## Зачем вообще об этом говорить

В методологических курсах учат делать правильно: репрезентативная выборка, насыщение данных, контроль переменных. В реальной работе ничего из этого не бывает в полном объёме почти никогда. И это нормально — если понимать, что именно ты теряешь в каждом конкретном компромиссе.
Проблема не в упрощении. Проблема — когда упрощаешь не глядя.

## Выборка без репрезентативности

Классический случай: нужно быстро понять, откликается ли концепт продукта, и в работу идут 15 человек, набранных через знакомых и таргет. Не случайная выборка, не стратифицированная — просто те, кто откликнулся.
Что теряем: возможность обобщить результат на всю целевую аудиторию. Если в выборке оказались только активные пользователи приложений до 35 лет, выводы про всю аудиторию 25−55 — это уже спекуляция, а не данные.
Когда это критично: если решение масштабное и дорогое — запуск нового продукта, смена ценовой политики, выход на новый рынок. Здесь цена ошибки высокая, и нерепрезентативная выборка может завести в неверном направлении весь бизнес.
Когда это нормально: на ранней стадии, когда задача — не подтвердить гипотезу статистически, а просто понять, существует ли проблема вообще. Для этого 15 нерепрезентативных интервью часто достаточно, чтобы увидеть паттерн.
В кейсе для здорового питания у нас был онлайн-опрос на 800 человек с конджойнт-анализом — выборка набиралась через панель, не идеально случайная, с понятными смещениями по платформе. Но конджойнт-анализ как метод устроен так, что для выявления компромиссов цена/вкус/польза такая выборка работает: важна не точная генерализация на популяцию, а внутренняя структура предпочтений. Мы знали, что упрощаем именно в этом месте — и закрывали этот пробел фокус-группами по упаковке, где смотрели на качественные реакции отдельно.

## Один раунд интервью вместо насыщения

В академической традиции количество интервью определяется насыщением данных: проводишь, пока не перестают появляться новые темы. На практике это означает не 8 и не 30 – а столько, сколько нужно, и узнать это можно только в процессе.
В продукте бюджет на интервью почти всегда известен заранее. 8, 10, 12 – и точка. Насыщения может не произойти, а отчёт всё равно нужен в пятницу.

Что теряем: уверенность, что мы увидели весь спектр паттернов поведения, а не только самые частые.
Когда это критично: если задача – построить типологию пользователей или найти редкие, но важные сценарии (например, причины отказа от продукта). Здесь недостаточное количество интервью означает, что ты не нашёл главное.
Когда это нормально: если задача – быстро проверить гипотезу или собрать первичные сигналы перед более масштабным исследованием. Кстати, само число «нужно минимум N интервью» – это тоже упрощение, которое часто цитируют без контекста. Guest, Bunce и Johnson в своём известном эксперименте 2006 года показали, что насыщение по их данным наступило в пределах первых двенадцати интервью – и эту цифру с тех пор повторяют как универсальное правило. Но в их исследовании была узкая, чётко определённая тема и достаточно однородная группа респондентов. Для открытой, разнородной по сегментам задачи 12 интервью может не хватить и близко.
В кейсе с финтех-стартапом 20 глубинных интервью с тремя сегментами ЦА не были доведены до классического насыщения по всем темам – но цель была сузить пространство гипотез перед MVP, а не построить исчерпывающую модель. Для этой цели было достаточно.

## Опрос вместо лонгитюда

Хочется понять, как меняется отношение пользователя к продукту со временем – лояльность, привычки, удовлетворённость. Правильный академический ответ – лонгитюдное исследование, повторные замеры на одной и той же группе. Реальность – опрос в один момент времени, потому что на лонгитюд нет ни бюджета, ни времени, ни терпения у заказчика.

Что теряем: возможность отличить изменение от заранее существующей разницы между группами. Срез в один момент времени путает «стало хуже» и «изначально было по-другому у разных людей».

Когда это критично: если решение строится на тренде – мы что-то изменили в продукте, и нужно понять, сработало ли это именно изменение, а не внешний фактор.

Когда это нормально: если вопрос не про динамику, а про текущее состояние – что сейчас мешает, что сейчас работает. Срез для этого подходит идеально, лонгитюд был бы избыточен.

## Что общего у всех трёх случаев?

В каждом из них упрощение становится проблемой только тогда, когда его не называют. Если в отчёте написано «опрос показал рост лояльности» без оговорки, что это разовый срез, а не повторный замер – это уже не упрощение, это искажение выводов.

Разница простая: упрощение – это решение, которое ты можешь объяснить и защитить. Если не можешь объяснить, почему именно этот компромисс был приемлем для именно этой задачи – скорее всего, ты не упростил осознанно, а просто сделал что получилось.

## Что с этим делать?

Перед следующим исследованием, где придётся на чём-то срезать угол – выборке, методе, количестве раундов – задайте себе один вопрос: что конкретно я теряю этим решением, и готов ли заказчик (или я сам) принять решение с этой потерей.

Если ответ есть и он осознанный – упрощайте смело. Если ответа нет – это сигнал притормозить и хотя бы зафиксировать ограничение в отчёте явно, а не спрятать его между строк.