АС Голос клиента
Инструмент для анализа пользовательской обратной связи
Контекст
Система для анализа пользовательской обратной связи. Инструмент агрегирует оценки и комментарии пользователей (от 1 до 5) из различных опросов. Он используется продуктовыми и CX-командами для отслеживания динамики пользовательского опыта, выявления проблем и принятия решений.
Проблема
Данные об обратной связи взяты из Excel:
  • сложно быстро интерпретировать
  • причины проблем неочевидны
  • требуется ручной анализ комментариев

В результате: медленные и неточные продуктовые решения.
Задача
Спроектировать дашборд, который:
  • Покажет собранную обратную связь от пользователей по различным продуктам
  • Позволит быстро находить проблемные зоны
  • Отобразит как количественные оценки (шкала 1–5), так и текстовые комментарии
Основной сценарий
Пользователь заходит в дашборд → видит основные моменты → находит проблемный продукт → понимает причину → создаёт действие.
Макет
Шаги

Декомпозиция задачи

Целевая аудитория – топ-менеджмент. Нужен дашборд не про данные, а про принятие решений за 3 минуты, поскольку у них нет времени длительно анализировать проблемы. Топ-менеджменту важно понять ситуацию, оценить риски и решить, что дальше делать.

Погружение в данные (быстрый анализ Excel)

Проведён аудит файла, найдены закономерности:
  • уже с 500 строк видны паттерны
  • продукты «Платежи» и «Личный кабинет» лидируют по числу отзывов – на них держим фокус
  • частые негативные фразы: «поддержка не помогла», «проблемы с доступом», «очень неудобно»
Вывод: нужен слой анализа, который покажет за 1 минуту поверхностно, что происходит на дашборде.

Кто пользователь и в каком контексте работает?

Представляю топ-менеджера:
  • у него 10 встреч в день, 500 писем и вечно горящий дедлайн
  • он заходит в дашборд на 5 минут между созвонами
  • ему нужно сразу увидеть: что упало, где болит, кто виноват и что делать
Значит, интерфейс должен быть сканируемым за 3 секунды. Никаких глубоких меню – всё на главной, с цветовыми сигналами и понятными формулировками.

Мозговой штурм

Я разрешаю себе думать широко:
  • а что, если AI сам будет писать подсказки проблем?
  • а если группировать комментарии не вручную, а алгоритмом на кластеры?
  • а если предсказывать будущее?
  • а если сразу можно создать задачу в Jira?
  • добавить критичную кнопку, чтобы показать только критические проблемы
  • AI-кластеризация комментариев: автоматически группировать отзывы по темам (цена, баги, интерфейс, скорость)

Приоритизация и иерархия

Я строила дашборд не как набор графиков, а как инструмент для принятия решений.
Поэтому интерфейс разложен на условные уровни:
  1. Сигнал – скрининг
  2. Фокус
  3. Причины
  4. Действия

Интерфейс

Отрисовка низкодетализированного варфрейма.
Отрисовка макета.
Мозговой штурм
UI KIT
Ожидаемый эффект
  • Сокращение времени от входа в дашборд до принятия решения: с часов до 3 минут.
  • Мгновенное выявление проблемных зон (цветовая сигнализация, тренды).
  • Причины проблем видны без ручного анализа благодаря AI‑кластеризации комментариев.
  • Возможность сразу создать задачу в Jira.
Бизнес-результат: снижение времени на анализ на 80%, более быстрая и точная реакция на падение качества, переход к проактивному управлению.
Вернуться на главную Следующий кейс