Нет дискавери — нет билборда. Даша Колесник из Билайн о своей работе

С тех пор она — часть команды, через которую проходит все, что выходит в федеральную рекламную кампанию. «Нет дискавери — нет билборда» — вот как Даша это формулирует.

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

Около десяти лет я преподавала английский язык — репетиторство, курсы и прочие прелести. В какой-то момент почувствовала, что достигла потолка: и по квалификации, и по перспективам. Началось время, когда чтобы немного вырасти, нужно вкладывать непропорционально много времени. И я начала думать: куда дальше?

Нашла магистерскую программу ВШЭ — психометрию. Это разработка образовательных и психологических тестов, измерительные процедуры. В России специальность существует фактически только там, а за десять лет программы выпустилось около трехсот человек.

В процессе учебы что-то щелкнуло: тема UX и цифровых сред оказалась гораздо интереснее разработки тестов. Я начала копать сама, прошла курс, поняла: вот то, чем хочется заниматься. Вышка стала переходным мостиком. Параллельно я попала в лабораторию психометрии при ВШЭ, занималась исследованием образовательного опыта.

Потом было агентство, а там: проекты с банками, застройщиками, разная экзотика. И летом прошлого года — звонок из Билайна. Меня взяли в качественные исследования, а спустя два месяца сказали: теперь ты в дискавери. И оказалось совсем другой историей.

Наш — нестандартный, но я говорю это с удовольствием.

Изначально команда появилась под влиянием методологии Growth Hack Discovery. Идея звучала просто: команда исследователей проводит многочисленные интервью, данные загружаются в Growth Hack — и он делает свою магию. Бизнес растет, все счастливы. Реальность оказалась интереснее.

По факту наша команда стала централизованной research-функцией для всей компании. 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, жизненные ценности. Второй — настройка экспериментов и 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. Ценность такого исследования — «мы не потратили деньги зря». Доказать это бывает 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.

Есть несколько инструментов. Из того, чем пользуюсь постоянно: Miro, ИИ-ассистент для работы с данными и текстом, рассматриваю инструмент для быстрых презентаций с ИИ — последний хочу добавить, потому что делать слайды на потоке в обычном редакторе уже не вариант. Плюс есть аутсорс-команда, которая занимается customer journey review, — им можно поставить задачу и разгрузить себя по времени.

Больше всего нравится работа с данными. Когда можно просто загрузить выгрузку данных, объясняю 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 придумать до того, как накопится большой архив работы без понятной истории.