Меня зовут Александр Демидов, я бизнес-аналитик в X5 Tech. В этой статье я постараюсь по существу рассказать, как я полюбил создавать карты клиентского пути (CJM), что помогло мне делать их в 4 раза быстрее и почему искусственный интеллект – настоящая палочка-выручалочка при верном подходе.
Их боялись даже управленцы
Вообще, Customer Journey Map или карта клиентского пути — особый пункт в работе аналитика. Они часто нужны позарез. Сделать их нужно было ещё вчера. А вот на чьи плечи ляжет столь почётная миссия — непонятно.
Добровольцев-камикадзе, как правило, набирается совсем немного. Да и те присоединяются к рабочей группе по наивности, полагая, что с какой-то там пустячной картой можно разобраться минут за 15, набросав пару графиков по готовому шаблону.
Когда же обрисовывается фронт предстоящей работы, инициативная группа начинает потихоньку терять задор и распадаться. Появляются неотложные квартальные отчёты, тренинги “по повышению повышаемости”, митапы, стартапы, ватсаппы…
И, в принципе, такая ситуация – рядовая. Я это говорю как человек с 7 годами опыта разработки CJM в полевых условиях. Те, кто тащат процесс на себе и доводят рабочий цикл до конца — единицы. Я их называю “марафонцами”. Иногда к ним примешиваются “заложники” — люди, нечаянно вписавшиеся в задачу, и с тех пор проклинающие всё на свете.
Из условной десятки храбрецов в конце останутся двое. А иногда бывает, что и один бизнес-аналитик с психологом на телефоне. Спасибо ДМС, который позволяет записаться к нему бесплатно:)
Но в какой-то момент всё развернулось на 180 градусов: с зарёй генеративного ИИ разработка CJM из наказания превратилась в увлекательный квест.
А теперь к подробностям.
CJM изначальный: долго, трудно, мучительно
Как правило, карта клиентского пути была продуктом коллективным. Цикл строился на трёх китах:
Согласование. Здесь определялась основная проблема и цели для исследования, а также составлялся и утверждался список вопросов для респондентов. В теории всё звучит легко: собрались, провели мозговой штурм, утвердили. На практике на это могло уходить до одной недели — у всех работы, отчёты и творческие кризисы или даже переизбыток идей.
Интервью. Обычно на них уходит около двух недель, и то при хорошем раскладе, если респонденты не особо заняты.
Распаковка. Пожалуй, самый неприятный этап — прослушивание часовых записей со своим же голосом, чтобы добыть крупицы ценных инсайтов по типу “Вот здесь эта фигня не нравится”.
Но я скажу честно: лично мне всегда нравилось работать над составлением CJM. Это творческая задача, в которой есть что-то от Сократа: через наводящие вопросы мы приходим к истине. Да такой истине, что у заказчика могут округляться глаза и он приходит к просветлению: “«Как?! У нас вот это вот так работает?!”
Но радость работы серьезно омрачали две проблемы.
Проблема первая — это составление и утверждение вопросов. Во-первых, это “формулировка очевидного через агонию согласований”. Во-вторых, рабочий коллектив — стихия непредсказуемая и едва управляемая в данном случае. Пока мозговой центр соберётся и наконец-то будет готов, мы рискуем потерять много времени.
Проблема вторая — это распаковка, когда ты слушаешь себя снова и снова, тихо умирая внутри.
Но с появлением GPT меня осенило — мытарствам конец! Он не знает усталости, не требует кофебрейков и способен переработать лавину голой информации за какие-то полчаса. А ещё он достаточно умён, чтобы взять на себя задачи, которые я ненавижу.
CJM современный: вкалывает робот, а не человек
Итак, учимся применять GPT для составления наших карт.
Промт — всему голова
Автоматизацию я начал с фундамента — составление списка вопросов для интервью. И сразу же угодил в ловушку. На первый взгляд, ничего сложного нет: пишем стандартный промт «подготовь вопросы для CJM», GPT думает, все счастливы.
Но не тут-то было: дьявол, по обычаю, кроется в мелочах. И мелочи эти определяют, какой результат мы в итоге получим от модели. Принцип “какой вопрос, такой ответ” подходит как нельзя лучше.
Мой восторг длился недолго, когда я получил первую десятку вопросов за авторством GPT — передо мной была натуральная каша. Вопросы прыгали по темам, звучали обобщённо или же просто содержали нонсенс по типу: “Вы пользуетесь кассой?” Ни чёткой логики, ни структуры, ни хронологии.
Как же с GPT сварить кашу? Поразмыслив, я пришёл к выводу, что моему нейро-ассистенту не хватало контекста ситуации. И чтобы получить пригодный для работы результат, мне нужно было основательно поменять структуру запроса.
Вот что мне предстояло исправить и получить в ответах модели:
Вопросы поэтапно.
Логика внутри блока.
Минимум воды, максимум пользы.
Исключить вводные для «новичков».
За помощью я обратился к дежурной инструкции от OpenAI — авторов ChapGPT. Её безукоризненная чёткость гласит:
Цель. Может, звучит банально, но это неизбежность. GPT должен понять, что мы хотим от него добиться. А если я сам не понимаю, что мне нужно, то даже самый умный робот только разведёт сервоприводами. Желательно начинать с цели простой и чётко сформулированной.
Формат ответа. Список? Таблица? Вопросы по шагам? К сожалению, GPT не умеет читать мысли — ему нужно объяснить, какой формат конечного ответа мы желаем увидеть.
Инструкции и ограничения. Затем нужно уточнить, какие вопросы использовать нельзя. Например, такие как: “Что вы чувствуете?”. Иначе он может подумать, что мы составляем психологический опросник.
Исчерпывающий контекст. Сценарий, роль, боли, структура процесса, цели исследования — GPT должен знать абсолютно всё о рабочей ситуации. А если это премиальная версия, которой можно дать почитать наши файлы, то совсем здорово.
Скрытый текст
Вот пример промта, который я использую
Цель:
Получить список вопросов для интервью с пользователями: «название должности или роли пользователя» для составления CJM по процессу: «название/краткое описание процесса»
Формат ответа:
Составь список вопросов в логическом порядке действий пользователя в процессе.
Используй списки и маркированные пункты для улучшения читаемости.
Предупреждения:
Избегай вопросов про общее настроение и самочувствие пользователя.
Убедись, что вопросы чёткие и конкретные, чтобы избежать неоднозначности.
Контекст:
Действуй как опытный бизнес аналитик, который проводит дискавери новой инициативы.
“Описание процесса и вся доступная информация перед началом проведения дискавери”
Ура! Проведя работу над ошибками, я был в восторге от исправившегося GPT. Теперь составленные им вопросы больше не скакали с одной темы на другую. Он стал уточнять конкретные действия пользователя. И, что самое главное, начал вскрывать актуальные проблемы на каждом этапе, вместо обобщенных “Что вам не нравится в целом?”
Распаковка на турбо-ускорении
Об распаковку разбивались сердца многих бизнес-аналитиков. Но я решил, что раз GPT эффективно справляется с вопросами, то и эту задачу осилит.
Здесь его миссия заключалась в транскрипте и резюмировании, чтобы извлечь из текста действия, боли, впечатления и барьеры.
Сейчас есть масса сервисов, дающих транскрипт из видео и аудио, не буду их перечислять. Выжимку можно получить буквально нажав одну кнопку, а это минус часы кропотливого ручного труда.
Теперь полученное резюме можно также отдать GPT на анализ, или одним файлом, или через копипейст. Вся соль опять же в промте, главное – следовать логическому триумвирату: Больше контекста —> Больше конкретики —> Меньше надежд на «угадай сам» .
Например, когда я первый раз отдал текст с интервью ему на анализ, он перепутал шаги и этапы, а также позволил себе некоторые вольности с фидбэком от респондентов. Что сделал я? Переписал промт. Ещё могу порекомендовать напоминать ИИ, чтобы он работал в режиме “аналитика”, а не “романиста” и не придумывал цитаты, якобы сказанные опрошенными участниками.
Скрытый текст
Вот пример промта который я использую
Цель:
Я хочу получить текстовый контент из файла с интервью для наполнения карты CJM.
Формат ответа:
Текстовый контент должен быть разбит на блоки:
Шаги — Отрезок клиентского пути.
Названия шагов необходимо начинать с отглагольных существительных.
Шаги должны быть описаны последовательно.
Для каждого шага необходимо разбить контент на следующие блоки:Действия пользователя — Описание всех действий. Описание начинается с глаголов, например «Входит…», «Набирает…» и т. д.
Действия для каждого шага должны быть описаны последовательно.
Одно действие — один контент.
В одном действии максимум 4 слова.
Нужно указать все действия на этом шаге, про которые говорил респондент из интервью.Задачи пользователя — Что пользователь/клиент хочет получить в результате этот шага? Зачем он выполняет определённое действие?
Точки контакта — Контексты, места и интерфейсы соприкосновения пользователя с продуктом/услугой.
Барьеры — Все трудности, с которыми сталкивается пользователь/клиент на этом шаге. В контекст трудностей нужно включить цитаты пользователей из интервью. Цитаты необходимо выделить кавычками.
Впечатления — Какие впечатления получил пользователь/клиент на этом шаге. Впечатления бывают 4 типов: положительные; нейтральные; отрицательные; негативные.
Идеи — Предложения и идеи для решения проблем, с которыми сталкивается пользователь/клиент для улучшения клиентского опыта.
Идея должна быть направлена на устранение корневой причины проблемы и решать задачи пользователя на этом шаге.
Предупреждения:
Если есть повторяющийся контент из разных интервью, то нужно оставить только один текстовый контент и пометить, что он повторяется также и в других интервью.
Контекст:
Ты бизнес-аналитик в компании-ритейлере и проводишь дискавери процесса: «название/краткое описание процесса».
В этом процессе есть следующие проблемы:
“Описание проблемы 1”
“Описание проблемы 2” и т. д.
“Транскрипция интервью”
Сборка CJM: почти как Лего
Итак, у нас на руках основа:
Шаги.
Действия.
Барьеры.
Впечатления.
Теперь CJM собирается легко, как конструктор. Что радует ещё больше, GPT может сам упаковать данные в формате таблицы в CSV-файл. Но чтобы наше Лего не рассыпалось, нам нужно, опять же, скорректировать его логику, объяснив, что мы хотим:
Уточняем формат.
Где должны находиться блоки и шаги.
Как правильно распределять данные по строкам.
Иначе выданный им файл в Miro отобразится как один огромный и нечитаемый стикер — примерно так же выглядят слипшиеся в один комок пельмени.
Скрытый текст
Вот так выглядит промт для формирования csv файла
Цель:
Я хочу получить csv файл с текстовым контентом из интервью для создания CJM в Miro.
Формат ответа:
Текстовый контент представлен в виде таблицы.
В первом столбце указывается название блоков сверху вниз в следующей последовательности:
Шаги 2. Действия 3. Задачи 4. Точки контакта 5. Барьеры 6. Впечатления 7. Идеи
Название шагов указываются в первой строке.
Первый шаг начинается во втором столбце.
Шаги идут последовательно, слева направо.
Если в одном блоке, несколько текстовых контентов, то каждый текстовый контент указывается в отдельной строке.
Например, если в блоке “Действия” есть несколько отдельных текстовых контентов: Пришёл, Открыл, Взял, то каждый будет в отдельной строке.
Действия | Пришёл |
Открыл | |
Взял |
Контекст:
Вот текстовый контент из интервью с пользователями:
“Описание текстового контента”
А в качестве финального аккорда я вручную переношу всё в Miro, чтобы добавить к данным визуализацию — это ключевой компонент, который поможет понять, что именно и как болит у пациента. И уже на основе такого анамнеза можно будет принимать управленческие решения.
Takeaways:
С помощью GPT делать CJM можно в 4 раза быстрее.
Чёткий, логичный и структурированный промт решает всё.
GPT нужно дать исчерпывающий контекст поставленной задачи.
Вместо команды из 10 человек может справиться один специалист.
Спасибо, что дочитали до конца! Я буду рад услышать в комментариях о вашем опыте создания CJM или о том, как AI-инструменты отразились на вашей работе.
Источник: habr.com
