PostPostResearch: Константин Ефимов и Анастасия Жичкина
О личном опыте маркетинговых и продуктовых исследований: нетривиальных случаях, труднодоступных аудиториях и работающих методах. Канал ведут Константин Ефимов и Анастасия Жичкина. Контакты: @teplorod Чат для исследователей: @pro_research Рекламы нет
Mostrar más📈 Análisis del canal de Telegram PostPostResearch: Константин Ефимов и Анастасия Жичкина
El canal PostPostResearch: Константин Ефимов и Анастасия Жичкина (@postpostresearch) en el segmento lingüístico de Ruso es un actor destacado. Actualmente la comunidad reúne a 12 595 suscriptores, ocupando la posición 818 en la categoría Marketing y relaciones públicas y el puesto 51 245 en la región Rusia.
📊 Métricas de audiencia y dinámica
Desde su creación el невідомо, el proyecto ha mostrado un crecimiento acelerado, reuniendo a 12 595 suscriptores.
Según los últimos datos del 26 agosto, 2026, el canal mantiene una actividad estable. En los últimos 30 días la variación de miembros fue de -64, y en las últimas 24 horas de -5, conservando un alto alcance.
- Estado de verificación: No verificado
- Tasa de interacción (ER): El promedio de interacción de la audiencia es 14.57%. Durante las primeras 24 horas tras publicar, el contenido suele obtener 6.58% de reacciones respecto al total de suscriptores.
- Alcance de las publicaciones: Cada publicación recibe en promedio 1 835 visualizaciones. En el primer día suele acumular 829 visualizaciones.
- Reacciones e interacción: La audiencia responde de forma activa: el promedio de reacciones por publicación es 46.
📝 Descripción y política de contenido
El autor describe el recurso como un espacio para expresar opiniones subjetivas:
“О личном опыте маркетинговых и продуктовых исследований: нетривиальных случаях, труднодоступных аудиториях и работающих методах. Канал ведут Константин Ефимов и Анастасия Жичкина. Контакты: @teplorod
Чат для исследователей: @pro_research
Рекламы н...”
Gracias a la alta frecuencia de actualizaciones (últimos datos recibidos el 27 agosto, 2026), el canal mantiene la vigencia y un amplio alcance. La analítica demuestra que la audiencia interactúa activamente con el contenido, lo que lo convierte en un punto de referencia dentro de la categoría Marketing y relaciones públicas.
- Костя, эта решетка стоит так дешево, что ее проще выбросить и купить новую, чем платить за дорогую, с тефлоновым покрытием.Я вычеркнул эту идею, и пошел писать отчет дальше. Благо, идей у меня было много. Но именно тогда я понял, что одних «болей» мало для концепции успешного продукта. Нужно учитывать, как люди уже решают проблему, сколько им это стоит и готовы ли они менять привычный способ решения на новый. 💽 @PostPostResearch
00:00:00 - Интро - Поговорили о Косте и его опыте, про книгу и роль исследователя сейчас, да и вообще почему вообще было принято решение написать книгу «Качественные методы исследования в бизнесе» 00:15:25 - Four Levels Of Customer Understanding Поговорили про 4 уровня пользовательского понимания: что говорит, что чувствует, что делает и что хочет, не согласились с утверждением, что ThinkAloud - плохо, а заодно чутка зарубились на тему названия UX-теста, про применимость простых фреймворков, как мягко подвести команду к тому, что она не всё знает или не обо всё подумала, почему самое сложное - это переход от фиксации поведения к объяснению причин, про свободу воли 00:47:43 - Илья Смирнов — Новый фреймворк — новая реальность: философские основания STS и UX Какое самое плохое слово в продуктовой практике для понимания людей, что общего между JTBD и плоскоземельщиками, какой вопрос самому себе должен задавать исследователь при определении метода исследования, есть ли разница между UX-тестами и usability-тестами, нужно ли переосмыслять существующие фрейморки, про фреймворк X-Rays 01:06:10 - How to do UX research in the Age of AI Про фреймворк Кеневина, какой из доменов фреймворка лучше всего работает ИИ, какой должен быть уровень доверия к LLM-моделям, чему учить джунов с учетом новой эры, обязан ли исследователь указывать в отчёта, что он использовал ИИ, про опыт теста моделей Статьи которые обсуждали в этом блоке: How Reliable Is AI at Finding UI Problems? The only winning move is not to play 01:23:10 - Как Generative Engine Optimization (GEO) влияет на юзабилити сайта: практический разбор Про новый полигон для тестов, на сколько в погоне за GEO-оптимизацией есть риск потерять пользовательский путь и есть ли примеры такого в истории, про новую нагрузку UX-редакторам и как можно от неё избавиться 01:28:56 - Witchcraft and UX Research: An Anthropologist on the Quest of Fixing Things Что может выдать ИИ как результат, а на что не способен, по крайней мере пока, опасность для профессионального эго, про аналитическую ментальность и можно ли развить понимание «скрытых механизмов человеческого поведения», что делать с выявленной моделью поведения, которую нашел, зачем нужно время на подумать, совет от Кости по работе с ИИ 01:42:36 - UX Core - Крупнейшая библиотека когнитивных искажений О том как проверять своё интерфейсное решение на присутствия тёмных механик, ну и Костя поделился кейсом Деливери Клаба 01:54:04 - В финале Костя поделился мнением о то какое будущее у исследователейУпоминаемые материалы: Фокус-группы. Практическое руководство (pdf) Даниель Канеман «Думай медленно, решай быстро» Вадим Митякин «Метод параноика» Подать заявку на выступление на ResearchExpo'26 1 и 2 октября можно тут Всем отличного лета и до встречи в сентябре! ☀️
1️⃣ Бизнес-цель: зачем нам нужно это исследование? Уменьшить отток, разработать новый продукт, увеличить продажи в одном (или в нескольких) сегментах? Чего мы хотим достичь? Зная ответ на этот вопрос, мы можем: 👆проверить цели и задачи исследования на соответствие бизнес-цели; 👆лучше понять, что нам важно найти в процессе исследования и каким должен быть результат. Понимание проблематики бизнеса — это ключевой вопрос для разработки дизайна исследования. Поэтому для сложных тем мы рекомендуем проводить внутренние интервью с командой заказчика, имеющей экспертизу, чтобы понять сферу лучше.
2️⃣
Что будет, если исследование НЕ провести?
Какие риски от того, что исследование не будет проводиться? Какие, напротив, от этого могут быть плюсы? Может быть, можно закрыть потребность в информации без исследования и сэкономить деньги/время/усилия?
3️⃣
Чем мы готовы пожертвовать, проводя исследование?
Исследователи всегда действуют в ситуации ограничений, и лучше, если ограничения будут понятны сразу, на уровне подготовки к проведению исследования, чтобы синхронизировать ожидания от исследования с заказчиком:
👆
нам важно иметь результаты через две недели (жертвуем регионами и увеличиваем вознаграждение подрядчику)? Нам важно сэкономить (жертвуем и регионами, и срочностью)?
👆
нам нужно быстро и точно, цена не важна?
👆
или мы делаем быстро и грязно (quick&dirty), при этом самым дешевым из возможных способов?
4️⃣
Если мы отдаем исследование на аутсорс, что самое важное для нас при выборе агентства?
Нам важно найти «своего» модератора, с которым мы могли бы работать на постоянной основе? Может быть, нам нужна экспертиза в категории, которой обладает не каждое агентство? Или нам важно использование международной методологии?↗️ На сайте вы можете прочитать отрывок о том, как до старта понять, нужно ли бизнесу исследование, — и как не превратить его в красивую, но бесполезную папку с выводами. Читать → 👍 Читайте нас в Тelegram | MAX | VK
Противоречивый рейтинг у Яндекса (-34% и +31%), Т-Банка (-21% и +30%) и Альфа-банка (-15% и +16%).Т-Банк и Альфа, хотя и имеют много продуктов, пока не создали такой разветвленной экосистемы сервисов, как Яндекс. При этом у таких экосистем, как VK и Сбер, рейтинг преимущественно негативный. То есть дело не только в том, что Яндекс состоит из разных частей. Вторая гипотеза родилась в обсуждении с Филиппом Управителевым. Речь о разрыве между внешним имиджем бренда и тем, как устроена «внутренняя кухня». Противоречивый рейтинг Т-Банка и Альфы скорее говорит в пользу этой гипотезы. Все три бренда воспринимаются как технологически продвинутые, но что происходит с работой аналитиков внутри, мы можем судить лишь косвенно — по результатам опроса. Скорее всего, возникает разрыв между ожиданиями (связанными с имиджем бренда) и реальными условиями работы, которые выясняются уже в процессе собеседования. Имидж технологического лидера формирует завышенные ожидания: аналитики массово откликаются на вакансии, но, (не)получив офер, испытывают разочарование. Обобщая: Яндекс — это big tech-магнит для аналитиков по масштабу задач, но не тот работодатель, по которому существует консенсус, что внутри все так же хорошо, как выглядит снаружи. Сильный бренд обещает очень многое, но большая и неоднородная экосистема не всегда одинаково хорошо исполняет эти обещания. Как мы можем
