Зашёл сдать анализы и насчитал потенциал на 105 миллионов рублей в год. UX-аудит сайта Гемотеста за один рабочий день

Был обычный день. По дороге, я открыл Гемотест со смартфона, выбрал анализ, добавил в корзину — и завис на сумме.

Ждал 640 рублей. На экране стояло 930. Никаких объяснений. Закрыл вкладку, решил, что что-то сломалось.

Дома открыл с ноута — и увидел: под названием анализа мелкой серой строкой «Вен. кровь (+290 ₽)». На телефоне этой строки просто не было. Десктоп показывает, мобайл — нет.

8 из 10 пользователей сейчас приходят с телефона. Все они видят одну цену в листинге и другую в корзине. Не баг. Просто информация о взятии биоматериала выпала из мобильной вёрстки — и живёт так на сайте с 11 миллионами визитов в месяц.

Тут у меня и появилась мысль провести эксперимент…

Я UX-дизайнер и исследователь, опыт в основном в e-commerce, SaaS и DIY. Аудиты всегда делал руками, по две-три недели на проект, как принято в индустрии. Но AI сейчас залезает во все процессы, и мне стало интересно проверить честно. Взять тот же сайт, который меня только что обсчитал, и сделать по нему полный аудит за один рабочий день. Стек — Claude, Perplexity, Cursor.

Методология — стандартный многоэтапный UX-обзор: рынок, конкуренты, JTBD, голос пользователей, эвристики Нильсена, Baymard, поэлементный разбор, цифры, финмодель. Про сам процесс напишу отдельный материал, где AI помогает, а где грабли. Здесь - про результат.

Расчётный потенциал — от 35 до 210 миллионов рублей дополнительной выручки в год, в зависимости от глубины правок. Ниже будут 5 самых дорогих проблем на мой взгляд.

AI на “серьёзных щщах” подсвечивает шрифт 12 пикселей вместо 14 с тем же напором, что и архитектурную дыру на сотни миллионов. Он одинаково ровно раскладывает находки слоем толщиной в два пальца, и в этом слое тонут самые важные. Расставить приоритеты по реальной стоимости проблемы для бизнеса машина корректно не умеет, тут нужна экспертиза.

При этом черновую работу AI ускоряет примерно в десять раз. Сбор рынка, агрегация отзывов с почти десятка площадок, прогон по чек-листам, расчёты по формулам — это можно отдать машине почти целиком и доверять процентов на восемьдесят.

Вывод после дня: AI без человека выдаёт красивый отчёт из двухсот пунктов одной важности. Человек без AI делает три недели то, что в паре с AI делается за день. Рабочая формула — не «AI вместо эксперта», а «AI + эксперт».

1. Цена растёт по дороге — и ты не при делах.

Два механизма, один эффект. Первый — мобильная слепая зона. На десктопе под названием каждого венозного анализа есть строка «Вен. кровь (+290 ₽)». На мобильной версии её нет. 80% пользователей приходят с телефона, видят одну цену в листинге — и другую в корзине. Информация существует, просто выпала из мобильной вёрстки. У Helix и Invitro цена взятия видна на любом устройстве.

Второй — корзина переключает внимание в момент, когда пользователь уже принял решение. Вместо фокуса на оплате — карусель акций и рекомендованные анализы. Upsell в корзине — сознательный паттерн, и у него есть рабочие кейсы. Но по данным Baymard, в категориях с высокой тревожностью покупки (медицина, финансы) дополнительные предложения на этапе checkout увеличивают abandonment rate, а не средний чек. Без A/B-теста нельзя сказать, как это работает именно у Гемотеста — но риск реальный.

2. Промо съело каталог. И корзину.

Открываешь каталог с мобилы и видишь баннеры, акции, плитки чек-апов. Сами анализы начинаются после скролла. Человек пришёл выбрать и купить, а сайт первым делом показывает ему рекламу. То же самое в корзине: вместо фокуса на оплате — карусель «Новые акции». Это работает против Peak-end Rule, по которому впечатление от сервиса формируют пиковый момент и последний шаг.

3. В каталоге на тысячу позиций нет фильтров.

Никаких. Ни по биоматериалу, ни по сроку, ни по цене. Единственный способ найти нужное — скроллить или знать точное название. Названия — отдельный жанр: реальные заголовки карточки могут занимать более 200 символов. Это не описание — это прям условие договора. Сканировать невозможно, можно только медленно читать.

4. Нашёл анализ, кликнул — и попал в медицинскую энциклопедию.

В листинге карточка анализа — это четыре строки: название, цена, бонусы, кнопка. Нажимаешь — и оказываешься на странице с тремя экранами медицинского текста: методы исследования, противопоказания, условия подготовки, биоматериал, синонимы. Скачок плотности информации кратный и без предупреждения. Пользователь шёл выбирать, а попал разбираться. Для человека, который пришёл просто сдать кровь по направлению врача, это стоп-сигнал. Часть уходит, часть нажимает «назад» и теряет контекст — каталог не запоминает, где ты был.

5. «В корзине», «В корзину», «В корзине» — что из этого что?

На одном экране три элемента с одинаковой лексикой «в корзине» в трёх разных смыслах: сводка заказа справа, кнопка добавления на карточке анализа, статус уже добавленного оранжевой кнопкой. В медицинском e-commerce, где человек отвечает за то, что заказывает, такая неопределённость — повод закрыть вкладку.

Не про цифру 105, а про то, можно ли вообще говорить о UX в деньгах, а не в эмодзи со смайликами на графике.

UX-аудит традиционно сдают в формате «вот вам критичные находки, обозначены красным». Бизнес читает это как «дизайнеры опять чем-то возмущаются» — и кладёт в стол. Поэтому правило простое: нет финмодели — нет разговора.

Считал так. ~11 млн визитов в месяц по оценке Similarweb. Три четверти — с телефона, по данным Semrush по российскому healthcare. Конверсия — нижняя граница отраслевого бенчмарка для mobile healthcare: 1,5% по IRP Commerce и Ringly.io. Средний чек ~ 800 рублей, оценка по структуре каталога и скрину корзины. По каждой найденной проблеме — диапазон аплифта из исследований Baymard по checkout-оптимизации. Сложил.

Три сценария: +35 миллионов в пессимистическом, +105 в реалистическом, +210 при полной программе изменений за полгода. Стоимость быстрых правок — около двух миллионов рублей: три задачи уровня S (фронтенд + QA) по 200–300 тысяч каждая плюс менеджмент и тестирование. ROI первого года — пять-десять иксов.

Главное здесь не сами цифры, а сам факт, что любой UX-аудит можно и нужно сводить к финмодели. Ошибся в два раза в одну сторону — порядок не меняется. «Десятки миллионов на сайте при двухнедельных правках» — не маркетинговая фраза, а арифметика по открытым данным.

Методология, источники и все допущения — в полном отчёте со всеми находками, скринами и расчётами.

Если бы у меня в начале этого дня был такой чек-лист, я бы сэкономил часов пять. Делюсь — можно вырезать и повесить рядом с монитором)

1. Не верь интерпретации без факта.

Для каждой AI-находки задай себе вопрос: «Могу ли я сейчас пальцем показать конкретный скриншот и конкретный элемент, который это подтверждает?». Если ответа нет — находка отправляется в карантин. Минимум 30% «находок» отвалятся на этом шаге.

2. Проверяй скрытые состояния.

Дропдауны, модалки, drill-down, hover-меню, аккордеоны, empty state, error state. Если ты не используешь браузерного агента, AI работает только с тем, что в кадре — он не «кликает» по интерфейсу сам. Чтобы получить корректный анализ скрытых состояний, нужно подавать их на вход явно: отдельный скриншот раскрытого дропдауна, открытой модалки, состояния ошибки. Иначе половины интерфейса для AI просто не существует.

3. Не натягивай Baymard и Нильсена на всё подряд.

AI обожает прикладывать гайдлайны как штампы. Сначала опиши своими словами, что реально происходит с пользователем в этой точке. Потом, если есть проблема, ищи подходящий гайдлайн как обоснование. В обратном порядке — натяжка, и она почти всегда видна на втором проходе.

4. Снижай оптимизм финмодели на коэффициент отрезвления.

AI любит сценарии «Quick wins дадут плюс 15% к конверсии». В реальности из десяти Quick wins сработают три, и не на 15%, а на 1–2% каждая — это типичная картина по постфактум-анализам A/B-тестов в e-commerce: большинство гипотез не подтверждаются или дают эффект в разы меньше прогноза. Бери итоговую цифру и дели на 3–5. Лучше потом приятно удивиться, чем неприятно объясняться с клиентом.

5. Гоняй туда-обратно: эксперт → AI → эксперт.

Не «AI выдал отчёт, я его причесал», а: AI находит, эксперт глазами проверяет каждый пункт, AI помогает оформить и пересчитать, эксперт ещё раз утверждает. Медленнее, чем «один проход AI», но в разы быстрее, чем традиционный аудит. И главное, после этого результат можно показывать клиенту, не зажмуриваясь.

6. Готовь скриншоты, как ТЗ для разработчика.

Полное разрешение, все ключевые состояния, читаемые подписи. На каждом — короткая текстовая аннотация, что именно изображено. Это не паранойя, это базовая гигиена работы с AI на визуальных данных.

UX-аудит — не «найти ошибки и ткнуть пальцем». Это в первую очередь тренажёр насмотренности для команды и инструмент перевода интерфейсных решений в деньги. Хорошо сделанный аудит на ранней стадии экономит бизнесу сотни тысяч на исследованиях, потому что вырезает большую часть очевидных проблем до того, как до них доберётся фокус-группа.

По данным Nielsen Norman Group, один опытный эксперт в эвристической оценке находит около 35% юзабилити-проблем самостоятельно, а команда из 3–5 экспертов — до 80%. Всё это без user testing, без A/B-тестов, без доступа к продуктовой аналитике, на одних только профессиональных глазах и накопленной насмотренности. Связка «AI плюс эксперт» позволяет добраться до этих 80% не за две недели работы команды, а за один рабочий день. AI — за объём и скорость, эксперт — за приоритизацию, отрезвление и здравый смысл.

Важная оговорка. Аудит делал исключительно по открытым данным: скриншотам, отзывам, Similarweb, Semrush, Lighthouse. Доступа ни к Метрике Гемотеста, ни к их продуктовому контексту, ни к карте roadmap у меня не было. Часть находок наверняка может быть уже в работе у их команды или обсуждена и отложена по веским причинам, которых я не вижу. Это нормально. Цель эксперимента была не «найти у Гемотеста косяки», а проверить, что внешний UX-аудит на одних только открытых данных всё ещё имеет смысл и даёт работающую картину.

Если в одном из пяти пунктов узнали свой продукт - напишите мне в UX radar. Посмотрим, сколько это стоит в вашем случае.

P.S. Анализы я всё-таки сделал. Надо же было идти до конца)