Никита Минюк

Лев, колдунья, платяной шкаф и другие навыки продакта. Психология в создании продукта

Всем привет! Давайте знакомиться: меня зовут Никита, я Head of Product в компании «Юником 24 — финансовый маркет». Мы являемся агрегатором финансовых предложений и вместе с лучшей в мире командой делаем сложный мир финансов прозрачнее и доступнее пользователю. Сейчас на рынке товаров и услуг появилось так много различных вариантов, что далеко не все могут разобраться в них и выбрать лучшее. Мы же работаем с разными финансовыми инструментами, на любой вкус.

Я назвал эту серию статей «Лев, колдунья, платяной шкаф и другие навыки продакта». Предлагаю сегодня обсудить, как понимание психологии поведения человека помогает в работе над продуктом и в целом в выстраивании различных стратегий в компании. Это будет первая статья нашей серии, в которой мы познакомимся с различными аспектами в работе над продуктом.

Сегодня мы разберем замечательные идеи нобелевского лауреата Даниэля Канемана и его труда “Думай медленно… решай быстро”. Я постарался структурировать мысли не в том порядке, как они изложены в книге, а в том, как на практике удается их применять. БОльшую часть механик я использовал ещё до знакомства с книгой, но идеи, изложенные в ней, помогли мне дополнить картину. Итак, поехали!

Возникновение идеи

У вас появилась замечательная идея и вы хотите, пообщавшись с пользователями, оценить - насколько этот продукт может быть востребован. Вы отлично понимаете, что лучше не спрашивать напрямую про продукт, а нужно выяснить потребности пользователя. Давайте обсудим проблемы, с которыми вы можете столкнуться и сделать неверные выводы.

Проблема впечатлений

Ответы собеседника в данный момент времени отражают его последние впечатления. Ведь события из недавнего прошлого вспоминаются легче и кажутся гораздо более существенными. Если человек недавно стал свидетелем ДТП, то временно повысится его субъективно ощущаемая вероятность аварии. Если человек стал свидетелем пожара, то и опасаться (опять же временно) он его будет гораздо сильнее. Поэтому очень важно поинтересоваться у пользователя, когда в последний раз он сталкивался с той или иной проблемой. Если вы работаете над приложением условного будильника, то нужно объективно воспринимать эмоции человека, который буквально вчера проспал и опоздал на важное совещание. Да, сегодня он готов купить ваш условный будильник за любые деньги. Но к моменту первого релиза его это может уже не заинтересовать.

Ошибки, связанные с поиском и восприятием

Приведу пример самого Канемана:

Какая вероятность больше: что слово начинается с буквы r или что буква r стоит на третьем месте? Человек, решая эту задачу, вспоминает слова, начинающиеся с r (road), и слова, где r на третьем месте (car), и оценивает их относительную частоту по легкости, с которой слова этих типов приходят на память. Поскольку гораздо легче найти слова по первой букве, большинство сочтет слова, где данная согласная стоит на первом месте, более многочисленными, чем те, в которых та же согласная стоит на третьем месте. Это верно даже для таких согласных, как r и k, которые гораздо чаще встречаются на третьем месте в словах, чем на первом.

Даниэль Канеман

То есть, спрашивая человека о проблеме, нужно учитывать, насколько сложно в принципе вспоминать кейсы из реальной жизни. Возможно, кейсы, которые сразу не приходят в голову, имеют гораздо более важное значение, чем думает наш собеседник.

В финансовых продуктах гораздо проще вспомнить кейсы работы с кредитными картами, чем, например, с ипотекой. Но это совсем не значит, что в целом для пользователей инструменты для подбора ипотеки являются менее важными.

Эффект привязки

Это довольно интересный эффект, который вы можете проверить на своём ближайшем окружении. На мой взгляд, это некоторое следствие “эффекта Ореола”: задавая вопрос человеку, вы просите его оценить какое-то значение по отношению к некоторой величине. Например, количество голубоглазых левшей в нашей стране. Если попросить одну группу оценить это количество больше/меньше 1 млн с указанием оценочного числа, то в среднем получим диапазон значений от 0.8 млн до 1.2 млн (разумеется, условно). А если второй группе задать тот же вопрос, но с привязкой к числу 5 млн, то мы вполне вероятно получим разброс около числа, заданного нами, скажем, 4.5 млн - 5.5 млн. Разумеется, это не относится к абсурдным вопросам, на которые человек вполне может дать конкретные ответы, и привязка его не собьет. Итог: задавая вопросы, не привязывайте вашего собеседника к конкретике, которую вы сами придумали.

Разрабатывая новое фитнес-трекер приложение, не спрашивайте - больше или меньше 5000 шагов делает ваш респондент. Большинство людей не следит за этим, и поэтому привязка сработает моментально.

Вывод: учитываем сложность вспоминания, учитываем частоту возникающих событий, учитываем, когда в последний раз возникло событие, не вовлекаем респондентов в эффект привязки.

Планируем сроки проекта

Мы определили нашу ЦА (целевую аудиторию) и определили концепт продукта, который хотим реализовать. Давайте поговорим о самой насущной проблеме последнего времени - определение сроков и сложности реализации. Как вы думаете, почему так часто и так сильно ошибаются со сроками? Думаю, у каждого найдется много причин, я приведу ту, с которой сам сталкивался чаще всего.

Игнорирование ретроспективных данных

Вы смотрите на свою команду, смотрите на проект и понимаете - да мы запросто это сделаем. Скажем, за месяц. На это - неделю, на это, и на то. И ещё неделя на всякий случай. Да, точно успеваем, даже с запасом. Поехали…А теперь давайте посмотрим на 2 вещи: сколько времени было необходимо команде в прошлом на реализацию похожего по сложности проекта? Или, если таких проектов не было, сколько времени тратила команда конкурентов на похожий проект? Ответ придет сам собой: в разы, а может, и на порядки больше. Но ведь там нам просто не повезло, возразите вы: Вася болел, Петя уволился, Коля уходил в отпуск. Да и вообще, мы первое время шли не туда и делали не совсем то. Да и релизы вечно ломались, сервера тормозили и т.д... Но сейчас-то совсем другое дело! Нет, не другое. Глобально ничего не поменялось. Все так же кто-то может заболеть, уволиться или уйти в отпуск. Все так же вы можете с самого начала пойти не туда. И даже лозунги “ну мы же команда! в этот раз мы точно справимся!”, к сожалению, никак не уменьшают количество потенциальных ошибок или объем работы.

Не попадитесь на так называемую “ошибку игрока”: 10 выпавших подряд красных секторов на рулетке никак не увеличивают шанс в 11-й раз получить черный сектор! Если у вас несколько раз на схожих проектах не удалось уложиться в месяц, не думайте, что судьба сжалится и на этот раз все точно получится. Нет, так это не работает.

Аналогично обстоит дело с оценкой сложности на основе опыта конкурентов. Да, мы все талантливые и классные ребята, но и в соседних командах работают такие же. Если большинству конкурентов требуется год на разработку решения, а вы не нашли прорывной способ достижения цели, то реальный срок выполнения будет близок к году, плюс-минус.

Вывод: не игнорируйте прошлый опыт, это очень ценная информация. И даже если вам придется оглашать завышенный, но реальный срок - лучше сделать это сразу. Чтобы не гореть потом в дедлайнах по 20 часов в сутки.

Получаем первые результаты

Аналитика данных по сути состоит из двух важных шагов: правильно собрать данные и правильно эти данные интерпретировать (разумеется, есть ещё шаг, связанный с использованием полученных данных, но это уже не аналитика в чистом виде; этот пункт рассмотрим в следующем разделе). С первым шагом чаще всего проблем не возникает, систем аналитики большое множество, а вот с пониманием полученных результатов возникают проблемы. Давайте рассмотрим самые распространенные.

Игнорирование объема выборки

Поговорим об одном интересном исследовании, на основании которого были получены следующие результаты: роддома, где рождается больше мальчиков, находятся в небольших городах/поселениях. А в роддомах крупных городов мальчиков рождается примерно поровну с девочками. Разумеется, дело тут совсем не в природных условиях, наследственности или в чем-то ещё. Просто в небольших роддомах и выборка небольшая, поэтому мальчиков (или девочек) за отдельно взятый период там будет рождаться больше, что вполне закономерно. В свою очередь, в крупных городах при большом объеме данных количество становится примерно равным. Пример из нашей практики: в городе А почти 70% кредитов получают в организации Б. Казалось бы, эврика, мы нашли место, где люди смогут получать необходимые кредиты. Но нет, там всего было выдано 3 кредита, 2 из которых в одной организации (а это - 66.67%) Поэтому, прежде чем делать выводы, убедитесь, что объема данных вам действительно достаточно, чтобы избежать искажений.

Путаем причинно-следственную связь и корреляцию

Моя любимая иллюзия в мире статистики. Давайте разберемся, в чём же тут разница. Причинно-следственная связь - это когда событие А непосредственно влияет на событие Б. Т.е. Б должно происходить как следствие события А. Корреляция - это когда А и Б взаимосвязаны, при этом Б не является прямым следствием А. На мой взгляд, ключевое отличие заключается в том, что в случае корреляции между А и Б пропущено важное связующее звено. Рассмотрим следующее утверждение: “Чем больше в городе церквей, тем больше в городе преступлений”. Кто-то скажет: ну это уже абсурд! Нет, это статистика. Только ни в коем случае не подумайте, что церкви повышают уровень преступности, совсем нет. Это и есть корреляция. Какое же звено пропущено в этой логической цепочке? Ответ прост: количество жителей. Чем больше жителей в городе, тем статистически в нём больше церквей. Но и чем больше в городе жителей, тем больше там и преступлений! Корреляция есть, а причинно-следственной связи нет! Это очень простой и бытовой пример, в реальности же зачастую очень хочется увидеть связь там, где её по сути нет.

Пример из нашей практики: статистика показала, что люди, которые оформляют кредиты с айфонов в среднем чаще получают одобрения! Очень хочется помчаться делать доработки, которые будут учитывать такое классное открытие. Но давайте подумаем: какое звено тут пропущено? Платёжеспособность. Просто люди, которые владеют айфонами, в среднем более платёжеспособны, нежели пользователи андроида (да простят меня последние). А в реальности учитывается не марка телефона, а кредитная история пользователя, которая в среднем получается лучше у любителей яблок. Отсюда и возникает корреляция!

Вывод: всегда следите за тем, чтобы вам хватало данных, чтобы строить гипотезы. Не ищите логической связи там, где её нет.

Улучшаем наш продукт

Мы создали MVP, получили первые статистические данные и теперь начинаем докручивать продукт. Так как продуктов большое множество и подходы у всех разные, я просто расскажу о паре простых эффектов, которые использовали мы, и возможно, помогут и вам получить для себя что-то интересное.

Эффект формулировки

Разумеется, подавать информацию можно абсолютно по-разному. Я говорю не про искажение данных или подачу неполного объема данных, я исключительно про формулировку. Рассмотрим пример из нашей практики. Допустим, есть некоторая модель, которая рассчитывает вероятность одобрения кредита пользователя в том или ином банке. Если мы будем выводить пользователю вероятности отказа по каждому из банков, его это только оттолкнет. Согласитесь, формулировка “Вероятность отказа 70%” звучит гораздо неприятнее, чем “Вероятность одобрения 30%”. Да, математически это одно и то же. Но при негативном контексте пользователь вряд ли захочет продолжить взаимодействие и пойдет туда, где ему покажут более приятный для него вариант.

Если кто-то из читателей уже решился сделать приложение фитнес-трекера, то не показывайте пользователю, что ему осталось пройти ещё 70% от суточной нормы. Сообщите ему, что он великолепен, так как прошёл уже 30% от необходимого!

Абсолютное лучше относительного

А теперь давайте ещё прокачаем представление значений из пункта выше. Тут я приведу пример Канемана (хоть он и довольно кровожадный):

Если прочесть, что «вакцина, предотвращающая развитие смертельной болезни у детей, в 0,001 % случаев приводит к инвалидности», риск кажется небольшим. Теперь представим другое описание того же риска: «Один ребенок из 100 000 детей, привитых этой вакциной, на всю жизнь останется инвалидом». Второе предложение затрагивает вас иначе, чем первое: оно вызывает в мозгу образ ребенка, искалеченного вакциной, а 99 999 благополучно привитых детей словно отступают в тень.

Даниэль Канеман

И ведь действительно, абсолютные величины нам воспринимать проще, чем относительные. Если мы в своём сервисе вам скажем, что определенное предложение по рефинансированию ипотеки снизит вашу ставку на 2%, это много или мало? А если мы скажем, что ваш ежемесячный платеж уменьшается на 10000 рублей? Звучит понятнее и привлекательнее, не так ли? А если мы покажем пользователю, что в конкретном предложении не вероятность одобрения 30%, а уже 3000 человек успешно получили кредиты в этой организации? Это работает лучше! Проценты - это что-то из области математики-шматематики, это не про обывателя. А вот конкретные цифры, с которыми пользователь может себя ассоциировать - совсем другое дело. Кстати, этот же эффект применяется в маркетинге, когда вместо привычных скидок в 20% вам начали показывать (чаще всего) конкретную сумму скидки.

Если вера в фитнес-трекер ещё не угасла, то не показывайте пользователю, что сегодня он активнее, чем 5% пользователей. Ради бога, скажите, что он обставил за сегодня уже более 50 000 человек!

Чтобы не нагружать читателя большим количеством букв, я разобью материал на две части. В следующей статье я продолжу рассказывать о психологическом подходе в создании продукта, рассмотрим с вами ловушки финансового моделирования, поговорим о регрессе к среднему и об исключении эмоций при анализе портфеля проектов.

А в заключении я хочу рассказать об интересном феномене. Канеман назвал это борьбой “ощущающего я” и “вспоминающего я”. Суть в следующем: “ощущающее я” - это те эмоции (как положительные, так и отрицательные), которые возникают у вас в процессе взаимодействия с чем-то, в наших примерах давайте будем говорить о взаимодействии с продуктом. А “вспоминающее я” - это то послевкусие, которое останется у вас как память об этом взаимодействии. И именно это последнее “я” играет ключевую роль. Вы можете наслаждаться отличным фильмом, получая удовольствие 2 часа, но если минутная концовка вас разочарует, вряд ли вы посоветуете этот фильм своим друзьям. И “вспоминающее я” будет абсолютно вероломно игнорировать сигналы от “ощущающего я” о прекрасно проведенном времени. Примечание: речь не всегда идет именно о заключительных эмоциях, скорее, имеются в виду самые яркие эмоции ( пик), как положительные, так и отрицательные.

Опыт, который проводил Канеман с коллегами, заключался в следующем. Добровольцам предлагалось провести три водные процедуры. Первая процедура заключалась в том, что испытуемый на 1 минуту опускал руку в воду при температуре 14 градусов (достаточно, чтобы испытывать неприятные ощущения). Затем через какое-то время проводилась вторая процедура: рука опускалась на 60 секунд в ту же воду, но незаметно для испытуемого по истечении 60 секунд в воду поступала теплая вода, которая поднимала температуру всего на 1 градус, но проходило ещё 30 секунд. В итоге короткая сессия длилась 60 секунд, длинная - 90.

Перед третьей процедурой добровольцам предложили на выбор: какую из сессий они готовы повторить. А теперь внимание: 80% добровольцев выбрали длинную сессию! И это несмотря на то, что в этом варианте они испытывали дискомфорт на 30 секунд дольше! Разумеется, испытуемые не знали об изменении условий и ориентировались только на свои ощущения (потеплела вода), ведь если бы им объяснили суть, я уверен, все бы выбрали короткую сессию.

Отсюда вывод: очень важно оставлять правильное впечатление о своём продукте, чтобы договориться с “вспоминающим я” и получить счастливых пользователей. Очень надеюсь, что и у моих читателей статья оставит только хорошие эмоции!

0
Комментарии
Читать все 0 комментариев
null