Quirk's Media: делает ли AI методологию Jobs To Be Done актуальнее, чем когда-либо?
Дженнифер Аксен, основательница Axen Insights, рассматривает, почему методология Jobs-To-Be-Done — которой почти тридцать лет — остаётся актуальной в современных исследованиях, особенно по мере того, как AI меняет сбор и анализ данных.
От того, что говорят люди — к тому, что движет их поведением
JTBD отличается от традиционных исследований тем, что изучает причинность, а не корреляцию. Тэдди Холл объясняет: методология выявляет то, что по-настоящему мотивирует решения, — «степень, в которой они обеспечивают желаемый прогресс и соответствуют устремлениям». Фокус смещён на прогресс: обстоятельства, при которых люди достаточно мотивированы, чтобы изменить способ решения проблемы, — а не просто идентификацию потребностей или болей.
Интервью как расследование
Интервью в формате JTBD — это подробная реконструкция реально принятых решений, а не опрос об установках. Исследователи выясняют: что не работало? Когда перемены показались необходимыми? Какие альтернативы существовали? Кто повлиял на решение?
Холл подчёркивает, что такой подход «возвращает фокус на сырые данные за числами» и раскрывает «форму истории». Принципиально важно: исследователи должны сами извлекать инсайты из рассказов респондентов — те предоставляют сырой материал, а не готовые выводы.
Когда «работа» — это не настоящая работа
Холл выделяет явление «job washing» — применение терминологии JTBD к уже известным потребностям без реальных свидетельств мотивации к изменениям. Различие принципиально: потребность в физических упражнениях и активное движение к этой цели — не одно и то же.
Исследования, указывающие на возможности
JTBD выявляет более широкие ценностные драйверы внутри категорий, позволяя организациям «изменить основания конкуренции». Методология выходит за пределы изучения смены бренда и помогает понять, почему существующие клиенты вдруг начинают использовать функции, которые прежде игнорировали.
AI делает понимание «зачем» ещё ценнее
По мере ускорения разработки продуктов всё критичнее становится вопрос о том, что именно заслуживает создания. Боб Мест отмечает: «Я могу построить что угодно. Я могу выпустить что угодно очень быстро», — что превращает правильно расставленные приоритеты исследования в ключевое конкурентное преимущество.
Вместе с тем Холл предупреждает: AI-моделям не хватает эмоциональной глубины. Колебания, энтузиазм и противоречия внутри человеческих нарративов нередко содержат ключевые инсайты, которые алгоритмический анализ не способен уловить самостоятельно.
Вывод
Устойчивая значимость JTBD объясняется тем, что методология отвечает на вопрос, который AI лишь усиливает: какого прогресса люди активно добиваются — и что по-настоящему стоит строить?