Исследование и проектирование приложения для нетворкинга, выполненное как эксперимент по AI-ассистированному продукт-дизайну. AI использовался на всех этапах — от анализа problem space и JTBD до генерации персоны, структуры продукта и ТЗ, которое затем было превращено в AI-прототип.
От проблемы к прототипу:
AI-driven продукт-дизайн приложения для нетворкинга
AI-assisted exploratory research
Prototype
AI-assisted UX requirements (ТЗ)
UX-гипотеза
Прото-персоны
JTBD
Problem space
Ход работы над проектом
Люди с широким кругом тёплых, но не близких контактов со временем теряют контекст этих связей.
Отсутствие понимания «кто этот человек сейчас» и «уместно ли писать» создаёт социальное напряжение и приводит к тому, что связи не поддерживаются, несмотря на их потенциальную ценность.
Отсутствие понимания «кто этот человек сейчас» и «уместно ли писать» создаёт социальное напряжение и приводит к тому, что связи не поддерживаются, несмотря на их потенциальную ценность.
Problem space
Промпт: Своими словами был задан контекст проблемы и поставлена задача разложить её по методологии JTBD. Затем результат был передан в другую нейросеть для получения корректировок.
После нескольких итераций правок и ручной доработки был получен следующий результат:
После нескольких итераций правок и ручной доработки был получен следующий результат:
JTBD
Когда у меня есть широкий круг полезных знакомств и профессиональных контактов, я хочу сохранять контекст и ощущение живой связи с ними,
чтобы при необходимости я мог обратиться без неловкости и с высокой вероятностью отклика.
чтобы при необходимости я мог обратиться без неловкости и с высокой вероятностью отклика.
Situation
Связи есть, но они распадаются со временем → ощущение потери доступа к людям.
Triggers (когда проблема обостряется):
Связи есть, но они распадаются со временем → ощущение потери доступа к людям.
- много контактов из разных периодов жизни
- общение фрагментарное
- нет единой картины: кто есть кто и «где мы сейчас»
- проходит время → связь «остывает»
- растёт ощущение потери социального капитала
Triggers (когда проблема обостряется):
- нужно попросить совет/помощь/контакт
- увидел пост человека и понял, что давно не общались
- готовлюсь к встрече/конференции
- периодически (раз в 2-3 месяца) — ревизия связей
- смена работы/проекта — переоценка нетворка
Push (что заставляет искать решение)
Pull (что привлекает в решении)
Habit (что держит в старом поведении):
- теряется не контакт, а право на контакт
- появляется ощущение «окно возможности закрыто»
- связи «умирают»
- неловкость перед обращением после долгого молчания
Pull (что привлекает в решении)
- ощущение живой сети, а не списка имён
- уверенность, что можно писать без объяснений «кто я»
- чувство, что нетворк не распадается со временем
- «ещё одна система» — устану следить
- необходимость регулярно обновлять данные
- страх выглядеть роботом (шаблонные сообщения)
- боязнь переборщить — стать навязчивым
Habit (что держит в старом поведении):
- веду заметки в Notion (нерегулярно)
- полагаюсь на память (не работает)
- пролистываю переписки перед обращением
- ставлю напоминания в календаре (забываю)
- просто забиваю и пишут только когда очень надо
- CRM-системы (HubSpot, Salesforce) — слишком для продаж
- Notion/Obsidian — заметки вручную
- Календари (Google Calendar) — напоминания
- LinkedIn — видеть активность людей
- Telegram Saved Messages — сохранять контекст
- Clay.com / Dex / Folk — персональные CRM
- Ничего (люди просто справляются вручную)
- быстро восстановить контекст отношений с конкретным человеком
- обращаться без ощущения «я объявляюсь из ниоткуда»
- чувствовать, что контакт логичен и уместен
- снизить социальное напряжение перед выходом на связь
- иметь живую сеть, готовую к взаимодействию
На основе JTBD я сначала кратко описала базовые персоны, а затем с помощью AI расширила их — попросила добавить деталей и сгенерировать ещё несколько вариантов. Из всего набора в итоге выделила три основные персоны, которые лучше всего отражают целевую аудиторию.
На этом этапе AI использовался скорее как инструмент для детализации и развития уже заданных идей.
На этом этапе AI использовался скорее как инструмент для детализации и развития уже заданных идей.
Proto Personas
Марк, 25 лет
Подкастер
- Только запустил первый стартап
- Начал вести подкаст про стартапы
- Активно строит нетворк: конференции, Twitter, LinkedIn
«Когда я строю свой первый стартап и подкаст, я хочу превратить новые знакомства в полезные связи, чтобы расти быстрее и не упустить возможности из-за того, что забыл о человеке.»
Константин, 38 лет
Senior Software Engineer
- Переехал в Берлин 8 месяцев назад
- Раньше был крепкий нетворк в Москве/Питере — здесь с нуля
- Ходит на meetup'ы, конференции, пытается влиться в комьюнити
«Когда я строю новую жизнь в чужой стране, я хочу превратить случайные знакомства в полезные связи, чтобы быстрее интегрироваться, найти работу/проекты/друзей и чувствовать себя 'своим'.»
Лолита, 30 лет
UX/UI дизайнер
- Живёт в разных странах 2-4 месяца (Бали, Лиссабон, Мехико, Чианг Май)
- Активно посещает коворкинги, meetup'ы, вечеринки эмигрантов
«Когда я переезжаю в новый город или возвращаюсь туда, где уже была, я хочу легко вспомнить контекст знакомств и понять, кто сейчас где, чтобы не терять классных людей и всегда иметь компанию для сёрфинга/хайкинга/тусовок.»
Объекты исследования
Clay • Dex • Folk • Orvo • Covve • Monica
Анализировались по 6 параметрам: автосбор контекста, интеграция с мессенджерами, ИИ-резюме, «температура» связи, мобильное приложение, цена.
Пользовательские паттерны — отзывы на Reddit, Medium, Product Hunt; методология Jobs-to-be-Done (силы Push / Pull / Anxiety / Habit).
Пользовательские паттерны — отзывы на Reddit, Medium, Product Hunt; методология Jobs-to-be-Done (силы Push / Pull / Anxiety / Habit).
Результаты
Исследование подтвердило критический разрыв между функционалом классических систем и потребностями личного нетворкинга. Традиционные CRM (HubSpot, Salesforce) признаны непригодными для управления социальным капиталом по трем фундаментальным причинам:
Dex: Лидер в дисциплине и интеграции с LinkedIn, но ограничен в мобильном UX.
Clay: Эталон эстетики и интеграции в экосистему Apple, однако ориентирован на визуальное потребление, а не на активный ввод данных.
Folk: Эффективен для командных пайплайнов и рассылок, но избыточно сложен для индивидуального пользователя.
Orvo: Продемонстрировал успех паттерна голосового ввода и ИИ-обработки заметок, что признано ключевым технологическим вектором.
Ключевые «боли»: страх «роботизации» общения, барьер конфиденциальности при доступе к перепискам, модели годовой предоплаты, отсутствие ранжирования контактов по «остыванию» и стратегической важности.
- Транзакционный детерминизм: Они проектировались для управления «сделками», где контакт — это объект дохода, а не узел доверительных отношений.
- Высокое «входное трение»: Сложность интерфейсов и необходимость заполнения десятков полей ведут к прекращению ведения базы в «полевых» условиях.
- Отсутствие эмоционального слоя: Системы не фиксируют личный контекст (хобби, семья, интонации встреч), который является фундаментом для «права на контакт».
Dex: Лидер в дисциплине и интеграции с LinkedIn, но ограничен в мобильном UX.
Clay: Эталон эстетики и интеграции в экосистему Apple, однако ориентирован на визуальное потребление, а не на активный ввод данных.
Folk: Эффективен для командных пайплайнов и рассылок, но избыточно сложен для индивидуального пользователя.
Orvo: Продемонстрировал успех паттерна голосового ввода и ИИ-обработки заметок, что признано ключевым технологическим вектором.
Ключевые «боли»: страх «роботизации» общения, барьер конфиденциальности при доступе к перепискам, модели годовой предоплаты, отсутствие ранжирования контактов по «остыванию» и стратегической важности.
Задача исследования
Определить незаполненные ниши на рынке персональных CRM-систем (PRM) и сформулировать продуктовую стратегию для нового игрока, ориентированного на управление «живыми» связями — сохранение контекста и снижение социальной неловкости при повторном контакте после длительного молчания.
Через режим Deep recearch в Gemini запрашиваю анализ конкурентной среды, потребительского поведения и продуктовые гипотезы. В качестве основы задаю JBTD и описание персон.
AI-assisted exploratory research
Корректировка и упрощение для MVP
Мой запрос: Убрать NFC и карту с геолокацией (требует, чтобы контакты тоже были в приложении). Сделать акцент на пассивном мониторинге — пользователь добавляет ссылки на соцсети контакта, приложение само отслеживает активность и генерирует поводы для связи.
Что упрощено относительно первой версии
H1 — карта с геотрекингом заменена на простой список-фильтр по городам: локация парсится из био в соцсетях или ставится вручную тегом. Не требует, чтобы контакт был в приложении.
H2 — убрано всплывающее окно при входящем звонке (технически сложно на iOS). Осталась карточка внутри приложения, которую открываешь перед тем как написать.
H4 — убран NFC. Вместо него Share Extension: пользователь делится профилем из Instagram или LinkedIn прямо в приложение, оно само вытягивает имя и фото, затем предлагает надиктовать голосовую заметку
Что упрощено относительно первой версии
H1 — карта с геотрекингом заменена на простой список-фильтр по городам: локация парсится из био в соцсетях или ставится вручную тегом. Не требует, чтобы контакт был в приложении.
H2 — убрано всплывающее окно при входящем звонке (технически сложно на iOS). Осталась карточка внутри приложения, которую открываешь перед тем как написать.
H4 — убран NFC. Вместо него Share Extension: пользователь делится профилем из Instagram или LinkedIn прямо в приложение, оно само вытягивает имя и фото, затем предлагает надиктовать голосовую заметку
Гипотезы v2.0
H1 — City Sync. Список контактов с фильтром по городу на основе данных из соцсетей или ручного тега.
H2 — The Last 30 Seconds. Карточка перед контактом: о чём говорили, кто этот человек, свежий инфоповод.
H3 — Magic Opener. Ежедневный пуш на основе мониторинга публичной активности контакта — новый пост, смена работы, сторис — с готовым поводом написать.
H4 — Share Extension + голос. Добавление контакта через кнопку «Поделиться» в соцсети + 10-секундная голосовая заметка, которая автоматически превращается в текст.
H2 — The Last 30 Seconds. Карточка перед контактом: о чём говорили, кто этот человек, свежий инфоповод.
H3 — Magic Opener. Ежедневный пуш на основе мониторинга публичной активности контакта — новый пост, смена работы, сторис — с готовым поводом написать.
H4 — Share Extension + голос. Добавление контакта через кнопку «Поделиться» в соцсети + 10-секундная голосовая заметка, которая автоматически превращается в текст.
Гипотезы v1.0
H1 — Гео-радар. Интерактивная карта с перемещениями контактов и пуш-уведомлением о пересечении маршрутов в одном городе.
H2 — Context Flashcard. Карточка с тремя фактами из истории общения — всплывает автоматически при входящем звонке или за 10 минут до встречи.
H3 — Social Triggers. Ежедневный дайджест поводов для контакта на основе анализа LinkedIn и новостей о компании.
H4 — NFC + голос. Обмен профилями через NFC-метку и мгновенная голосовая заметка сразу после знакомства.
H2 — Context Flashcard. Карточка с тремя фактами из истории общения — всплывает автоматически при входящем звонке или за 10 минут до встречи.
H3 — Social Triggers. Ежедневный дайджест поводов для контакта на основе анализа LinkedIn и новостей о компании.
H4 — NFC + голос. Обмен профилями через NFC-метку и мгновенная голосовая заметка сразу после знакомства.
UX гипотезы
В разработку были переданы требования по визуальной идентичности (цветовая палитра, типографика, общий стиль «calm tech»), структура навигации и поэкранные требования для четырёх основных экранов. Отдельно описана интерактивная логика ключевых UX-флоу: подготовка к контакту, смена города и захват нового знакомства голосом. Для наполнения прототипа подготовлены текстовые заготовки — placeholder-данные с живыми карточками контактов и готовыми «хуками» для первого сообщения. Также передана логика генерации ИИ-саммари: структура из трёх блоков (Кто / О чём / Повод) с указанием тона и формата подачи.
Для генерации прототипа использовала Lovable. Написание тз на основе гипотез запрашивала у Gemini.
Создание ТЗ для прототипа
В первой версии добавление контакта работало по принципу «или ссылка, или голос» — без комбинирования, ручного текста и своих тегов.
Запросила промт чтобы доработать гибкий ввод: ссылка, голос и текст теперь можно использовать в любом сочетании, а теги — добавлять вручную в дополнение к автоматическим.
Запросила промт чтобы доработать гибкий ввод: ссылка, голос и текст теперь можно использовать в любом сочетании, а теги — добавлять вручную в дополнение к автоматическим.
Прототипирование
Доработанный флоу добавления нового контакта
Первоначальный флоу добавления нового контакта
Следующий шаг — валидация: 6–8 глубинных интервью, чтобы проверить, совпадают ли AI-гипотезы с реальным опытом пользователей, и модерируемое тестирование прототипа. После — итерации на основе живых данных, где AI снова подключился бы к синтезу инсайтов и быстрой переработке решений. Главный вывод эксперимента: AI эффективен на этапе генерации и структурирования, но не заменяет валидацию — он ускоряет путь до первой гипотезы, а не до финального продукта.
Что было бы дальше
