# SKILL: ИССЛЕДОВАНИЕ ЦА ЗА 15 МИНУТ v1.0 **Автор:** Ира Буян (@ira_and_ai) + Клод **Дата:** 15 апреля 2026 **Что делает:** Собирает портрет целевой аудитории через 3 нейросети параллельно + локальные источники. В одном окне. Без ручной пересадки между вкладками. **Вдохновлено:** [статьёй на Хабре про "Метод Франкенштейна"](https://habr.com/ru/articles/1018360/) — там то же самое делают руками за 2 часа. Этот скилл делает за 15 минут. --- ## ТРИГГЕРЫ - **"исследование ца"**, **"анализ аудитории"**, **"портрет клиента"** - **"исследуй ца для [продукт]"** - **"кто моя аудитория"**, **"кому это продавать"** --- ## ПРИНЦИП **"Метод Франкенштейна" в одном окне.** 3 модели отвечают на один вопрос, каждая сильна в своём. Claude Code (ваш основной) собирает всё в финальный отчёт. **Бюджетный стек (рекомендую):** через [OpenRouter](https://openrouter.ai), одно исследование ЦА обходится в копейки. | Роль | Источник | За что отвечает | |---|---|---| | Глубина + цитаты | модель через OpenRouter | анализ, нюансы, цитаты | | Второе мнение + reasoning | модель через OpenRouter | свежий взгляд, другой трейн | | Цифры + факты | **Gemini** | большой контекст, источники | | Контрольный голос | **ChatGPT** | подтверждение/опровержение фактов | | Синтез + финальный отчёт | **Claude** (ваша Claude Code подписка) | структура, эмпатия, язык | При подключении вам нужно выбрать конкретные модели под каждую роль. На [OpenRouter](https://openrouter.ai) видно скорость, качество и стоимость — экспериментируйте, результат сильно зависит от подбора. Плюс **локальные источники**: Telegram-экспорты, интервью, опросы. Читаются в Claude Code напрямую — NotebookLM не нужен. --- ## ТРЕБОВАНИЯ К ОКРУЖЕНИЮ **Обязательно:** - Claude Code (скилл запускается здесь) **Желательно:** - MCP для веб-поиска — чтобы агент мог искать в интернете - OpenAI MCP — чтобы подключить ChatGPT Deep Research - Gemini MCP — чтобы подключить Gemini **Если MCP не настроены** — скилл всё равно работает, но только на Claude + локальных источниках. Результат чуть беднее, но всё равно в 5-6 раз быстрее ручной схемы. --- ## ПРОЦЕСС ### Шаг 0: Сбор входных данных Клод задаёт один раз: 1. **Продукт / услуга** — что исследуем? (1-3 предложения) 2. **Цель исследования** — позиционирование / новый продукт / лендинг / рассылка? 3. **Что уже есть?** (опционально): - TG-чаты / сообщества, куда есть доступ — экспорт JSON (Telegram Desktop → Export chat history → JSON) - Интервью / заметки / опросы — файлы .md / .txt / .docx - Сайт конкурента / кейса — ссылка Если данных нет — идём на открытые источники (веб-поиск + 3 модели). --- ### Шаг 1: Метапромптинг (1 минута) Claude ПЕРЕД запуском субагентов сам пишет оптимальный промпт для исследования. Системное сообщение: > "Ты — senior research strategist. Напиши оптимальный промпт для исследования ЦА продукта [X] с целью [Y]. Промпт должен: (1) запросить портреты с демографией, психографией, болями, возражениями; (2) запросить язык аудитории (как они сами говорят о проблеме); (3) запросить кейсы / цитаты / данные; (4) запросить каналы, где эту аудиторию искать. Учти ограничения: не выдумывать цифры, помечать допущения." Клод возвращает промпт. Вы смотрите, одобряете или корректируете. --- ### Шаг 2: Параллельный запрос — 3 субагента Запустить через Task tool **одновременно**: #### Субагент 1 — Claude (структура и портреты) ``` Ты — research strategist. На основе промпта [вставить] построй: - 3-5 портретов ЦА (ФИО условное, возраст, роль, день из жизни) - Для каждого: 3 главные боли, 3 возражения, 3 триггера покупки - Язык аудитории: 10 фраз, которыми они сами описывают проблему - Анти-аудитория: кому этот продукт НЕ нужен Используй открытые источники через веб-поиск. Не выдумывай цифры. ``` #### Субагент 2 — ChatGPT Deep Research (через OpenAI MCP) ``` Запусти ChatGPT в режиме Deep Research с промптом [вставить]. Задача: найти реальные цитаты, посты, обсуждения этой аудитории (форумы, reddit, TG-каналы, отзывы). Верни: 15-20 цитат дословно + источник + контекст. ``` Если OpenAI MCP не настроен — субагент вместо этого идёт в веб-поиск и ищет цитаты руками. #### Субагент 3 — Gemini (через Gemini MCP) ``` Запусти Gemini с промптом [вставить]. Задача: цифры, статистика, размер рынка, тренды. Верни: 10-15 фактов с цифрами + ссылка на источник. Не верь своей памяти — ищи через поиск. ``` Если Gemini MCP не настроен — субагент идёт в веб-поиск. --- ### Шаг 3: Обработка закрытых источников (параллельно с Шагом 2) Если вы загрузили локальные файлы (TG-экспорт JSON, интервью, опросы): #### Субагент 4 — локальные источники ``` Прочитай файл [путь]. Это: - JSON → экспорт TG-чата. Извлеки реальные боли, язык, вопросы. - .md/.txt → интервью / заметки. Выдели паттерны. - .docx → опрос. Собери частотность ответов. Верни: топ-20 фраз дословно + пометка "повторяется N раз". ВАЖНО: анализируй ТОЛЬКО этот файл. Ничего не додумывай, не подставляй из общих знаний. ``` Это заменяет NotebookLM-хак из статьи. Изоляция источника — та же, но без переключения сервиса. --- ### Шаг 4: Синтез (Claude, 2-3 минуты) Claude получает выходы от 3-4 субагентов. Делает: 1. **Сверка противоречий** — где модели не согласны? (часто там — самый сильный инсайт) 2. **Приоритизация болей** — какие боли повторяются у 2+ источников? 3. **Язык аудитории** — топ-20 фраз из цитат + локальных источников 4. **Финальный отчёт** по шаблону ниже --- ### Шаг 5: Вывод — шаблон отчёта ``` ═══════════════════════════════════════ ИССЛЕДОВАНИЕ ЦА: [продукт] — [дата] ═══════════════════════════════════════ 🎯 ГЛАВНЫЙ ИНСАЙТ [1 абзац — что самое важное, чего нет на поверхности] --- 👤 ПОРТРЕТЫ (3-5) Портрет 1: [Имя условное, возраст, роль] - День из жизни: [1 абзац] - Боли: 1. ... 2. ... 3. ... - Возражения: 1. ... 2. ... 3. ... - Триггер покупки: [что заставит нажать кнопку] - Где найти: [каналы] Портрет 2: [...] [...] --- 🗣️ ЯЗЫК АУДИТОРИИ (топ-20 фраз) 1. "..." — повторяется / источник 2. "..." — повторяется / источник [...] Используй эти фразы в лендинге, рассылке, постах. Дословно. --- 📊 ЦИФРЫ И ФАКТЫ - Размер рынка: [цифра + источник] - Средний чек: [цифра + источник] - Где они сидят: [топ-3 канала + цифры] [...] --- 🚫 АНТИ-АУДИТОРИЯ [кому НЕ продавать — экономит время и нервы] --- 🔄 ПРОТИВОРЕЧИЯ (если есть) [где источники не согласны — это чаще всего точка роста] --- 📋 ПЛАН ДЕЙСТВИЙ (3-5 шагов) 1. [...] 2. [...] ═══════════════════════════════════════ ``` Сохраните результат в удобную папку, например `~/ЦА-исследования/YYYY-MM-DD-[продукт].md` --- ## ПРАВИЛА 1. **Всегда метапромптинг** на Шаге 1. Модель сама улучшает промпт на 30-40%. 2. **3 модели параллельно**, не последовательно. Экономия времени x3. 3. **Локальные данные — локально.** Не загружай TG-экспорты в сторонние сервисы. Claude читает JSON напрямую. 4. **Не верить цифрам из памяти** любой модели. Всегда требовать ссылку на источник. 5. **Противоречия ≠ ошибки.** Там часто прячется инсайт, которого нет на поверхности. 6. **15 минут — это пол исследования.** Второй подход через день — с новыми входными — часто находит ещё один слой. Не полируй первый отчёт до идеала. --- ## ⚠️ ВАЖНО: ПРОВЕРКА ДАННЫХ ПЕРЕД ПУБЛИКАЦИЕЙ Модели иногда галлюцинируют — особенно на цифрах, статистике и названиях кейсов. Перед тем как **вставить любую цифру из отчёта в лендинг / продающий текст / инвестиционный документ** — обязательно проверь: **Что проверять:** - Конкретные цифры (LTV, конверсии, размеры рынка) - Имена реальных людей и их кейсы - Цитаты "кейс-якорей" (например, "Переводчик с собачьего — 11К подписчиков, 150 paid") - Ссылки на источники — открой и убедись что они ведут куда должны - Стоимость конкурентов — позвони / посмотри сайт лично **Как проверять:** 1. Открой указанный источник → проверь цифру на месте 2. Погугли имя/компанию — существуют ли реально 3. Если источник не указан — **считай цифру черновиком**, не фактом 4. Если источник указан, но модель перефразировала — сверь оригинал **Правило:** чужая цифра без твоей проверки = твоя репутация при ошибке. --- ## 🤔 РЕКОМЕНДАЦИИ ≠ РЕШЕНИЯ Скилл возвращает **углы зрения и гипотезы**, не готовые решения. Финальное решение о стратегии, цене, запуске и приоритетах принимаешь ты — человек, у которого есть: - Полный контекст своей жизни (здоровье, ресурсы, другие проекты) - Интуиция и опыт работы с этой аудиторией - Ответственность за результат **Примеры, где скилл даст "правильный" ответ, но ты должна решить сама:** | Что скажет скилл | Что ты должна учесть | |---|---| | "Запусти продукт А, вероятность продаж 70%" | Есть ли у тебя силы сейчас? Не конфликтует ли с планами? | | "Снизь цену с 500₽ до 200₽ для beta" | Это твоё позиционирование — готова ли ломать? | | "Цель 100 платных = нужна база 2000" | Может, тебе не нужно 100 платных. Может нужно 30 и чек 2000₽ | | "Топ-инсайт: боль Х" | У тебя на это есть своя гипотеза — сверься, не переключайся слепо | Скилл — это **расширенный мозг с доступом к данным**, не замена твоему. Противоречия между скиллом и твоей чуйкой — это сигнал подумать, а не сигнал подчиниться. --- ## TROUBLESHOOTING **"OpenAI/Gemini MCP не настроен"** → скилл работает в урезанном режиме, только Claude. Результат ~70% качества. **"TG-экспорт JSON слишком большой"** → разбей на куски по 50 MB или попроси Claude сначала извлечь только сообщения, без метаданных. **"3 модели дали разное"** → это фича, не баг. Проси Claude в синтезе явно выделить расхождения. **"Отчёт получился общим / без инсайтов"** → входные данные слабые. Вернись к Шагу 0: уточни продукт, добавь локальные источники. --- ## СРАВНЕНИЕ: РУКАМИ vs ЭТОТ СКИЛЛ | Параметр | Руками (как в статье Хабр) | Через скилл | |---|---|---| | Время | ~2 часа | ~15 минут | | Окон | 4 (Claude + ChatGPT + Gemini + NotebookLM) | 1 (Claude Code) | | Ручная пересадка | JSON → конвертер → NotebookLM → копипаст | нет | | Ограничение | внимание человека | только скорость API | | Повторяемость | каждый раз заново | одна команда, любой продукт | | Приватность TG | данные уходят в NotebookLM (Google) | читаются локально | --- ## ВЕРСИЯ **SKILL: ИССЛЕДОВАНИЕ ЦА ЗА 15 МИНУТ** **Версия:** 1.0 **Дата:** апрель 2026 **Лицензия:** MIT --- ## FEEDBACK Если попробовали — напишите что зашло / не зашло: - Telegram: [@ira_and_ai](https://t.me/ira_and_ai) - Сайт: [iraai.ru](https://iraai.ru)