От опроса 13 компаний до миллиарда писем: на каких данных строятся исследования для СМИ

В Pearls мы регулярно готовим исследования для СМИ и используем два основных подхода. Иногда анализируем уже накопленные компанией данные: продажи, продуктовую аналитику, CRM, обращения в поддержку или историю проектов. А иногда собираем новые данные через опросы и интервью с клиентами, партнерами или узкой профессиональной аудиторией. В статье разберем, как выбрать подходящий источник, оценить качество данных и превратить результат в инфоповод.

Какие данные бизнеса можно превратить в исследование

Компании собирают данные для конкретных задач: продажи помогают считать выручку, CRM — контролировать воронку, обращения в поддержку — решать проблемы клиентов. Те же данные показывают, что происходит на рынке, и могут стать основой для крепкого материала в СМИ.

Продажи и действия пользователей. История продаж показывает, что и когда покупают, а продуктовая аналитика — как пользователи взаимодействуют с продуктом. По этим данным видно, как меняются спрос, средний чек, сезонность, доля категорий и использование функций. Например, «МойСклад» сравнил обороты 50 тысяч компаний‑клиентов за 2024 и 2025 годы. Отдельно искать респондентов не пришлось.

Для СМИ важен не сам объем продаж, а его динамика, различия между группами и устойчивые закономерности.

CRM, поддержка, отзывы и история проектов. CRM и клиентская база ценны не только накопленной информацией, но и доступом к профильной аудитории. Через них можно привлечь к опросу или интервью клиентов, подписчиков рассылки, участников профессионального сообщества и партнеров. Это уже полноценное исследование: нужно сформулировать исследовательский вопрос, выбрать метод, подготовить анкету или гайд для интервью, собрать и проанализировать ответы. Для нишевого B2B‑рынка состав участников может быть важнее их количества. Данные от 50 HR‑директоров или владельцев интернет‑магазинов могут дать больше отраслевой фактуры, чем массовый опрос людей, которые почти не знакомы с темой.

Обращения в поддержку, отзывы, причины отказов и материалы прошлых проектов можно классифицировать. Такой анализ показывает, какие проблемы повторяются, как меняются запросы клиентов и какие темы появляются чаще. Например, ОТП Банк вместе с Yandex B2B Tech проанализировал более 29 тысяч клиентских диалогов. Система распределила обращения по темам и помогла найти повторяющиеся проблемы.

Исследования на внутренних данных могут быть разного масштаба. Большие массивы помогают увидеть устойчивые закономерности и динамику, но меньшие объемы данных могут быть не менее полезны. Сотрудники часто считают такие наблюдения очевидными, потому что сталкиваются с ними каждый день. Но то, что привычно внутри отрасли, для внешней аудитории может стать новым и важным знанием.

Если собственной базы недостаточно, респондентов можно искать через организации и сообщества, с которыми взаимодействует нужная аудитория. В агентстве Pearls мы использовали этот подход, когда редакция Forbes Woman готовила материал о том, как устроена работа сиделок в России. За пять дней мы собрали ответы 179 специалистов из разных регионов. Найти их помогли патронажные службы, НКО, профессиональные сообщества и рекомендации участников. Ответы позволили сравнить условия работы, выявить повторяющиеся проблемы и дополнить количественные данные личными историями. Результаты и цитаты легли в основу материала Forbes Woman.

Та же механика применима в B2B‑исследованиях. Точками входа в нужную аудиторию могут стать отраслевые ассоциации, партнеры, профессиональные сообщества и рекомендации уже найденных участников.

Чтобы изучить рынок, необязательно опрашивать каждую компанию. Размер выборки не растет пропорционально размеру рынка: даже если компаний становится в десятки раз больше, число участников исследования не нужно увеличивать во столько же раз.

Количество ответов — только одно из условий надежного исследования. Например, если в опросе участвовали только крупные московские компании, даже 500 ответов не позволят сделать вывод обо всем российском бизнесе. Выборка должна быть похожа по составу на аудиторию, о которой идет речь. В зависимости от исследовательского вопроса в нее могут входить компании разного масштаба, из разных отраслей и регионов. Важно и то, как искали участников: опрос собственных клиентов показывает мнение клиентов компании, а не всего рынка.

Если своих данных нет, можно взять чужие и «задать» им новый вопрос. ФНС публикует сведения о компаниях и предпринимателях, Росстат — социально‑экономическую статистику, Банк России — данные финансового рынка, Роспатент — информацию об объектах интеллектуальной собственности. Есть открытые реестры, государственные закупки и отраслевые базы.

Пример из практики агентства Pearls — исследование CloudBuying. Данные, предоставленные CloudBuying, включали публикации в Telegram‑каналах с 1 января по 13 марта 2026 года. В массив вошло более 7,6 млн упоминаний. На их основе мы сделали неожиданные выводы о состоянии рынка Telegram‑рекламы и подготовили три пресс‑релиза — такой подход позволил получить в несколько раз больше публикаций с одного исследования. В итоге компания получила 421 упоминание в федеральных и отраслевых СМИ, в том числе в «Коммерсантъ», Газета.ru, Forbes, РБК и Т‑Бизнес Секретах, а охват постов о компании в Telegram превысил 2 млн.

Для рейтинга самых наукоемких российских компаний редакция «Ведомостей» использовала открытую базу Роспатента, отобрала 30 компаний‑лидеров по числу охранных документов и подробнее проанализировала их патентные портфели. Из общедоступной информации получился новый материал о том, какие российские компании активнее всего наращивают интеллектуальную собственность.

Пересечение источников. Несколько источников помогают сопоставить слова клиентов с их реальным поведением.

RetailCRM и ЮKassa совместили результаты опроса 1 500 россиян с данными продаж 22 тысяч интернет‑магазинов и торговых точек. Небольшой бизнес может использовать ту же логику в меньшем масштабе — сопоставить причины отказов в CRM с десятью интервью клиентов.

Сколько данных нужно для PR‑исследования

Требования к размеру выборки есть, но для каждого исследования их определяют отдельно. Если узкий рынок состоит из десяти компаний и исследование охватывает их все, такого объема данных достаточно. Чтобы делать выводы о большой и разнообразной аудитории, потребуется больше участников. Размер выборки зависит от исследовательского вопроса, состава изучаемой группы и выбранной методологии.

Размер выборки — только часть методологии. Главный вопрос — позволяют ли данные сделать именно тот вывод, который компания хочет вынести в публикацию.

Одного и того же числа участников может быть достаточно для одной задачи и недостаточно для другой. Если компания хочет понять, почему клиенты отказываются от ее продукта, 30 интервью могут выявить повторяющиеся причины. Но по этим разговорам нельзя судить, почему похожие продукты не выбирают компании на всем рынке. В то же время, если задача — изучить практики 30 крупнейших участников конкретного B2B‑сегмента, интервью с руководителями всех этих компаний могут дать больше полезных данных, чем массовый онлайн‑опрос.

Большое число ответов тоже не позволяет автоматически делать более широкий вывод. Например, Telegram‑канал для предпринимателей опросил 3 000 подписчиков о планах нанимать сотрудников. Результаты показывают мнение аудитории канала, но не всех предпринимателей России. Среди подписчиков могут преобладать представители определенных отраслей, регионов или компаний одного масштаба.

У глубинных интервью другая задача. По итогам 10 или 15 бесед нельзя утверждать, что «70% предпринимателей думают так‑то»: качественное исследование не измеряет доли. Оно помогает найти повторяющиеся проблемы, мотивы и сценарии поведения. Для этого важно привлечь людей, которые хорошо разбираются в теме: собственников компаний, руководителей направлений, отраслевых экспертов или ключевых клиентов.

Чтобы создать сильный инфоповод, необязательно делать выводы обо всей стране или отрасли. Исследование клиентов одного сервиса может выявить новую проблему или изменение поведения в конкретном сегменте. Анализ продавцов одной категории на Wildberries — показать тенденцию внутри этой категории. Важно точно назвать, кого и что изучала компания, и не переносить тот же вывод на всю интернет‑торговлю.

Небольшая ниша или узкий сегмент аудитории даже могут стать преимуществом. Компания, которая регулярно работает с логистами, бухгалтерами, HR‑директорами или селлерами, получает доступ к специалистам, до которых редакции трудно добраться самостоятельно. Для отраслевого медиа ответы 50 представителей конкретной профессии могут оказаться полезнее массового опроса обывателей.

Иногда считать людей вообще не нужно. Исследование не обязательно требует участия респондентов. Анализировать можно заказы, транзакции, обращения, письма или действия пользователей. Например, Unisender проанализировал около миллиарда писем, отправленных через сервис, чтобы понять, как мужчины и женщины взаимодействуют с рассылками. Данные показали, какие темы привлекают разные аудитории и кто чаще подписывается и покупает после писем.

Важнее не объем данных сам по себе, а то, позволяют ли они честно ответить на исследовательский вопрос.

Как не превратить исследование в манипуляцию

Перед публикацией исследования важно проверить и расчеты, и формулировки. Ошибки или желание поделиться только данными, подходящими под заголовок, могут навредить репутации компании.

Не делайте вывод шире, чем позволяют данные. Опрос клиентов сервиса показывает мнение его клиентов, а опрос участников Telegram‑канала — мнение аудитории канала. Нельзя превращать вывод о конкретной группе в вывод обо всех россиянах, всем бизнесе или всем рынке.

Формулировка «Россияне перестали доверять банковским приложениям» звучит громко, но ничего не говорит об исследовании. Лучше написать: «Каждый третий из 214 опрошенных клиентов финансового сервиса Х стал реже пользоваться банковскими приложениями».

В исследовании нужно указать, кто участвовал в опросе, как выбирали респондентов и когда собирали ответы. Формулировка «мы опросили 300 представителей бизнеса» слишком размыта. За ней могут скрываться владельцы компаний, линейные сотрудники, фрилансеры или участники одного предпринимательского сообщества — и каждая из этих групп даст разные результаты.

Собственная клиентская база почти всегда отличается от рынка в целом. Клиенты определенной CRM могут быть крупнее среднего бизнеса, а пользователи сервиса аналитики маркетплейсов — профессионально заниматься продажами. Такая специфика не обесценивает данные, но ограничивает выводы.

Не выбирайте удобный период или сегмент. Допустим, спрос на услугу в феврале вырос на 40% относительно января. Можно написать: «Россияне массово заинтересовались услугой». Но если спрос растет каждый февраль после январских праздников, нового тренда нет.

Динамику лучше сравнивать не только с предыдущим месяцем, но и с тем же периодом прошлого года. Если спрос заметно зависит от сезона, сравните данные за несколько лет. Тогда корректная формулировка звучит так: «В феврале спрос вырос на 50% к январю и на 7% к февралю прошлого года».

Еще одна ошибка — сначала придумать желаемый вывод, а затем искать подходящую категорию, регион или группу клиентов. В большом массиве почти всегда можно найти эффектное сравнение, но оно может оказаться случайностью и исчезнуть, если изменить период или посмотреть на данные целиком.

Показывайте проценты и абсолютные значения. Фраза «количество клиентов выросло на 200%» выглядит впечатляюще. Если клиентов было два, а стало шесть, масштаб изменения воспринимается иначе.

В небольшой выборке один человек из десяти — это сразу 10%, поэтому одного процента недостаточно. Вместе с долей лучше указывать размер базы: не «33% компаний полностью отказались от инструмента», а «10 из 30 опрошенных компаний, или 33%, полностью отказались от инструмента».

Не выдавайте связь за причину. Компания может обнаружить, что клиенты, которые используют определенную функцию продукта, в среднем покупают на 25% больше. Из этого еще не следует, что именно функция увеличила продажи. Возможно, ею чаще пользуются самые активные или крупные клиенты.

Корректная формулировка: «У клиентов, которые используют функцию, средний объем покупок оказался на 25% выше». Чтобы доказать причинно‑следственную связь, понадобятся дополнительные данные и отдельная методология.

Не складывайте ответы, которые могут пересекаться. Представим вопрос: «Что мешает вам внедрять ИИ?» 20% респондентов назвали высокую стоимость, 18% — нехватку специалистов, 17% — сложность внедрения.

Если сложить эти значения, получится: «55% бизнеса испытывают проблемы с внедрением ИИ». Такой расчет допустим, если каждый респондент мог выбрать один вариант ответа. Если участники отмечали несколько причин, один человек мог попасть сразу во все три группы. Складывать проценты в этом случае нельзя.

Нельзя также объединять несколько ответов в новую категорию, если ее не было в анкете и данные не позволяют корректно пересчитать результат.

Чек‑лист перед отправкой исследования в редакцию. Перед публикацией ответьте на семь вопросов:

1. Кого или что мы исследовали?
2. Почему выбрали именно эту группу?
3. Сколько респондентов вошло в базу?
4. За какой период собраны данные?
5. С чем мы сравниваем результат?
6. Не объясняется ли необычный результат особенностями сбора данных: составом участников, формулировкой вопроса или выбранным периодом?
7. Позволяют ли данные сделать именно тот вывод, который мы выносим в заголовок?

Если после проверки заголовок приходится существенно менять, первоначальный вывод был шире данных.

Как превратить данные в публикацию

Даже корректно собранные данные не гарантируют публикацию. Исследование может подтвердить давно известный факт, не попасть в текущую повестку или оказаться слишком узким для аудитории выбранного медиа.

Исследование может дать банальный результат, а интересная гипотеза — не подтвердиться. Для публикации нужны и надежный вывод, и новое для аудитории знание.

Сформулировать вопрос. Что изменилось в спросе за последний год? На чем компании стали экономить? Какие инструменты используют чаще? С какими проблемами обращаются в поддержку? Как бизнес адаптируется к новому регулированию? Становится ясно, какие данные нужны и имеет ли смысл запускать исследование.

Например, агентство хочет выяснить, стали ли его клиенты экономить на продвижении. Проверить гипотезу можно по истории расходов, использованию рекламных инструментов и результатам опроса клиентов.

Выбрать данные. Найдите данные, которые отвечают на вопрос. Компания может уже владеть нужной информацией — она часто «лежит» в продажах, CRM, продуктовой аналитике или истории проектов. Если ее нет, понадобится опрос, серия интервью или внешний источник.

На этом же этапе нужно определить период анализа, критерии отбора и базу для сравнения. Если расходы клиентов в январе оказались ниже, чем в декабре, это еще не говорит об экономии. Разницу могут объяснять праздники или обычная сезонность. Чтобы проверить гипотезу, нужно сравнить несколько периодов, посмотреть динамику год к году и при необходимости дополнить цифры ответами самих компаний.

Найти закономерность. Отдельная цифра редко становится инфоповодом. Редакции интересны изменения, различия между группами, неожиданные результаты и повторяющиеся сценарии.

Допустим, средние расходы клиентов сервиса на продвижение составляют 87 тысяч рублей. Без сравнения эта цифра мало что говорит о рынке. Но если год назад компании тратили в среднем 110 тысяч, а число используемых каналов почти не изменилось, можно предположить, что бизнес перераспределяет или сокращает бюджеты. Еще интереснее, если общий объем расходов снизился, но вложения в один конкретный инструмент выросли. Проверьте и альтернативные объяснения: сезонность, изменение состава клиентов, рост цен или особенности категории.

Сделать вывод и определить его границы. Вывод не должен выходить за границы данных. Если изменение обнаружено среди клиентов конкретного сервиса, формулировка должна касаться этой группы. Перед публикацией проверьте, подтверждают ли данные заявленный вывод.

Связать результат с актуальным контекстом. Даже новый и корректный факт не всегда становится инфоповодом. Нужно объяснить, почему читателю важно узнать о нем именно сейчас.

Представим, что среди клиентов агентства доля компаний, использующих ИИ для определенной задачи, за год выросла с 18 до 37%. Для публикации одной динамики мало — нужен контекст. Рост может быть связан с сокращением расходов, выходом нового инструмента или дискуссией о том, как бизнес использует ИИ на практике.

Внутренняя статистика компании становится частью рыночной дискуссии. Поэтому одно и то же исследование может остаться незамеченным в январе и заинтересовать редакции в марте, например, после изменения законодательства, громкой новости или появления нового рыночного тренда.

Подготовить материал. Редакции редко нужен полный отчет на 70 страниц. Чаще достаточно одного сильного результата, нескольких дополнительных цифр, понятного описания методологии и комментария эксперта, который объяснит причины и последствия.

Перед отправкой в редакцию мы собираем результаты в компактный пресс‑релиз:

• главный факт, который можно сформулировать одним предложением (заголовок);
• две‑три цифры, которые его дополняют;
• описание выборки, периода и логики исследования;
• ограничения исследования, которые помогают правильно интерпретировать результат;
• объяснение возможных причин и последствий;
• актуальный контекст, с которым связан инфоповод.

Сильный результат не всегда находится там, где его ожидали. Компания могла искать признаки сокращения расходов, но обнаружить переток бюджетов между инструментами. Поэтому сначала нужно получить надежный вывод, а затем превратить его в понятную и актуальную для аудитории историю.

Данные есть почти у всех, но исследование получается не у каждого

Чтобы превратить эти данные в исследование, нужно задать точный вопрос, выбрать методологию и определить фокус. Чтобы превратить исследование в инфоповод, нужно найти новый для рынка вывод и связать его с актуальным контекстом.

Для этого компании необязательно создавать исследовательский отдел и разбираться во всем самостоятельно. Внутренняя команда предоставит данные и экспертизу о рынке, а постановку вопроса, разработку методологии, анализ результатов и подготовку материала для СМИ можно передать специалистам по исследованиям и коммуникациям. Компания в таком случае получит полноценное исследование и не перегрузит сотрудников.