Ирина Черепанова и Татьяна Жукова из проекта uKit AI, обучающего нейросеть редизайну сайтов, перевели колонку менеджера команд продуктового дизайнер из Airbnb Амбер Картрайт о том, как умные технологии позволяют улучшать известные продукты.
Машина была и остаётся моим постоянным напарником. С её помощью я преобразую творческие мысли в осязаемый продукт, которым могу поделиться с миром. Когда мне было 20 с небольшим и я пришла в дизайн, оставив карьеру в современных танцах, я не могла подумать, что машина станет моим помощником в создании прорывных продуктов.
Программа обучения: «Профессия продуктовый дизайнер»
В наши дни машинный интеллект стремительно развивается, а вслед за ним должны эволюционировать методы и продукты, которые мы проектируем. Перед вами рассказ о проектировании в тандеме с машинами или, как я называю это, о «невидимом дизайне»: работе с искусственным интеллектом и машинным обучением. Инструментами, которые, как я считаю, создают благодатную почву для будущего продуктового дизайна.
Математика и наука — невидимые силы, которые всё больше раскрывают себя и влияют на наши жизни.
Возьмём пример из прошлого: английский джентльмен прогуливается по саду в начале 18-го века и наблюдает, как яблоко падает с дерева. Он задаётся вопросом, почему оно не упало в сторону или не отскочило вверх от земли. Как это возможно? Какие силы задействованы? Какова их природа? В равной ли степени данное явление распространяется на мелкие предметы вроде яблок и на крупные вроде повозок? Сэр Исаак Ньютон разбирался с этими вопросами на протяжении более 20 лет и вывел закон всемирного тяготения. Он смог описать невидимую силу, которая ощутимо воздействует на нашу повседневную жизнь.
Недавно, просматривая ленту Facebook, я заметила, что нескольким моим друзьям понравилась компания, которая предлагала в режиме онлайн спроектировать и заказать индивидуальные рамки для постеров и холстов. Я задумалась обо всех тех необрамленных работах, которые лежали у меня в кладовке, и кликнула посмотреть, что предлагают. Почему я заинтересовалась этой рекомендацией? Что привлекло моё внимание? Какого рода информацию они использовали, чтобы персонализировать этот пост? Невидимые силы науки и математики, задействованные здесь, — это алгоритмы соцсети. Рекламное программное обеспечение — это всего лишь зародышевое состояние тех возможностей, которые несет мощь машинного обучения в ближайшие 5–10 лет.
Машины будут всё чаще принимать решения по опыту взаимодействия с пользователем, и проектирование в тандеме с ними — ключик к будущему продуктового дизайна.
Я начала постигать суть этого «невидимого дизайна» в Airbnb, когда мы запускали продукты, требующие переработки большого объема данных. И хотела бы поделиться некоторыми наблюдениями из своей практики.
В прошлом году мы с продуктовой командой обсуждали модель машинного обучения для нового инструмента ценообразования, который хотели предложить владельцам жилья. Мы пытались создать модель, которая бы отвечала на вопрос: «Какой будет цена аренды в определенный момент в будущем?» Поиск ответа не был тривиальной задачей. Я старалась не отставать, пока мой напарник по обработке данных описывал регрессионную модель, которую они строили.
Он показывал наброски и бросался умными словами, и хотя я могла уловить идею, терминология была непривычной мне как дизайнеру. После этого я попросила его набросать схему модели и обсудить все детали еще раз. Этот разговор стал для меня откровением. Когда он заговорил на знакомом мне языке — проиллюстрировав данные на схемах и диаграммах — я мгновенно поняла модель и её цели. В тот момент у меня «загорелась лампочка». Я поняла, какую ценность машина представляет для продукта и как использовать полученную информацию в проектировании пользовательского взаимодействия.
Мы оба воодушевились тем, что пришли к этому пониманию, и когда языковой барьер был сломлен, мы смогли свободно говорить о перспективах развития продукта. Обсуждение развернулось уже на новом уровне.
Умная модель регрессии цен и её визуализация: модель состоит из трёх частей, варьирующихся в зависимости от предложения хозяина и рыночного спроса.
Я поняла, что опыт, полученный из этой беседы, можно экстраполировать на наши команды. Это обсуждение было лишь крошечной частью большой истории, частью, сравнимой с моментом, когда мы делаем первые наброски экранов в записной книжке. Я поняла, что история продукта не сводится к экранам, которые пользователи могут увидеть и потрогать. Она также описывает, что происходит «за кулисами».
На начальных стадиях создания продукта, как правило, выстраивается опорная история — она описывает опыт конечного пользователя, чтобы у каждого члена команды было понимание о внешнем виде и поведении продукта. Используются разные формы — от сторибордов до прототипов, презентаций стратегий и диаграмм. Эти презентации создаются по многим причинам, но самая важная — формирование общего видения продукта.
Понимание продукта увеличивает потенциал команды. Общее знание позволяет инновациям не просто двигаться вперёд, а идти семимильными шагами.
Визуализация ролей, которые машины и статистические данные играют в изучении, — первая часть «невидимого дизайна».
Когда у нас сложилось понимание, что мы проектируем и как это должно работать, мы начинаем создавать продукт, при этом каждый использует свой арсенал инструментов. У плотника есть молоток. У фотографа — камера. У продуктового дизайнера — эскиз. У разработчика — код. Интересно, что только у последнего, нашего напарника по цеху, есть инструмент, способный обучаться, изменяться и развиваться со временем.
«Невидимый дизайн» добавляет данные и алгоритмические решения в начальные этапы проектирования — вайрфреймы и сценарии поведения — привнося многомерность в, как правило, плоский и статичный этап создания продукта.
Возьмём для примера советы по ценообразованию для владельцев жилья на Airbnb. Это была первая итерация нашего продукта «Умные цены»: рекомендации по ценообразованию на новогодних праздниках. Из данных о прошлом сезоне зимних отпусков мы знали, что обычно люди меньше путешествуют в последние две недели декабря, и наблюдали резкий скачок поездок ближе к Новому году. И хотели сообщить нашему сообществу арендодателей, что если снизить цены в определенный момент, можно привлечь больше постояльцев.
Из модели данных мы выяснили, что рынки различаются друг от друга в зависимости от мёртвых сезонов. Им нужны были разные посылы и визуализации: например, в Сиднее период простоя начинается в ноябре, а в Майами мёртвого сезона вообще нет из-за постоянного спроса.
Наши сценарии и вайрфреймы, изначально реализованные в одном модуле, после переработки смогли показать, как тренды рынка и статистические данные повлияют на продукт.
Пример: динамика рынка вызывает показ нужных вариаций модулей и сообщений. Открыть в полном размере
Когда мы делаем продукт для международной аудитории (а это означает различие в потребностях), то одновременно находимся в неустанном поиске типовых решений, которые помогут достичь простоты и понимания продукта, несмотря на сложности. Визуализация сценариев и спроса позволила нам увидеть не просто горстку модулей, а всю систему коммуникации.
Истинное мастерство приходит с опытом и развитием индивидуального стиля, а это качество присуще исключительно людям. Ни одна машина пока не научилась выражать индивидуальный творческий замысел и художественные взгляды.
Мне выпала честь работать вместе с невероятно талантливыми дизайнерами, лучшими мастерами своего дела, но не только им свойственен творческий подход. Подход специалистов по обработке данных к делу сам по себе является формой искусства. Создание моделей и гипотез о человеческом поведении на основе наборов информации открыло мне глаза на одну важную вещь: человеческое поведение нетривиально, и нельзя проектировать опыт взаимодействия с продуктом изолированно, в рамках только одной дизайн-команды.
На протяжении многих лет я работала в агентстве, где команды существовали в отрыве друг от друга: дизайнеры в одном отделе, разработчики в другом. Когда я пришла в Airbnb, дела обстояли аналогичным образом. На 100+ разработчиков приходилось всего лишь десять дизайнеров. Колоссальная диспропорция. Но штат расширялся, и вице-президент сформировал руководящую группу, которая состояла из дизайн-менеджера (это я), руководителя продукта, руководителя отдела статистики, а также технического и финансового менеджеров. Мой взгляд на мир начал меняться. Я участвовала в обсуждениях, к которым я до этого не привлекалась, и мы принимали совместные решения, учитывая задачи и потребности команд, которые мы представляли. Я узнала, как устроены другие «миры», и как можно выгодно использовать знания и умения своих коллег для улучшения продукта.
В продуктовой команде должны присутствовать специалисты от каждого отдела, чтобы принимать ключевые решения сообща.
Важно придерживаться этого правила, чтобы «невидимый дизайн» заработал. В одних компаниях судьбы вершат программисты, в других король — продуктовый менеджер, в третьих — парадом командуют дизайнеры. Но очень редко ведущие отделы работают в связке, совместно определяя стратегию и уважая решения, которые находятся в зоне компетенции коллег. Иногда бывает полезно «столкнуться лбами» — получается чертовски хороший продукт.
Функция «Умные цены», когда алгоритмическая модель советовала владельцам квартир, какую цену аренды лучше выставить для конкретного дня, — пример того, как состав команды помог развитию продукта.
Исходно продукт мог автоматически корректировал расценки, и мы думали, что это станет отличным решением для владельцев квартир, ведь не придётся каждый день настраивать цены. Однако, исследуя результаты, мы узнали, что некоторые арендодатели хотят задавать потолок аренды вне зависимости от рыночного спроса: казалось бы, с ценой в рынке можно зарабатывать больше, но один сегмент имел свое представление о том, за сколько разумно сдавать своё жильё постояльцам.
Когда модель поработала какое-то время, нам нужно было скорректировать ее, учтя качественную информацию, которую мы собрали, — мнения владельцев жилья, — и внести их в интерфейс.
Собравшись все вместе — исследователи поведения, дизайнеры, менеджеры продукта, разработчики, специалисты по анализу данных — мы смогли оперативно поменять курс продуктовой стратегии.
На выходе мы получили сверхуспешный в плане удовлетворения пользовательских и информационных потребностей продукт: арендодатели получили больше механизмов контроля — смогли выставлять минимальные и максимальные цены, а также выбирать желаемую частоту приёма гостей. Ниже вы можете проследить эволюцию первой версии продукта «Подсказки цен» (Pricing Tips) до нашей текущей функции «Умные Цены» (Smart Pricing).
Открыть в полном размере
«Подсказки цен» были простой интерпретацией модели — корректируешь цену и видишь, с какой вероятностью твою квартиру арендуют. Если владелец жилья активировал подсказки цен на месяц, нельзя было гибко настроить верхний порог для сумм, кроме как вручную выставлять свою цену для каждого конкретного дня. Наша самая последняя версия «Умные Цены» позволяет выставить подсказки на период до четырех месяцев и имеет более тонкие настройки минимальных и максимальных расценок, тем самым предоставляя средства контроля и функционал, который владельцы жилья считают полезным.
Многим арендодателям «Умные Цены» пришлись по вкусу, и это результат того, что представители разных отделов были включены в работу, устраивали необходимые обсуждения, когда того требовали обстоятельства.
Читать еще: «Что нужно знать UX-специалисту о количественных и качественных исследованиях»
Эти мысли — лишь пролог к беседам о «невидимом дизайне». Я продолжу исследовать и писать о своих открытиях — о понимании задач и путей их решения, об использовании инструментов и анализе результатов — по мере того как я буду дальше продвигаться по стезе продуктового дизайна. Чтобы ознакомиться с тем, как на практике развивается «невидимый дизайн», — смотрите детальный разбор пользовательского сценария функциональности «Умные цены», который я презентовала на конференции IxDA в Хельсинки в начале этого года.
Мнение автора и редакции может не совпадать. Хотите написать колонку для «Нетологии»? Читайте наши условия публикации.