VanillaTime

Простая и быстрая статья-напоминание о том, как же соблюсти один из золотых принципов проектирования взаимодействия — привентивно устранять ошибки. На самом деле, все довольно прозрачно: 1) можно создать искусственные ограничения, не позволяющие пользователю совершить ошибку (как в Lego детальки нельзя собрать не так), 2) можно заставлять пользователя перепроверять ввод важной информации или действие («А вы точно хотите запустить ракету?» — я лично предпочитаю следующий пункт, ибо это валиден только для очень важной информации), 3) можно управлять ошибками при помощи отмены, что более дружелюбно («Ракету готовят к запуску. Отменить?»), 4) и, конечно, всегда стоит бережно работать с предзаполненными значениями (дефолтами) и предлагать какие-то варианты заранее (чтобы избежать выбора чего-то не того). Стоит читануть и освежить :) https://uxdesign.cc/how-to-prevent-users-errors-to-have-good-usability-fa4a78b632e8

Статья о том, как царица наук, математика, даёт сбои в дизайне. Точнее даже в наших дизайн-инструментах. Например, как посредственно у нас работает автоматический кернинг, выравнивание блоков, унификация компонентов и работа с кеглем. А если подбить выводы, то можно сказать, что всегда лучше перепроверять глазами, чем слепо доверять числам. “When it comes to design, your eyes are way better than maths” by Oluwatobi Akindunjoye https://link.medium.com/VsOaLbVDv4

Занятный пример работы с контентом, который развеивает стереотип о том, что контент подходит всем. Наши пользователи могут быть очень разными и иметь разный опыт и знания в своем багаже. И довольно очевидно, что преподносить информацию нужно для них по-разному. Можно сказать, контент-стратегия тоже должна быть адаптивной :) Особенно дело касается информации о заболеваниях, ведь болеть могут все. В общем, советую ознакомиться и ознакомить вашего контент-менеджера. А вдруг вы захотите взять и имплементировать что-то похожее. И обязательно перейдите на их сайт, чтобы посмотреть, как это выглядит в реальности. https://thenextweb.com/growth-quarters/2020/02/27/why-you-should-re-think-your-one-size-fits-all-content-strategy/

Да данный момент, очень много кто интересуется прототипированием. Можно сказать, оно на волне :) Но вот незадача: под этим словом часто понимают всего-то понарисованые и залинкованные скринчики. Но прототипирование может принимать очень разные формы, и если стереотипное предоставление дало сбой и не сработает (мало времени, много неуверенности), то не спешите закидывать его в корзину. Вместо детального отрисовывания скринов, вы можете попробовать один из следующих способов: — Франкенштейн. Это когда вы концентрируетесь на ценности продукта, а не на его обёртке, пытаетесь ее реализовать при помощи подручных средств. Вместо раскатывания бд, можно использовать airtables, а бэк-энд логику можно попробовать заменить Zapier. Его я кстати совсем недавно приспособил для связи Jira и Asana. Годная вещь. — Волшебник страны Оз Ну тут магию AI придется заменить старым-добрым ручным трудом, чтобы имитировать все для пользователя таким образом, чтобы он и не догадался :) не так красиво, зато действенно. — Mock sale Хотите протестировать процесс покупки? Так сделайте это прямо на проде, просто в конце поставьте поп-ап с ошибкой, мол что-то не сработало и собирайте тонны данных. (Хотя я бы лично так делать не советовал). — Presale А что если экранчики делать не для чего? Вот делаете вы свой курс, и как его спротоипировать? Можете использовать пресейл, когда вы просто описываете идею и смотрите, как много людей готовы за нее заплатить. Типа краундфандинг :) — Тестирование одной фичи в MVP Экранчики возвращаются в супер low-fi, разработчики используют только готовенькие фреймворки, все для того, чтобы быстро запилить PoC и выбросить на свалку. А дальше смотрим, какие ошибки мы совершили и делаем по-красоте :) От себя замечу, что не упомянута интересная тема со storyframes, microframes и много чем ещё, но статья все равно стоит вашего внимания. https://www.designcrafter.co/blog/5-interactive-prototype-alternatives-to-test-your-product-idea?ref=webdesignernews.com

Отличная статья от Intercom об удержании пользователей. Это знаете, когда вам присылают письмо, где компания пишет, что скучает по вам, хотя на самом деле она скучает только по вашему кошельку. Как вы понимаете, это не самый лучший способ удержания. Вместо того, чтобы рассылать такие письма всем, кто не пользовался сервисом больше месяца, вы можете последовать рекомендациям создателей лучшего сервиса по работе с клиентами: 1) Не давите на жалость и не играйте сердцами. Вместо этого, лучше сосредоточьтесь на решении проблемы, за которым к вам и пришел пользователь. То есть вместо того, чтобы написать «Ваши друзья заждались вас в Фацэбукинг!», лучше написать «Все ещё записываете номера телефонов в папкин блокнот? Может хватит?» Должно сработать :) 2) Не нужно слать письма всем подряд, лучше сосредоточиться на причине оттока. Возможно, вам не придется ничего предлагать/продавать, достаточно просто показать, что проект не стоит на месте и добавляет ещё больше возможностей и улучшений. 3) Наконец, мыслите проактивно, не доводя до греха... В смысле не доводя пользователя до выхода. Благодаря данным мы без труда можем отслеживать зоны риска и концентрировать на них свое внимание, предлагая помощь или дополнительно мотивируя таких пользователей. В общем, варианты есть, нужно только понимать, что именно внимание и взаимоотношения дают почву для роста. Будьте честными. https://www.intercom.com/blog/3-better-ways-to-improve-user-retention/

Я думаю, что все мы рано или поздно оказываемся в ситуации, когда погрузившись в проблему и предлагая просто отличное решение, мы слышим: «Отлично! Но вот пока, как-то сложно это все реализовать... Может мы сможем что-то с этим сделать? А то долго просидим, а метрики упадут» И что мы делаем в такой ситуации? Либо идём на поводу, изобретая компромисс. Либо режем все до MVP, а остальное уезжает в светлые будущие релизы. Но давайте откровенно, из этих светлых будущих релизов ещё ничего не возвращалось. Автор следующей статьи называет этот феномен «краткосрочной близорукостью». И что при ней происходит с долгосрочными целями? Они просто уходят из вида. И как бороться с подобной одержимостью краткосрочного скачка показателей на дашборде? Просто: 1) Задайтесь вопросом, а стоит ли вообще заниматься этой задачей? Я не шучу. Если задача вообще не соотносится с долгосрочной стратегией, то она попросту не стоит затрачиваемых усилий. 2) Что произойдёт, когда задача будет сделана? Что-то хорошее или всем будет все равно? Я как-то месяц работал над задачей, чтобы через полгода обнаружить, что после релиза функциональность физически не работает... И всем пофиг. Значит идея явно не стоила пота. 3) Держите в голове конечный результат и задайтесь вопросом: что я прямо сейчас могу сделать, чтобы все остальное стало проще или совсем ненужно? 4) Почитайте статью: https://uxdesign.cc/tackling-chronic-short-termism-f9058f04f8db там много интересного :)

Довольно быстрое и самоочевидное определение 7 факторов, влияющих на опыт использования. Если убрать все цитаты и сделать выжимку, то можно их коротенько изложить (позволю себе пересортировать их по субъективной важности)😉 1. Эффект. То, что вы делаете должно быть ценно для пользователя, решать его проблемы. 2. Эффективность. Отличие от прошлого пункта в том, что эффект — это «результат», а эффективность — с камими трудозатратами он достигается. 3. Удобство. Всем этим должно быть удобно пользоваться. Сюда ж идут количество ошибок, скорость работы, обучаемость и т.д. 4. Доверие. Пользователь должен доверять предлагаемому способу достижения цели и информации, которую ему предоставляют. 5. Удобным для поиска. То есть любая информация, должна быть и не только достойной доверия, но и возможным к нахождению. Сюда работа с вниманием и контрастом. 6. Желание. Люди должны хотеть пользоваться тем, что вы предлагаете. 7. Доступность. Всё, что вы делаете должно быть доступно любым пользователям с любых устройств. http://bit.ly/2UEyFHF

Немного матана! Совсем недавно, на интервью я столкнулся с интересным вопросом: «Сколько нужно протестировать пользователей, чтобы обеспечить достаточную для большинства случаев точность исследования?» И казалось бы, ответ довольно очевидный: мол Нильсен говорит 5. Но почему 5? Откуда это магическое число? Без математики не обошлось. Автор в статье погружается в тему довольно глубоко, проливая свет на скрытую для многих часть айсберга, и разбирается, так сколько ж нужно-то? Если прорезюмировать, то можно сказать, что Нильсен не был не прав 🙂 Однако стоит приводить полный ответ: ————————————————————————— Если во время тестирования эксперименты будут независимыми, а выборка по крайней мере квазислучайной, то мы можем предположить, что при тестировании 5 пользователей мы обнаружим 85% ошибок, с которыми сталкиваются не менее 31% пользователей. ————————————————————————— Последняя часть, вообще интересная, не правда-ли? ) «Не менее 31% пользователей», то есть в самом неудачном случае 59% пользующихся так и не столкнуться с проблемами. Но это не слишком страшно. Интересно, что если вы хотите повысить эффективность тестирования, то увеличение выборки не единственный способ это сделать (для приличного уровня понадобиться что-то около 40 испытуемых). Вы можете также повлиять на вероятность появления ошибки. Как не парадоксально, уменьшая случайность выборки (сегментация?), вы можете повысить вероятность возникновения ошибок и тем самым снизить число необходимых пользователей. http://bit.ly/2UqfhOs

Меня прямо очень поразил материал следующей статьи. Она не про готовые рецепты и техники, не про принципы и даже не про фундаментальные основы психики. Речь в ней идёт об одной простой мысли: мы живём в мире пост-правды, и что мы можем с этим сделать, как дизайнеры. Что такое мир пост-правды? Это когда всем уже давно плевать правдивый материал или откровенно ложный. Это мир, где люди забыли про критическое мышление и собственное мнение. Где здравый смысл уходит на второй план, прячась за мнения некомпетентных бестолочей. Где лень заставляет людей полагаться на блогеров, критиков и обзорщиков, вместо того, чтобы формировать свой взгляд на мир. И если раньше проблема фэйка в интернете стояла не так остро: все ограничивалась легкоразличимым фотошопингом, то сейчас все чаще стали появляться дипфейки превосходного качества (от видео до целых личностей), которые способны нанести существенный вред. Большие компании уже начали активную борьбу с подобным: Facebook и YouTube предупреждают о непроверенности данных, Adobe запускает инструмент по распознаванию подделок. Ну а что можем сделать мы? “Designing for the post-truth era” by Fabricio Teixeira https://link.medium.com/tqIk1ZCOs3

Насладился историей создания стриминг-гиганта. Больше всего поразила проактивность создателей, желание смотреть в будущее и принцип «жестокой честности», когда один CEO может спокойно выслушать презентацию своего партнёра «Почему ты больше не годишься в CEO» (со слайдами в ppt). Вдохновляет, советую. “A deep dive on search: Netflix” by Haishan Qian https://link.medium.com/VYgNHNkar3

Выше я, возможно скомкано, описал свои заметки по книге «7 навыков высокоэффективных людей» Стивена Кови. Если вы не имели чести ознакомиться, то очень советую, а конспект даст предоставление об основных мыслях :)

Доброго денька и прекрасной пятнички! Сегодня я хотел бы поговорить о такой инетересной штуке, как измерение успеха. По канону, было бы здорово проанализировать сценарии, выделить KPI каждого из них, также определить влияние каждого сценария на рост прибылей, вывести какую-то комплексную гаргарину, которая и будет отображать успех. Но всё это кажется довольно сложной процедурой, которая может так и не увенчаться успехом: мало-ли данных не будет, или кто-то не захочет давать к ним доступ, или кому-то просто лень всем этим заниматься. Как быть? Для таких лентяев была придумана такая метрика, как NPS (Net Promotion Score). Вы 100% с ней сталкивались, когда открывали любой продукт Adobe, Asana или Office 365: они просили вас ответить на вопрос по десятибальной шкале «С какой вероятностью вы бы посоветовали наш продукт другу или коллеге?». Кто-то потом уточняет вашу роль, но главный вопрос неизменный. Затем, все полученные результаты обрабатывают (тут уж кто во что горазд), обычно исключая нейтралов (кто ответил от 3 до 7), а затем оставшиеся две категории промоутеров (от 8 до 10 баллов) и негативщиков (от 0 до 2 баллов) вычитают друг из друга и выявляют отношение ко всем ответам. NPS = Все пользователи / (Промоутеры - Негативщики). Поправьте меня если я ошибаюсь. И эта «волшебная таблеточка» должна нам показывать отношение людей к нашему продукту (вы же не будете рекомендовать каку?), а также даёт возможность прогнозировать рост пользовательской базы. Эти корреляции вроде как были выявлены в ходе исследований, хоть и подвергаются критике. Однако! Есть ньюансы. Согласно тем же исследованиям, был выявлен ряд особенностей этой метрики, которые стоит учитывать прежде, чем вы прыгнете в этот вагон: — Вам нужна колоссальная выборка, чтобы обеспечить стабильность показателя и его устойчивость к флуктуациям. — NPS не имеет особых преимущест перед другими бизнес-метриками, так что нельзя сказать, что это единственно верный показатель. — Показатели NPS ОЧЕНЬ СИЛЬНО зависять от формулировки вопроса, которым вы его собираете. — NPS не берет в расчёт новых пользователей, а также старых и ушедших, что делает её практически бесполезной для прогнозирования. С результатиками и том, как такие выводы получены можете ознакомиться в статье (осторожно, лонг-рид). https://measuringu.com/nps-discredited/

7 графических дизайнеров-фрилансеров рассказывают о своей ежедневной рутине. Всегда интересно послушать, как проходят рабочие дни ваших коллег, особенно, когда они фрилансеры. Однако сразу хочу предупредить, что стоит подумать дважды, прежде чем принять многие советы, о которых пойдет речь. Например, многие говорят, что они «совы» и работают в основном ночью, однако эволюционная биология в этом вопросе явно не на их стороне: специальное нервное ответвление в нашем мозге способно улавливать количество света и регулировать выработку меланина... Ладно, не буду грузить, но будьте осторожны в долгосрочной перспективе :) А так чтиво вполне достойное и можно взять на заметку пару приемов: например, принцип «чем я счастливее, тем продуктивнее» или планирование следующего дня накануне вечером. https://dribbble.com/stories/2020/01/09/freelance-graphic-designer-daily-routine?ref=webdesignernews.com

Если вы сейчас или в скором времени будете заниматься экраном настроек, то попробуйте следующий подход: 1) сгруппируйте пункты по теме — так вы снизите когнитивную нагрузку, 2) приоритезируйте пункты внутри групп по популярности обращения, 3) добавьте поиск по настройкам, если у вас есть вложенность или просто много пунктов, 4) все деструктивные элементы расположите в конце списка, 5) а сверху предусмотрительно оставьте место для нотификаций, 6) и помните упомянуть про полезные интеграции и акции прямо здесь :) Потом расскажете, как прошло :) “Designing a better ‘Settings’ page for your app” by Vivek Karthikeyan https://link.medium.com/Cn5zdXAQU2

Друзья, часики шепчут нам: «Скоро наступит 2020!» и в связи с этим, я спешу вас поздравить. Вот от души в душу: прекрасного вам настроения в новом году, интереса к жизни, амбициозных целей и креативных путей их достижения. Счастья вам, здоровья и корабль любви :)

Ребята, не так давно у нас проходил митап по Framer X, видео с которого я скидывал не так давно. Сейчас же оформил все в виде статьи-урока по созданию высокоуровневых прототипов в этом чудесном инструменте. В статье речь пойдет о том, что отличает Framer от других инструментов: создание сложной логики, работа с API и разворачивание проекта в вебе с дальнейшим количественным тестированием. Надеюсь, что будет интересно :) https://medium.com/@VanilaThunder/%D0%BF%D1%80%D0%BE%D1%82%D0%BE%D1%82%D0%B8%D0%BF%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5-%D1%81-%D0%BD%D0%B0%D1%82%D1%83%D1%80%D1%8B-1aacfa70381e

Кажется, неплохая статья о том, как анализировать данные. Да-да, нельзя просто пыриться в гугл-аналитику и молиться, чтобы кривая посещений поползла вверх. Нужно делать какие-то выводы, что-то менять и проверять. Однако, как убедиться в том, что вы не предлагаете какой-то нонсенс? Вот несколько советов о том, что ж делать-то: 1. Почистите свои данные. Нельзя просто взять и начать интерпретировать полученные результаты, нужно с ними поработать, очистив от лишних всплесков и нерелевантных значений. А уже после этого делать выводы. 2. Держите в голове вопрос, на который вы хотите ответить при помощи данных. Иначе рискуете собрать много бесполезных цифр. 3. Описывайте данные простыми словами. Такие описания помогут вам не запутаться, и быстрее понимать их значение другим людям. 4. Проверьте, что контекст сбора данных был верным. Если вы собрали данных за два года, то половина из них может оказаться нерелевантной из-за изменившегося контекста (например, был проведён редизайн сайта). 5. Собирайте данные из разных источников, чтобы собрать полную картину и проверить данные на противоречия. 6. Выделите свои основные KPI и смотрите на них. Так не потонете в пучинах таблиц и цифр. 7. …но сравнивайте их и с другими метриками, которые идут с KPI в противоречие. 8. Ищите не только данные, которые подтверждают ваши гипотезы, но и те, которые их опровергают. Хоть так соблазнительно закончить исследование, если вы вроде как нашли доказательства ваших инсайтов, но потратьте немного времени и подумайте, где вы можете найти опровержение — возможно, вас ждёт сюрприз. 9. Исследуйте аномалии. Если вы видите наравномерные всплески и провали ключевых метрик, потратьте усилия, чтобы понять их причины. Возможно, это проявления какой-то большой проблемы. 10. Категоризируйте и кластеризируйте качественные и количественные данные — так с ними будет проще работать. 11. Визуализируйте ваши данные. Порой, так будет проще делать выводы, чем просто пырясь в таблицу. 12. Используйте цветовое кодирование… очевидно. ✅ 13. Используйте когортный анализ, когда это возможно. (Ну такое) 14. Используйте специальные тулы. (Тут в статье реклама видимо) https://databox.com/how-to-analyze-data

Интересная статья о ментальных моделях (ММ) для дизайнеров. Я сперва подумал, что она как раз про мои любимые ММ, которые являют собой сторифреймы в персонах, но нет. В статье речь ведётся скорее о методах мышления, то есть как следует думать и работать. Вот самые интересные из них: 1) Первопричины. Метод состоит в том, чтобы не пытаться проглотить кусок, который вам не по зубам. Вместо этого дифференцируйте проблему на мелкие первопричины и подбирайте решение к ним, после чего, соединяйте решения вместе. Таким образом у нас получится хорошо продуманная система и мы ничего не упустим. Например, проблема качественного роста вас как специалиста — это комплексная проблема, которая включает в себя вашу оценку, построение плана закрытия пробелов, поиск необходимой и релевантной информации и т.д. Если просто начать строить решение, боюсь вы никуда не продвинетесь. Но если рассмотреть каждый кусочек пазла отдельно, то решения для них найдутся довольно быстро: для оценки будем использовать гугллвый фреймворк, для оценки сходим на пару собесов и получим обратную связь, и т.д. Останется только собрать их воедино. 2) Инверсия. Мы часто концентрируемся на поиске идеального решения, однако порой это слишком тяжело даётся. Чтобы облегчить себе «роды» решения, можно воспользоваться инверсией: представить не самое хорошее решение, а наоборот, плохое. А после просто спросить, как нам этого избежать? Очень напоминает метод решения задач «от обратного», не правда-ли? Например, все таже проблема становления вас как прекрасного специалиста может впасть в ступор на вопросе «А кто такой этот прекрасный специалист?». Однако стоит вам задать вопрос, как «Кем он не является?», как сразу повалят признаки: звёздная болезнь, отсутствие опыта, теоретический дизайн, затворничество и т.д. Останется только придумать, как этого избежать и вуаля. 3) Лестница абстракции. Этот метод позволяет выйти из тупиковой ситуации, если задача кажется неразрешимой. В таком случае, нам стоит переместиться на уровень выше (построить надсистему по ТРИЗ) и рассмотреть проблему в ней. А делается это при помощи мозгов и качественных вопросов (почему, зачем, как, чем... и т.д.) Например, перед нами стоит задача создать ручку, которая будет писать в условиях невесомости. И это довольно сложная задача. Но если мы выйдем в надсистему «фиксирование информации в условиях невесомости», то на столе появляются и другие опции, типа «цифровой дисплей» или «простой карандаш». Конечно, каждый из них будет иметь свои недостатки, но и положительные моменты можно будет перенять. Также в статье есть модели для принятия решений и коммуникации, но они примитивны, так что не попали в топ. https://dropbox.design/article/mental-models-for-designers

Друзья, недавно прошел наш мит-ап посвященный прототипированию, где я рассказывал, как используя свою браваду и несколько строк кода (и Framer X, конечно) можно прототипировать с реальными данными. Статейка на подлете, а пока вы можете просмотреть видосик. Я, конечно, немного волновался, ведь это был почти экспромт, потому слово паразит встречается очень часто :) не судите строго и надеюсь будет интересно :) https://youtu.be/e-Cm6LE0ZkA