Maze: AI conversation block соединяет поведенческие данные с причинами действий

Maze представила AI conversation block: адаптивные AI-модерируемые разговоры, встроенные непосредственно в любое unmoderated-исследование.

Это последнее дополнение к Maze AI — наряду с AI study builder, AI moderator и Maze MCP — предоставляющее исследователям дополнительные способы понять человеческий опыт и мотивацию за данными, сохраняя их в центре принимаемых решений. Теперь исследователи могут совмещать поведенческое тестирование и уточняющие разговоры в одном исследовании, с одними и теми же участниками, в одной сессии. Видно, что люди делают — успешность задач, пройденные пути, ошибочные клики, оценки и многое другое — а затем можно спросить почему, пока ещё свежо.

Это означает меньше времени на сборку insights из разных исследований и разных моментов и более целостный взгляд на людей, участвующих в исследовании.

Поведение и контекст вместе

Исследователи всегда знали, что поведение и контекст рассказывают разные части одной истории.

Usability study может показать, где участники испытывали трудности, где колебались и какие пути выбирали. Но одно и то же поведение может объясняться совершенно по-разному. Участник мог колебаться из-за замешательства, из-за сравнения вариантов или потому что что-то из прошлого опыта влияло на его решение.

Поведение даёт сигнал, разговор — контекст.

До сих пор эти два элемента обычно существовали в разных research workflows. Сначала проводилось usability study для выявления паттернов, затем — интервью для понимания их природы. К тому моменту чаще всего уже другая группа участников, другой момент, и людей просят вспомнить, а не объяснить происходящее по мере его возникновения.

AI conversation block встраивает адаптивный разговор непосредственно в опыт исследования.

Как это выглядит на практике: представьте, что вы тестируете новый onboarding flow. Участник выполняет задачу с прототипом, Maze фиксирует поведенческие данные — участник успешно завершает задание, но колеблется при выборе тарифа и дольше ожидаемого изучает варианты. Вместо того чтобы остановиться на поведении, AI conversation block тут же задаёт уточняющий вопрос. Участник объясняет, что не был уверен, какой вариант лучше поддержит рост его команды, а дополнительный вопрос выявляет, какая информация помогла бы ему принять решение увереннее.

Теперь есть обе стороны истории: поведенческий паттерн и объяснение участника. Поскольку разговор является частью того же исследования, этот контекст остаётся привязан к поведению, которое он помогает объяснить.

Гибкость внутри исследования

Как и другие блоки, AI conversation block не ограничен одной точкой в исследовании. Его можно добавить туда, где нужно более глубокое понимание, — до или после любого взаимодействия.

Его можно использовать в начале исследования, чтобы понять ожидания участников до того, как они начнут работать с продуктом. Можно разместить после задачи с прототипом, чтобы изучить момент трений, или после вопроса с оценкой — чтобы понять, почему участник поставил высокую или низкую оценку. С помощью conditional logic разговоры можно адаптировать на основе ответов участника.

Эта гибкость также означает, что можно выбрать правильный тип AI-разговора для конкретного исследовательского вопроса.

Тем, кто уже использует AI moderator от Maze, может быть интересно понять разницу. Оба инструмента помогают исследователям вести более насыщенные разговоры с участниками, но они предназначены для разных моментов исследовательского процесса.

AI conversation block используется тогда, когда поведение — центр исследования и нужно понять конкретный момент: почему участники колебались в ходе этой задачи, что сделало выбор сложным, что повлияло на их оценку.

AI moderator используется тогда, когда сам разговор и есть исследование: изучение потребностей пользователей, определение workflows, discovery research, исследование широких мотиваций.

Многие команды будут использовать оба инструмента в разных частях своего research workflow. Usability study может выявить неожиданный поведенческий паттерн, а AI conversation block поможет понять, что произошло в этот конкретный момент. Далее AI moderator позволяет изучить более широкий контекст и мотивации, стоящие за услышанным.

Поведение и причины в одном исследовании

AI conversation block объединяет количественное и качественное исследование в одном исследовании. Когда можно видеть, что произошло, и спросить об этом в той же сессии, уходит меньше времени на сборку данных из разных источников и больше остаётся для понимания того, что стоит за поведением.

По мере того как AI становится всё большей частью research, Maze продолжает выстраивать его осознанно. 82% исследователей говорят, что интерпретация нюансов и эмоций по-прежнему требует человеческого суждения — и это суждение остаётся центральным для определения важных сигналов, того, как разные фрагменты данных складываются вместе, и для понимания, куда research должен вести продукт дальше.

Research-grade AI в Maze создан, чтобы поддерживать эту работу с прозрачностью и качеством, которые необходимы исследователям, чтобы оставаться близко к данным и к людям за ними. AI помогает охватить больше людей, изучить больше вопросов и глубже проникнуть в суть поведения. Исследователи привносят суждение, чтобы осмыслить это и решить, что происходит дальше.