в Билайне

После небольшого интервью она стала частью команды, через которую проходит все, что выходит в федеральную рекламную кампанию. «Нет дискавери — нет билборда» — так это формулирует Даша.

Мы поговорили о том, как оказаться в исследованиях через педагогику и психометрику, зачем исследователю уметь писать код, и почему самостоятельность — это не про отсутствие поддержки, а про профессиональный характер.

Около десяти лет я преподавала английский язык в частном порядке  — от младших школьников до взрослых, и была уверена, что офисная работа — не для меня. В какой-то момент почувствовала, что достигла потолка: и по квалификации, и по перспективам. Начался этап, когда, чтобы немного вырасти, нужно вкладывать непропорционально много времени. И я начала думать: куда дальше?

Нашла магистерскую программу ВШЭ — психометрику. Это разработка образовательных и психологических тестов, «измерение неизмеримого». В России специальность существует только в Институте образования ВШЭ, а за десять лет программы выпустилось около 500 человек.

В начале обучения я не очень представляла, какую тему взять для своей дипломной работы. Сначала планировала исследовать тему ИИ-грамотности, однако благодаря своему научному руководителю, директору центра психометрики, я нашла то, что попало мне в сердечко — исследование пользовательского опыта (UX).

Я начала копать сама, прошла курс, поняла: вот то, чем хочется заниматься. Вышка стала переходным мостиком. Начало обучения в магистратуре совпало с работой в центре психометрики. Я занималась тестами в цифровых средах, цифровой и ИИ-грамотностью, исследованием образовательного опыта.

Спустя три месяца прошла обучение UX-исследованиям. Работу в центре и магистратуру стала совмещать с работой в агентстве. Тут впервые столкнулась с бизнес-заказчиками: банками, застройщиками и другими.

И летом прошлого года — звонок из Билайна. Меня взяли в качественные исследования, а спустя два месяца сказали: «Теперь ты в дискавери». И это оказалось совсем другой историей.

Наш — нестандартный, но я говорю это с удовольствием.

Изначально команда появилась под влиянием методологий Dreams-To-Be-Done и Growth Hack. Идея звучала просто: команда исследователей проводит многочисленные интервью, данные загружаются в Growth Hack — и он делает свою магию. Бизнес растет, все счастливы. В реальности — интереснее.

По факту наша команда стала еще одной централизованной функцией для всей компании. До появления команды существовал Единый центр исследований, сотрудником которого я административно числюсь и сейчас, плюс функцию исследователей периодически берут на себя коллеги с другими ролями: дизайнеры, продакты. 

Внутри продуктовых команд своих исследователей нет (или я о них не знаю — так тоже бывает). Есть мы, и мы работаем на всех. Это накладывает свой отпечаток и на задачи, и на темп, и на то, как выстраивается работа.

Сейчас нас около десяти человек, и сложилось три трека. Первый — стратегический дискавери: широкие территории, позиционирование, ценности. Второй — настройка экспериментов и анализ поведенческих метрик. Третий — конкретные продуктовые решения, это мое направление.

Иногда к нам приходят с идеями вроде: «Давайте делать кнопку!» — «Почему именно кнопку? Что она должна делать?» — «Ну кнопка, мы чувствуем, что она нужна, погнали». Вот тут мы и говорим: подождите, давайте подумаем, давайте сначала разберемся, что людям на самом деле нужно. Дискавери здесь работает не как генератор идей, а как фильтр — проверяет то, что придумали другие.

Мы работаем скорее с сегментами, чем с отдельными продуктами. Есть владелец сегмента — он делает для него несколько продуктов и верит, что они привлекут людей, удержат и принесут деньги. Ключевых стейкхолдеров сейчас около восьми. Плюс периодически приходят разовые запросы — срочные, с горящими дедлайнами, иногда с очень интересным контекстом.

Одно из реальных достижений команды: все, что идет в федеральную рекламную кампанию, теперь обязательно проходит через дискавери. Нет дискавери — нет выхода на билборды по всей стране.

По-разному. Иногда к нам приходят с уже сформулированной гипотезой — это идеальный сценарий. Иногда ловим запрос на этапе, когда решение уже почти принято, и нужно быстро проверить ключевые допущения. Тогда работаем в режиме «давайте в сжатые сроки соберем данные, чтобы дальнейшие решения опирались на что-то реальное».

Мы стараемся выстраивать процесс так, чтобы дискавери было не только командой, которая «рождает» идеи, а той, которая в том числе пропускает через себя уже придуманное и дает обоснованный ответ: двигаться дальше в этом направлении или нет.

Убедить людей, зачем тратить время до разработки, порой требует усилий, особенно когда у продуктовой команды дедлайн через месяц, а полноценный цикл исследования занимает два-три. Для меня главная ценность дискавери-исследования — «мы не потратили деньги и ресурсы на разработку зря». Доказать это трудно: ты не знаешь, что было бы, если бы пошли другим путем.

Такая история складывается только со временем, когда накапливается сравнение: вот продукты без предварительного ресерча, а вот те, что прошли итеративный цикл. Именно такие кейсы мы сейчас и собираем, так как находимся скорее в начале пути.

Из того, чем пользуюсь постоянно: доска (Holst), ИИ-ассистент (основной — Claude), R Studio для анализа количественных данных, платформы для самостоятельной работы (DIY).

Коллеги в целом активно используют ИИ-инструменты — для быстрого анализа на синтетических респондентах, быстрого прототипирования в нашей дизайн-системе, проведения конкурентного анализа, подготовке презентаций. Ну и, конечно, телеком-возможности для проведения исследований: команда колл-центра, смс-рассылки и сторизы в приложении.

Больше всего нравится работа с данными. Когда можно просто загрузить выгрузку, объяснить структуру, контекст и задачу, и дальше итеративно: дескриптивная статистика, регрессия по нужным параметрам, визуализации. В итоге могут получиться аналитические файлы, которые руками собирать было бы нереально за разумное время. Еще хочу попробовать автоматизировать аналитические процедуры для нового проекта по разработке шкалы измерений — чтобы рутина шла вообще без моего участия.

Составление гайдов тоже использую, хотя результат иногда удивляет. Делала гайд для сегмента с высоким доходом — тональность получилась специфическая. Но как способ поймать структуру, увидеть пробелы или понять, какая логика не работает — очень полезно.

Вообще, умение самому собрать нужный инструментарий, написать кусок кода, визуализировать данные — это сейчас, кажется, уже не бонус, а базовое требование к профессии. Особенно там, где инфраструктура еще строится.

Могу поделиться тем, что вижу как важное — из своего опыта.

Первое: research-руководитель с профильным бэкграундом — это отдельная роль, которую сложно заменить продакт-лидом или бизнес-менеджером, даже очень хорошим. Человек, который изнутри понимает специфику исследовательских процессов, помогает команде работать в правильном темпе.

Второе: количество людей должно быть соразмерно задачам с самого начала. Когда один исследователь ведет много параллельных проектов, глубина каждого неизбежно страдает. Идеально — сочетать специализацию с общим контекстом: люди погружены в конкретные треки, но остаются в связке друг с другом.

Третье: метрики и прозрачность стоит выстраивать заранее. Что трекаем, как считаем влияние исследований на решения, как показываем ценность внутри — это лучше продумать до того, как накопится большой архив работы без понятной истории.