Интернет-аналитика // Алексей Никушин

Forwarded from beyond research (Michael Bode)

27 мая, во вторник, выступаю на онлайн-треке конфы Aha!25, которую делает команда с давних пор уважаемого мной «Матемаркетинга». В основе своей она — о product science, машинном обучении и продуктовой аналитике. Но я ж outlaw, методологический «однопроцентник», и тему выбрал ортогональную её вектору, тем не менее, кажется, релевантную запросу изрядной части посетителей. А именно — как научиться различать буллщит в качественных методах и осмысленно сочетать их с количественными.

Сейчас аранжирую презентацию и понимаю, что тема бездонная. Решил сфокусироваться в первую очередь на том, как людям, привыкшим действовать в русле data-driven подхода и вообще с опорой на цифры/квантифицируемое, понимать, когда [и зачем] задействовать качественные методы, включая всякую хитрую и нехитрую этнографию, в каких случаях имеет смысл использовать ресурсы in-house, в каких привлекать внешних исполнителей, а когда им пытаются подсунуть под видом qualitative research чепуху, невалидное, кромешное. Затрону и попытки затащить количественную логику в качественный дизайн, и бессмысленные инструменты вроде «карт эмпатии», и другие ужасы.

Дорогие тунчжи, друзья, подписчики — прежде всего те, кто делал много качественных/гибридных исследований для бизнеса, — а поделитесь, пожалуйста, в комментах болью и вельтшмерцем:

Какие у вас red flags в прикладных, для бизнеса, качественных исследованиях? С какими ошибками вы чаще всего сталкиваетесь?

Вот вы видите нечто в отчёте или в ТЗ, в компреде — и все ваши эвристики и опыт вопят: «Шляпа! Сами не ведают, что предлагают».

Буду вам чрезвычайно признателен 🖤 С учётом своего опыта, по результатам выступления, на основе фидбэка участников мероприятия и ваших комментов хочу написать в июне лонгрид лонгридович по теме.

www.tgoop.com/internetanalytics/4414

3.2K viewsMay 25 at 19:24

27 мая, во вторник, выступаю на онлайн-треке конфы Aha!25, которую делает команда с давних пор уважаемого мной «Матемаркетинга». В основе своей она — о product science, машинном обучении и продуктовой аналитике. Но я ж outlaw, методологический «однопроцентник», и тему выбрал ортогональную её вектору, тем не менее, кажется, релевантную запросу изрядной части посетителей. А именно — как научиться различать буллщит в качественных методах и осмысленно сочетать их с количественными.

Сейчас аранжирую презентацию и понимаю, что тема бездонная. Решил сфокусироваться в первую очередь на том, как людям, привыкшим действовать в русле data-driven подхода и вообще с опорой на цифры/квантифицируемое, понимать, когда [и зачем] задействовать качественные методы, включая всякую хитрую и нехитрую этнографию, в каких случаях имеет смысл использовать ресурсы in-house, в каких привлекать внешних исполнителей, а когда им пытаются подсунуть под видом qualitative research чепуху, невалидное, кромешное. Затрону и попытки затащить количественную логику в качественный дизайн, и бессмысленные инструменты вроде «карт эмпатии», и другие ужасы.

Дорогие тунчжи, друзья, подписчики — прежде всего те, кто делал много качественных/гибридных исследований для бизнеса, — а поделитесь, пожалуйста, в комментах болью и вельтшмерцем:

Какие у вас red flags в прикладных, для бизнеса, качественных исследованиях? С какими ошибками вы чаще всего сталкиваетесь?

Вот вы видите нечто в отчёте или в ТЗ, в компреде — и все ваши эвристики и опыт вопят: «Шляпа! Сами не ведают, что предлагают».

Буду вам чрезвычайно признателен 🖤 С учётом своего опыта, по результатам выступления, на основе фидбэка участников мероприятия и ваших комментов хочу написать в июне лонгрид лонгридович по теме.

BY Интернет-аналитика // Алексей Никушин