Channel
@ZbsResearch
On this record: Growth · Engagement · Reactions · Posts · Citations · Cite this entry
209subscribers
+0 since we began measuring on 8 August 2026
Risers and fallers across the register · movement among entries of Under 1,000.
| Telegram ID | -1002036758331 |
|---|---|
| Type | Channel |
| Username | @ZbsResearch |
| Created | Between 1 November 2023 and 31 May 2024— estimated from Telegram’s id allocation, not measured. How this range is calculated. |
| First recorded | 8 August 2026 |
| Last confirmed live | 9 August 2026 |
| Measurements held | 2 |
| Confirmed unchanged | 1 time, most recently 9 August 2026 |
| On Telegram | t.me/ZbsResearch |
| Measured (UTC) | Subscribers | Change |
|---|---|---|
| 9 Aug 2026, 03:00 | 209 | no change |
| 8 Aug 2026, 22:01 | 209 | first reading |
20 posts held, back to 24 April 2026 — the reader has not yet reached the start of this channel’s public history, so older posts may sit further back, unread. Read across 1 pageof Telegram’s post history, 20 posts per page.
ERR is average views per post over the last 30 days divided by subscribers, the definition TGStat uses, so this figure is comparable with the one you will see elsewhere. It falls structurally as a channel grows: a high ERR on a small channel and a low one on a large channel describe reach mathematics, not quality. We publish the figure and the sample it came from and pass no verdict on it.
ER is defined industry-wide as (forwards + reactions + comments) ÷ views— note the denominator is views, not subscribers. Telegram’s public web preview carries views and reactions but not forward or comment counts, so the reaction rate above is the reactions term only and is therefore a floor: the true ER for this channel is higher by an amount we have not measured and will not estimate.
| Window | Rolling 30 days · latest post in window 28 July 2026 |
|---|---|
| Posts held | 20 (24 April 2026 – 28 July 2026) |
| Views total | 356 |
| Reactions total | 20 |
| Forwards / comments | not exposed by the public surface — not measured, not estimated |
| Readings taken | 8 Aug 2026, 22:01 UTC |
Views are a single reading per post, taken at the time above. A post published in the last day or two is still accumulating views, which pulls the 30-day average down slightly. That is a property of the standard definition rather than a fault in it, so we keep the definition rather than “correcting” the number into something nobody can reproduce.
Precision. Telegram publishes view counts on its public widget in short form — 8.12K, 3.7M — so any reading at or above 1,000 reaches us rounded to three significant figures, and only counts below 1,000 are exact. Averages and rates derived from them are shown to the same precision rather than to the unit: a figure like 3,701,250 would assert digits nobody measured.
Reaction counts are published per emoji and rounded the same way, so a total below 1,000 is exact and a larger one is a sum that may carry a rounded component from each emoji above 1,000. Because it is a sum, it does not look rounded — read a large reaction total as three significant figures per contributing emoji rather than as the figure it prints.
103 reactions across 20 posts, in 4 distinct kinds. The most used accounts for 63.1% of them.
| Reaction | Count | Share | Share, drawn |
|---|---|---|---|
| ❤ | 65 | 63.1% | |
| 👍 | 23 | 22.3% | |
| 🔥 | 14 | 13.6% | |
| ✍ | 1 | 0.971% |
No sentiment is inferred, and none should be read in. This table is ordered by count and by nothing else. Emoji do not carry stable meaning across languages or communities — 🙏 is thanks in one channel and mourning in another — so we publish which ones were pressed and how often, and pass no judgement on what an audience meant by them.
Precision. Telegram publishes reaction counts per emoji and short-forms each one — 4.34K, 1.2M — so any single kind at or above 1,000 reaches us at three significant figures, and only counts below 1,000 are exact. The shares above are ratios of those figures and carry the same error. This is also why the total here can differ slightly from a reaction total printed elsewhere on the page: both are sums of the same rounded parts, taken over samples with different edges.
Coverage. Reactions were read on 20 of the 20 sampled posts in this sample. Summed by Telegram’s own count on each post — not by adding up the per-emoji breakdown above — those same posts carry 103reactions in total: the kind of figure the paragraph above means by “a reaction total printed elsewhere on the page”.
Measured over the 20 most recent posts we hold, published 24 April 2026 to 28 July 2026, using the newest reading held for each. Telegram Stars are excluded: they are a payment, not a reaction, and they have their own section.
🔤🔤 💎 О триангуляции в UX-исследованиях на одном примере UX-исследователи Alfa Research Center рассказывают, как принцип триангуляции помогает получать более надёжные результаты, сочетая несколько исследовательских методов. На примере реального кейса авторы показывают, почему комбинированный подход позволяет глубже понять проблемы пользователей и принимать более обоснованные продуктовые решения даже при ограниченных…
🔥3❤2✍1
👍 Возможно, я дурак… Как делать эффективные продукты в ситуации, когда никто ничего не понимает Анастасия Лестова, социальный антрополог и исследователь пользовательского опыта в Контур.Маркировке, объясняет, как жизненный контекст и неудачные интерфейсы влияют на когнитивные способности пользователей, почему люди ошибаются при работе с продуктом и какие принципы проектирования помогают снизить когнитивную нагрузку …
❤4👍2
🔤🔤🔤 📈 Метрики UX — как измерить пользовательский опыт Софья Каневская, руководитель проектов Fastuna, объяснила, что такое UX-метрики, какие аспекты пользовательского опыта они помогают измерять и как правильно выбирать и сочетать разные показатели, чтобы объективно оценивать удобство продукта и принимать обоснованные продуктовые решения. 👀 Кому будет полезно: продуктовым исследователям ✔️ Основные мысли: • Одна …
❤7🔥1
🔤🔤 🔜 Как команда перестала полировать макеты и начала отдавать дизайн итерациями В статье рассмотрен итеративный подход к дизайну, как способ создания продукта, в котором дизайнеры, разработчики, продакт-менеджеры и пользователи совместно влияют на развитие решения. Авторы делятся опытом применения этого подхода в проектах разного масштаба, рассказывают о его преимуществах, ограничениях и о том, как регулярные итер…
❤2👍1
🔤🔤 🎤 Спросили дизайнеров из бигтеха, как изменилась их работа за год: инструменты и результаты, границы и переоценённый хайп Екатерина Тимофеева, лид дизайна, подготовила цикл из двух статей на основе интервью со специалистами Сбера, Яндекса, VK, AvitoTech, ВТБ и 2ГИС о практическом использовании искусственного интеллекта в работе. В первой части эксперты делятся тем, как применяют ИИ в ежедневных задачах и какие и…
❤3🔥1
🔤🔤 📍 Красный подождёт. Как 2ГИС запускали «зелёную волну» в навигаторе 2ГИС Даня, продуктовый дизайнер команды Транспорт, рассказал, как в навигаторе 2ГИС появилась функция «зелёной волны», которая помогает водителям проезжать последовательность светофоров без остановок. Он поделился процессом создания решения: от проверки популярной городской идеи и поиска пользовательской ценности до проектирования интерфейса, ра…
❤4🔥2👍1
🔤🔤🔤 💡 Какие типы продуктовых задач решает продуктовый исследователь Иногда встречаюсь с мнением, что исследователя воспринимают как специалиста, который только проводит интервью и юзабилити-тесты, а потом показывает результаты команде. Но на практике исследование является инструментом решения продуктовых задач, а сами задачи могут сильно отличаться друг от друга. Так с какими задачами работает продуктовый исследова…
❤5👍1
🔤🔤 ⭐️ Почему пользователи врут на интервью и что увидели исследователи, когда начали за ними наблюдать Кирилл Улитин и Стася Кабанова из МойОфис рассказали, почему традиционные глубинные интервью не всегда помогают понять реальное поведение пользователей. Авторы показывают, как люди непроизвольно искажают описание своих действий, упрощают сценарии и забывают важные детали, а также делятся опытом перехода от изучени…
❤3👍2
🔤🔤🔤 💬 Синтетические респонденты против синтетических данных: чем они реально отличаются и кому верить В статье дискуссия о том, можно ли использовать ИИ вместо реальных респондентов в исследованиях и чем синтетические данные отличаются от синтетических респондентов. На примере спора между критиками и создателями AI-инструментов автор показывает, почему ответы языковых моделей могут выглядеть убедительно, но при это…
❤2👍1
🔤🔤🔤 👍 All you need is VoC. Как работать с «хотелками» и нуждами клиентов UX Feedback разобрали одну из главных проблем работы с пользовательским фидбэком: команды часто воспринимают предложения пользователей как готовые решения, а не пытаются понять стоящую за ними потребность. Материал показывает, почему обратная связь сама по себе не приносит пользы без анализа и исследования, и объясняет, как переводить пользова…
❤4🔥1
⭐️ Personas и JTBD: разные этажи одного здания Павел Шерер, продуктовый методолог и аналитик и с опытом более 15 лет, разбирает популярный конфликт между JTBD и Personas и объясняет, почему эти подходы не противоречат друг другу. В статье он показывает, как JTBD помогает понять потребности и мотивацию пользователя, а Personas — контекст, ограничения и поведение конкретных людей, и почему только сочетание этих инстру…
❤2🔥2
🔤🔤 👍 Как СберЗдоровье обновили экран «Вы записаны» и выросли по ключевым метрикам Глеб Бобыльков, ведущий дизайнер в СберЗдоровье, рассказал, как команда переосмыслила финальный экран после записи к врачу и превратила его из простого подтверждения в гибкий сценарий «что дальше». В статье он показывает, как с помощью UX-подхода, системы кросс-офферов и универсального компонента для дизайн-команды удалось добавить би…
❤3👍1
Showing the 12 most recent of 20 posts we hold for @ZbsResearch. View and reaction counts are the latest single reading for each post, not a live figure, and a recent post is still accumulating both. A view count marked ≈ was rounded by Telegram before we ever saw it — t.me prints views in full below 1,000 and to three significant figures above, so ≈1,200,000 means somewhere between 1,150,000 and 1,249,999. Unmarked counts are exact. Text is reproduced from the public post preview and truncated for length.
Citation-graph rank — 655,325 of 1,481,217entries in the measured graph. A weighted position computed from the forward and mention edges below — republished posts weigh more than named mentions — and recomputed periodically, over the whole graph. Published only as this ordinal position, never as a score: a position is a fact, and a score printed beside one channel’s name would read as a verdict this register does not make. The two counts beneath stay separate for the same reason mentions are never summed with forwards anywhere else on this page — a named-by count costs nothing to manufacture. The top 100 by this measure, or how it is computed.
Republished by
Channels on the register that have forwarded this channel's posts into their own feed.
Built only from forwarded posts we have actually read, on both sides. Coverage is early and deliberately incomplete: a missing link means we have not read the post that would prove it, never that the relationship does not exist. Counts are distinct forwarded posts observed, so they only ever go up as we read more.
Named by 1 registered channel — every channel on the register whose own posts have named this one, by its current username or any other username it currently holds, merged from two separately captured readings of the same fact so a namer caught by only one of them is not missed and a namer both caught is not counted twice. A username this channel has since dropped is not matched — that handle may belong to someone else now, and crediting today’s namer to yesterday’s owner would misattribute it.
Named by
Channels on the register whose posts name this channel's handle.
A mention is a weaker signal than a forward and is counted separately for that reason — naming a channel is not republishing it, and a handle in a post body is easy to place deliberately. The post counts beside each row below are distinct posts in which the handle appeared, from posts we have read on both sides — the “Named by N registered channels” figure above is a different count, of distinct NAMING CHANNELS rather than posts, and is not the sum of the rows under it.
A live page changes as we take new readings, so a citation should name the measurement it is based on, not just the URL. The line below cites the subscriber count as measured 9 August 2026 — this entry's latest reading, not the date you are reading this.
“Zbs Research” (@ZbsResearch), 209 subscribers as measured 9 August 2026. Telegram Register, tgregister.com/channel/ZbsResearch.
Full measurement history, CC BY 4.0. Every reading this register holds for this entry, not just the latest one, as a dated, downloadable record: CSV · JSON. Free to use with attribution to tgregister.com. Each file carries its own generation timestamp, which is the figure to cite for exactly when the data was retrieved.