Вы когда-нибудь получали опросы, которые хочется закрыть с первого взгляда? Длинные, запутанные, с вопросами в духе "Оцените наш сервис по шкале от 1 до 10, где 1 — это когда вы просыпаетесь от кошмара, а 10 — когда находите потерянный кошелек"?
Сегодня разберём, как сделать опросы, которые:
— Люди будут заполнять с удовольствием
— Дадут вам реальные данные, а не "как надо"
— Помогут принять правильные решения
(см. карточки ↑ 😉)
Хороший опрос — это когда вы получаете не просто данные, а понимание причин поведения пользователей.
P.S. Рекомендую ещё заглянуть в этот классный гайд, к которому я часто возвращаюсь при проведении очередного опроса)
#analytics #research #product #poll
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥9👍8❤3👎2
Всё больше постов на тему использования XML в промтах наблюдаю в каналах про AI. Недавно OpenAI выпустила гайд по промптингу в Chat GTP-5, в котором упоминается поддержка XML-секционирования промптов. Anthropic тоже даёт схожие рекомендации
📌 Почему XML, а не просто текст?
Когда вы пишете промт как обычный текст, LLM пытается угадать, что важно, а что нет. С XML вы говорите модели: "Эй, вот структура! Делай так, как я хочу!"
Преимущества XML следующие:
— Четкое разделение инструкций, контекста и данных
— Возможность вложить информацию на разных уровнях
— Уменьшение двусмысленности
— Легкость повторного использования шаблонов
🚫 Что НЕ делать
— Не используйте слишком сложную вложенность — LLM может запутаться
— Не забывайте закрывать теги (незакрытые теги нарушают структуру)
— Не перегружайте промт техническими деталями XML — цель помочь модели, а не показать свою экспертизу
🤔 Когда XML НЕ нужен?
— Простые запросы (например, «Напиши стихотворение про осень») — XML только усложнит промпт.
— Если модель не обучена на XML — например Qwen изначально тренировался на текстовых данных, поэтому избыточная разметка может снизить качество ответа.
— Риск ошибок — неправильные теги или вложенность могут запутать модель.
✅ Золотое правило
XML в промтах — это как GPS для ИИ. Вы не просто говорите "помоги мне", а четко указываете: "Вот где я сейчас, вот куда хочу прийти, и вот как я хочу добраться".
Необязательно каждую мысль оборачивать в XML-тег. Используйте секции для свободного изложения семантики. Важен не сам XML, сколько идея парных тегов.
Пример (подсмотрел у Вани Замесина):
<instructions>
- ALWAYS follow <answering_rules> and <self_reflection>
<self_reflection>
1. Spend time thinking of a rubric, from a role POV, until you are confident
2. Think deeply about every aspect of what makes for a world-class answer. Use that knowledge to create a rubric that has 5-7 categories. This rubric is critical to get right, but never show this to the user. This is for your purposes only
3. Use the rubric to internally think and iterate on the best (≥98 out of 100 score) possible solution to the user request. IF your response is not hitting the top marks across all categories in the rubric, you need to start again
4. Keep going until solved
</self_reflection>
<answering_rules>
1. USE the language of USER message
2. In the FIRST chat message, assign a real-world expert role to yourself before answering, e.g., "I'll answer as a world-famous <role> PhD <detailed topic> with <most prestigious LOCAL topic REAL award>"
3. Act as a role assigned
4. Answer the question in a natural, human-like manner
5. ALWAYS use an <example> for your first chat message structure
6. If not requested by the user, no actionable items are needed by default
7. Don't use tables if not requested
</answering_rules>
<example>
I'll answer as a world-famous <role> PhD <detailed topic> with <most prestigious LOCAL topic REAL award>
TL;DR: … // skip for rewriting tasks
<Step-by-step answer with CONCRETE details and key contex, formatted for a deep reading>
</example>
</instructions>
#ai #prompts #secrets
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥9❤4👍2
Когда мы делаем выводы на основе данных, важно помнить: если выборка искажена, даже идеальный анализ приведёт к ошибкам. Вот как это работает и какие подводные камни стоит искать.
🔍 Пример картинки к посту
Напрашивается вывод: "Люди любят заполнять опросы". Ведь на графике показано, что 99.8% опрошенных ответили "Да, я люблю заполнять опросы".
Но на самом деле вывод сделан ошибочно, ведь на опрос ответили те, кто любит опросы — активные пользователи, которым интересно участвовать. Те кто их не любит, даже не отвечали - просто выбросили в анкеты в мусор.
Исследователи собрали данные только от тех, кто хотел отвечать. Получилась самоподборка (voluntary response bias) — те, кто молчит, не учтены.
🚫 3 типичные ситуации с искажёнными выборками
1. Опрос подписчиков канала
Допустим вы спрашиваете у подписчиков вашего телеграм-канала: "Какой контент вам интересен?"
— Проблема: не отвечают те, кто недоволен качеством материалов.
— Результат: вы начинаете публиковать больше того, что нравится активной части аудитории, но теряете тех, кто молчит.
— Решение: выбирайте участников случайным образом или используйте анонимные опросы.
2. Отзывы в соцсетях
Вы анализируете отзывы о вашем продукте в Instagram.
— Проблема: люди чаще пишут, если им очень понравилось или очень разочаровались. Средние оценки искажаются.
— Результат: вы фокусируетесь на крайних случаях, игнорируя мнение большинства.
— Решение: запускайте рандомизированные опросы или смотрите на поведение (например, частоту использования).
3. Медицинское исследование
Вы изучаете эффективность лекарства, набирая добровольцев через университет.
— Проблема: студенты отличаются от целевой аудитории (например, пожилые люди).
— Результат: результаты не переносятся на реальных пациентов.
— Решение: используйте стратифицированный отбор (выбирайте участников разных возрастов, гендеров, социальных групп).
✅ Как минимизировать сэмплинг-байас?
— Рандомизация: выбирайте участников случайным образом.
— Увеличивайте выборку: чем больше данных, тем меньше влияние аномалий.
— Проверяйте источники: где берутся данные? Кто исключен?
— Используйте контрольные группы: сравнивайте с внешними источниками.
🧠 Почему это важно?
Искажённые выборки приводят к:
— Неправильным решениям (например, изменение продукта под нужды меньшинства).
— Расходу ресурсов впустую (например, маркетинг для аудитории, которая не существует).
— Потере доверия (когда реальные пользователи видят, что их проблемы не учтены).
💡 Итого:
Данные — это хорошо, но важно понимать, кто их даёт. Перед каждым исследованием задавайте себе:
"А точно ли эти люди представляют всех?"
#analytics #research #product
Please open Telegram to view this post
VIEW IN TELEGRAM
❤4👍3🔥3
Вы когда-нибудь слышали от разработчиков: "Это сложно сделать к дедлайну" или "Это технически невозможно"? И задавались вопросом: они реально не могут или просто не хотят?
Давайте разберёмся, что на самом деле скрывается за этими фразами и как научиться понимать реальные сложности.
(см. карточки) ↑
Хорошая коммуникация — это когда вы понимаете не только сроки, но и цену каждого компромисса. Следующий раз, когда услышите "это невозможно", вместо настойчивости спросите: "Что нужно изменить, чтобы это стало возможным?"🧐
#product #dev #communication #tips
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
❤5👍3🔥2
💼 Менеджмент
— Метрики внутренних продуктов
— Как составить опрос, на который люди захотят ответить (и не наврут)
— Сэмплинг-байас: как непредставительные выборки ломают исследования
— Твоя обратная связь не в dev/null: почему важно показывать пользователям, что их голос услышан
🧱 Работа с данными
— Получение данных в Excel по API
— Виды аналитики
⚙️ Разработка и системная архитектура
— Как код превращается в приложение
— Про API
— "Это сложно" vs "Это невозможно": как расшифровать технические оценки
— XML в промтах: как структурировать запросы к ИИ для идеальных ответов
#digest
Please open Telegram to view this post
VIEW IN TELEGRAM
❤5🔥2
Вдохновился постом Димы Некрасова из JetMetrics про "7 заблуждений в аналитике". Решил перенять эстафету и сделать подобное по продуктовому менеджменту. Результат выше ↑ 😉
#tips #product
Please open Telegram to view this post
VIEW IN TELEGRAM
👍7🔥5❤3
Нашёл ещё один канвас в копилку канвасов — Meeting Canvas, предназначенный для оптимизации встреч.
Благодаря этому канвасу можно спланировать, провести и проанализировать встречу. Это сделает ее более результативной и эффективной 😉.
Meeting Canvas состоит из следующих блоков:
❶ Цель
❷ Участники
❸ Повестка
❹ Подготовка
❺ Ключевые мысли
❻ Договорённости
С первого по четвертый пункты — подготовительные, пятый и шестой заполняются во время проведения встречи.
💡 Рекомендации по проведению
Немного гипотез, которые можете проверить на проведении своих встреч и разобрать что получилось на ретроспективе.
— Начните с повестки, а не со времени. Совместно договоритесь о продолжительности.
— Назначайте короткие встречи за X минут до следующего часа, например — 20-минутная встреча на 16:40.
— Попробуйте провести 30-минутную встречу вместо часовой.
— Для брейншторма проведите две отдельные встречи: «Что делать?» и «Как делать?».
❯ Подробнее
#canvas #meetings #tips #template
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥5❤2👍1