Редизайн Яндекс Еды

Или гипотеза о том, как увеличить конверсию в заказы

Я дизайнер интерфейсов уже 10 лет, но тут меня дёрнуло пойти поучиться на продакта. Расширить горизонты всегда полезно. Каждый блок курса «Продуктовый менеджмент» в Product University, где я учился, предполагает работу над реальным кейсом. Я выбрал приложение Яндекс Еды.

В это время мой друг Сергей постоянно заказывал доставку в Яндекс Еде и жаловался, что убрали его любимый ресторан.

— Теперь я не знаю, что выбирать! Говорил он.

Я и сам сталкивался с проблемой — заходишь в приложение и теряешься в списке ресторанов.

Я решил проверить идея-гипотезу — люди не могут выбрать из всего многообразия предложений и уходят, так ничего и не купив. Если мы сделаем выбор проще, то конверсия в заказы возрастёт.

Пройдёмся от идеи до реальной проблемы людей, придумаем новые варианты решений, покажем их в дизайне и оценим их экономическую целесообразность.

Идём спрашивать людей

Узнаем у людей, есть ли у них вообще такая проблема, и в каких ситуациях она возникает.

Всех не спросишь. Нам нужны люди, которые уже пользуются доставкой, как минимум. Составляем предварительный портрет героя (итоговый портрет будет дальше) и скрипт интервью. Поспрашиваем, как люди выбирают еду в принципе, плюс проверим гипотезу:

Людям сложно понять, что заказать, когда сталкиваются с выбором не знакомой еды

Скрипт интервью

Находим пятерых людей. Для того, чтобы зацепить что-то важное, этого должно быть достаточно.

Люди рассказывают о том, как питаются и заказывают еду:

Ситуация проясняется

Как говорят, в Академии смысла — из нарративов попытаемся вычленить факты:

1. Бывает, люди заказывают еду в доставке на какое-то особенное событие. Побаловать себя, на день рождения, посидеть с друзьями. В повседневности кушают домашнюю или любую другую постную, простую еду. Стараются есть «полезно».
2. Чаще всего люди знают, что и где будут есть. Планируют заранее.
3. Если плана нет — заказывают доставку. В этот момент уже сильно хотят есть и не знают, что выбрать. Злятся.
4. Чаще заказывают там, где уже ели раньше или где есть скидки. Если не знакомы с рестораном, выбирают по рейтингам.

Корректируем портрет героя и описываем точку на карте опыта — момент, когда человек выбирает еду в приложении.

Будем считать, что проектируем опыт для ситуации — человек на работе не успел запланировать обед, заработался и хочет быстро заказать что-то простое и понятное.

Портрет героя показывает, где искать наших пользователей и кто они, определяет конкурентов. Подсвечивает ценность продукта и боли людей. Помогает дизайнерам проникнуться эмпатией, менеджерам найти новые точки развития, а маркетологам — сформулировать АКМ (аудитория-канал-месседж).

На полный экран・Портрет героя в Ноушн

Карта опыта помогает задать правильные вопросы и включить мышление. Мы рассматриваем каждый шаг в интерфейсе, моделируем возникающие вопросы и препятствия пользователя, и переводим всё это в плоскость функций интерфейса с помощью точек опоры — вопросов «Как мы можем помочь… ?».

На полный экран・Карта опыта в Ноушн

Главный враг — нерешительность

Становится понятно, что в общем смысле мы боремся с нерешительностью людей. Люди хотят, чтобы им посоветовали, помогли с выбором, подсказали, что лучше. Иными словами, проявили позицию старшего. Пропускаем идеи через фильтр RICE (берём всё, что выше 100), получаем набор для эм-ви-пи:

1. Показывать актуальные блюда, 180 Score
2. Вывести блюда в ленту, 133 Score
3. Добавить готовые наборы, 128 Score
4. Добавить оценку блюда, 107 Score
5. Добавить умный фильтр по блюдам, 101 Score

Приоретизация идей по системе RICE

Лента из блюда

Кардинально новая идея — на главном экране показывать не рестораны, а блюда. Конечно! Человек пришёл сюда не выбирать рестораны, а заказать еды. В идеальном мире — если мы угадаем, что хочет человек, то ему не придётся даже выбирать. Представьте, Спотифай (или Эпл Музыку) для еды. Чем больше вы заказываете, тем лучше Яндекс Еда знает, что предложить.

Строить умный подбор блюд под конкретного человека и ситуацию круто, но для начала дорого. Прежде надо проверить главную гипотезу — лента с блюдами поможет быстрее выбирать. Минимально ограничимся подбором блюда под время суток: завтрак, обед и ужин. С утра — кашки, сладкое, блинчики. На обед — простая, повседневная еда. Вечером — суши или пиццу для посиделок с друзьями.

Готовые наборы

Вторая большая идея, которая поможет упростить выбор — добавить готовые наборы в Яндекс Лавку по модели бизнес ланчей в кафе.

Уже сейчас в Лавке есть готовая еда, но чтобы собрать себе обед, приходится потратить достаточно времени и сил. Сергей не годует по этому поводу, кстати. Готовые наборы, условно — «первое, второе и компот» решили бы эту проблему. Не надо заморачиваться с выбором и доставка за 15 минут. Идеальное решение для обеда среди активного рабочего дня. Вывод не удивителен — мы опрашивали офисных работников и спроектировали доставку под их опыт.

Новый главный экран

В дизайне посмотрим сразу обе идеи, плюс отработаем мелочи с фильтрами и оценкой блюда.

На полный экран

Сколько на этом заработать

Прикинем, как скажутся нововведения на экономике продукта, и как быстро окупится разработка.

Новая лента потенциально повысит конверсию в покупку. А если сервис решит задачу человека — вероятнее он вернётся снова, т.е. увеличится и ретеншн пользователей. Привязанность к источнику еды у приматов большая. Зачем тратить энергию на поиски, если уже знаем, где достать. Главное, чтобы был небольшой выбор.

Ретеншн также заметно вырастет, если мы научимся лучше понимать, что любит кушать пользователь на основе его лайков и заказов. Чем больше «следов» оставит пользователь, тем сложнее ему будет перейти на другой сервис. Это как с сервисами музыки — сложно переключиться с персонализированных плейлистов Спотифай на Эпл Музыку.

Готовые наборы снизят средний чек, но увеличат среднее число платежей, совершаемое клиентом за период.

Поиграемся с этим тремя параметрами: C1 (конверсия), AvP (средний чек), APC (среднее число заказов). Рассчитаем модель для новых пользователей АйОС приложения.

В базовой модели с параметрами:

1. Конверсия = 8%
2. Средний чек заказа = 700 ₽
3. Среднее число заказов в месяц = 2

Прибыль составит 728 000 ₽.

В пессимистичном прогнозе, с параметрами:

1. Конверсия = 10%
2. Средний чек заказа = 600 ₽
3. Среднее число заказов в месяц = 3

Прибыль составит 1 907 500 ₽ и разработка окупится за 3 месяца.

В оптимистичном прогнозе, с параметрами:

1. Конверсия = 12%
2. Средний чек заказа = 500₽
3. Среднее число заказов в месяц = 4

Прибыль составит 2 720 000 ₽ и разработка окупится за 1 месяц.

Как видно из модели, в оптимистичном прогнозе только на новых пользователях АйОС мы поднимем прибыль в 3,7 раза.

Подробный юнит-анализ

На самом деле, очевидно, стоимость привлечения не может быть 100 рублей, да и постоянные затраты больше 1М, и ещё много чего не учтено. Модель сделана, чтобы показать насколько сильно показатели влияют на конечную прибыль. Предполагаю, что с реальными числами экономика станет убыточной.

В заключение

Портрет героя и карта опыта — мои авторские инструменты, разработанные специально для работы над интерфейсными проектами. С их помощью мы прониклись болями людей, поняли, в каких ситуациях они возникают, и придумали решения, которые потенциально принесут прибыль.

За время написания статьи Яндекс Лавка запустила доставку готовой еды плюс само приложение Еды обновилось с аналогичными фильтрами, что частично подтверждает приведённые мной гипотезы.

Это не коммерческая статья, созданная по собственной инициативе. Яндекс к ней не имеет отношения.

Если у вас появились вопросы, советы или новые мысли, пишите мне в Фейсбуке или на почту: yuraturivny@gmail.com. И, пожалуйста, не забывай похлопать в ладошки — это очень важно для меня.