Назад Богдан Алексеев
Открыть CV Написать в Telegram
иконка

Landa Research. AI инструмент
для UX-исследований

Одним из первых в РФ подключил GPT к анализу макетов и защитил стартап во внутреннем акселераторе крупнейшего банка в РФ. Я и небольшая команда моих коллег разработали AI-инструмент для анализа UX-тестов и глубинных интервью.

Product Designer/Owner 2023-2026 martech AI
картинка

Challenge

Сократить время анализа UX-исследований и превратить интервью, UX-тесты и прототипы в готовые продуктовые выводы без потери качества

Solution

AI-платформа, которая анализирует исследования по методологии UX, помогает находить проблемы в интерфейсах и ускоряет принятие продуктовых решений.

картинка

Research

Исследования показали, что проблема не в анализе

Провёл более 50 JTBD-интервью с исследователями и продуктовыми командами. Главный инсайт — специалисты тратили время не на проведение исследований, а на расшифровку, структурирование данных и подготовку выводов для команды.

картинка

От идеи к рабочему инструменту

За два месяца мы запустили MVP и начали разбирать реальные исследования вместе с пользователями. Каждая ошибка модели становилась поводом изменить продукт: галлюцинации LLM, нарушение методологии и слабые выводы сформировали требования к следующей версии сервиса.

картинка

Первые минуты определяют активацию

После запуска большинство пользователей не доходили до загрузки первого исследования. Вместо пустого экрана я спроектировал сценарий первой сессии, который последовательно проводит пользователя через создание исследования, загрузку материалов и выбор методологии.

картинка

От отдельных интервью к анализу всего пути пользователя

Первые пилоты показали, что сервисом чаще пользуются дизайнеры и продакты, чем исследователи. Вместо анализа отдельных интервью им был нужен инструмент, который показывает проблемы сразу на всём пользовательском пути.

Я перестроил архитектуру продукта вокруг анализа UX-тестов и прототипов, а не отдельных транскриптов.

картинка

Точность начинается не с модели, а с контекста

Без предметных знаний LLM давала убедительные, но непоследовательные выводы.

Я инициировал переход на RAG-архитектуру: база знаний объединила UX-методологии, эвристики, когнитивные искажения и реальные кейсы компании. Благодаря этому модель начала анализировать исследования в едином контексте и достигла 94% точности.

картинка

Trust

Подтверждено продуктовыми командами

Пилоты с ВТБ, Госуслугами, Почтой России и Яндекс Практикумом помогли проверить продукт на реальных исследованиях и подтвердить ценность решения в разных сценариях использования.

Госуслуги

«Сервис нас спас в условиях сжатых сроков. Мы сэкономили около 2–3 дней двоих исследователей. Остались очень довольны и будем продолжать использовать»

фото

Екатерина Гудкова

UX Research Lead

Почта России

«В формате анализа UX-теста хорошо выделены основные проблемы. Интересное саммари по эмоциям респондента. Думали, выводы будут общие — ожидания превзошёл»

фото

Елена Поносова

UX Research Lead

ВТБ

«Очень понравилось, что сервис считывает не только высказывания, но и эмоции — даже человеку это порой трудно. Инструмент работает быстро и качественно»

фото

Дарья Мороз

Product Designer

Results

94%

Точность анализа интервью

30ч

Экономии на 10 интервью

82,6%

Активация после редизайна

5+

Пилотов: Госуслуги, Почта России, ВТБ, Яндекс и др.