2.6 instruction — AI Segmenter with Workslop Filter

Этап RB-STEP-2 — CUSTOMER VALIDATION (Stage 1) · Линза: Product (контекст: Business/Strategy) · Инструкция для Инженера Продукта нового поколения (PAF, [S1],[S2]). Преемственность метода: исходный раннбук RB-STEP-2-CUSTOMER-VALIDATION/2.6 Формирование профилей сегментов.md (кластеризация по поведению, разрезы сегментации, правило «демография — в конце», профили сегментов).

🎯 Цель в PAF-оптике

Заменить ручную кластеризацию и ручные CJM/Empathy Map на Сегментатор с workslop-фильтром: Кортекс кластеризует узлы Нексуса в сегменты по поведенческим разрезам (не по демографии), с явным правилом «персона ≥4 интервью» и метапознание-чеком против AI-сгенерированных персон. Сегмент = подграф Нексуса с уникальным триггером/путём/проблемой, а не «карточка в Notion» [reformation 2.6, 2.9].

👤 Роль и ответственность

• Product Engineer — задаёт разрез сегментации (ситуация-триггер / уровень боли / поведение / цель / мотивация / ролевой контекст / опыт — из исходного 2.6); валидирует сегменты.
• Product Ops — поддерживает workslop-фильтр (правило ≥4 интервью на персону) и метапознание-гейт.
• Growth Engineer — добавляет к каждому сегменту mNSM-профиль (платёжеспособность, готовность платить).
• Зона человека: выбор фокус-сегмента — стратегический вызов, переходит в 2.7.

🤖 Что делает Кортекс-агент

Сегментатор (AI Segmenter Agent) с workslop-фильтром: - Вход: спелый подграф Нексуса потребителя из 2.5 (единицы знания о поведении). - Действие: кластеризует узлы по поведенческим разрезам; формирует профили сегментов (название/описание/триггеры/начальное→целевое/мотивация/поведение/ключевые проблемы/ценности/уровень боли — структура из исходного 2.6); применяет workslop-фильтр: персона = узел Сегмент допускается только при ≥4 подтверждающих интервью (иначе отбрасывается как AI-выдумка); метапознание-чек. - Выход: 2–5 поведенческих сегментов как подграфов Нексуса, каждый с mNSM-профилем и CP.

Разрезы сегментации (по исходному 2.6)

PAF не фиксирует разрез — он определяется контекстом. Наиболее частые: | Разрез | Вопрос | Пример | |---|---|---| | Ситуация-триггер | Что запускает потребность? | Экстренный vs плановый поиск | | Уровень боли | Насколько остро? | Критично vs просто неудобно | | Поведение | Как решает? | Через знакомых vs через интернет | | Цель | Чего хочет? | Быстро найти vs найти надолго | | Мотивация | Почему важно? | Снять тревогу vs оптимизировать | | Ролевой контекст | Кто решает? | Родитель vs взрослый ученик | | Опыт | Первый раз / повторно? | Новичок vs опытный |

Совет: начинать с разреза «ситуация-триггер × уровень боли» — они наиболее значимы для продуктовых решений.

Структура профиля сегмента (по исходному 2.6)

Профиль сегмента
├── Название и описание (поведенческое, не «женщины 25–40»)
├── Ситуации-триггеры
├── Начальное → Целевое состояние
├── Мотивация
├── Текущее поведение (как решает сейчас)
├── Ключевые проблемы (где болит и почему)
├── Ценности (что считают «хорошим»)
├── Уровень боли
└── Вспомогательные характеристики (демография — В КОНЦЕ, не в начале)

Работslop-фильтр: правило «персона ≥4 интервью»

Главный workslop-риск Stage 1 — AI-сгенерированные «персоны» [reformation 2.9]. Фильтр: узел Сегмент принимается только если подтверждён ≥4 интервью с цитатами-доказательствами. Сегмент из 1–3 интервью → кандидат на доработку (не персона). Сегмент из «интуиции Кортекса» без интервью → отбрасывается (CP=0). Это превращает классическую Empathy Map/персону в верифицированный подграф.

Пример кластеризации (по исходному 2.6, AI-репетитор)

«Экстренный поиск» (плохая оценка/экзамен, нужно быстро, готовы платить за скорость) · «Плановый поиск» (начало года, важна долгосрочная совместимость, есть время) · «Повторный поиск» (текущий не подошёл, есть опыт, проблема передачи контекста). Каждый — отдельный подграф с уникальным триггером/путём/проблемой. Проверка: каждый реальный респондент относится к одному кластеру; «не вписывающиеся» — возможный новый сегмент или выброс.

🧠 Что делает человек (метапознание)

• Чекпоинт: Product Engineer проверяет каждый сегмент на правило «демография — в конце, не в начале» (поведение первично).
• Veto-право: отбраковать сегмент-«средний пользователь» (мешанина паттернов) или AI-персону без 4 интервью.
• Метапознание: главный workslop-риск стадии — AI-сгенерированные «персоны»; фильтр обязателен [reformation 2.9].

Проверка через карточки интервью (по исходному 2.6)

После авто-кластеризации Product Engineer возвращается к карточкам интервью и проверяет: соответствует ли каждый реальный человек сегменту? Нет ли «не вписывающихся»? Если человек не попал ни в один кластер — это возможный новый сегмент (провести ещё интервью) или выброс (исключить с обоснованием). Эта триангуляция (человек ↔ авто-кластер) — ключевая защита от workslop.

Почему продукт не может быть «для всех» (по исходному 2.6)

Разные сегменты: разные проблемы, разная готовность платить, разные каналы. Смешать их в «портрет среднего» → образ, не описывающий никого → продукт для абстрактного среднего не попадает ни в кого. Сегментация = фокус = управляемая структура вместо хаоса данных. 2–5 чётких профилей готовят почву для выбора ОДНОГО фокус-сегмента в 2.7.

📦 Артефакт = узлы Нексуса потребителя

• Узлы Сегмент (2–5), каждый — подграф: триггер + путь + проблема + мотивация + ценности + уровень боли.
• Метаданные: разрез сегментации, список подтверждающих интервью (≥4), уровень боли, готовность платить (mNSM), CP, демография (вспомогательная).
• Context Ripeness: сегментация повышает полноту (структурирует хаос).

🚦 Confidence Point-гейт

• Критерий: каждый сегмент ≥4 интервью; разрезы сегментации осмыслены; нет AI-персон без доказательной базы.
• Стоимость риска: «Сколько стоит фокус на выдуманном сегменте (продукт не для кого)?»

🔭 Связь с Тремя Линзами (3PL)

Product Lens — сегменты = объекты Product Sprint. Business Lens — mNSM-профиль сегмента (Growth Engineer) определяет монетизируемость. Strategy Lens — узлы рынка проверяют ёмкость сегмента.

🛡️ Анти-workslop чекпоинт

• Правило «персона ≥4 интервью» — критический фильтр стадии [reformation 2.9].
• Трассировка сегмента до конкретных интервью (список в метаданных).
• Запрет на авто-генерацию персоны из одного интервью или из «интуиции» Кортекса.

🔄 Преемственность: классика → PAF

Было (исходный 2.6)	Стало (PAF)
Ручная кластеризация единиц знания	Сегментатор-агент (кластеризация узлов)
Empathy Map / CJM / Buyer Profile	Подграф Нексуса с поведенческими узлами
Персона = карточка (риск workslop)	Персона = узел только при ≥4 интервью
Разрезы сегментации вручную	Те же разрезы, но с workslop-фильтром и метапознание-чеком
Демография в начале профиля	Демография в конце (поведение первично)
Профиль = артефакт-документ	Сегмент = спелый подграф с mNSM-профилем

🧩 Маппинг к Skill Map / профстандарту 06.012

• Skill Map сектор 1 (Discovery) × сегментация [S3].
• Профстандарт B/01.5 «Продуктовые исследования» [S4].
• Уровень: средний круг (анализ, кластеризация, проектирование).

📖 Пример верификации сегмента (AI-репетитор)

Авто-кластер Сегментатора: «Экстренный поиск» (триггер=плохая оценка/экзамен, боль=острая, поведение=сарафанное радио+площадки, мотивация=сдать вовремя). Workslop-фильтр: подтверждён ли ≥4 интервью? — Да, интервью #1, #3, #5, #7, #9 с цитатами («дочь провалила контрольную, надо срочно»). → узел Сегмент принимается, CP высокий. Анти-workslop-сценарий: Кортекс «предлагает» сегмент «Занятые родители, ценящие время» на основе 2 интервью и интуиции → фильтр отбрасывает (≤4 интервью, нет поведенческой уникальности) → это workslop, не персона. Проверка человеком: возвращаемся к карточкам — каждый из 12 респондентов отнесён к одному из 3 кластеров; #5 «не вписывается» (ищет репетитора для себя, не для ребёнка) → отдельный кандидат-сегмент или исключение.

❓ Контрольные вопросы (метапознание)

1. Каждый сегмент подтверждён ≥4 интервью с цитатами? (правило workslop-фильтра)
2. Разрез сегментации — поведенческий (триггер/боль/поведение), а не демографический?
3. Нет ли сегмента-«среднего пользователя» (мешанины паттернов)?
4. Демография — в конце профиля, не в начале?
5. Каждый ли реальный респондент отнесён к сегменту? («не вписывающиеся» — новый сегмент/выброс)
6. Есть ли mNSM-профиль у каждого сегмента (Growth Engineer)?
7. 2–5 чётких профилей (а не 10 размытых)?

⚠️ Типичные ошибки 2.6

• AI-персона из 1–3 интервью → главный workslop стадии; фильтр ≥4 обязателен.
• Демографический разрез («женщины 25–40») → поведенческий (триггер/боль/опыт).
• «Средний пользователь» → мешанина; разделить на 2–3 сегмента или исключить выбросы.
• 10+ размытых сегментов → консолидировать до 2–5 чётких.
• «Не вписывающиеся» проигнорированы → возможный новый сегмент, провести доп. интервью.
• mNSM-профиля нет → Growth Engineer обязан навесить на каждый сегмент.

🔗 Связи

Назад: 2.5 instruction · Дальше: 2.7 instruction Связанные: reformation · index · naming_conventions · PAF-ANALYSIS