Как создать карту ментальных моделей: практическое руководство с AI-промптами

Одна страховая компания обнаружила, что её мобильное приложение активно скачивают, но почти не используют: люди устанавливали его, проверяли одно и то же и больше не возвращались. Продуктовая команда решила, что проблема в нехватке функций, и предложила добавить трекер заявок, поиск врачей и виртуальную карту полиса.

Прежде чем что-либо строить, UX-исследовательская команда провела 18 сессий слушания с держателями полисов: каждому задавали один вопрос — как они думают о своей медицинской страховке и как управляют ею. Полученная диаграмма ментальных моделей выявила семь ментальных пространств. Три из них — «понимание того, что покрывает мой полис», «решение о том, стоит ли нести медицинские расходы», «подготовка к визиту к врачу» — были плотно заполнены поведениями, но ни одна функция приложения не поддерживала их. Все существующие функции (статус заявок, сводка полиса, сеть провайдеров) сосредоточились под двумя ментальными пространствами, о которых участники говорили кратко и без эмоциональной вовлечённости.

Анализ разрывов показал: большую часть когнитивных усилий люди тратят на вопросы, которые приложение вообще не затрагивало: «Будет ли это покрыто?», «Сколько я реально заплачу?», «Что рассказать врачу о своём полисе?». Команда переработала дорожную карту, начав с калькулятора покрытия, который отвечал на вопрос «будет ли это покрыто?» простым языком. Через шесть месяцев после запуска калькулятор стал самой используемой функцией приложения, а еженедельная аудитория выросла на 34%.

Именно к такому результату и ведёт картирование ментальных моделей (Mental Model Mapping): от «мы думаем, что знаем, что нужно пользователям» — к «мы видим полную структуру их мышления и строим то, что закрывает пустоты».

Что такое картирование ментальных моделей

Картирование ментальных моделей — качественный исследовательский метод, который производит крупноформатную диаграмму того, как люди думают и действуют в определённой сфере жизни или работы, безотносительно к конкретному инструменту или продукту. Метод разработан Инди Янг: через глубинные сессии слушания он фиксирует рассуждения, реакции и принципы, лежащие в основе поведения людей, затем организует эти поведения в структурированную диаграмму — и на ней становится видно, где существующие продукты и сервисы поддерживают мышление людей, а где оставляют пробелы.

На какие вопросы отвечает метод

Картирование ментальных моделей отвечает на вопросы о когнитивной структуре, стоящей за поведением:

Как люди на самом деле думают об этой сфере и подходят к ней — какие рассуждения, эмоциональные реакции и принципы управляют их поведением?
Где наш продукт или сервис поддерживает уже сложившиеся у людей мыслительные процессы, а где не совпадает с тем, как они думают?
Какие неудовлетворённые потребности существуют — те, которые не закрывает ни один продукт, потому что никто не исследовал всю область того, как люди думают об этой сфере?
Какие ментальные пространства (кластеры связанного мышления) представляют наибольшую возможность для новых функций, сервисов или контента?
Как разные аудиторные сегменты подходят к одной сфере по-разному — где их ментальные модели расходятся?
Какие предположения о мышлении пользователей команда принимала за данность, а реальные паттерны данных их опровергают?

Когда применять

Когда команде нужно понять широкую поведенческую сферу (например, «как люди управляют своими финансами», «как люди выбирают, что есть»), а не конкретное взаимодействие с продуктом, и обычные методы исследования кажутся слишком узкими.
Когда продуктовая стратегия должна опираться на реальные человеческие рассуждения, а не на предположения о том, чего хотят пользователи, — особенно до того, как что-либо построено.
Когда у команды накопился большой массив качественных данных (транскрипты интервью, записи сессий слушания, обращения в поддержку) и нужен структурированный способ синтезировать их в рабочую карту.
Когда контентная стратегия, информационная архитектура или дорожная карта функций должны отражать то, как пользователи организуют своё мышление, а не то, как устроены внутренние отделы компании.
Когда нужно сравнить то, что люди делают и думают, с тем, что продукт предлагает сейчас, чтобы найти разрывы как конкретные возможности для роста.
Когда карты пути или персоны недостаточны, потому что команде нужно понять когнитивную структуру за поведением, а не само поведение.

Метод не подходит, когда команде нужны быстрые тактические ответы о конкретной функции или интерфейсе. Картирование ментальных моделей требует серьёзных исследовательских вложений: как правило, 15–20 сессий слушания и несколько дней на кодирование и синтез. Если вопрос звучит как «должна ли эта кнопка быть зелёной или синей?» или «работает ли этот сценарий оформления заказа?», юзабилити-тест даст ответ быстрее и точнее. Метод также требует доступа к участникам, способным подробно описывать своё мышление; он плохо работает с аудиториями, которым трудно артикулировать собственные мыслительные процессы в интервью.

Что получается в итоге (результаты)

Диаграмма ментальных моделей: крупноформатная визуализация, разделённая на две части. Верхняя половина показывает башни пользовательских поведений (задачи, принципы, реакции), сгруппированных в ментальные пространства. Нижняя половина отображает существующие функции продукта, контент и сервисы, выровненные под соответствующими башнями.
Анализ разрывов: конкретные области диаграммы, где башни не имеют поддерживающих функций под ними — это неудовлетворённые потребности и возможности для новых решений.
Карта соответствия: представление о том, где продукт избыточно обслуживает пользователей (функции закрывают ментальные пространства, о которых они почти не думают), а где недостаточно (ментальные пространства с глубокими, насыщенными башнями, которые почти ничем не поддержаны).
Реестр ментальных пространств: именованный набор отдельных когнитивных кластеров, описывающих, как пользователи организуют мышление в данной сфере.
Поведенческие паттерны: повторяющиеся рассуждения, реакции и принципы, встречающиеся у множества участников, с дословными цитатами как доказательствами.
Стратегические рекомендации: приоритизированный список возможностей, напрямую выведенных из разрывов и соответствий на диаграмме.

Участники и сроки

Сессии слушания: 15–20 участников, представляющих целевые аудиторные сегменты. Каждая сессия длится 60–90 минут и проводится в открытом формате, сосредоточенном на рассуждениях участника и его подходе к сфере, а не на обратной связи о продукте. Нанимайте людей, имеющих недавний и реальный опыт в исследуемой области.

Аналитическая команда: 1–3 исследователя. Картирование ментальных моделей аналитически трудоёмко, но не требует больших воркшопов: один исследователь может кодировать и структурировать данные, второй — проверять группировки.

Кодирование и группировка: 3–5 дней. Каждый транскрипт прочёсывается для извлечения отдельных поведений (задачи, ощущения, принципы), которые записываются короткими фразами и сортируются в башни и ментальные пространства.

Построение диаграммы: 2–3 дня. Расстановка башен в ментальные пространства и отображение функций продукта под ними.

Общий срок: 4–6 недель (рекрутинг: 1 неделя; сессии слушания: 1–2 недели; кодирование и синтез: 1–2 недели; диаграмма и отчёт: 1 неделя).

Как проводить картирование ментальных моделей (пошагово)

1. Определить поведенческую сферу и аудиторные сегменты

Определите область, которую хотите исследовать. Сфера — это область жизни или работы, а не продукт: «как люди управляют своим здоровьем», а не «как люди используют наше приложение для здоровья». Сфера должна быть достаточно широкой, чтобы раскрыть полный охват мышления, но достаточно ограниченной, чтобы уложиться в 15–20 сессий слушания. Выделите 2–4 аудиторных сегмента, мышление которых в этой области может значимо различаться.

2. Рекрутировать участников по поведению, а не демографии

Нанимайте людей с недавним, конкретным опытом в исследуемой сфере. Отбирайте по разнообразию поведения, а не демографии: например, того, кто активно занимается своим здоровьем, и того, кто обращает на него внимание только когда что-то идёт не так. Цельтесь на 15–20 участников, распределённых по выделенным сегментам. Избегайте рекрутировать людей, работающих в UX, дизайне и смежных областях, — их ответы, как правило, оказываются мета-комментарием, а не искренним описанием собственного мышления.

3. Провести сессии слушания

Проведите индивидуальные сессии по 60–90 минут. Это не традиционные интервью: исследователь задаёт один широкий вступительный вопрос о сфере и позволяет участнику вести разговор. Роль исследователя — слушать, побуждать участника углубляться («расскажите подробнее», «что вы думали в тот момент?») и сопротивляться желанию направить беседу к продукту. Записывайте и транскрибируйте каждую сессию. В фокусе — рассуждения человека, его эмоциональные реакции и принципы принятия решений, а не мнения о конкретных инструментах.

4. Прочёсывать транскрипты для извлечения отдельных поведений

Просматривайте каждый транскрипт и извлекайте каждое отдельное поведение, которое описывает участник. «Поведение» в системе Инди Янг включает три типа: задачи (то, что люди делают), принципы (убеждения и ценности, формирующие решения) и ощущения (эмоциональные реакции на ситуации). Записывайте каждое поведение как короткую фразу в настоящем времени с точки зрения участника: «сравнивает цены в трёх магазинах перед покупкой», «чувствует тревогу, когда платёж на рассмотрении», «считает, что свежие ингредиенты стоят дополнительных затрат».

5. Группировать поведения в башни

Распечатайте поведения на отдельных стикерах (или используйте цифровые эквиваленты в Miro, FigJam или таблице). Группируйте связанные поведения в вертикальные стопки — башни. Каждая башня представляет кластер поведений, принадлежащих вместе, потому что они описывают одну и ту же узкую деятельность или проблему. Башня может называться «проверка качества ингредиентов» и содержать 8–12 поведенческих фраз от разных участников. Держите башни узкими и конкретными — если башня становится слишком широкой, разделите её.

6. Организовать башни в ментальные пространства

Группируйте связанные башни в горизонтальные секции — ментальные пространства. Ментальное пространство представляет более широкую область мышления внутри сферы. Для сферы «управление здоровьем» ментальными пространствами могут быть «отслеживание ежедневных симптомов», «решение о том, когда идти к врачу», «навигация в страховании», «выбор методов лечения». Расположите ментальные пространства в последовательности, отражающей естественный ход мышления людей в этой сфере, хотя эта последовательность не обязана быть строго хронологической.

7. Построить верхнюю половину диаграммы

Разместите ментальные пространства и их башни в горизонтальной диаграмме. Каждое ментальное пространство — это помеченная секция. Внутри каждой секции башни стоят как вертикальные стопки поведенческих фраз. Высота башни отражает плотность поведений по данной теме: высокие башни сигнализируют об областях, о которых участникам есть что сказать, — что часто коррелирует с важностью или сложностью.

8. Отобразить существующие функции продукта под башнями

Создайте нижнюю половину диаграммы. Перечислите все функции, контент и сервисы, которые продукт предлагает сегодня. Разместите каждый из них под башней, которую он поддерживает. Одна функция может поддерживать несколько башен. Когда башня не имеет функций под ней, разрыв виден сразу. Когда функции кластеризуются под несколькими башнями, тогда как большинство башен остаётся без поддержки, диаграмма показывает продукт, обслуживающий узкий срез мышления пользователей при игнорировании остального.

9. Анализировать разрывы, перекрытия и возможности

Пройдитесь по готовой диаграмме в поисках паттернов. Разрывы (башни без функций внизу) — это неудовлетворённые потребности и потенциальные новые решения. Перекрытия (несколько функций под одной башней) могут указывать на избыточность или чрезмерные инвестиции. Высокие башни с разрывами — приоритетные возможности: многие участники описывали богатое, детальное мышление в области, которую продукт совсем не охватывает. Документируйте каждую находку с подтверждающими данными из башен выше.

10. Донести результаты и формировать стратегию

Переведите диаграмму в стратегические рекомендации. Для каждого приоритетного разрыва опишите, что пользователи думают и делают в этом пространстве, почему текущий продукт упускает это, и как может выглядеть решение. Представьте диаграмму стейкхолдерам как карту, показывающую, где продукт согласован с мышлением пользователей, а где нет. Используйте диаграмму как справочный артефакт для планирования дорожной карты, контентной стратегии и решений по информационной архитектуре. Диаграмма ментальных моделей остаётся актуальной годами при стабильной сфере, потому что отображает человеческое мышление, а не реакции на конкретный интерфейс.

Как AI меняет этот метод

Совместимость с AI: частичная — AI может существенно ускорить наиболее трудоёмкие шаги картирования ментальных моделей: кодирование транскриптов, извлечение поведений и предварительную группировку. Однако сами сессии слушания требуют живого человеческого присутствия и доверия, а окончательная структура диаграммы зависит от интерпретационного суждения, которое AI не может надёжно заменить. Диаграмма, сгенерированная AI, выдаст правдоподобные группировки, упустив тонкие различия, которые замечает опытный исследователь: разницу между принципом и задачей, между подлинным ощущением и социально желаемым ответом.

Что умеет AI

Кодирование транскриптов: LLM может обработать транскрипты сессий слушания и извлечь поведения-кандидаты — задачи, принципы и ощущения, — формируя предварительный инвентарь, который исследователь затем проверяет и исправляет. Это сокращает время кодирования с дней до часов.
Предварительная группировка: Получив список извлечённых поведений, AI может предложить первоначальные группировки башен на основе семантического сходства, давая исследователю стартовую структуру для доработки вместо чистого листа.
Обнаружение паттернов между участниками: AI может определить, какие поведения встречаются у нескольких участников, и отметить повторяющиеся темы — помогая исследователю увидеть паттерны, которые при ручной работе потребовали бы многократного прочтения данных.
Автоматизация анализа разрывов: Как только структура диаграммы установлена, LLM может сравнить реестр функций продукта со структурой башен и выделить башни без соответствующих функций, ускоряя шаг выравнивания.
Поиск цитат: При написании результатов AI может искать в транскриптах наиболее показательные дословные цитаты для каждой башни или ментального пространства, освобождая исследователя от повторного чтения сотен страниц.

Что требует исследователя-человека

Проведение сессий слушания: Весь метод зависит от того, чтобы участники чувствовали себя услышанными и в безопасности — достаточно, чтобы описывать своё настоящее мышление. Это требует исследователя, способного выстраивать доверие в реальном времени, следовать неожиданным поворотам беседы, выдерживать паузы и не уводить разговор в сторону. AI не может проводить эти сессии.
Различение типов поведений: Разница между задачей («проверяет цены в трёх магазинах»), принципом («считает, что самый дешёвый вариант всегда плохой») и ощущением («чувствует вину, когда тратит слишком много») требует интерпретационного суждения о намерении. AI классифицирует их с поверхностной точностью, но упускает неоднозначные случаи, где различение важно больше всего.
Окончательная структура диаграммы: Решить, где заканчивается одно ментальное пространство и начинается другое, какие башни принадлежат вместе и как расставить пространства, требует глубокого знакомства с сырыми данными и интерпретационного мастерства. Автоматическая кластеризация оптимизирует по словесному сходству, тогда как человеческая группировка — по концептуальной согласованности, и эти два критерия не всегда совпадают.
Стратегическая интерпретация: Разрыв на диаграмме — это структурное наблюдение. Представляет ли он реальную возможность или область, которую пользователи намеренно решают вне любого продукта, — это требует контекстуального понимания, которое может дать только погружённый в данные исследователь.

AI-расширенный рабочий процесс

До появления AI картирование ментальных моделей было одним из самых трудоёмких качественных методов в инструментарии исследователя. Кодирование 15–20 транскриптов в отдельные поведения обычно занимало 3–5 полных рабочих дней: многократное чтение каждого транскрипта, пометка поведений, набор фраз и перекрёстная проверка на согласованность. С LLM, обрабатывающим транскрипты на первом проходе, исследователь может проверить и исправить AI-сгенерированный инвентарь поведений за 1–2 дня, а не строить его с нуля. AI улавливает очевидные поведения (чёткие описания задач, явные высказывания предпочтений), тогда как исследователь сосредотачивается на тонких (подразумеваемые принципы, эмоции, выраженные через изменение тона).

На стадии группировки тоже есть выгода. Вместо того чтобы начинать с сотен стикеров на пустой стене, исследователь начинает с AI-предложенных кластеров и тратит время на перестановку, разделение и слияние — это задача доработки, а не построения с нуля. Это смещает усилия исследователя с механической работы (чтение, извлечение, сортировка) на интерпретационную (суждение, структурирование, принятие решений) — туда, где человеческая экспертиза добавляет наибольшую ценность.

Итоговая диаграмма и её стратегическая интерпретация остаются полностью человеческими. AI не может посмотреть на диаграмму ментальных моделей и сказать продуктовой команде: «Этот разрыв важнее того, потому что на сессиях 4, 7 и 12 мы слышали, какой эмоциональный вес несёт это решение». Такой синтез требует присутствия в исследовании — или, как минимум, внимательного прочтения транскриптов человеком, который будет отвечать за рекомендации.

Хорошо сочетается с

Глубинное интервью (Di): Сессии слушания в картировании ментальных моделей — специфическая форма глубинного интервью. Навыки и подходы к рекрутингу переносятся напрямую, а существующие транскрипты интервью могут служить входными данными для диаграммы ментальных моделей.
Построение персон (Ps): Диаграммы ментальных моделей раскрывают когнитивные паттерны, дифференцирующие аудиторные сегменты. Эти паттерны дают более богатые и поведенчески обоснованные персоны, чем демографические подходы.
Карты пути (Jm): Диаграмма ментальных моделей показывает полный спектр мышления о сфере; карта пути показывает, как конкретный человек движется через конкретный опыт. Использование обоих методов вместе связывает широкий когнитивный контекст (ментальная модель) с последовательным опытом (путь).
Карточная сортировка (Cs): Картирование ментальных моделей раскрывает, как пользователи организуют мышление о сфере; карточная сортировка раскрывает, как они ожидают организации информации в интерфейсе. Ментальные пространства из диаграммы могут определять категории, тестируемые в карточной сортировке.
JTBD-интервью о переключении (Js): Картирование ментальных моделей фиксирует рассуждения и принципы за поведением; JTBD-интервью фиксируют причинные силы за конкретным решением о переключении. Вместе они обеспечивают и широкую когнитивную картину, и сфокусированную динамику решений.

Пример из практики

Страховая компания обнаружила, что её мобильное приложение активно скачивают, но почти не используют: люди устанавливали его, проверяли одно и то же и больше не возвращались. Продуктовая команда решила, что проблема в нехватке функций, и предложила добавить трекер заявок, поиск врачей и виртуальную карту полиса.

Прежде чем что-либо строить, UX-исследовательская команда провела 18 сессий слушания с держателями полисов, задав каждому вопрос о том, как они думают о своей медицинской страховке и управляют ею. Полученная диаграмма ментальных моделей выявила семь ментальных пространств. Три из них — «понимание того, что покрывает мой полис», «решение о том, стоит ли нести медицинские расходы», «подготовка к визиту к врачу» — были плотно заполнены поведениями, но ни одна функция приложения не поддерживала их. Все существующие функции (статус заявок, сводка полиса, сеть провайдеров) сосредоточились под двумя ментальными пространствами, о которых участники говорили кратко и без эмоциональной вовлечённости.

Анализ разрывов показал, что люди тратили большую часть когнитивных усилий на вопросы, которые приложение вообще не затрагивало: «Будет ли это покрыто?», «Сколько я реально заплачу?», «Что рассказать врачу о своём полисе?». Команда переработала дорожную карту, начав с калькулятора покрытия, отвечающего на вопрос «будет ли это покрыто?» простым языком. Через шесть месяцев после запуска калькулятор стал самой используемой функцией приложения, а еженедельная аудитория выросла на 34%.

Ошибки начинающих

Проводить сессии слушания как продуктовые интервью

Самая распространённая ошибка — спрашивать участников о продукте вместо того, чтобы спрашивать о сфере. Картирование ментальных моделей требует, чтобы исследователь полностью отставил продукт в сторону и сосредоточился на том, как люди думают и действуют в более широкой области жизни, которую продукт обслуживает. Вопросы вроде «что вы думаете о нашем приложении?» или «какие функции вы хотели бы видеть?» дают мнения о продукте, а не ментальные модели. Исследователь должен расспрашивать о жизни и рассуждениях участника, и только потом сопоставлять продукт с этими находками.

Делать башни слишком широкими

Начинающие часто создают большие, размыто названные башни («управление деньгами», «забота о здоровье»), которые, по сути, являются ментальными пространствами, а не башнями. Башня должна быть достаточно конкретной, чтобы каждое поведение в ней описывало одну и ту же узкую деятельность. «Проверка того, покрывает ли конкретное лекарство страховка» — это башня. «Работа со страховкой» — это ментальное пространство, содержащее множество башен. Если башня содержит более 15 поведений, описывающих заметно разные виды деятельности, разделите её.

Пропускать нижнюю половину диаграммы

Некоторые команды строят верхнюю половину диаграммы (ментальная модель пользователя), но так и не отображают функции продукта на ней. Без нижней половины диаграмма — интересный, но неприменимый артефакт исследования. Стратегическая ценность картирования ментальных моделей возникает из выравнивания: видеть, где продукт совпадает с мышлением людей, а где нет. Пропустить этот шаг — всё равно что построить карту и никогда не отметить на ней своё текущее положение.

Кодировать только задачи, игнорируя принципы и ощущения

Система Инди Янг различает три типа поведений: задачи, принципы и ощущения. Начинающие склонны извлекать только задачи, поскольку их легче всего идентифицировать: конкретные действия, описанные глаголами. Но принципы (убеждения, направляющие решения) и ощущения (эмоциональные реакции) часто оказываются стратегически наиболее ценными поведениями в диаграмме. Принцип вроде «считает, что дешевле — всегда значит хуже по качеству» может объяснить целый кластер покупательских решений, который анализ на уровне задач упустит.

Торопиться на стадии кодирования

Стадия кодирования транскриптов утомительна и трудоёмка, и начинающие часто просматривают транскрипты по диагонали вместо тщательного чтения слово за словом. Беглое чтение улавливает очевидные, явно высказанные поведения, но упускает подразумеваемые: принцип, упомянутый вскользь, ощущение, выраженное через изменение тона. Диаграмма ментальных моделей, построенная на бегло прочитанных данных, будет иметь правильную общую форму, но недостаток глубины, который делает её стратегически ценной.

AI-промпты для этого метода

4 готовых AI-промптов с placeholder’ами — скопируйте и подставьте свой контекст. Все промпты для «картирования ментальных моделей» →.