Тренды продуктового дизайна 2020

Стоит сразу же обозначить, что тренд — не прорыв года и не то, что вызывает ажиотаж и повышенное внимание. Это понятие означает долговременную тенденцию изменения исследуемого ряда, который имеет свой жизненный цикл.

Некоторые из перечисленных трендов с нами с 2017 года, какие-то только зарождаются. При правильном их исследовании можно спрогнозировать поведение пользователя в будущем. Это даст преимущество перед конкурентами, выстраивая эффективную коммуникацию с клиентом.

Суть персонализации — направлять конкретного пользователя, в зависимости от поступивших данных предсказывая его потребности. С помощью персонализации можно сформировать контент, релевантный его ожиданиям. Тем самым влиять на конверсию и удовлетворённость посетителя.

Один из способов реализовать персонализацию — куки и веб-пиксель. При заходе пользователя на сайт ему присваивается уникальный ID. По мере того как пользователь взаимодействует с сайтом: скроллит страницы, заполняет формы, пишет комментарии, переходит по вкладкам — эти события отслеживаются и сохраняются. В итоге накапливается огромное количество данных, которые после анализа расскажут нам о его желаниях и предпочтениях. На основе этих данных можно создавать персонализированные предложения.

К кукам и пикселю можно добавить геозонирование. Один из интересных способов сбора геоданных — Wi-Fi-радар. Там, где планируется сбор аудитории, устанавливают роутер, который ловит MAC-адреса находящихся в радиусе действия устройств. Это может быть полезно офлайновому локальному бизнесу, то есть магазинам, кафе, парикмахерским или для сбора аудитории, которая присутствует на мероприятии: конференции, концерте, лекции, презентации, встрече и т. д. Способ помогает более глубоко сегментировать пользователей, создавая новые сегменты с помощью машинного обучения.

Netflix. Задача сервиса — максимально релевантно порекомендовать вам сериал. Сервис отслеживает историю ваших просмотров и на основании этого формирует выдачу сериалов. Но это ещё не всё. В Netflix персонализировали даже обложки. Обложка одного и того же фильма будет выглядеть по-разному для пользователей.

Работает это так: алгоритмы анализируют все виды обложек и отбирают самые популярные. У одного сериала их может быть несколько, и каждая из них по-своему оттеняет сюжет, который сложно передать одной картинкой. Принимая во внимание разнообразие вкусов аудитории Netflix, логично каждому подписчику показать персональную обложку с учётом его историй просмотров. Если подписчик предпочитает романтические фильмы, то обложкой к фильму будет картинка сладкой парочки. Для любителя комедий — забавная ситуация. Для зрителей, которые выбирают фильмы по актёрскому составу, триггером к просмотру может стать изображение любимой звезды.

То есть создаётся сложное поведенческое сегментирование. Деление пользователей осуществляется не только по таким разделам, как пол, возраст и т. д. Создаются новые сегменты с помощью машинного обучения. Собранные данные и интеллектуальные алгоритмы обработки Netflix могут дать шанс на популярность каждому сериалу, а также расширить круг интересов подписчика, предлагая ему новый опыт.

Рассмотрим, например, банк для малого бизнеса. Скорее всего, этот банк предлагает огромное количество сервисов и услуг. Но если взять конкретного клиента, вряд ли ему нужен весь пакет, обычно есть необходимость только в тех, что помогут в бизнесе. Зная потребности пользователя, мы можем сформировать персонализированную страницу услуг, тем самым подтолкнув его к совершению покупки. Даже если покупку клиент не осуществит, он почувствует заботу и персональный подход. И это может сконвертироваться в рекомендацию другим людям.

Выбирать, какое оформление и какие приложения установить на телефон, мы привыкли в соответствии со своими предпочтениями. Таким же образом хотелось бы изменять и сервисы, которые используем.

Кастомизация — это мощный инструмент, позволяющий настраивать конфигурацию сервиса, чтобы им было удобнее пользоваться. Кроме того, он позволяет почувствовать себя его творцом. Это может быть личный кабинет банка, где убрано всё, что не нужно, чем редко пользуемся. Зато вынесено всё самое необходимое.

Взаимодействие с экранами — хорошо проработанная история. Экран останется даже тогда, когда голосовой интерфейс будет работать хорошо. Хотя бы потому что 90 процентов информации человек воспринимает глазами. Визуальное восприятие — основное. Голосовое — вспомогательное.

Уникальность голосового интерфейса заключается в том, что он невидимый. Задача продуктового дизайнера подготовить пользователя к отсутствию элементов управления и обучить. В графическом интерфейсе мы видим элементы управления — кнопки «Назад», «Вперёд», в голосовом нам надо их создать в уме.

Голосовой интерфейс стоит использовать, когда такое управление будет намного удобнее физического. Например, умный дом. Нам проще с помощью одной голосовой команды выключить весь свет в квартире перед уходом, чем обходить каждый выключатель. Собираясь на работу, узнать о погоде и пробках, включить музыку или любимый подкаст. За рулём с помощью голоса удобно проложить маршрут или ответить на звонок.

Реализовать такой метод управления можно с помощью голосовых помощников, таких, например, как Алиса. Интерфейс позволяет создать ещё один канал и навыки взаимодействия пользователя с вашим продуктом.

Чат-бот так же, как и голосовой интерфейс, не заменяет каналы взаимодействия, а добавляет ещё один. Плюсы использования бота: нет долгого ожидания в очереди либо поиска ответа на вопрос клиента — отвечает мгновенно. Тем самым помогает сократить расходы на клиентское обслуживание.

Примеры использования

• Служба поддержки банка. Чат-бот поможет заблокировать или перевыпустить карту, сообщить дату и сумму платежа по кредиту, дать информацию по услугам и сервисам.
  

• Чат-бот для записи на собеседование, к врачу, на стрижку, мероприятие и т. д.
  

• Регистрация пользователей в сервисе посредством чат-бота. Например, как это реализовано в «Яндекс.Драйв». Регистрация проходит в формате чата, в виде переписки со службой поддержки. Чат-бот даже звонит с контрольным вопросом. С помощью многофакторного анализа осуществляет проверку документов и в итоге принимает решение о регистрации и допуске к сервису. Все процессы автоматизированы, и зарегистрироваться можно в любое время дня и ночи.
  

• Чат-бот службы поддержки каршеринга отправляет уведомления о проблемах с автомобилем или арендой простым и удобным для клиента способом. Кроме того, повышает скорость обработки сотрудниками сервиса обращений, снизив для клиента время ожидания решения.
  

• Чат-бот aviasales позволяет настроить фильтр по поиску дешёвых авиабилетов.
  

• Интересно реализована навигация по торговому центру в виде чат-бота. Он просит написать название одного или двух магазинов и после этого присылает маршрут, по которому легко дойти в нужную точку.

WebGL2 обеспечивает совершенно новый уровень отображения текстуры и рендеринга 3d-объектов, а также воспроизведение фото и видео в формате 360. Отлично работает с такими историями, как промостраницы, конкурсы, эксклюзивный продукт, для объяснения работы технически сложных продуктов, добавляет элементы интерактива на страницу.

Сейчас сложно представить разработку без проведения исследований и проверки гипотез. Это важная часть процесса, так как на разработку или улучшение продукта уходит много времени и денег. Если этого не делать, может получиться так, что продукт будет никому не нужен. Придётся или бросать разработку, или переделывать всё заново.

От эффективности проведённого исследования зависит многое. Хорошая гипотеза рождается на стыке количественных и качественных данных. Первые покажут вам, где болит, а вторые погрузят в контекст проблемы.

Количественные исследования способны ответить только на вопросы «сколько?» и «насколько?». Качественные — на вопросы «что?», «как?» и «почему?» в подробностях, отражающих сложности реальных человеческих ситуаций.

Наше поведение довольно сложно. В нём задействовано слишком много переменных, чтобы для его понимания можно было положиться исключительно на количественные данные. Они могут предоставить содержательный ответ на вопросы «ЧТО?» или «СКОЛЬКО?». Но без качественных исследований, позволяющих узнать «ПОЧЕМУ?», такие статические данные часто больше порождают вопросов, чем дают ответов.

Количественные исследования наиболее эффективны для сбора поведенческой информации. Она позволяет проектировщикам проектировать продукты для пользователей.

Качественные исследования помогают понять предметную область продукта. К тому же работают быстрее, обходятся дешевле и с большей вероятностью дадут возможность получить ответ, как повысить качество проектирования. Применяются для получения характеристик поведения пользователя и его скрытых потребностей.

Для проверки гипотез я бы порекомендовал «Яндекс.Метрику» и «Яндекс.Взгляд». С помощью «Метрики» можно проверить количественные данные, а качественные поможет проанализировать «Взгляд».

На первый взгляд, перечисленные тренды банальны. Но зайдя, например, на сайт Сбербанка, мы не находим их применения. На первом экране мне предлагают ознакомиться с пенсионными накоплениями, нет никакой персонализированной выдачи. И таких сервисов как Сбербанк много, где могут быть применены перечисленные тренды.