Эмпатия и исследование
Заслужите право строить, отделяя реальный спрос от высказанных желаний через постоянное, основанное на доказательствах исследование.
Explainer
Discovery — это работа по тому, чтобы заслужить право строить. Большинство продуктовых провалов — не провалы исполнения; это провалы спроса, замаскированные под выпущенные фичи. Сильный discovery отказывается от удобных коротких путей — опросов без поведения, фокус-групп, демо-роуд-шоу ради «валидации» — и заменяет их плотным циклом: интервью, наблюдение, анализ и триангуляция качественных данных с количественным сигналом, пока команда честно не станет менее ошибочной, чем была неделю назад.
Заявленное предпочтение vs реальное поведение
Пользователи — ненадёжные прогнозисты собственного поведения. Они скажут вам, что хотят фичу, которой никогда не воспользуются, что готовы платить за то, за что никогда не заплатят, и что ненавидят интерфейс, в который продолжают возвращаться. Discovery — это дисциплина доверять тому, что пользователи делают, больше чем тому, что они говорят. Интервью — инструмент для реконструкции прошлого поведения, а не для прогноза будущего.
- Прошлое поведение > заявленное намерение > гипотетическое предпочтение, именно в таком порядке.
- Если приходится спрашивать гипотетически, привязывайте вопрос к конкретному недавнему моменту, а не к общему будущему.
- Если пользователь говорит «я бы точно за это заплатил», спросите: «сколько вы уже платите за тот workaround, которым пользуетесь сегодня?»
Jobs-to-be-Done — три школы
JTBD — не одно явление; есть три перекрывающиеся школы. Их смешение — самая частая ошибка PM. Выберите школу, которая соответствует вашему решению, и держитесь её словаря.
- Christensen / Switch (Bob Moesta, Chris Spiek): фокусируется на моменте переключения со старого решения на новое. Словарь: тревоги, привычки, push, pull, четыре силы.
- Outcome-Driven Innovation (Tony Ulwick): функциональные задачи, разложенные на измеримые желаемые исходы, оценённые по важности и текущей удовлетворённости. Словарь: opportunity score = важность + max(важность − удовлетворённость, 0).
- Strategyzer (Alex Osterwalder): задачи как вход в дизайн ценностного предложения — функциональные, эмоциональные и социальные задачи в паре с болями и выгодами.
Switch-интервью и четыре силы
Switch-интервью реконструирует момент, когда пользователь перешёл с одного решения на другое. Фреймворк: push текущей ситуации, pull нового решения, тревоги по поводу переключения и привычки настоящего. Спрос есть, когда push + pull > тревоги + привычки. Сильные PM явно прощупывают каждую силу.
- Push: что именно сломалось в прежнем рабочем процессе? Когда? С кем?
- Pull: что в новом варианте перешло порог «достаточно хорошо, чтобы попробовать»?
- Тревога: что вас беспокоило в принятии? Стоимость, риск, социальный риск, кривая обучения?
- Привычка: что держало вас на старом так долго даже после появления push?
- Если тревоги или привычки больше, чем push + pull, спрос теоретический, не реальный.
Механика интервью с пользователем
Большинство PM переоценивают качество своих интервью. Главные проблемы: наводящие вопросы, презентация решения, просьба к пользователю спроектировать и принятие озвученных причин за чистую монету. Хорошее интервью структурировано, но не зачитано по сценарию — оно реконструирует поведение в живых деталях.
- Открывайте конкретным недавним моментом: «расскажите шаг за шагом, когда это случилось в последний раз».
- Прощупывайте таймлайн поминутно; не принимайте обобщений.
- Слушайте перепады энергии — вздохи, ускорения, паузы — и идите за ними.
- Спрашивайте о workarounds до того, как предлагаете решения; workaround — это билет на вход.
- Никогда не заканчивайте интервью без вопроса: «о чём я не спросил, а должен был?»
- Записывайте (с согласия) и тегируйте транскрипты; память сжимает всё за 48 часов.
Постоянный discovery как еженедельная привычка
Практика непрерывного discovery от Терезы Торрес заменяет «фазу discovery» на еженедельный ритм. Цель: продуктовое трио (PM, дизайн, tech-lead) разговаривает минимум с одним пользователем в неделю каждую неделю и обновляет Opportunity Solution Tree против чётко заданного желаемого исхода.
- Соберите постоянную панель; не запускайте sourcing заново на каждом проекте.
- Проводите еженедельную sync трио, чтобы обновить дерево, а не чтобы спросить разрешения.
- Любая неделя без интервью — discovery-долг; назовите его и погасите.
- Discovery и delivery переплетены; одно — не ворота другого.
Opportunity Solution Tree
OST визуализирует цепочку: желаемый исход → возможности (проблемы / неудовлетворённые потребности из исследований) → варианты решений → проверки предположений. Сверху вниз видно, почему каждое решение рассматривается. Снизу вверх каждый эксперимент поднимается к реальной пользовательской возможности, привязанной к исходу команды.
- Один исход в корне; несколько возможностей; несколько решений на возможность; несколько тестов на решение.
- Сопротивляйтесь решениям, которые не привязаны к именованной возможности.
- Спорьте с помощью дерева: «эта возможность больше той?», «какое решение лучше всего бьёт по этой возможности?»
- Обновляйте еженедельно с новыми данными; обрезайте ветви, которые теряют доказательства.
Картирование рисков и допущений
Марти Кэган выделяет четыре типа риска для любой продуктовой идеи: Ценность (будут ли пользователи этим пользоваться?), Удобство (смогут ли пользоваться?), Реализуемость (можем ли мы это построить?), Жизнеспособность (работает ли это для бизнеса — юристы, продажи, поддержка, финансы?). Discovery — это практика выявить, какой из этих рисков доминирует в каждой идее, и спроектировать самый дешёвый эксперимент, который этот риск снимает.
- Риск ценности доминирует в новых категориях и новых аудиториях.
- Риск удобства доминирует при радикальных изменениях UI.
- Риск реализуемости доминирует в технически новой работе (ML, real-time, масштаб).
- Риск жизнеспособности доминирует в регулируемых или ценочувствительных областях.
Карты пути пользователя и сервис-блюпринты
Карты пути проводят одну пользовательскую персону через реальный workflow во времени, фиксируя действия, мысли, эмоции и точки трения. Сервис-блюпринты расширяют путь, включая закулисные процессы — что должны делать компания, системы и политики, чтобы момент на сцене работал. Большинство B2B и ops-тяжёлых продуктов проваливаются за кулисами, а не на экране.
- Стройте карту из реальной записанной сессии, а не из догадок воркшопа.
- Размечайте каждый шаг: действие, мысль, эмоция, трение, прошедшее время.
- Для сервис-блюпринтов добавьте закулисные действия, системы поддержки и SLA.
- Подсвечивайте «моменты истины», где опыт удаётся или ломается.
Дизайн опросов и почему большинство из них врут
Опросы популярны, потому что масштабируются; их злоупотребляют, потому что их легко делать. Большинство продуктовых опросов страдают от смещения отбора (отвечают только энтузиасты), смещения социальной желательности (респонденты говорят то, что, по их мнению, вы хотите услышать) и эффектов порядка (вопрос сверху просачивается в ответ ниже). Опросы полезны как количественная проверка гипотезы, уже разработанной качественно — почти никогда как discovery с нуля.
- Используйте опросы для оценки масштаба, а не для discovery.
- Избегайте «вы бы пользовались» и «сколько бы заплатили» — оба ненадёжны.
- Привязывайте вопросы к поведению на прошлой неделе, а не к абстрактным предпочтениям.
- Прогоняйте пилот на 10 пользователях перед рассылкой; 80% ошибок дизайна ловятся на первых 5 ответах.
- Всегда включайте открытый вопрос; verbatim'ы обычно полезнее шкал.
Триангуляция: качество + количество + рынок
Однопотоковые инсайты опасны. Триангулируйте, объединяя качественные интервью (почему), количественную аналитику (насколько велико) и рыночные доказательства (поддерживает ли мир этот тренд?). Когда все три согласны — уверенность высокая. Когда расходятся — идите за расхождением, там живёт самое полезное знание.
- Качество говорит, что и почему происходит.
- Количество говорит, насколько велико и как часто.
- Рыночные данные (конкуренты, смежные индустрии, первичные индикаторы) говорят, попутный ветер у вас или встречный.
- Документируйте каждый источник с уровнем уверенности; не усредняйте, а взвешивайте.
Артефакт discovery: библиотека инсайтов
Discovery без артефакта разлагается в голове одного PM. Команде нужна общая библиотека инсайтов — теги интервью, возможности, доказательства — которая переживает текучесть PM и накапливается между проектами. Даже простой общий документ с последовательной разметкой бьёт блестящую, но изолированную память.
- Тегируйте каждую цитату: персона, job, возможность, серьёзность, уверенность.
- Сделайте библиотеку поисковой; если не можете найти теговую цитату за 30 секунд — система не работает.
- Раз в квартал пересматривайте топ-возможности как кандидатов на корень OST следующего квартала.
Framework atlas
Reference cards for each method in this mission
Expand a card for when to deploy it, misuse patterns, sequencing guidance, and (where relevant) shorthand formulas.
Discovery interview · Bob Moesta & Chris Spiek (Re-Wired Group / The Rewired Group)Switch / Forces of Progress(Switch)
A structured interview format that reconstructs a user's switch from an old solution to a new one, mapped to the four forces: push, pull, anxiety, habit.
When to use
- Understanding why users adopted (or didn't adopt) a category.
- Pricing and packaging research.
- Churn and switching investigations.
When not to
- Pure usability testing of a specific UI.
- Discovery for an entirely new behavior with no prior solution to switch from.
How to apply
- Recruit users who switched within the last 90 days.
- Anchor the conversation to the day of the switch.
- Probe push, pull, anxiety, habit explicitly with timeline questions.
- Identify the moment of first thought, struggle, deciding event, and consumption event.
- Synthesize forces and map to demand strength.
- Asking about preference instead of behavior.
- Letting users summarize ('I just got tired of it') instead of reconstructing the timeline.
Discovery synthesis · Teresa TorresOpportunity Solution Tree(OST)
Visual structure connecting a desired outcome to opportunities (problems), candidate solutions, and the experiments that test them.
When to use
- Continuous discovery teams aligning on what to learn next.
- Quarterly planning where the outcome is fixed but the path is not.
When not to
- When the team has not yet defined a clear outcome — fix that first.
How to apply
- State the outcome at the root.
- Surface opportunities from research; cluster duplicates.
- Map candidate solutions under each opportunity.
- Define the riskiest assumption per solution and an experiment to test it.
- Update weekly with new evidence; prune unsupported branches.
- Stuffing every feature request as a 'solution' regardless of opportunity fit.
- Letting the tree become a static slide deck instead of a living doc.
Discovery quantification · Tony UlwickOutcome-Driven Innovation(ODI)
Decomposes a job into outcome statements (e.g. 'minimize the time it takes to identify duplicate contacts'), then surveys users on importance and current satisfaction. Opportunity score = importance + max(0, importance - satisfaction).
Opportunity = Importance + max(0, Importance − Satisfaction)
When to use
- Mature markets where the job is well understood and you need to find under-served outcomes.
- Roadmap arbitration when many possible directions look equally appealing.
When not to
- Brand-new categories where the user can't articulate the job yet.
How to apply
- Identify the core functional job through interviews.
- Decompose into outcome statements (verb + object + clarifier, e.g. 'minimize time to ___').
- Survey 100+ users for importance (1-10) and satisfaction (1-10).
- Compute the opportunity score per outcome.
- Prioritize outcomes with score > 12 as under-served opportunities.
- Writing outcome statements that contain solutions ('add an auto-detect button').
- Surveying users who don't actually do the job.
Discovery prioritization · Marty Cagan / SVPGRisk-Assumption Mapping
Categorizes the risks of a product idea into Value, Usability, Feasibility, and Viability and tests the largest risks first with the smallest possible experiment.
When to use
- Before committing eng capacity to a non-trivial bet.
- When the team feels unable to articulate why an idea might fail.
When not to
- Tiny incremental changes where a single A/B test is enough.
How to apply
- List all assumptions the idea depends on.
- Tag each as Value / Usability / Feasibility / Viability risk.
- Score by impact-if-wrong and confidence-now.
- Design the cheapest experiment to retire the top 1-2 risks.
- Re-rank weekly as evidence accumulates.
Root cause analysis · Sakichi Toyoda / Toyota Production SystemFive Whys
Iteratively ask 'why' to walk from a symptom to a root cause. Useful in user interviews, post-mortems, and bug triage.
When to use
- Surface-level user complaints whose real cause is unclear.
- Post-incident reviews.
When not to
- Multi-causal complex systems where a single 'why' chain oversimplifies; use a fishbone diagram instead.
How to apply
- Start with the observed symptom or complaint.
- Ask 'why' and capture the answer; don't accept generalities.
- Repeat 4–5 times until the answer is structural rather than personal.
Product Psychology
Cognitive biases that distort product decisions
Confirmation Bias in Interviews
Interviewers selectively probe and remember evidence that confirms the going hypothesis.
Product Risk
The team walks out of every research round 'validated', regardless of what users actually said.
Research Countermove
Pre-register the hypothesis and the falsification criterion. Have a second interviewer or transcriber tag quotes blind to the hypothesis.
Researcher / Demand Effect
Users mirror what they believe the interviewer wants to hear, especially when interviewer comes from the company that might pay them or refer them.
Product Risk
Hypotheticals get inflated agreement; pricing surveys inflate willingness to pay; feature interest is overstated.
Research Countermove
Use neutral recruiters who don't disclose the hypothesis. Pay users a fixed incentive regardless of stated enthusiasm. Anchor questions in past behavior, not future preference.
Recency Bias in Synthesis
The most recent interview disproportionately influences the synthesis even when earlier interviews carried the same signal.
Product Risk
Roadmaps swing toward whichever user the team last heard from, especially executives or vocal users.
Research Countermove
Tag every quote at intake, not at synthesis. Synthesis should weight every tagged quote equally, not by memorability.
Articulation Bias
Users who can articulate clearly are over-represented; quieter users with the same problem are missed.
Product Risk
Power-user features ship while novice-user pain remains invisible.
Research Countermove
Recruit deliberately across articulation styles; supplement interviews with observation, screen-share recordings, and unmoderated tests.
Hawthorne Effect
Users behave differently because they know they're being observed.
Product Risk
Lab usability tests overstate competence; users perform for the researcher.
Research Countermove
Use unmoderated remote tests, in-product analytics, and longitudinal studies whenever possible. Treat moderated lab tests as one of multiple data sources.
Cargo-Cult Discovery
Adopting discovery rituals (interviews, OSTs, story maps) without the underlying behavioral change in the team's decision-making.
Product Risk
Discovery becomes documentation theater; the same backlog ships regardless of what was learned.
Research Countermove
Tie every discovery output to a decision: 'This week's research changes our roadmap in this specific way, or it changes our confidence in this specific item.'
Organizational anti-patterns
When ceremonies look like rigor but aren't
Validating, Not Discovering
Research is scheduled after the spec is written; goal is to confirm rather than challenge.
PM has already committed to the solution and uses 'discovery' as a checkpoint to feel safe.
Run discovery before scoping. If you must run it after, give the team explicit permission to kill the idea based on findings.
The Persona Slide That Lives Forever
A glossy persona deck made 18 months ago is still cited in decisions; nobody can name a real recent user.
Personas are easier to display than to maintain; nobody owns their freshness.
Replace static personas with a continuous panel. Cite real recent quotes and behaviors in decisions, not 'Marketer Mary'.
Survey-First Discovery
The team's first move on every new question is to send a survey.
Surveys feel scientific and scale fast; interviews feel slow and subjective.
Lead with 5-7 interviews; only survey to size what interviews already revealed qualitatively.
The Loudest User Drives the Roadmap
Roadmap shifts in response to the latest angry support ticket or executive escalation.
Without an aggregated insight library, vivid recent feedback wins by default.
Aggregate weekly: count themes across interviews, support tickets, NPS verbatims, and churn reasons. Make the count visible in roadmap meetings.
Insights as Slide Decks
Research findings live as polished one-time decks; they don't accumulate into a searchable corpus.
Researchers and PMs are rewarded for visible deliverables, not infrastructure.
Standardize tagging. Build a searchable repository — even a structured Notion/Coda/Airtable database is enough.
Worked examples
Walkthroughs translated from real trade-off rooms
Catching a phantom feature with a switch interview
A team is convinced users want richer reporting. Surveys show 78% interest. Internal advocates are pushing for a Q1 build.
- Run 8 switch interviews with users who recently adopted a competitor that already has rich reporting.
- Map the four forces. Push and pull are real; anxieties (cost, change) are large; habit (existing internal dashboards) is the largest force.
- Find that only 2/8 actually use the rich reporting after switching; 6/8 still rely on legacy dashboards exported to spreadsheets.
- Reframe the opportunity: not 'rich reporting in product' but 'reduce the spreadsheet round-trip'. Ship a CSV export with templated views in 3 weeks instead of a 4-month reporting build.
TakeawayStated demand was real but did not translate into post-switch usage. The actual job was about leaving the product, not staying in it.
Using ODI to find the under-served outcome
A meeting-notes product wants to know which AI feature to build first.
- Interview 12 users to identify the functional job: 'capture decisions and action items from a meeting'.
- Decompose into 14 outcome statements, e.g. 'minimize time to identify action items', 'minimize chance of missing a decision'.
- Survey 200 users for importance and satisfaction.
- Highest opportunity scores: 'minimize time to share notes with absentees' (15.2) and 'minimize chance of missing a decision' (14.8).
- Lower than expected: 'minimize time to identify action items' (10.1) — already considered well-served by the existing product.
TakeawayODI redirected the team from auto-summarization (already satisfying) toward decision tracking and absentee summaries (under-served).
Killing a feature using risk-assumption mapping
Team wants to add an in-app marketplace for third-party integrations.
- List assumptions: users want to discover integrations in-product; partners will list; we can review submissions; legal can manage liability; revenue model works.
- Tag risks: Value (partial — direct evidence weak), Viability (dominant — legal & revenue model unsolved), Feasibility (medium).
- Test viability first with 5 partner conversations and a legal review — both come back negative under current contracts.
- Kill the marketplace; instead, ship a curated integrations directory and a partner program with handpicked launch partners.
TakeawayThe dominant risk was viability, not value. Testing the right risk first prevented a 6-month build that would have shipped into a legal wall.
Resources / Case Studies
Curated reading for this mission
Teresa Torres
The canonical operating manual for weekly discovery practices, the Opportunity Solution Tree, and assumption testing.
The single most actionable book on modern discovery practice; every team benefits from running its first 90 days.
Teresa Torres
The original blog series introducing the OST as a connective tissue between outcomes, opportunities, solutions, and tests.
The clearest free reference for the OST diagram and its discipline.
Bob Moesta
Moesta's articulation of JTBD applied to selling. Covers the four forces, switching moments, and the timeline interview.
Translates JTBD from theory to operational interview craft for PMs and sales partners.
Tony Ulwick (Strategyn)
Ulwick's school of JTBD with outcome-driven innovation, opportunity scoring, and quantitative discovery.
The right tool when the team needs to size and prioritize unmet needs at scale, not just understand them qualitatively.
Marty Cagan (SVPG)
Cagan's Value/Usability/Feasibility/Viability framework and prototyping techniques for retiring each risk type.
Establishes the risk-typing language that the rest of the industry uses.
Steve Portigal
Portigal's craft-level guide to interviewing users without leading them. Covers question design, listening, and synthesis.
The best stand-alone book on interview mechanics, especially for PMs without UX research training.
Rob Fitzpatrick
How to run customer conversations that surface real evidence even when users (and your mom) want to be encouraging.
A 90-minute read that fixes the most common interview mistake — asking questions that beg for compliments.
Product Talk
Templates for OSTs, interview snapshots, and weekly trio cadences.
Saves teams the design-thinking-template hunt; production-ready artifacts to drop into Notion or Miro.
Alan Klement
JTBD case study showing how customers hire and fire products through unexpected substitutions.
Strong narrative companion to the Switch interview methodology.
Lenny Rachitsky
Practitioner case studies on user research from PMs at Airbnb, Stripe, Notion, and more.
Recurring real-world examples from current product teams; a complement to the canonical books.
Alberto Savoia
Pretotyping and the search for 'the right it' before 'building it right'. Practical low-cost demand experiments.
Bridges discovery and early experimentation, with concrete templates for fake-door tests, smoke tests, and the like.
How to operationalize ongoing user research at scale: panels, ops, tooling, and synthesis.
Covers the operational layer that most discovery books skip.