Контекстуальное наблюдение
1.3
Для лучшего понимания реального пользовательского поведения я провел серию мини-исследований:
контекстуальное наблюдение за действиями пользователей в приложении Авито Недвижимость,
реконструкция пользовательского пути на основе собственных попыток "поиска квартиры".
Цель – выявить противоречия между тем, что пользователи говорят в интервью, и тем, как они реально взаимодействуют с интерфейсом. Это позволило глубже понять логику ранних действий пользователя и сформировать основу для JTBD.
Файлик может подгружаться некоторое время
Самое время построить CJM
1.3
Я провел:
Глубинки – получил словарь пользовательских ожиданий и фрустраций.
Контекстуальное наблюдение – увидел реальные действия и где они расходятся со словами.
💡 И вот теперь самое время "сшить" это в CJM, потому что уже понятно:
что человек думает
что он делает
что чувствует на каждом этапе
По результату мы получим единую воронку принятия решений с пониманием где именно новые продуктовые решения могут изменить поведение пользователя и повлиять на целевые метрики
Файлик может подгружаться некоторое время
Переосмысление через JTBD
1.3
Чтобы уложить в голове все инсайты в голове в один непротиворечивый список, и раскрутить гипотезы до глубоких уровней интерфейсной реализации, воспользовался JTBD
Тут приведу несколько избранных стори, которые классные тем, что рефлексируют на ранее выбранные гипотезы:
Когда я начинаю смотреть варианты,
я хочу быстро понять, какие мне нравятся на уровне первого впечатления,
чтобы сузить круг для дальнейшего анализа
Комментарий: эта джоба описывает самый верх воронки; момент, когда пользователь ещё не готов анализировать детали. Ему важно быстро “почувствовать” варианты и отсеять лишнее, не углубляясь в характеристики.
Когда я только начинаю поиск,
я хочу иметь визуальную опору,
чтобы не теряться в карте и иметь группировку предложений перед глазами.
Когда я плохо ориентируюсь в городе,
я хочу иметь инструмент, который подскажет, какие районы соответствуют моим предпочтениям,
чтобы упростить для себя выбор
Комментарий: эта джоба напрямую связана с гипотезами о “районах” как новой точке входа в поиск жилья. Для пользователей, плохо ориентирующихся в городе, привычная карта остаётся холодным инструментом — она показывает географию, но не передаёт контекст жизни. “Районы” решают эту задачу: превращают карту в понятную структуру выбора, где пользователь ориентируется не по улицам, а по ощущениям и стилю жизни.
Поменял основную гипотезу
3.1
Если встроить в экран карты контент со сравнением районов,
то вырастет удержание в приложении и вовлечение в него новых групп пользователей за счет полезно-развлекательного контента, что отразится в повышении MAU и ASL метрик,
потому что Авито приобретёт в продуктовой ценности для клиентов на ранней стадии воронки покупки недвижимости
Обновил и второстепенные гипотезы. Вот те, что добавил в рассмотрение:
1.3
1
Если мы внедрим механику “разморозки районов” — активации специальных предложений при физическом посещении района
то повысим вовлечённость пользователей в офлайн-исследование города и увеличим MAU и Retention,
потому что это добавит сезонную игровую механику к инфотейнменту платформы
Комментарий: гипотеза может быть ложной, потому что не все пользователи готовы перемещаться физически ради поиска, особенно если речь о покупке, а не аренде. Но летом, в фазе исследования района, такая механика может стать вирусной и PR-драйвером.
2
Если после ввода запроса сразу показывать карту на весь экран, открывая каталог по кнопке/свайпу,
то повысим скорость прохождения флоу на этапе первичной оценки вариантов,
потому что карта с переработанными пинами и районами стала полноценным инструментом выбора, а текущая реализация "в половину экрана" мешает восприятию и того и другого
3
то это приведёт к увеличению ASL,
Если внедрить в экран каталога интересный формат просмотра вариантов с элементами геймификации,
потому что юзер получит формат прохождения данного этапа флоу, в котором он может участвовать с минимальным когнитивным вложением в процесс
4
Если внедрить функцию «соседи рекомендуют» — отображение недавно просмотренных или сохранённых объектов пользователями, которые похожи на вас по профилю,
то повысится доверие к платформе и конверсия в заявки,
потому что социальное доказательство помогает сократить сомнения и ускорить принятие решения
5
Если внедрить функцию «соседи рекомендуют» — отображение недавно просмотренных или сохранённых объектов пользователями, которые похожи на вас по профилю,
то повысится доверие к платформе и конверсия в заявки,
потому что социальное доказательство помогает сократить сомнения и ускорить принятие решения
Комментарий: гипотеза может оказаться ложной, если механика будет восприниматься как навязчивая или спамная. Важно правильно сегментировать «соседей» и давать выбор отключить уведомления.
6
Если добавить в процесс отбора объектов функцию «сравнения на карте» с выделением двух–трёх районов и отображением их ключевых метрик,
то сократится время пользователя на принятие решения и повысится удовлетворённость флоу,
потому что видя два района бок о бок, легче оценить плюсы и минусы
Комментарий: слишком много сравнительной информации может запутать; важно выбрать только самые релевантные метрики (цена, транспорт, зелёные зоны).