# До Сути

> Опишите задачу на русском — AI соберёт готовую анкету за 2 минуты. Сбор ответов на сервисе: своя ссылка, статистика и AI-отчёт. Малому бизнесу, без подрядчиков.

До Сути — российский сервис на https://dosuti.ru: пользователь описывает задачу словами, сервис собирает опрос, публикует его в Яндекс Формах, Google Forms или Анкетологе либо собирает ответы у себя и разбирает их статистикой и AI-отчётом. Интерфейс и весь контент на русском языке.

## Продукт

- [Главная](https://dosuti.ru/): что делает сервис и как проходит путь от задачи до ссылки на опрос.
- [Тарифы](https://dosuti.ru/pricing): бесплатный старт, пакеты кредитов и подписка.
- [Оферта](https://dosuti.ru/offer): условия использования, реквизиты исполнителя.
- [Приватность](https://dosuti.ru/privacy): что происходит с ответами респондентов и загруженными файлами.

## Разделы

- [Шаблоны опросов под бизнес-задачи](https://dosuti.ru/templates): «До Сути» помогает быстро собрать структуру опроса для конкретной задачи: удержание клиентов, оценка сервиса, CustDev, HR-исследование или обратная связь после мероприятия. Вы выбираете сценарий, описываете контекст, а сервис предлагает вопросы, шкалы и порядок блоков.
- [Как составить анкету, которая дает полезные ответы](https://dosuti.ru/guides): Хороший опрос начинается не с редактора форм, а с исследовательской задачи. На этой странице собраны базовые правила: как формулировать цель, выбирать типы вопросов, не подталкивать респондента к нужному ответу и собирать ответы так, чтобы их можно было использовать в продукте и маркетинге.
- [До Сути, Яндекс Формы, Google Forms или ручная анкета](https://dosuti.ru/compare): Конструкторы форм удобны, когда вопросы уже готовы. «До Сути» закрывает предыдущий этап: из задачи и брифа собирает структуру анкеты, предлагает типы вопросов и помогает опубликовать результат во внешней платформе или на своем сервисе. Это не замена всем конструкторам, а быстрый слой перед публикацией.
- [Где публиковать опросы из «До Сути»](https://dosuti.ru/integrations): После генерации анкеты можно выбрать место сбора ответов. «До Сути» поддерживает публикацию во внешних платформах и нативный режим со своей ссылкой. Внешняя платформа хранит ответы у себя, а при сборе на сервисе ответы и незавершенные прохождения доступны в кабинете.

## Блог

Практические статьи об опросах, анкетах и работе с обратной связью — 230 материалов, все на русском. Полный список с описаниями — в llms-full.txt.

- [Все статьи](https://dosuti.ru/blog): оглавление блога.
- [Win-loss анализ: почему в B2B теряют и выигрывают сделки](https://dosuti.ru/blog/win-loss-analiz-v-b2b-prodazhah): Win-loss анализ: как узнать настоящие причины выигранных и проигранных B2B-сделок, кого и когда опрашивать, кто должен звонить и какие ошибки искажают выводы.
- [Опрос после проигранной сделки: как узнать настоящую причину](https://dosuti.ru/blog/opros-posle-proigrannoj-sdelki): Опрос после проигранной сделки: когда его отправлять, кто должен спрашивать, какие вопросы вскрывают настоящую причину отказа и что делать с ответом «дорого».
- [Опрос после выигранной сделки: почему клиент выбрал именно вас](https://dosuti.ru/blog/opros-posle-vyigrannoj-sdelki): Опрос после выигранной B2B-сделки: как узнать решающий аргумент выбора, какие вопросы дают содержательный ответ вместо похвалы и куда его применить в продажах.
- [Опрос после демо: как понять, дошла ли ценность продукта](https://dosuti.ru/blog/opros-posle-demo-prezentacii-produkta): Опрос после демо-звонка: когда отправлять, короткая форма или письмо, какие вопросы отличают реальный интерес от вежливого «понравилось» и как читать молчание.
- [Референс-опрос клиентов: как собрать кейсы, а не отписки](https://dosuti.ru/blog/referens-opros-klientov): Референс-опрос клиентов: чем отличается от NPS, кого спрашивать кроме промоутеров, какие вопросы дают цитируемый текст и как получить согласие клиента.
- [Опрос покупателей интернет-магазина: как построить программу от заказа до повторной покупки](https://dosuti.ru/blog/opros-pokupatelej-internet-magazina): Опрос покупателей интернет-магазина: какие точки замера ставить от заказа до повторной покупки, какие метрики считать, как не заваливать клиента письмами.
- [NPS интернет-магазина: как считать и в какой момент спрашивать](https://dosuti.ru/blog/nps-internet-magazina): NPS интернет-магазина: когда спрашивать после покупки, как считать при малом объёме заказов, чем он отличается от CSAT, что делать с критиками и промоутерами.
- [Опрос после доставки товара: как не потерять клиента на последней миле](https://dosuti.ru/blog/opros-posle-dostavki-tovara): Опрос после доставки товара: что спрашивать про курьера, упаковку и сроки, как отличить проблему логистики от проблемы товара и когда слать письмо клиенту.
- [Опрос о причине возврата товара: как не терять деньги на догадках](https://dosuti.ru/blog/opros-o-prichine-vozvrata-tovara): Опрос о причине возврата товара: как отделить брак от пересорта и завышенных ожиданий, когда спрашивать при оформлении возврата и как читать данные по SKU.
- [Опрос участников программы лояльности: что спросить, чтобы бонусы работали](https://dosuti.ru/blog/opros-uchastnikov-programmy-loyalnosti): Опрос участников программы лояльности: как понять, зачем клиенты вступили и почему не тратят бонусы, что спросить у неактивных и как измерить реальный эффект.
- [Регрессионный анализ опроса: что на самом деле влияет на NPS](https://dosuti.ru/blog/regressionnyj-analiz-oprosa): Регрессионный анализ опроса показывает, какие факторы реально двигают NPS, а какие лишь коррелируют: коэффициенты, R² и мультиколлинеарность на примерах.
- [T-критерий: как понять, что разница между группами не случайна](https://dosuti.ru/blog/t-kriterij-dlya-sravnenija-grupp-oprosa): T-критерий проверяет, реальна ли разница средних баллов двух групп опроса или случайность выборки: как считать, что такое p-значение и когда тест ошибается.
- [Дисперсионный анализ (ANOVA): сравнение трёх и более групп опроса](https://dosuti.ru/blog/dispersionnyj-analiz-anova-oprosa): ANOVA сравнивает три и более группы опроса одним тестом вместо рискованных попарных сравнений: как читать F-статистику и что делать после значимого результата.
- [Выбросы в данных опроса: как их находить и что с ними делать](https://dosuti.ru/blog/vybrosy-v-dannyh-oprosa): Выбросы в данных опроса искажают средние и корреляции: как находить их по времени прохождения и разбросу ответов, что удалять, а что оставить как мнение.
- [Размер эффекта: почему «статистически значимо» не значит «важно»](https://dosuti.ru/blog/razmer-effekta-prostymi-slovami): Размер эффекта показывает, насколько велика статистически значимая разница на самом деле: d Коэна, пороги значимости и почему большая выборка их обесценивает.
- [Надёжность и валидность анкеты: как проверить, что шкала работает](https://dosuti.ru/blog/nadezhnost-i-validnost-ankety): Надёжность анкеты — это стабильность результата, валидность — точность измерения нужного понятия. Разбираем виды валидности, проверку шкал и типичные ошибки.
- [Альфа Кронбаха: как посчитать и что считается хорошим показателем](https://dosuti.ru/blog/alfa-kronbaha): Альфа Кронбаха показывает согласованность вопросов шкалы — от 0 до 1, приемлемо от 0,7. Разбираем логику расчёта на примере и что делать при низком значении.
- [Корреляционный анализ в опросах: как искать связи между вопросами](https://dosuti.ru/blog/korrelyacionnyj-analiz-oprosa): Корреляция показывает, связаны ли ответы на два вопроса, но не доказывает причину. Разбираем расчёт, чтение коэффициента и ловушку «корреляция не причинность».
- [Факторный анализ данных опроса: когда нужен и как читать результат](https://dosuti.ru/blog/faktornyj-analiz-oprosa): Факторный анализ группирует вопросы анкеты в скрытые факторы по силе связи между ответами. Разбираем, когда он нужен, как читать нагрузки и типичные ошибки.
- [Кластерный анализ респондентов: как сегментировать аудиторию по ответам](https://dosuti.ru/blog/klasternyj-analiz-respondentov): Кластерный анализ делит респондентов на группы со схожими ответами без заранее заданных сегментов. Разбираем метод, выбор числа кластеров и ограничения.

## Условия использования

Материалы открыты для цитирования и обучения (см. Content-Signal в /robots.txt). При цитировании просьба указывать источник и ссылку на страницу.