UX-исследователь и хотите систематизировать процесс своей работы
научитесь строить research design под бизнес-задачу, анализировать данные с AI и формулировать инсайты так, чтобы команда не только понимала их, но и брала в работу
UX или Product Designer и хотите большего влияния на продукт
поймёте, как самостоятельно получать ответы от пользователей — через интервью, тесты и опросы — и строить на их основе аргументацию
Product Manager и хотите выстроить discovery-процесс на основе данных
разберётесь, как формулировать исследовательские задачи, работать со стейкхолдерами и интегрировать UX Research в принятие продуктовых решений с AI уже на этапе анализа
проводите исследования интуитивно и хотите структурировать подход
освоите полный цикл — от interview guide и опросника до анализа с AI и презентации результатов — и получите кейс, который можно добавить в портфолио
работаете в продукте в любой роли и хотите добавить UX Research в свой скиллсет
научитесь проводить качественные и количественные исследования, анализировать данные и формулировать инсайты — чтобы улучшить карьерные перспективы и претендовать на более высокие позиции
с направлением
- знакомство с группой, кураторкой и правилами курса
- кейсы авторки: 76 и 126 интервью — почему не все пошли в анализ
- UX vs UI Research, discovery vs validation
- attitudinal vs behavioral, generative vs evaluative, количественные vs качественные методы: обзор методов
- знакомство с реальным бизнес-кейсом и заказчиком
- практика брифинга стейкхолдеров в командах
- как сформулировать исследовательскую задачу на основе бизнес-запроса
- когнитивные искажения в исследованиях и как их минимизировать
- 7 типичных ошибок UX Research
- кейсы: AI-агенты vs человек на интервью, Continuous Discovery Research Process
- структура и логика research design
- практика: research design для кейса Headspace
- метрики обратной связи: NPS, CSAT, CES, PMF и как создать собственную
- генеральная и выборочная совокупность, репрезентативность выборки
- минимальная база для анализа и сравнения групп
- сколько вопросов задавать и где искать респондентов
- 10 правил создания опросников
- логика переходов и скрининговые вопросы
- как работать с AI над черновиком опросника
- практика: опросник и минимальная база для кейса Notion
- типы интервью: классическое vs углублённое
- сколько интервью нужно: выборка, теоретическое насыщение, разнообразие
- 10 правил формулирования вопросов
- практика: гайд интервью с пользователями, которые ушли, для кейса Notion
- чем usability testing отличается от интервью
- форматы: moderated / unmoderated, qual / quant, remote / in-person
- сценарий, задачи, test guide, метрики, severity и выборка
- где AI помогает, а что не заменяет
- практика: черновой test guide для Notion
- подготовка к сессии и вознаграждение респондентам
- сложные ситуации и респонденты
- техники: бумеранг, гайдинг, эхо, Коломбо, Шерлок, синхрон
- живая сессия: юзабилити-тестирование Prom
- ролевая практика в командах: интервьюер, респондент, note-taker & critique
- live session: наблюдение за модерируемым тестированием + Q&A
- количественный и качественный анализ: что считаем и чего не придумываем
- путь от вывода обратно к данным, 5 ошибок количественного анализа (AI тоже их делает)
- практика: анализ датасета N=641 с AI
- от raw data до решения: анализ до AI и с AI
- AI analysis flow: что AI делает хорошо и чего не решает
- data security и анонимизация данных респондентов
- фреймворки анализа и как создать собственный
- практика: анализ 16 интервью с AI на кейсе Mindly
- антропология и этнография: человек в контексте
- эмическая и этическая позиция, наблюдение vs интервью
- офлайн- и онлайн-наблюдение: что наблюдать, когда человек работает с AI
- анализ этнографических данных с AI: когда метод уместен, а когда нет
- артефакты исследования: когда нужен репорт, а когда нет
- структура research report и storyline презентации
- observation → pattern → insight → conclusion → recommendation → HMW
- типичные реакции стейкхолдеров и как с ними работать
- strategic, growth и hypothesis testing research
- research roadmap vs ad-hoc: как выбирать, что исследовать
- фасилитация воркшопов после исследования
- решения на данных: типичные ошибки и decision rules
- rigor vs impact: 6 измерений качества и рубрика оценки
- надёжность, валидность и триангуляция
- бизнес-метрики эффективности research и decision log
- демократизация UX Research
- практика: оценка репорта DailyONE по scorecard
- обмен впечатлениями и фидбеком вживую
- вопросы по проекту: как лучше анализировать данные
- брейншторм разных подходов
- предварительная презентация исследования кураторке
- фидбек на структуру, выводы и артефакты
- подготовка к финальной презентации заказчику
- презентация исследования заказчику и получение фидбека
- итоги курса
кураторы
они будут рядом
стоимость обучения
и варианты оплаты
6 платежей
3 платежа
за весь курс
*Согласно результатам исследования Projector.
В исследовании учавствовали 567 респондетнов
среди выпускников курсов в 2022.
есть вопросы?
подготовили ответы
- подойдёт ли курс, если я UX Designer, а не UX Researcher?
- я проводил интервью, но никогда не делал полный цикл — подойдёт ли курс?
- я PM, а не researcher — будет ли материал релевантным для меня?
- можно ли совмещать курс с полной занятостью?
- какие именно задачи на курсе решаются с AI?
регистрация.
первый шаг за вами
Хотите спростить еще что-то? Пишите на hello@prjctr.com или звоните по номеру +38 067 418-95-78.
Образовательные услуги предоставляются путём доступа к публичным образовательным ресурсам в сети Интернет, в том числе к виртуальным классам и образовательной платформе. Курс относится к услугам обучения компьютерной грамотности в понимании п. 197.1.33 НКУ.
первый шаг за вами