Как сделать анализ целевой аудитории без своих клиентов и без портрета, придуманного на планёрке, подсказывают чужие покупатели, которые уже написали в отзывах, зачем звали подрядчика и за что его ругают. Реплики собирают с площадок отзывов и из поисковых фраз, отсеивают тех, кто покупателем не был, каждой реплике ставят повод заказа и главную претензию, а доли проверяют без крупнейшего источника.
В разборе 316 отзывов о шести клининговых компаниях Москвы и Зеленограда две трети претензий касались двух вещей, расхождения между обещанным и сделанным и сорванного времени приезда.
И сверх этого здесь разобрано, как превратить разбор в деньги, какие вопросы задать себе по чужим репликам, как их закрыть и как закрывать дальше быстрее, отдав часть работы ИИ.
Инструменты для анализа целевой аудитории по чужим репликам
Чужие покупатели уже описали свою задачу, причём там, куда собственник заглядывает редко, в отзывах на площадках и картах и в поисковых фразах. Отзывы читают перед покупкой, и это измерено. По отчёту исследовательского центра Spiegel при Северо-Западном университете за 2017 год вероятность покупки товара с пятью отзывами на 270% выше, чем товара без отзывов. Слова из отзывов и есть язык, которым покупатель выбирает.
Вордстат показывает, с каким поводом люди ищут услугу, только в его выдаче живут не одни покупатели. В кусте «клининга» на первое октября 2026 года фраза «клининг после ремонта» набирает 14 445 показов в месяц, а рядом «клининг вакансии» 6 614 и «работа в клининге» 3 538 (это ищут работу соискатели). Поэтому про каждую реплику я сначала спрашиваю, чья она, и только потом считаю.
Собственные клиенты и интервью с ними идут следующим шагом, порядок разобран в анализе целевой аудитории по своим оплатам и записям разговоров. Копировать сотни чужих отзывов руками не обязательно, парсинг конкурентов собирает их программой.
Живой пример: 316 отзывов о клининге в Москве
Первого октября 2026 года я собрал с Отзовика все отзывы о шести клининговых компаниях Москвы и Зеленограда, 316 штук, и распределение оценок вышло знакомым. На единицу 185 отзывов, на пятёрку 99, а на всё между ними, от двух до четырёх звёзд, только 32.
Восемь реплик пришлось выбросить до счёта. Трое бывших сотрудников жаловались на невыплаченную зарплату, один автор прямо назвался конкурентом, ещё один отзыв оставлен «по просьбе сотрудника», а три оказались про автомойку с тем же названием, глажку белья и реставрацию ванны. Осталось 308 отзывов покупателей, из них 195 на одну-две звезды.
Сначала я попробовал словарь ключевых слов, и на 202 негативных отзывах, ещё до отсева, он не нашёл причины у 89 (люди пишут своими словами). Так что каждому из 195 отзывов главную причину недовольства я поставил руками, по заголовку, полям «Достоинства» и «Недостатки» и началу текста. Выборка старая, 175 отзывов из 316 написаны до 2020 года.
Что пишут те, кто поставил одну-две звезды
| Главная причина | Вся выборка, из 195 | Без крупнейшей компании, из 71 |
|---|---|---|
| Сделали хуже обещанного, «генеральная» вышла обычной | 81 (41,5%) | 33 (46,5%) |
| Не приехали или сорвали время без предупреждения | 47 (24,1%) | 16 (22,5%) |
| Ковры и вещи на фабрике, сроки и качество | 37 (19,0%) | 6 (8,5%) |
| Испортили вещь | 10 (5,1%) | 5 (7,0%) |
| Цена выросла на месте | 9 (4,6%) | 6 (8,5%) |
| Хамство, чеки, причина не видна | 11 (5,6%) | 5 (7,0%) |
Две трети претензий, 128 из 195, держатся на обещанном списке работ и на времени приезда. Владелец клининга продаёт чистоту и рекламирует чистоту, а покупатель наказывает его за разрыв между словом «генеральная» в заказе и тем, что сделано к вечеру. Снимает противоречие бумага, и обходится она дешевле новой химии: перечень работ письменно в заказе, приёмка по нему при клиенте и окно приезда, о сдвиге которого звонят заранее.
Похвалу за пунктуальность я нашёл в 13 положительных отзывах из 103, а сорванное время стало главной причиной в 47 отрицательных. Вовремя приехавших почти не хвалят, опоздавших запоминают надолго.
Что покупатель называет качеством
По моему опыту, разговор о целевой аудитории почти всегда упирается в слово «качество». Собственник уверен, что клиенты ищут лучшее за свои деньги, и он прав, только «лучшее» каждый понимает по-своему, а узнать, что именно, и есть работа анализа. Популярных толкований в одной ценовой группе обычно три-четыре, и в чужих отзывах их видно ещё до первого опроса. В собранных отзывах о клининге качество для покупателя оказалось уборкой по обещанному списку и приездом в назначенный час, а свой инвентарь и средства похвалили в шести отзывах из 103.
Три проверки, без которых доли из отзывов врут
Доля, посчитанная по отзывам, описывает тех, кто написал отзыв, поэтому прежде чем нести её в решение, я прогоняю её через три проверки.
Первая про перекос оценок. Нань Ху, Пол Павлоу и Цзе Чжан в Communications of the ACM за октябрь 2009 года показали, что у отзывов на Amazon распределение J-образное, много пятёрок, заметно единиц и почти ничего посередине. В эксперименте, где отзыв писали все участники, распределение выходило близким к нормальному. Пишут довольные и разозлённые, так что доля годится для сравнения причин между собой, а долей недовольных клиентов не становится.
Крупнейший источник и насыщение
Вторая проверка про крупнейший источник. В моей выборке одна компания дала 153 отзыва из 316, почти половину, и каждый вывод я пересчитываю без неё. Главный вывод выдержал, у остальных пяти компаний на обещанный список работ и время приезда приходится 69% претензий, а вот жалобы на ковры почти целиком принадлежат одной фирме, 31 из 37.
Третья про насыщение, момент, когда сбор можно остановить. Грег Гест с соавторами в журнале Field Methods за 2006 год нашли 73% тем в первых шести интервью и 92% в первых двенадцати. У меня полный список причин сложился на первых 110 отзывах, следующие 206 новой причины не добавили.
Где нейросеть ускоряет разбор реплик, а где додумывает
Самую долгую часть работы, чтение сотен отзывов с разметкой повода и претензии, я отдаю нейросети первой, но только с номером отзыва у каждой строки. Человек к сотому отзыву устаёт и начинает видеть то, что ожидал, а машине всё равно, какой отзыв по счёту.
Опасна она в двух местах. Нейросеть охотно называет причину там, где в тексте её нет, и уверенно припишет отзыву «недовольство ценой», если человек писал про опоздание, поэтому я перечитываю глазами хотя бы двадцать строк разметки. И она легко переносит доли с отзывов на весь рынок, а этого делать нельзя, ведь пишут в основном крайние. За собственником остаётся решение, какую причину чинить первой, что вписать в заказ и договор и кому отказывать.
Промпт: разметка чужих отзывов в доли причин и формулировки
Подойдёт любая крупная модель. DeepSeek бесплатен и открывается без VPN, ChatGPT и Claude мощнее, но с ограничениями доступа из России. На вход идут отзывы, скопированные со страниц конкурентов на площадках отзывов, у каждого номер, оценка и название компании. Имена клиентов и сотрудников замените метками, персональные данные и коммерческую тайну в публичный чат не вставляйте.
Ты аналитик клиентских отзывов на российском рынке услуг.
Идеальный результат: таблица главных причин недовольства и поводов заказа с долями в процентах, та же таблица без компании, давшей больше всего отзывов, и под каждой причиной одна фраза для моего сайта и одна строка для заказа или договора.
Зачем мне это: понять, за что покупатели в моей нише наказывают подрядчиков, и закрыть это в своём предложении раньше конкурентов.
Задачи по порядку, следующую не начинай, пока не закрыта предыдущая:
1. Спроси, какую услугу я продаю, и проверь, что у каждого отзыва есть номер, оценка и компания.
2. Отсей отзывы не покупателей: сотрудники, конкуренты, другая услуга. Покажи номера отсеянных и причину.
3. Каждому отзыву на 1-2 звезды поставь одну главную причину, каждому отзыву повод заказа, если он назван. Пиши номер отзыва и цитату до 15 слов.
4. Посчитай доли причин от числа отзывов на 1-2 звезды и пересчитай их без компании с наибольшим числом отзывов. Покажи оба знаменателя.
5. Под каждой причиной с долей от 10 процентов дай фразу для сайта и строку для заказа или договора.
Нюансы: причина берётся только из текста отзыва. Если причину не определить, ставь «не определить» и не угадывай. Если у отзыва на 1-2 звезды хвалебный текст, не включай его в знаменатель и покажи отдельным списком.
Рамки: не переноси доли на весь рынок и всех клиентов, не выдумывай причин и цитат, не советуй рекламные каналы. Мотивационные речи и рассуждения о важности опусти полностью.Второй знаменатель в четвёртой задаче отделяет беду ниши от беды одной компании.
Такие разборы по открытым данным делает Довод, где я развиваю инструменты исследования рынка по открытым обсуждениям и поисковым запросам и смотрю, какими словами люди описывают свои задачи. Перенос вывода с собранных обсуждений на весь рынок мы обосновываем отдельно, а порядок работы с рынком целиком описан в анализе рынка и конкурентов. Задачу можно описать в Telegram.
Коротко: главное из статьи
- Анализ целевой аудитории можно сделать по чужим репликам, отзывам на площадках и поисковым фразам, ещё до первого своего клиента.
- Перед счётом реплики отсеивают: из 316 отзывов о клининге 8 оставили сотрудники, конкурент и клиенты другой услуги, а в Вордстате рядом с покупателями ищут работу соискатели.
- Каждой негативной реплике ставят одну главную причину вручную, словарь ключевых слов не нашёл причины у 89 негативных отзывов из 202.
- В клининге 128 из 195 негативных отзывов касаются обещанного списка работ и времени приезда, без крупнейшей компании это 69%.
- Доли проверяют трижды, на перекос к крайним оценкам, пересчётом без крупнейшего источника и по насыщению списка причин.
- Нейросеть ускоряет разметку, если у каждой строки стоит номер отзыва, а переносить доли из отзывов на весь рынок нельзя.
Частые вопросы
Как делать анализ целевой аудитории, если своих клиентов ещё нет?
По чужим. Соберите отзывы о трёх-шести компаниях своей ниши с площадок отзывов и карт и поисковые фразы из Вордстата. Отсейте реплики сотрудников, конкурентов и клиентов другой услуги, каждой негативной поставьте одну главную причину, а каждой реплике повод заказа. Доли причин подскажут, что закрыть в своём предложении до первой продажи.
Какие инструменты нужны для анализа целевой аудитории по отзывам?
Хватает трёх. Площадка отзывов или карты, где лежат реплики покупателей с оценкой, Вордстат, где видно, с каким поводом ищут услугу, и таблица для разметки. Сбор сотен отзывов ускоряет парсер, разметку нейросеть, но каждую строку разметки сверяют с текстом отзыва по номеру. Портрет по полу и возрасту из отзывов не собрать, площадки этих данных обычно не показывают.
Сколько отзывов нужно прочитать, чтобы выводы были надёжными?
Столько, чтобы новые причины перестали появляться, это говорит о полноте списка причин, а их доли проверяют отдельно. В разборе 316 отзывов о клининге полный список причин сложился на первых 110, дальше прибавлялись только случаи. Для интервью Гест с соавторами в 2006 году нашли 92% тем в первых двенадцати разговорах. Если одна компания даёт половину отзывов, выводы пересчитывают без неё.
Можно ли по отзывам на конкурентов понять свою аудиторию?
Можно понять, за что покупатели в нише наказывают подрядчиков и с каким поводом приходят, и это рабочий материал для предложения, договора и сайта. Долю недовольных клиентов по отзывам посчитать нельзя, ведь пишут в основном крайне довольные и крайне злые, это показали Ху, Павлоу и Чжан на отзывах Amazon. Свою аудиторию дальше проверяют собственными продажами и интервью.