Урок 3: AI-анализ интервью и фидбека

Чему вы научитесь

• Транскрибировать интервью с помощью AI
• Находить паттерны и кластеризовать инсайты через промпты
• Анализировать текстовые отзывы из App Store и соцсетей
• Строить workflow от записи до готового отчета

Для практики используем arckep.ru — все основные модели, без VPN, оплата рублями. Вы можете использовать любые другие сервисы.

Проблема: данные собраны, но лежат без дела

После 10 глубинных интервью по 45 минут у вас 7.5 часов записей. Ручная транскрипция одного часа — 4-5 часов работы. Кодирование и анализ — еще столько же. Итого: 40 часов на обработку.

На практике эти записи просто лежат на диске. Команда помнит яркие моменты, но системного анализа нет. Решения принимаются по памяти, а не по данным.

AI сжимает 40 часов в 2: транскрипция за минуты, кластеризация за один промпт, выводы в структурированном формате.

Традиционный процесс:
  10 интервью → 40 часов ручной работы → отчет через 2 недели

AI-процесс:
  10 интервью → 2 часа с AI → отчет в тот же день

Шаг 1: Транскрипция

Whisper API (OpenAI)

Whisper — open-source модель для распознавания речи от OpenAI. Русский язык поддерживается на уровне, достаточном для интервью — ошибки бывают в именах собственных и терминах, но контекст обычно понятен.

Шаг 1. Откройте platform.openai.com и получите API-ключ. Или используйте через arckep.ru — тот же Whisper, оплата рублями.

Шаг 2. Загрузите аудиофайл через Playground: Audio — Transcription. Форматы: mp3, wav, m4a, webm. Лимит: 25 MB на файл.

Шаг 3. Результат — текст с таймкодами. Стоимость: ~$0.006 за минуту (~4 рубля за минуту через arckep.ru). Час интервью — около 240 рублей.

Yandex SpeechKit

Если интервью на русском и нужна максимальная точность — Yandex SpeechKit распознает русскую речь лучше Whisper. Работает без VPN, стоит ~$0.004/мин. Доступен через cloud.yandex.ru.

Подготовка аудио

Качество транскрипции прямо зависит от качества записи:

• Записывайте в тихом помещении, не в кафе
• Внешний микрофон или наушники с микрофоном дают заметный прирост
• Если записали на диктофон телефона в шумном месте — пропустите через Adobe Podcast Enhance (бесплатно) перед транскрипцией

Шаг 2: Кластеризация инсайтов

Транскрипция — это сырой текст. Дальше нужно найти паттерны: что повторяется, какие боли упоминают чаще всего, где ваши гипотезы подтвердились, а где нет.

Промпт для анализа интервью

Вот транскрипции 5 пользовательских интервью о [продукт].
Проанализируй и создай структурированный отчет.

1. ОСНОВНЫЕ ТЕМЫ (кластеры)
   Для каждой:
   - Название
   - Сколько респондентов упомянули (из 5)
   - 2-3 дословные цитаты (с пометкой респондента: Р1, Р2...)
   - Сила сигнала: СИЛЬНЫЙ (4-5 из 5) / УМЕРЕННЫЙ (2-3) / СЛАБЫЙ (1)

2. БОЛИ (pain points)
   Отсортируй по частоте. Для каждой: цитата + контекст.

3. ПОТРЕБНОСТИ
   Что хотят, но не получают? Явные и скрытые (читай между строк).

4. НЕОЖИДАННЫЕ ИНСАЙТЫ
   Что противоречит типичным предположениям?

5. РЕКОМЕНДАЦИИ
   3-5 конкретных действий с обоснованием из данных.

[Вставьте транскрипции]

Пример результата

Анализ 5 интервью о мобильном банке:

ОСНОВНЫЕ ТЕМЫ:

1. Сложность переводов (5 из 5) -- СИЛЬНЫЙ
   "Каждый раз ищу, куда нажать для перевода по номеру" (Р2)
   "Три экрана для одного перевода -- это слишком" (Р4)
   "Почему нельзя просто ввести номер телефона сразу?" (Р5)

2. Непонятные уведомления (4 из 5) -- СИЛЬНЫЙ
   "Приходит пуш, не понимаю -- это списание или зачисление" (Р1)
   "Текст уведомления -- набор кодов, а не человеческий язык" (Р3)

3. Страх необратимой ошибки (3 из 5) -- УМЕРЕННЫЙ
   "Боюсь нажать не туда и перевести деньги не тому" (Р3)
   "Нет кнопки 'отменить перевод' -- а если ошибся?" (Р5)

НЕОЖИДАННЫЙ ИНСАЙТ:
Р2 и Р4 используют два банковских приложения параллельно --
не из-за разных счетов, а потому что "в одном удобнее переводы,
в другом -- оплата по QR". Люди компенсируют UX-проблемы
мультиаккаунтом.

Анализ текстовых отзывов

Не всегда есть записи интервью. Часто источник данных — отзывы в App Store, комментарии в соцсетях, ответы на NPS-опрос. AI анализирует их тем же подходом.

Промпт для анализа отзывов

Проанализируй эти отзывы о [продукт] из [App Store / Google Play /
соцсети / NPS-опрос].

Для каждого определи:
- Sentiment: позитивный / нейтральный / негативный
- Тема: к какому аспекту продукта относится
- Конкретная проблема или запрос (если есть)

Затем сводка:
1. Распределение: сколько % позитивных/нейтральных/негативных
2. Топ-5 тем по частоте упоминания
3. 3 самых критичных проблемы (с цитатами)
4. Скрытые возможности -- что хотят, но не говорят прямо

[Вставьте отзывы]

Этот промпт работает с любым объемом — от 10 отзывов до 500. Для больших объемов Claude автоматически увеличит детализацию сводки.

Специализированные инструменты

BuildBetter AI

BuildBetter (buildbetter.ai) автоматизирует весь процесс для продуктовых команд: подключается к Zoom/Google Meet, транскрибирует звонки, размечает feature requests одним цветом, баги другим, комплименты третьим. AI строит timeline инсайтов по продукту.

Подходит командам, которые проводят 10+ звонков в неделю и хотят накапливать базу инсайтов. Для разовых исследований — избыточен.

Dovetail

Dovetail — репозиторий инсайтов для больших команд. Теги, AI-разметка, визуализация паттернов, интеграция с Jira и Notion. От $29/мес на пользователя. Имеет смысл при 10+ исследований в квартал.

Полный workflow

1. Запись интервью
   Zoom / Google Meet / телефон + диктофон
   ↓
2. Транскрипция (5-10 мин на час записи)
   Whisper API через arckep.ru или Yandex SpeechKit
   ↓
3. Загрузка в Claude
   Текст интервью + промпт для кластеризации
   ↓
4. Анализ (10-15 мин на 5 интервью)
   Темы, боли, потребности, неожиданные инсайты
   ↓
5. Приоритизация
   MoSCoW или Impact-Effort (промпт из урока D.9/04)
   ↓
6. Оформление отчета
   Notion, Google Docs или Gamma для презентации

Практическое задание

1. Скопируйте 10-15 отзывов о любом приложении из App Store или Google Play
2. Загрузите в Claude с промптом для анализа отзывов
3. Получите кластеризацию, sentiment и топ-проблемы
4. Сформулируйте 3 рекомендации для продуктовой команды
5. Оцените: совпадают ли ваши интуитивные выводы с AI-анализом?

Итоги урока

• Whisper API транскрибирует час записи за 1-2 минуты (~240 руб. через arckep.ru)
• Claude анализирует 5-7 интервью за один промпт: темы, боли, цитаты, рекомендации
• Текстовые отзывы анализируются тем же подходом — промпт + кластеризация
• BuildBetter и Dovetail — для команд с регулярными исследованиями
• AI находит паттерны, но интерпретация и решения — за вами