Привет! Меня зовут Андрей Панкратов, я исследую клиентский и пользовательский опыт в hh.ru. В статье расскажу, как нашей команде удалось вовлечь компанию в рисёчи и тем самым повысить их полезность.

Представьте: вы потратили недели на крутое исследование. Заказчик получил информацию, сказал «спасибо» и ушёл. Через пару недель о рисёче все забыли, а через пару месяцев даже вы с трудом вспомните, что говорили респонденты.

А что потом? Знания аккуратно лежат по папочкам, но ими никто не пользуется. Архивы растут, ссылки множатся, а ценная информация растворяется в хаосе. Так происходит во многих продуктовых командах.

В hh.ru мы тоже жили с этой болью. Но в 2024 году решили всё поменять: превратить кучу ссылок в рабочую базу знаний, которая реально экономит время и помогает продактам принимать решения. В этой статье расскажу, как мы это сделали, какие инструменты попробовали, что выбрали и к какому результату пришли. Спойлер: стало сильно лучше.

Текст основан на моём выступлении на митапе рисёчеров.

Архив есть, толку нет

Мы столкнулись с проблемой: тонны знаний о продуктах пылятся в давно забытых ссылках и файлах, а сотни часов интервью затерялись в дебрях папок.

Почему так вышло? Частично потому, что мы не научили коллег пользоваться базой знаний. Но главное — архив был неудобен для поиска. Формально данные в одном месте, но чтобы найти что-то полезное, нужно потратить много времени, которого ни у кого нет.

Как это исправить? Мы выделили два подхода, которые описали через метафору «туманности данных». Перед нами бесчисленные звёзды — отдельные исследования. Они красивы, но бесполезны, если нет инструмента для навигации.

Можно:

• Раздать всем телескопы — инструкции и обучение работе с базой знаний

• Преобразовать туманность так, чтобы данные были доступны без телескопа

Первый вариант подготавливает людей, второй — саму систему. Мы выбрали второй, но сначала взглянули на архив и оценили его сильные и слабые стороны.

Confluence: удобно хранить, но сложно искать

Год назад после исследования мы загружали материалы в Confluence, указывали автора, заказчика, цель и методологию, прикрепляли Jira-тикет и файлы. В общей таблице отмечали название исследования и дату встречи.

Система позволяла без труда накапливать материалы, однако стоило попытаться найти что-то конкретное, как сразу возникали проблемы. На поиски уходили часы даже у самих исследователей, что уж говорить о заказчиках.

Почему?

• Нет удобной навигации и поиска

• Материалы разбросаны по разным ресурсам

• Интервью зарыты за слоями ссылок

В итоге мы хранили данные, но не переиспользовали их, и, чтобы найти нужный рисёч, приходилось «путешествовать» по десяткам ссылок. Получалось, что это команда работала на архив, а хотелось бы наоборот. Решить эту проблему средствами Confluence невозможно, поэтому мы начали искать новый подход.

Шаг 1. Ищем спасение (и находим)

Мы с самого начала понимали, что базой должны пользоваться не только исследователи, но и другие коллеги. Было важно создать одинаково удобный архив и для хранения данных, и для самостоятельной работы с ними. В начале мы рассматривали разные варианты: и Notion, и Google Sheets, и специализированные сервисы, среди которых сравнили пять инструментов. 

В итоге остановились на Dovetail:

• Нет ограничения по объёму данных

• Есть адекватная транскрибация интервью

• Глобальный поиск и чат с ИИ, который работает только на основе наших данных

• Возможность делиться доступом со всеми сотрудниками компании

• Разумная цена

А что ещё нужно небольшой команде исследователей с большим количеством внутренних заказчиков?

Шаг 2. Осваиваем базу знаний

Теперь у нас не просто архив, а живая база знаний с умным поиском и AI-помощником.

Вот что изменилось:

• Глобальный поиск. Принимает как классические поисковые запросы, так и прямые вопросы. Можно найти все интервью с упоминанием определенных слов или задать вопрос по типу «что соискатели думают о чате на hh.ru?»

• Контекстный чат с LLM. Он выдает ответ только на основе имеющейся информации и умеет ответить «этого здесь не указано». Например, если спросить, как работодатели проводят интервью в Skype, можно получить закономерный ответ: «Какой Skype? На улице 2025 год»

• Видны все интервью с транскриптами. Легко перейти к нужному фрагменту и услышать голос пользователя без лишних кликов

• Комментарии как в Google Docs

• Хранение любых файлов — от презентаций до таблиц и видео. Всё это учитывается в поиске и AI-ответах

Теперь вместо былых «раскопок» по ссылкам — быстрый поиск и ответы в диалоге. У базы знаний есть AI-ассистент, который заметно упрощает работу с данными. Новый формат помогает собрать нужную информацию из разных проектов, найти все упоминания темы в поиске, уточнить детали интервью в чате вплоть до конкретных минут, а затем собрать подборку и сразу показать её заказчику.

Шаг 3. Не базой единой: меняем подход к исследованиям

Конечно, статья написана не для того, чтобы прорекламировать сервис. Одного инструмента мало — к нему нужно адаптироваться. Новый формат хранения заставил нас перестроить сам процесс исследования.

Мы начали с анализа интервью. Со временем отошли от простых конспектов и теперь тегируем расшифровки — выделяем ключевые темы и отмечаем их прямо в тексте. В результате у нас получается готовая подборка цитат по каждому вопросу. Это сильно упрощает работу: на подборки легко опираться при написании отчётов, а ссылки на них можно вставлять прямо в презентацию. Заказчики переходят по ссылке и видят всё в контексте. Эти же теги доступны через поиск в базе знаний.

Это важно, потому что прямая речь пользователя часто влияет сильнее любого вывода исследователя. Мы можем быстро собрать тематическую подборку и поделиться ею с коллегами или вставить в презентацию. Вместо десятка сухих цитат — несколько видеофрагментов с живыми эмоциями и интонацией респондентов. Такой формат оживляет отчёты, вызывает активное обсуждение в чате и подогревает интерес заказчиков.

Кроме того, мы делаем ежемесячные подборки самых интересных моментов из интервью. Коллеги заходят «просто посмотреть любопытное», а остаются, чтобы задать вопросы LLM. Кстати, именно так в базу знаний добавился наш CPO.

Параллельно мы доработали базу в Confluence: сделали удобное заполнение карточек исследования, добавили фильтры и блок «Похожие исследования». Важно, чтобы к данным можно было попасть как изнутри нового архива, так и через привычные Jira и Confluence.

Конечно, это только начало. Нам ещё предстоит унифицировать теги, понять, как выжать максимум из LLM, и найти новые способы вовлекать компанию в базу знаний. Недавнее кабинетное исследование показало, что даже сейчас система не идеальна: AI-помощнику трудно отличить работодателя от соискателя, и иногда он не указывает точную минуту цитаты. Базе знаний есть куда расти — и это классно!

Итог: туманность превратилась в созвездие

Если вернуться к метафоре: раньше наши данные были пылью в туманности, теперь они — яркие звёзды, собранные в созвездия.

Наша база уже собрала больше 80 пользователей. Что особенно ценно — половина из них не заказчики, а разработчики и аналитики, которые раньше почти не работали с архивом. Теперь данные не пылятся без дела. Мы быстро находим нужные ответы, переиспользуем старые наработки и легко вводим новичков в курс дела.

Хочу дать совет всем, кто только начинает похожий путь. Если вы хотите оживить архив исследований, начните с простого и добавьте в отчёты фрагменты прямой речи. Это вызовет интерес, а дальше вы найдёте свой путь к базе знаний.

Поделитесь, а как хранят исследования в вашей компании? Буду рад обменяться инструментами и лайфхаками.