Framework JTBD + AI: Jak odkryć prawdziwe potrzeby klientów, zanim konkurencja je zobaczy

72% CEO twierdzi, że rozumie potrzeby swoich klientów. Tylko 34% klientów się z tym zgadza. Te dane z badania Bain & Company powinny dać Ci do myślenia. Bo jeśli nawet C-level myli się o swoich klientach, to co dopiero zespół marketingu, który często operuje na założeniach, nie na faktach?

Pewnie znasz ten scenariusz. Kampania wygląda świetnie. Kreacje dopracowane. Targetowanie precyzyjne. Budget odpowiedni. A konwersja? Płasko. Albo gorzej - klikają, ale nie kupują.

Problem nie leży w kampanii. Problem leży w pytaniu, które zadajesz ZANIM ją stworzysz. Większość marketerów pyta: “Kim jest mój klient?” Prawidłowe pytanie brzmi: “Do jakiej pracy mój klient zatrudnia mój produkt?”

To pytanie jest fundamentem frameworku Jobs-to-Be-Done. I dziś pokażę Ci, jak połączyć go z AI, żeby odkrywać prawdziwe potrzeby klientów szybciej i taniej niż kiedykolwiek wcześniej.

Pułapka demograficznej segmentacji

“Kobiety, 25-35 lat, zainteresowane fitnessem, mieszkające w dużych miastach, zarabiające 6-10 tys. PLN.”

Brzmi znajomo? Większość kampanii zaczyna się od takiego opisu grupy docelowej. I większość kampanii na tym traci. Dlaczego?

Bo dwie kobiety pasujące do tego opisu mogą kupować ten sam produkt z kompletnie różnych powodów. Jedna kupuje aplikację fitness, żeby schudnąć przed ślubem. Druga - żeby odzyskać kontrolę nad zdrowiem po porodzie. Trzecia - żeby mieć pretekst do “me time” z dala od rodziny.

Ta sama demografia. Trzy różne potrzeby. Trzy różne komunikaty, które będą skuteczne.

Oto problem z tradycyjną segmentacją:

Co mówi Ci demografia	Co mówi Ci JTBD
Kim jest klient (wiek, płeć, dochód)	DLACZEGO kupuje
Gdzie mieszka	W jakiej SYTUACJI podejmuje decyzję
Co lubi (zainteresowania)	Jaki REZULTAT chce osiągnąć
Ile zarabia	Jaka FRUSTRACJA popycha go do działania
Jaki zawód wykonuje	Jak chce się CZUĆ po zakupie

Statystyki mówią jasno: 75-95% nowych produktów kończy się porażką (dane Harvard Business School). McKinsey w raporcie z 2020 podaje, że 76% nowych produktów konsumenckich nie przetrwa pierwszego roku. Dlaczego tak dużo? Bo firmy budują produkty i kampanie wokół demografii zamiast wokół prawdziwych potrzeb.

Nie oznacza to, że demografia jest bezużyteczna. Jest przydatna do targetowania mediów. Ale jest fatalna jako fundament strategii komunikacji. JTBD wypełnia tę lukę - mówi Ci nie KIM jest klient, ale CZEGO naprawdę potrzebuje.

Jeśli chcesz głębiej zrozumieć, jak budować strategię marketingową opartą na prawdziwych potrzebach, zerknij na mój kompletny przewodnik po marketingu. Tam znajdziesz fundamenty, na których JTBD buduje następny poziom.

Framework JTBD w 5 minut

Sedno frameworku Jobs-to-Be-Done można wyrazić jednym zdaniem:

Klienci nie kupują produktów - zatrudniają je do wykonania pracy.

To nie jest metafora. To fundamentalna zmiana perspektywy. Kiedy “zatrudniasz” Spotify, nie kupujesz dostępu do 100 milionów piosenek. Zatrudniasz go, żeby umilił Ci dojazd do pracy, pomógł się skoncentrować albo stworzył atmosferę na kolację.

Framework stworzyli Clayton Christensen (Harvard), Tony Ulwick (Outcome-Driven Innovation) i Bob Moesta (Switch Interviews). Każdy z nich dołożył swoją perspektywę, ale rdzeń jest wspólny: zrozum pracę, którą klient chce wykonać.

3 wymiary Jobs

Każdy “job” ma trzy warstwy. Zilustruję to na przykładzie freelancera, który szuka aplikacji do faktur:

Wymiar	Pytanie	Przykład (aplikacja do faktur)
Functional Job	Co klient chce ZROBIĆ?	”Chcę szybko wystawić poprawną fakturę”
Emotional Job	Jak chce się CZUĆ?	”Chcę czuć się profesjonalnie i mieć spokój, że wszystko jest zgodne z prawem”
Social Job	Jak chce być POSTRZEGANY?	”Chcę, żeby klient widział mnie jako zorganizowanego profesjonalistę”

Większość marketerów zatrzymuje się na Functional Job. Ale to Emotional i Social Jobs często decydują o tym, KTÓRY produkt klient wybierze. Dwie aplikacje do faktur mogą robić to samo. Ale ta, która sprawia, że czujesz się jak “prawdziwy biznesmen”, wygrywa.

Job Stories vs User Stories

Jeśli znasz User Stories z Agile, porównanie pomoże Ci zrozumieć różnicę:

User Story	Job Story
”Jako [persona], chcę [funkcję], żeby [korzyść]"	"Kiedy [sytuacja], chcę [motywacja], żebym mógł [oczekiwany rezultat]"
"Jako marketing manager, chcę dashboard analytics…"	"Kiedy szef pyta mnie o wyniki kampanii na spotkaniu, chcę w 10 sekund pokazać kluczowe metryki, żebym wyglądał na kompetentnego”
Skupia się na PERSONIE	Skupia się na SYTUACJI
Prowadzi do features	Prowadzi do outcomes

Widzisz różnicę? Job Story zaczyna od sytuacji - kontekstu, w którym potrzeba się pojawia. To jest klucz, bo ta sama osoba w różnych sytuacjach ma różne “jobs”.

Forces of Progress - co popycha klienta do zmiany

Każda decyzja zakupowa to wypadkowa czterech sił. Bob Moesta nazywa je Forces of Progress:

            SIŁY POPYCHAJĄCE DO ZMIANY

    [PUSH]                        [PULL]
    Frustracja z              Atrakcyjność
    obecnego                   nowego
    rozwiązania                rozwiązania
         |                         |
         v                         v
    ============== ZMIANA ==============
         ^                         ^
         |                         |
    [ANXIETY]                  [HABIT]
    Lęk przed                 Siła
    nowym                      przyzwyczajenia
    rozwiązaniem

            SIŁY HAMUJĄCE ZMIANĘ

Przykład: Freelancer rozważa zmianę aplikacji do faktur.

Push: Obecna aplikacja nie obsługuje split payment, co wymaga ręcznych poprawek
Pull: Nowa aplikacja automatycznie generuje JPK i wysyła przypomnienia o płatności
Anxiety: “A co jeśli stracę dane? Czy migracja będzie bolesna?”
Habit: “Znam obecną appkę na pamięć, nowa będzie wymagała nauki”

Zmiana nastąpi tylko wtedy, gdy Push + Pull > Anxiety + Habit. To dlatego sam produkt nie wystarczy - musisz w komunikacji jednocześnie wzmacniać Pull i redukować Anxiety.

Dlaczego AI zmienia zasady gry w JTBD

Tradycyjny research JTBD wygląda tak: zatrudniasz firmę badawczą, przeprowadzasz 20-40 pogłębionych wywiadów (Switch Interviews), transkrybujesz, kodujesz dane, szukasz wzorców. Koszt: dziesiątki tysięcy złotych. Czas: 2-3 miesiące. Efekt: świetny, ale dostępny głównie dla dużych firm z budżetami na research.

AI zmienia te proporcje radykalnie.

Nie zastępuje wywiadów z klientami - to nadal złoty standard. Ale daje Ci coś, czego wcześniej nie miałeś: możliwość analizy ISTNIEJĄCYCH danych przez pryzmat JTBD w godziny zamiast tygodni.

Gdzie AI pomaga, a gdzie nie

Etap JTBD Research	Wartość AI	Komentarz
Analiza recenzji i opinii	Bardzo wysoka	AI świetnie wyciąga wzorce z dużych zbiorów tekstu
Ekstrakcja Jobs z danych	Wysoka	Klasyfikacja Functional/Emotional/Social
Identyfikacja Forces of Progress	Wysoka	Push i Pull z danych jakościowych
Synteza wzorców z wielu źródeł	Bardzo wysoka	Łączenie danych z recenzji, ticketów, social media
Generowanie hipotez komunikacyjnych	Wysoka	Propozycje messagingu opartego na Jobs
Walidacja z prawdziwymi klientami	Niska	Tu potrzebujesz rozmów z ludźmi
Strategiczne decyzje	Niska	Interpretacja i priorytetyzacja to Twoja robota

Kluczowa zasada: AI jest asystentem badacza, nie jego zamiennikiem.

AI przyspiesza analizę danych JTBD 5-10x w porównaniu z ręczną analizą. Ale surowe dane - recenzje, tickety supportowe, posty w social media - musisz dostarczyć sam. I finalne wnioski musisz zwalidować z prawdziwymi klientami.

Użyj techniki Chain-of-Thought, żeby wymusić na AI głębszą analizę zamiast powierzchownych odpowiedzi. A jeśli chcesz w pełni wykorzystać potencjał promptów w tym workflow, framework CRISP da Ci solidną strukturę.

WORKFLOW: odkryj Jobs klientów z AI w 4 krokach

To jest serce tego artykułu. Poniżej znajdziesz kompletny, gotowy do użycia workflow. Każdy krok zawiera opis, prompt do skopiowania i informację, czego się spodziewać.

Krok 1: zbierz dane

Zanim odpalasz AI, potrzebujesz surowca. Im więcej źródeł, tym pełniejszy obraz. Oto gdzie szukać:

Źródła danych do analizy JTBD:

Recenzje produktu - Google Reviews, Trustpilot, App Store, Ceneo, Opineo
Tickety supportowe - co klienci zgłaszają, z czym mają problem
Social media - komentarze pod postami, wzmianki o marce, grupy na Facebooku
Wywiady sprzedażowe - notatki z CRM, nagrania rozmów handlowych
Ankiety NPS/CSAT - otwarte odpowiedzi (nie oceny liczbowe)
Fora i społeczności - Reddit, Quora, grupy branżowe
Recenzje konkurencji - co klienci chwalą i krytykują u konkurencji

Minimum na start: 30-50 recenzji lub fragmentów feedbacku. Im więcej, tym lepiej - AI świetnie radzi sobie z dużymi zbiorami tekstu.

Pro tip: Zbieraj dosłowne cytaty klientów. Nie streszczenia. Nie podsumowania od zespołu. Oryginalne słowa. To w nich kryją się prawdziwe Jobs.

Krok 2: ekstrakcja Jobs z danych

Teraz czas na AI. Poniższy prompt jest zbudowany w formacie CRISP, który zapewnia precyzyjne i powtarzalne wyniki.

Prompt 1 - Analiza recenzji przez pryzmat JTBD:

[CONTEXT]
Mam [X] recenzji produktu [nazwa]. Chcę zrozumieć, do jakich "prac" klienci
"zatrudniają" mój produkt.

[ROLE]
Działaj jako ekspert JTBD (Jobs-to-Be-Done) z doświadczeniem w analizie
jakościowej danych klienckich.

[INSTRUCTIONS]
Przeanalizuj poniższe recenzje krok po kroku:
1. Dla każdej recenzji zidentyfikuj underlying job (czego klient naprawdę potrzebuje)
2. Sklasyfikuj każdy job: Functional / Emotional / Social
3. Zidentyfikuj Forces of Progress: Push (frustracja) i Pull (atrakcyjność)
4. Po analizie wszystkich recenzji, podaj TOP 3 najczęstsze Jobs
5. Wskaż niespodzianki - jobs, których producent prawdopodobnie nie przewidział

[SPECIFICS]
- Podaj dosłowne cytaty z recenzji jako dowody
- Format: tabela z kolumnami: Recenzja | Job | Typ | Push/Pull | Cytat

[PURPOSE]
Chcę zrozumieć, dlaczego klienci naprawdę kupują mój produkt, żeby
dostosować messaging kampanii.

Recenzje:
[WKLEJ RECENZJE]

Czego się spodziewać: AI zwróci tabelę z analizą każdej recenzji, pogrupuje Jobs według częstotliwości i - co najważniejsze - wskaże Jobs, o których prawdopodobnie nie myślałeś. Z mojego doświadczenia, najcenniejsze insighty pojawiają się w kategorii “niespodzianki”.

Krok 3: synteza wzorców i priorytetyzacja

Jeśli zebrałeś dane z wielu źródeł (recenzje + tickety + social media), ten prompt połączy wszystko w spójną analizę.

Prompt 2 - Synteza wzorców JTBD:

Poniżej mam wyniki analizy JTBD z [X] źródeł danych. Zidentyfikowane jobs:
[WKLEJ WYNIKI Z KROKU 2]

Twoje zadanie:
1. Zidentyfikuj TOP 5 najczęstszych Jobs (z liczbą źródeł, w których się pojawiają)
2. Stwórz MATRYCĘ OPPORTUNITY:
   - Oś X: Ważność jobu (częstotliwość + emocjonalność)
   - Oś Y: Jak dobrze obecne rozwiązania go adresują (z danych o frustracjach)
3. Wskaż UNMET NEEDS - jobs z wysoką ważnością i niską satysfakcją
4. Zaproponuj hipotezy komunikacyjne dla top 3 unmet needs
5. Oznacz sprzeczności - co wymaga dalszych badań?

Format wyników:
- Tabela TOP 5 Jobs z częstotliwością
- Matryca Opportunity (tabela 2x2)
- Lista unmet needs z rekomendacjami
- Hipotezy komunikacyjne (headline + argument + dowód)

Dlaczego to ważne: Ten krok jest kluczowy, bo przechodzisz od surowych danych do strategicznych wniosków. Matryca Opportunity pokaże Ci, gdzie leżą największe szanse - jobs, na które klienci bardzo liczą, a które obecne rozwiązania źle adresują. To są Twoje “złote” insighty.

Krok 4: JTBD Canvas

Ostatni krok syntetyzuje wszystko w jeden, czytelny dokument - JTBD Canvas. To Twój “brief strategiczny” do budowania kampanii, contentu i komunikacji produktowej.

Prompt 3 - JTBD Canvas Generator:

Na podstawie poniższej analizy JTBD, stwórz kompletny JTBD Canvas
dla mojego produktu [NAZWA]:

DANE:
[WKLEJ WYNIKI Z KROKÓW 2-3]

Wypełnij canvas:
1. CORE JOB STATEMENT: "Kiedy [sytuacja], chcę [motywacja],
   żebym mógł/mogła [oczekiwany rezultat]"
2. FUNCTIONAL JOBS (top 3): Co klient chce ZROBIĆ?
3. EMOTIONAL JOBS (top 3): Jak klient chce się CZUĆ?
4. SOCIAL JOBS (top 3): Jak klient chce być POSTRZEGANY?
5. FORCES OF PROGRESS:
   - Push: Co frustruje w obecnym rozwiązaniu?
   - Pull: Co przyciąga do nowego?
   - Anxiety: Czego się boi przy zmianie?
   - Habit: Co trzyma przy obecnym?
6. DESIRED OUTCOMES (top 5): Mierzalne rezultaty
7. COMPETING SOLUTIONS: Czego klient używa ZAMIAST Twojego produktu?

Format: czytelne sekcje z nagłówkami, gotowe do użycia jako brief.

Pro tip: Wygenerowany Canvas to HIPOTEZA. Nie fakt. Traktuj go jako punkt wyjścia do rozmów z prawdziwymi klientami. Pokaż go 5-10 klientom i zapytaj: “Czy to brzmi jak Twoje doświadczenie?” Ich reakcje powiedzą Ci, co trafione, a co wymaga korekty.

Od JTBD do działania: 3 zastosowania

Framework bez zastosowania to akademickie ćwiczenie. Oto trzy konkretne sposoby, jak przełożyć wyniki analizy JTBD na realne działania marketingowe.

Zastosowanie 1: messaging - przepisz swoją komunikację

To najszybszy sposób na zobaczenie efektów. Weź swój obecny headline kampanii i przepisz go przez pryzmat JTBD.

Przed (feature-based):

“Nasz CRM ma 50+ funkcji i integracje z 200 narzędziami”

Po (job-based):

“Kiedy tracisz 3h dziennie na ręczne wpisywanie danych, każda minuta to minuta nie spędzona na sprzedawaniu. [Produkt] automatyzuje 80% wpisów, żebyś mógł wrócić do tego, co robisz najlepiej.”

Różnica? Pierwszy mówi o produkcie. Drugi mówi o PRACY, którą klient chce wykonać, i o FRUSTRACJI, która go tam zaprowadziła.

Więcej przykładów:

Messaging feature-based	Messaging job-based
”Najszybszy hosting na rynku"	"Kiedy Twój sklep ładuje się 5 sekund, tracisz 40% klientów. Z nami załaduje się w 0,8 s"
"Aplikacja do zarządzania projektami"	"Kiedy szef pyta ‘na jakim etapie jest projekt?’, miej odpowiedź w 10 sekund"
"Kurs angielskiego online"	"Kiedy na spotkaniu z zagranicznym klientem brakuje Ci słów, to uczucie chcesz wyeliminować”

Widzisz wzorzec? Job-based messaging zawsze zaczyna się od SYTUACJI klienta, nie od cech produktu.

Zastosowanie 2: content strategy - buduj content wokół Jobs

Zamiast planować content wokół produktu (“5 funkcji naszego narzędzia”), planuj go wokół Jobs klientów. To podejście jest fundamentem skutecznego content marketingu w erze AI.

Job-Based Content Mapping:

Faza klienta	Job (przykład: CRM)	Pytanie klienta	Typ contentu
Nieświadomość	”Chcę sprzedawać więcej"	"Dlaczego mój zespół nie domyka deali?”	Blog post, video
Świadomość problemu	”Chcę przestać tracić leady"	"Ile leadów tracę przez brak systemu?”	Kalkulator, raport
Rozpoznanie rozwiązań	”Chcę system, który przypomni mi o follow-upie"	"CRM vs arkusz kalkulacyjny - co lepsze?”	Porównanie, case study
Decyzja	”Chcę wdrożyć CRM bez chaosu"	"Jak szybko wdrożę [produkt]?”	Demo, trial, onboarding guide

Każdy content adresuje konkretny Job w konkretnej fazie. Zero zgadywania. Zero “może to zainteresuje naszych czytelników”.

Zastosowanie 3: targetowanie reklam - targetuj konteksty, nie demografię

To jest zmiana, która może radykalnie poprawić Twoje wyniki w performance marketingu.

Tradycyjne targetowanie:

“Mężczyźni 30-45, zainteresowani fitnessem”

Job-based targetowanie:

“Ludzie, którzy właśnie zapisali się na siłownię” (sytuacja = trigger)
“Ludzie, którzy szukali ‘jak zacząć ćwiczyć po 30’” (job = odzyskać formę)
“Ludzie, którzy kupili wagę” (zachowanie = Push w działaniu)

Dlaczego to działa lepiej?

Bo targetujesz na SYTUACJE i ZACHOWANIA, które sygnalizują konkretny Job. Nie na demograficzne pudełko, które może zawierać ludzi z kompletnie różnymi potrzebami.

Platformy reklamowe to umożliwiają - Facebook Custom Audiences, Google In-Market Audiences, LinkedIn Job Function targeting. Klucz to wiedzieć, JAKIE sytuacje i zachowania korelują z Jobs Twoich klientów. I to właśnie daje Ci analiza JTBD.

JTBD Canvas Template - gotowy szablon

Poniżej znajdziesz szablon, który możesz skopiować i wypełnić z pomocą AI (lub ręcznie). Użyj go jako brief strategiczny dla zespołu marketingu, sprzedaży i produktu.

# JTBD CANVAS - [NAZWA PRODUKTU/USŁUGI]
Data analizy: [DATA]
Źródła danych: [LISTA ŹRÓDEŁ]

## 1. CORE JOB STATEMENT
"Kiedy [sytuacja/trigger], chcę [motywacja/cel],
żebym mógł/mogła [oczekiwany rezultat]."

## 2. FUNCTIONAL JOBS
- Job F1: _______________
- Job F2: _______________
- Job F3: _______________

## 3. EMOTIONAL JOBS
- Job E1: _______________
- Job E2: _______________
- Job E3: _______________

## 4. SOCIAL JOBS
- Job S1: _______________
- Job S2: _______________
- Job S3: _______________

## 5. FORCES OF PROGRESS
| Siła | Opis |
|------|------|
| PUSH (frustracja) | _______________ |
| PULL (atrakcyjność) | _______________ |
| ANXIETY (lęk) | _______________ |
| HABIT (przyzwyczajenie) | _______________ |

## 6. DESIRED OUTCOMES (mierzalne)
1. Minimize czas potrzebny na _______________
2. Minimize ryzyko _______________
3. Maximize prawdopodobieństwo _______________
4. Maximize kontrolę nad _______________
5. Minimize frustrację związaną z _______________

## 7. COMPETING SOLUTIONS
- Rozwiązanie 1: _______________
- Rozwiązanie 2: _______________
- Rozwiązanie 3: _______________
- "Nie robić nic" (zawsze jest opcją!)

## 8. IMPLIKACJE DLA MARKETINGU
- Główny przekaz: _______________
- Trigger kampanii: _______________
- Kanał dotarcia: _______________
- Typ contentu: _______________

Jak użyć: Skopiuj szablon, wklej do Claude lub ChatGPT razem z wynikami z workflow (kroki 2-4), i poproś o wypełnienie. Następnie zwaliduj z zespołem i klientami.

3 błędy, które zepsują Twoją analizę JTBD

Framework jest prosty. Ale prostota nie oznacza łatwości. Oto trzy najczęstsze pułapki, w które wpadają marketerzy - i jak ich uniknąć.

Błąd 1: mylenie features z Jobs

Źle: “Klienci chcą lepszej aplikacji mobilnej.” To nie jest job. To jest rozwiązanie. Job kryje się głębiej.

Dobrze: “Kiedy jestem w terenie i klient pyta o stan zamówienia, chcę natychmiast znaleźć odpowiedź, żeby nie wyglądać nieprofesjonalnie.”

Jak uniknąć: Zawsze pytaj “dlaczego?” przynajmniej 3 razy. “Chcę lepszą appkę” -> “Dlaczego?” -> “Żeby szybciej znajdować informacje” -> “Dlaczego to ważne?” -> “Bo klienci czekają i to jest niezręczne” -> TERAZ masz job.

Błąd 2: zbyt ogólne Job Statements

Źle: “Chcę być szczęśliwy.” Źle: “Chcę zaoszczędzić czas.” Źle: “Chcę rozwijać biznes.”

To są aspiracje, nie Jobs. Job musi być konkretny i powiązany z sytuacją.

Dobrze: “Kiedy zamykam laptop o 18:00, chcę mieć pewność, że żadne pilne zadanie nie zostało pominięte, żebym mógł być w pełni obecny z rodziną.”

Test jakości: Czy Twój Job Statement zaczyna się od “Kiedy [konkretna sytuacja]”? Jeśli nie - jest za ogólny.

Błąd 3: poleganie wyłącznie na AI bez walidacji

AI jest genialne w analizie wzorców i generowaniu hipotez. Ale AI nie rozmawiało z Twoim klientem. AI nie widziało wyrazu twarzy, gdy klient opowiadał o frustracji. AI nie wychwyci sarkazmu w recenzji ani kontekstu kulturowego.

Zasada 80/20 dla JTBD z AI:

80% - AI robi ciężką robotę: analiza danych, ekstrakcja wzorców, synteza, generowanie hipotez
20% - Ty waliduj z prawdziwymi ludźmi: 5-10 rozmów potwierdzających lub obalających hipotezy AI

Firmy, które polegają wyłącznie na AI, budują kampanie na fundamencie z domysłów. Firmy customer-centric - a według Deloitte/Forbes są one o 60% bardziej zyskowne - łączą dane z ludzkim kontaktem.

Podsumowanie: 3 rzeczy do zapamiętania

Po pierwsze: Klienci nie kupują produktów - zatrudniają je do wykonania pracy. Zrozumienie tej pracy zmienia wszystko: messaging, content, targetowanie, a nawet rozwój produktu.

Po drugie: AI demokratyzuje JTBD research. Nie potrzebujesz już budżetów na firmę badawczą. Potrzebujesz danych (recenzje, tickety, social media) i dobrych promptów. Workflow z tego artykułu da Ci solidny punkt startu.

Po trzecie: AI to asystent, nie wyrocznia. Generuje hipotezy. Ty je waliduj z prawdziwymi klientami. Ta kombinacja - szybkość AI + głębokość ludzkiego kontaktu - to przewaga, którą trudno skopiować.

Twój następny krok

Skopiuj Prompt 1 z kroku 2. Wklej 10-20 recenzji swoich klientów (Google Reviews, Trustpilot, cokolwiek masz). Uruchom analizę. Daj sobie 30 minut na przejrzenie wyników.

Założę się, że odkryjesz przynajmniej jeden Job, o którym nie miałeś pojęcia. I ten jeden insight może być wart więcej niż cały budżet na kolejną “zoptymalizowaną” kampanię.

Snickers nie sprzedaje batonów. Sprzedaje rozwiązanie na sytuację “nie jesteś sobą, kiedy jesteś głodny”. Arm & Hammer nie sprzedaje sody oczyszczonej. Odkryli, że klienci “zatrudniają” ją do odświeżania lodówki, czyszczenia dywanów i prania - i wielokrotnie zwiększyli sprzedaż, adresując te Jobs w komunikacji. Intercom zbudował cały swój SaaS wokół JTBD, publicznie dokumentując proces.

A jeśli JTBD zainspiruje Cię do przemyślenia własnego pozycjonowania - framework świetnie działa też w personal brandingu. Bo Twoi klienci “zatrudniają” nie tylko produkty. Zatrudniają też ludzi.

Źródła i dalsze czytanie:

Christensen, C.M. et al. (2016). Competing Against Luck
Ulwick, A.W. (2016). Jobs to Be Done: Theory to Practice
Klement, A. (2018). When Coffee and Kale Compete
Dunford, A. (2019). Obviously Awesome
Intercom - firma SaaS, która publicznie stosuje JTBD w rozwoju produktu i marketingu
Badanie Bain & Company - “Closing the Delivery Gap”