Jobs to Be Done: как создать продукт, у которого нет аналогов на рынке

Перед разработкой нового продукта или запуском рекламы важно понять потребности покупателей, чтобы товар или услуга хорошо продавались. Для этого нужно проанализировать целевую аудиторию и выяснить ее мотивацию — например, с помощью концепции Jobs to Be Done. В статье София Шаламкова и Анна Фёдорова расскажут, как они использовали этот инструмент и создали продукт, у которого нет аналогов на рынке.

София Шаламкова

Продакт менеджер, СберМаркетинг

Анна Фёдорова

Руководитель группы по искусственному интеллекту, СберМаркетинг

Решили сделать нейросети полезной системой для маркетологов

Контекстная реклама — одно из направлений работы СберМаркетинга. Это узкая ниша со своей спецификой, и на рынке не было решений, которые бы помогали специалистам оптимизировать задачи, например генерировать продакшен-брифы, лайны и тексты для кампаний.

Маркетологам приходится каждый день придумывать по 50 текстов для разных кампаний и клиентов, чтобы контекстная реклама приносила максимально целевой и дешевый трафик. Но креативные идеи быстро заканчиваются, и задачи занимают много времени.

Мы решили сделать продукт, с помощью которого наша команда и клиенты смогут быстро и просто подготовить контекстную рекламу к запуску. Получился сервис для генерации текстов на базе искусственного интеллекта — AI Assistant. 

Конечно, мы хотели оптимизировать время наших сотрудников и клиентов, но в основе продукта лежали другие главные цели:

• Сделать искусственный интеллект полезной системой, которая помогает маркетологам создавать контекстную рекламу. Технологии ИИ — современный тренд во многих сферах, поэтому мы решили использовать его, чтобы автоматизировать работу с объявлениями.
• Создавать более персонализированные и креативные тексты. Маркетологи смогут генерировать объявления через нейросеть, чтобы они более точно попадали в боли целевой аудитории. В итоге это поможет повысить эффективность рекламы и конверсии.

Чтобы найти уникальные фичи, выбрали концепцию Jobs to Be Done

Мы хотели сделать продукт, которым маркетологи смогут пользоваться каждый день. Значит, сервис должен закрывать большинство рабочих задач, и нам предстояло выяснить конкретные потребности специалистов, а именно: как клиенты будут использовать наш продукт и зачем он им нужен. Для этого мы выбрали инструмент Jobs to Be Done.

Дословно JTBD переводится как «работы, которые должны быть сделаны». В контексте Jobs to Be Done это проблема клиента и поиск инструмента для ее решения: если ИИ-ассистент помогает человеку закрыть его потребность, он «нанимает» наш продукт на работу, то есть покупает.

Сначала нужно было проверить, есть ли у маркетологов потребность в нашем продукте. Для этого решили использовать основной метод JTBD — интервью с целевой аудиторией. В первую очередь это менеджеры, которые вручную создают и настраивают контекстную рекламу ежедневно.

Разработка продукта оказалась цикличным процессом

Мы работаем над продуктом циклами: формируем гипотезу, проводим интервью, находим инсайты и тестируем новые версии сервиса. Таких итераций может быть много — например, мы уже прошли три круга.

Первый круг. На этом этапе разрабатывали идею продукта и проверяли, есть ли у маркетологов потребность в нем. Главный вопрос, на который нужно было ответить, — как ИИ и наш сервис могут помочь пользователям с запуском контекстной рекламы. 

Мы поговорили с маркетинговым отделом и попросили нескольких менеджеров ответить на вопросы: 

• чем они занимаются;
• как относятся в целом к искусственному интеллекту;
• что думают про использование ИИ для оптимизации своих рутинных задач.

Изначально для продукта планировали использовать ChatGPT или GigaChat. Но реализовать эту идею не получилось, потому что классическая нейросеть не знает, что такое контекстная реклама и как она работает. Например, программа не понимает, что объявление должно состоять из заголовков и описаний и соответствовать техническим требованиям разных площадок, а также ИИ не умеет считать количество символов в креативе.

Мы не смогли использовать нейросеть в том виде, в котором она существует, и нам пришлось с нуля создавать новый модуль. В итоге получилась MVP — минимальная рабочая версия продукта с главными функциями ИИ-ассистента. Это позволило понять, будет ли сервис полезен маркетологам.

MVP состояла только из промпта пользователя и ответа нейросети. Мы выявили идеальную формулу, которая помогала писать запрос, чтобы ИИ давал нужный ответ. Стало понятно, что нейросеть умеет генерировать тексты, которые подходят под технические требования рекламных площадок.

В первой версии ИИ-ассистента пользователь получал заголовки и описания для рекламного объявления

Менеджеры СберМаркетинга протестировали MVP и дали обратную связь. Коллегам понравился функционал, поэтому мы решили его дорабатывать и выпускать на широкую аудиторию. 

Второй круг. Когда версия сервиса была готова, мы проводили новую серию интервью и задавали уже более конкретные вопросы по продукту:

• какие рутинные задачи вы выполняете;
• как, по вашему мнению, эти задачи можно оптимизировать;
• насколько вы верите, что искусственный интеллект справится с рутинными задачами;
• готовы ли вы потратить время и протестировать наш инструмент;
• какие проблемы у вас возникают при создании рекламы вручную и как мы можем их решить с помощью нашего продукта;
• что нужно добавить в сервис.

Все инсайты заносили в Excel-таблицу. В документе было 14 колонок, куда мы записывали ответы клиентов и неожиданные идеи.

В комментариях мы отмечали не только предложения клиентов, но и плюсы нашего продукта, которые можно подсветить при продвижении сервиса

Каждый инсайт из интервью мы прорабатываем отдельно, чтобы найти полезные и уникальные фичи. Если видим, что некоторые идеи пересекаются, значит, пользователи действительно хотят получить такой функционал. Тогда мы берем его в работу.

Еще важно спрашивать у пользователей об идеях, которые предложили другие собеседники. Возможно, люди не вспомнили или не подумали об определенной функции, а она нужна им в работе. Когда мы обращали внимание на неочевидные фичи, маркетологи давали нам обратную связь — становилось понятно, действительно ли на это есть спрос.

В концепции JTBD есть такой подход, как Job Story. Это контекст, или описание ситуаций, в которых клиент будет пользоваться продуктом. С помощью такого фреймворка мы описывали пользовательские задачи и цели через ответы на такие вопросы:

• когда пользователь будет использовать наш продукт;
• какие у человека есть потребности при работе с продуктом, чего он хочет добиться.

Ответы на вопросы мы формулировали для разных сегментов аудитории на основе интервью. Допустим, маркетологу нужен наш продукт для генерации объявлений, которые подходят под технические требования рекламных площадок. Например, в рассылках в Телеграме нельзя использовать глаголы в повелительном наклонении и обращение к аудитории на «ты».  

Изначально мы описывали гипотезы, бизнес-функциональные требования и пользовательский путь в сервисе Notion, но сейчас программа недоступна в России. Вместо нее можно использовать таск-трекер, например Mogu. Это сервис, который работает по принципу канбан-доски.

В Mogu удобно взаимодействовать с командой, и мы протестировали его возможности, когда согласовывали тексты. Для этого разбили рекламные кампании по доскам и загрузили файлы Excel в карточки. 

Карточки с текстами можно перетаскивать по колонкам, которые отражают статус креативов, например «Согласованы», «На этапе запуска» или «Уже опубликованы» 

На основе MVP и результатов интервью мы разработали прототип в Figma. Вот что получилось ↓

У сервиса интуитивно понятный интерфейс, чтобы пользователи могли легко разобраться, как работать с ИИ-ассистентом

Третий круг. Когда интерфейс сервиса был готов, мы начали серию UX-интервью и по их итогам вносили правки в продукт. Приходилось делать несколько итераций, потому что с каждым новым изменением у наших клиентов появлялось всё больше идей.

Например, в первой версии сервис сначала разбивал заголовки и описания на разные вкладки, и только потом пользователь мог перейти к экспорту. Но клиенты хотели выбирать отдельные генерации прежде, чем скачивать документ. Мы прислушались и сделали такую возможность, чтобы людям не пришлось дважды смотреть результаты.

На каждом круге нам понадобилось разное количество созвонов, чтобы собрать ответы. Например, на первом и втором этапе провели 5–10 интервью, на третьем — 10–15. Думаем, что это не последний круг и мы продолжим поддерживать контакт с пользователями.

Получили неожиданные инсайты о клиентах и продукте

Когда мы провели интервью, то поняли, что наше представление о контекстной рекламе отличается от потребностей клиентов. Пользователям нужны совсем другие функции, чтобы работать в сервисе каждый день.

Вот о каких интересных фичах мы узнали из интервью, хотя даже не подозревали об этих потребностях клиентов ↓ 

Семантическое ядро. Это облако слов, которые можно использовать в рекламном объявлении. Такой инструмент позволяет повысить эффективность рекламы, конверсию и CTR, поэтому клиенты хотели пользоваться семантическим ядром в нашем сервисе.

Работа с разными сегментами целевой аудитории. Клиентам важно генерировать контекстную рекламу для отдельных групп пользователей, потому что для них нужно подсвечивать уникальные боли и преимущества продукта. Например, для представителей ИП сработают объявления с одним предложением, а для ООО — с другим.

Наш коллега, который занимается контекстной рекламой, собрал популярные поисковые запросы разных целевых аудиторий. На базе этих данных мы сформировали семантические ядра и внедрили их в интерфейс. Пользователю нужно только выбрать сегмент, а сервис автоматически подберет запросы и сгенерирует наиболее подходящее объявление.

Для каждого сегмента аудитории появится отдельная вкладка с заголовками и описаниями

Парсинг интернет-страниц. Изначально мы думали, что клиентам в интерфейсе сервиса необходимо поле акции — возможность генерировать контекстную рекламу в рамках определенного спецпредложения. Но оказалось, что для них важнее парсинг интернет-страниц, который позволит собирать и структурировать данные с разных сайтов.

Генерация заголовков и описаний по отдельности. В первой минимальной версии сервиса мы предполагали, что клиентам удобно создавать заголовок и описания в одном поле. Но на интервью пользователи сказали, что лучше генерировать отдельно каждый текст, а потом из них выбирать подходящие и экспортировать результат в Excel.

Чтобы выбрать заголовки и описания, нужно поставить галочки рядом с нужными вариантами

Генерация продакшен-брифа. Клиентам удобно генерировать его с помощью ИИ по одной кнопке: достаточно отправить сценарий видеоролика или его идею, а наша система на основе нейросети создаст документ, который включает в себя разные элементы. Например, монтаж, съемку, костюмы и главных героев.

Когда ИИ-ассистент сгенерирует продакшен-бриф, его можно скачать в виде документа

Отдельный модуль для создания лайнов. Мы дали креативному департаменту доступ к нашему продукту, чтобы ребята общались в формате чата с ИИ. В итоге оказалось, что на его основе мы можем сделать для них собственный модуль, который будет оптимизировать время креативщиков и по одной кнопке генерировать лайны — короткие тексты для баннеров.

Пользователю нужно указать бренд, продукт, УТП и категорию, и ИИ-ассистент предложит варианты лайнов

В процессе интервью мы также упростили работу с сервисом. В минимальной рабочей версии пользователю нужно было ввести контекст и запрос, но люди часто писали промпты неправильно и не получали нужного результата. Мы решили полностью автоматизировать этот шаг: теперь клиентам не надо вводить запросы самостоятельно. Достаточно выбрать бренд, продукт, УТП и количество вариантов, а сервис сгенерирует объявление.

Результаты генерации можно обновлять без ограничений, чтобы получить подходящие заголовки и описания 

Когда вы проводите интервью, важно отличать единичные хотелки пользователей от уникальных функций. Например, один клиент сказал, что ему нужно работать с определенным форматом файла. Мы задали дополнительные вопросы об этой идее разным пользователям, и оказалось, что этот документ не пользуется спросом. 

Еще мы держим в голове, что задача нашего продукта — упростить работу маркетологов, которые работают с контекстной рекламой. Это влияет на анализ запросов клиентов и выбор функционала. Например, пользователь сказал, что хочет видеть и менять в сервисе все настройки. Но мы поняли, что эти фичи усложнят работу с сервисом, а значит, такое предложение нарушает главную идею нашего продукта.

Запустили A/B-тест и сэкономили маркетологам 70% времени

Мы провели А/B-тестирование, чтобы понять, как наш продукт помогает маркетологам с контекстной рекламой. Например, запустили баннеры с двумя лайнерами: один написал копирайтер, другой — ИИ, — а потом сравнили, как они повлияли на конверсию. Вот какие результаты получили:

• конверсия выросла на 45%;
• при работе с текстами пользователи экономят 70% времени;
• показы рекламной кампании увеличились на 21,5%.

Этим летом мы решили обновить интерфейс сервиса и опять использовали концепцию Jobs to Be Done: провели интервью, сделали прототип и дали пользователям протестировать сервис. Процесс снова оказался цикличным, поэтому мы активно работаем над обновлениями.

Если вы хотите протестировать ИИ-ассистента, напишите нам на почту aiproducts-support@sbermarketing.ru. Мы откроем доступ к сервису, чтобы вы попробовали через него решить рабочие задачи и оценить результаты.