Внешние изменения в сегодняшнем веб-дизайне можно свести к формуле «трех У»: упрощение, уплощение, унификация. Главный внутренний тренд — дизайн на основе данных.

Data-Driven Design — это проектирование продукта на основе данных: исследований, тестов, проверки гипотез, Big Data.

Прежний подход подразумевал, что дизайн-решения принимает дизайнер, целиком основываясь на своем опыте, понимании задач, навыках, изобретательности, чувстве вкуса. Появление новой парадигмы закономерно — давайте рассмотрим предпосылки.

Первыми потребность в Data-Driven Design (DDD) испытали следующие сегменты рынка:

• Сайты ecommerce.
• Технологические стартапы.
• Социальные сети.

Причина в «юзерцентричности» таких сайтов: вспомните, сколько всего поменялось в Facebook или в сервисах Google за последний год. И все в угоду пользователям.

Трансформации начали происходить не только в потребностях, но и в предложении digital-рынка. Так появились «конверсионные» агентства, которые измеряли эффективность своей работы по конкретным KPI. Грубо говоря: достигли обещанных показателей — получили оплату, не достигли — не получили. Наравне с ними появились компании, предлагающие конверсионный или сервисный дизайн, то есть разработку продукта, основанного не на субъективных предположениях, а на проверенных данных.

Сегодня DDD закрывает недостатки традиционного дизайн-подхода — как на стороне подрядчика, так и на стороне заказчика. Почему DDD выгоден клиенту:

• Больше никаких действий наугад в ущерб бюджету проекта.
• Отказ от философии «Мы ничего не можем гарантировать. Давайте попробуем, как дизайнер предложил, а там посмотрим», не соответствущей интересам бизнеса.
• Обоснованный дизайн вместо интуитивного.

Почему DDD выгоден подрядчику:

• Меньше необоснованных правок, исключение вкусовщины. Совместные усилия концентрируются на том, чтобы построить лучший сервис.
• Каждое решение обосновано данными, а значит, нет нужды отстаивать позицию агентства.

Для появления DDD были все условия — со стороны эволюции методик и технологий. И случился «большой взрыв».

Как DDD поменял мир дизайна

1. Усложнился анализ потребностей

Уже с приходом UCD-парадигмы (User Centered Design) традиционный подход к веб-дизайну изменился. Каждое решение разрабатывалось индивидуально, исходя из анализа потребностей пользователей.

Суть UCD-подхода в том, что дизайнеры концентрируют усилия на одной центральной проблеме пользователей. Проводят брейншторм, прототипируют, тестируют концепции на группах пользователей. Затем выпускают в свет, наблюдают за реакцией и приступают к следующему этапу создания продукта.

Центральный метод UCD — проверка гипотез методами качественных и количественных исследований на разных этапах работы над продуктом.

Пример Yammer

Задача — увеличить число новых зарегистрированных пользователей в Yammer, службе корпоративных социальных сетей.

Идея. Руководство выдвинуло предложение: упростить цепочку регистрации для достижения большей конверсии.

Существующий процесс регистрации состоял из четырех шагов:

Были выдвинуты три варианта решения проблемы:

• Убрать шаг загрузки фото.
• Убрать шаг «присоединиться к группам».
• Убрать оба шага из регистрации и перенести их в сам продукт.

Yammer провели тестирование, фиксируя результаты как по новым пользователям, так и по зарегистрированным. Во второй группе измеряли конверсию загрузки фото и вступления в рабочие группы. Именно их убрали из регистрации и сделали отдельными блоками на главной странице.

Результат. Две вариации, отказ от шага вступления в группы и отказ от обоих шагов сразу, дали положительный результат в цифрах: +2,38% и +3,69% соответственно. Тем не менее было решено не менять форму регистрации.

Причина в том, что снизилась вовлеченность пользователей. Они попадали на страницу Yammer, где у других участников не было фото и информации о группах, — и проявляли меньше интереса к сервису.

Это важная особенность любого Data-подхода к дизайну: количественные показатели еще не гарантируют, что дизайн-решение выбрано правильно. Big Data-подход к дизайну чаще всего критикуют именно за то, что он существует вне контекста.

С приходом парадигмы DDD аналитический подход усложнился: в его основе теперь комплексный Big Data-анализ. Это был уже не поиск решения одной главной проблемы и тестирование дизайн-идей. DDD охватывает всех пользователей, анализирует данные об их интересах, стиле жизни и социальном статусе. Находит несколько главных проблем для каждой группы, анализирует активность групп и так далее.

Разработчики продукта получили инструмент, который позволяет:

• Находить взаимосвязи между потребительскими инсайтами и дизайн-решениями там, где обычное наблюдение беспомощно.
• Работать на интересы всей аудитории, а не только тестовых групп.

Netflix использовала подход Data-driven, чтобы принимать решения о дизайне. Команда провела цветовой анализ обложек популярных шоу, выявила закономерности и выразила их в данных. Например, в компании подсчитали степень схожести обложек «Карточного домика» и «Макбета».

Netflix получила не просто понимание того, насколько две обложки похожи. С Big Data удалось построить связи между таким цветовым кодированием и поведением пользователей: просмотрами, рекомендациями, предпочтениями, рейтингами.

Создавая обложку для нового ТВ-шоу, Netflix основывается не на вкусах дизайнера, а на конкретных числовых показателях. У компании есть данные, как разные варианты обложек влияют на поведение целевой аудитории и стоит ли использовать персонализацию обложек под разные группы.

2. Профессия веб-дизайнера распалась на составляющие

UI-дизайн «вылупился» из классического веб-дизайна, после чего целенаправленно эволюционировал: от рисования «красивой картинки» до проектирования продуманного веб-сервиса. Все это время не менялось одно — дизайн-команда.

Взгляните на любой коммерческий продукт: сайт, веб-сервис, мобильное приложение. Кто занимается проектированием дизайна? И тогда, и сейчас это в большинстве случаев один-единственный человек — дизайнер. Когда продукт большой, их несколько. Иногда их контролирует арт-директор, иногда помогает проектировщик. Менеджер дает входные данные, которые он взял в лучшем случае у отдела маркетинга заказчика. Всё.

Что все это значит? Пока дизайн менялся, дизайн-команда практически замерла на одной точке. Качественный скачок произошел совсем недавно — когда заметно усложнилась и внешняя часть интерфейсов, и внутренняя подоплека, то есть данные. Современная дизайн-команда большого проекта, отвечающая принципам DDD, — это уже не дизайнер-одиночка.

DDD-команда, графика:

• Визуальный UI-дизайнер.
• Дизайнер взаимодействий или проектировщик (UX-designer).
• Дизайнер анимации (motion-designer).

DDD-команда, аналитика:

• Специалист по большим данным (data scientist).
• Аналитик.

Само собой, это не значит, что один человек не может выполнять несколько ролей одновременно, но дробление профессии налицо.

3. Интерфейсы стали персонализированными

Идеальный современный digital-продукт — это конструктор. Набор UI-элементов (UI-Kit), из которых сайт динамически собирается под каждого пользователя. Большие данные уже позволяют это сделать — сложность только в том, что техническая реализация отнимет много ресурсов.

Частные примеры персонализации мы уже видим повсеместно: зайдите на сайт любого крупного интернет-магазина и тут же попросите другого человека сделать то же самое. Магазин будет показывать вам разные товары — в каталоге, в рекомендациях, на баннерах. Так увеличивается релевантность контента и, соответственно, конверсия.

Netflix запустила на YouTube серию персонализированных прероллов к ситкому «Друзья». В основу рекламной кампании легли запросы пользователей: если человек искал видео по запросу cats, то в качестве тизера сериала использовался эпизод с Рэйчел и ее кошкой. Если искал видео с танцами — Netflix привлекал его танцующими Россом и Моникой. На каждый популярный вопрос был сделан свой тизерный ролик.

Подход позволил Netflix привлечь внимание молодой аудитории YouTube, которая не застала сериал в 1994–2004 годах.

4. Дизайн стал ориентироваться на бизнес-показатели

DDD — это постоянная петля улучшений. При традиционном подходе работа над веб-формой на сайте происходила бы по сценарию:

• проанализировали потребности;
• спроектировали;
• нарисовали;
• утвердили;
• запустили.

В результате получилась бы форма с конверсией N, причем это значение N было бы на вполне приемлемом уровне. А дальше все бы успокоились и пошли заниматься другими аспектами бизнеса.

Но только не в DDD. Пример из нашей практики: после тестов уже запущенного сервиса онлайн-провайдера мы предложили изменить логику работы выбора тарифа. Оставили активными только те участки, с которыми непосредственно работал пользователь, чтобы не отвлекать его дополнительной информацией. В результате тестирования выяснили, что альтернативная форма дает на 20% конверсии больше. Стоило это аналитики и изменений? Безусловно.

Недостатки Data-Driven Design

Они есть как для того, кто платит за дизайн, так и для того, кто его делает. Для заказчика постоянная петля улучшений подразумевает резервы бюджета. Не каждый бизнес готов пойти на дополнительные затраты на этапе запуска и «обкатки» проекта. Учитывая размеры команды в DDD, затраты предстоят немалые.

Для подрядчика есть риск увязнуть в данных, демотивировать дизайнеров. Креатив, новаторство и смелые идеи не живут там, где правит аналитика, а непрерывные изменения в готовом продукте деморализуют дизайн-команду.

Это подтверждает известная история о дизайнере Google, покинувшем команду из-за чрезмерного «датацентризма» компании:

Когда компания наводнена инженерами, они стараются любое решение сузить до одной логической задачи. Удалить всю субъективность и просто взглянуть на данные. Когда команда Google не могла выбрать между двумя оттенками синего, они проводили тестирование 41 оттенка, чтобы увидеть, какой работает лучше.

Недавно я спорил о том, какой должна быть обводка в толщину: 3, 4 или 5 пикселей, и меня попросили подкрепить мое мнение данными. Буду скучать по работе с невероятно талантливыми и умных людьми, но не по дизайн-философии, которая пала от меча под названием «Данные».

DDD в чистом виде часто ведет к перегибам — «машинному» подходу к разработке продукта для людей. Именно поэтому подход и критикуют. Но если не Data-Driven, то что?

Data-Informed Design — «очеловеченный» Data-Driven

Хотя данные приносят неоценимую пользу продукту, наиболее успешные сервисы придерживаются иной философии. Она называется Data-Informed Design — дизайн с учетом данных, но без слепого подчинения им.

Airbnb так пишет об экспериментах со страницей поиска: «Мы долго работали над проектом и думали, что сделали идеальный сервис. Это подтверждали наши пользователи в исследованиях. Несмотря на это, мы решились на эксперимент».

Решение «после» сейчас кажется очевидно более удачным. Но тесты говорили «Выбери первый вариант».

Похожая история у Atlassian — разработчика баг-трекера JIRA и еще ряда корпоративных продуктов. Они решили провести эксперимент, чтобы сделать сервис более «дружелюбным» к новым пользователям и, конечно, сделали тестирование изменений. Вовлеченность снизилась на 12%, что говорило о полном провале.

Но команда поверила в проект: из данных они сделали выводы, кое-что доработали, в итоге конверсия увеличилась на 22%. Этого не произошло бы, если бы Data-Driven Design предопределял дизайнерские решения.

Дизайн, который опирается на данные и количественные исследования, должен учитывать контекст и не упускать из виду качественные данные. Именно поэтому так важно совмещать Big Data и традиционные подходы: опросы, наблюдения. По той же причине не стоит уходить в сторону датацентризма: новации всегда порождают люди, а не технологии. Data-Informed Design — наилучшая на сегодня пропорция данных и творчества.

Источник: vc.ru