[nevr]
· 8 мин чтения

Switch Formula из данных, а не из головы

Switch Formula from Knowledge Graph data

Switch Formula — один из самых мощных инструментов Jobs-to-be-Done. Она описывает момент переключения: когда человек уходит от старого решения к новому. Понять этот момент — значит понять, как строить продукт, как его продавать и кому.

Проблема: большинство команд выводят Switch Formula интуитивно. “Ну, клиент переключается, когда боль становится невыносимой”. Это не формула — это догадка.

AICPO строит Switch Formula из данных Knowledge Graph. Каждый элемент формулы — не предположение, а паттерн из реальных разговоров.

Что такое Switch Formula

В классическом понимании JTBD, переключение происходит, когда:

Push (от текущего) + Pull (к новому) > Anxiety (страх изменений) + Habit (инертность)

Четыре силы:

Push — что толкает от текущего решения. Накопившаяся неудовлетворённость, конкретный инцидент, изменение контекста.

Pull — что привлекает в новом решении. Обещание лучшего результата, специфическая фича, нарратив.

Anxiety — что пугает в переходе. Риск ошибки, потеря контроля, необходимость обучения, неизвестность.

Habit — что удерживает на текущем решении. Привычка, встроенность в процессы, инертность команды.

Переключение происходит, когда левая часть уравнения перевешивает правую.

Почему формула из головы не работает

Команды, которые выводят эти четыре силы интуитивно, совершают две ошибки.

Ошибка 1: Проекция. “Если бы я был клиентом, меня бы толкало X”. Но клиент — не вы. Его push может быть совершенно другим. В исследованиях регулярно выясняется, что главный push — не “продукт плохой”, а “менеджер сменился и новый требует другую отчётность”.

Ошибка 2: Переоценка pull. Команда уверена, что клиент переключится ради их killer feature. Но anxiety оказывается сильнее: “Нам нужно обучить 50 человек, это три месяца”. Одна инженерная фича не перевешивает три месяца организационного стресса.

Формула из данных устраняет обе ошибки: вы видите реальные сигналы от реальных пользователей.

Как Knowledge Graph строит каждую силу

Push из графа

Push живёт в трёх типах узлов: pain, constraint, trigger.

Когда пользователь говорит “нам надоело вручную сводить данные из трёх систем” — граф извлекает:

Node(pain): "ручная сводка данных"
  properties: { frequency: "recurring", severity: "high" }
  
Node(constraint): "три несвязанные системы"
  properties: { type: "technical" }
  
Edge: pain ← constraint (тип: caused_by)

После 10-15 разговоров граф показывает: какие боли повторяются чаще всего, какие имеют наибольший вес (confidence × частота), какие связаны с конкретными триггерами.

Push-часть формулы — это топ-3 боли по весу из графа, с evidence trail до конкретных сообщений.

Pull из графа

Pull живёт в узлах solution, feature, metric.

Когда пользователь говорит “хочу видеть всё в одном месте” или “хочу чтобы система сама отправляла отчёт” — граф фиксирует:

Node(solution): "единая точка данных"
  properties: { type: "desired_outcome" }
  
Node(feature): "автоматическая отчётность"
  properties: { priority: "high" }

Важно: pull — это не ваши фичи. Это то, что клиент сам описывает как желаемое. Граф отделяет “то, чего хочет клиент” от “то, что мы думаем, что он хочет”.

Anxiety из графа

Anxiety — самый часто пропускаемый элемент. Команды сосредоточены на push и pull, забывая, что страх может перевесить всё остальное.

В графе anxiety живёт в constraint с типом organizational или psychological:

Node(constraint): "нужно согласовать с IT-отделом"
  properties: { type: "organizational", blocker: true }
  
Node(constraint): "страшно потерять данные при миграции"
  properties: { type: "psychological" }

После нескольких интервью граф показывает: что именно пугает клиентов в переходе. Это не догадки — это слова из их уст.

Habit из графа

Habit — инертность — это Node(solution) с типом current + edges к segment:

Node(solution): "Excel + Google Sheets"
  properties: { type: "current", years_in_use: 5 }
  
Edge: segment → solution (тип: currently_uses, confidence: 91)

Когда в 8 из 10 разговоров “текущее решение” — Excel, граф показывает: habit сильный. Это значит, что pull должен быть достаточно убедительным, чтобы преодолеть 5 лет привычки.

Switch Formula как артефакт

В AICPO Switch Formula — это один из 46 артефактов. Когда Knowledge Graph накопил достаточно данных по всем четырём силам, артефакт генерируется автоматически.

Структура артефакта:

Push (сигналы к уходу):

  • Боль #1 [evidence: N сообщений, confidence: X%]
  • Боль #2 [evidence: N сообщений, confidence: X%]
  • Триггер переключения [конкретное событие, которое запускает поиск альтернативы]

Pull (привлекательность нового):

  • Желаемый исход #1 [цитата из разговора]
  • Желаемый исход #2 [цитата из разговора]
  • Ключевая фича-магнит

Anxiety (барьеры):

  • Организационный барьер [насколько распространён по выборке]
  • Психологический барьер [тип и интенсивность]
  • Технический барьер [сложность интеграции]

Habit (инертность):

  • Текущее решение [как долго используется]
  • Степень встроенности в процессы
  • Сила команды, использующей текущее решение

Каждый пункт — не выдумка, а извлечённые факты. Кликаете на пункт — видите цепочку до конкретного сообщения.

Как использовать для продуктовых решений

Switch Formula даёт три вывода.

Вывод 1: Где сосредоточить маркетинг. Если push сильный (боль высокая, часто повторяется) — маркетинг работает на “толчке”: показываем, что мы понимаем боль лучше, чем клиент её формулирует. Если pull доминирует — работаем на “притяжении”: показываем желаемый мир после перехода.

Вывод 2: Что снижать в онбординге. Самый сильный anxiety из графа — это то, что нужно устранить в первые 10 минут работы с продуктом. Если anxiety = “боюсь потерять данные при миграции” — онбординг начинается с импорта и показывает данные нетронутыми.

Вывод 3: Когда не стоит запускаться. Если habit очень сильный (5+ лет, встроен в процессы 50+ человек), а pull недостаточен — это сигнал: либо поднять ценность предложения, либо целиться в другой сегмент с меньшей инертностью.

Bi-temporal аспект: формула меняется со временем

Знания о Switch Formula устаревают. Контекст меняется: конкурент выпускает фичу, экономика меняется, команда клиента перестраивается.

Knowledge Graph v2 в AICPO хранит данные bi-temporally: каждый узел имеет valid_at и invalid_at. Это значит, что если полгода назад главным push был “медленный интерфейс конкурента” — а конкурент выпустил обновление и стал быстрым — граф это фиксирует.

Switch Formula обновляется автоматически по мере поступления новых данных. Вы всегда видите актуальную картину, а не заморозку из прошлогоднего исследования.

Switch Formula на основе данных, а не интуиции — попробуйте в AICPO или напишите nevr@aicpo.com