Sizolution

100%

Ecommerce

B2B

SaaS

WEB

Sizolution

Cистема рекомендации оптимального размера и прогноза посадки для покупателей

интернет-магазинов одежды

Год

2018-2021

Роль

Middle Product Designer

О продукте

Sizolution помогает подбирать одежду подходящего размера. Специальные алгоритмы по фотографии создают 3D-модель тела покупателя, учитывая более 80 параметров. Затем искусственный интеллект рекомендует оптимальный размер и показывает, как та или иная вещь будет сидеть на клиенте.

Читать на vc.ru

Моя роль

В этом проекте я выступал в роли Middle product designer, отвечал за:

• cоздание и поддержку пользовательских интерфейсов основного продукта компании — виджета для одежды

• кастомизацию дизайн-решений для интеграции с клиентами

• работу с данными (анализ метрик, тепловых карт пр.)

• проведение исследований, тестирование гипотез

Команда и процесс

Размер продуктовой команды ~50 человек. В команде я был единственным дизайнером, работал напрямую со стейкхолдерами.

Инструменты

Figma

Miro

Trello

Metabase

Hotjar

Кейс 1. Виджет для одежды

Sizoluton решает главную боль всех онлайн-магазинов и ритейлеров одежды — высокий процент возврата товаров из-за неподходящего размера.

Когда я присоединился к команде, уже была успешно запущена MVP-версия продукта на одном из крупных ритейлеров — KupiVIP.

$38 млрд

Столько согласно статистике теряют онлайн-магазины США ежегодно на возвратах

30%

20%

Снижение возвратов и увеличение доходов

После внедрения виджета на сайтах клиентов

Доходы

Отказы

Пользователи

Женщины и мужчины в возрасте от 20-65 лет, которые часто покупают одежду через интернет.

Контекст

Продукт состоял из опросника, который по кнопке встраивался на сайт онлайн-магазина. Пользователь 1 раз заполнял опросник, где указывал свой рост, вес и тип фигуры. Исходя из этих параметров вкупе с машинным обучением система рекомендовала правильный размер одежды для любой позиции на сайте.

Виджет на сайте Tommy Hilfiger

Полный user flow опросника

Скрольте по горизонтали

Проблема

Большая часть пользователей не доходила до конца опросника и, соответственно, не получала рекомендацию по правильному размеру

Discovery

Я решил исследовать то, как пользователи взаимодействуют с нашим продуктом, чтобы понять с какими проблемами они сталкиваются.

Для этого выделил две основные группы пользователей: мужчины и женщины, т.к. они по-разному ведут себя в процессе покупки одежды.

Провёл глубинные интервью с участниками, имеющими опыт покупки одежды в онлайн-магазинах. Я просил респондентов в режиме реального времени запускать наш продукт и воспользоваться им.

Интервью с пользователями

Цитаты

Дополнительно мы подключили сервис hotjar — я отсматривал записи и тепловые карты на всех шагах опросника, чтобы понять где пользователи сталкиваются с проблемами

Результат discovery

Основные тезисы на основе интервью и просмотра записей:

• пользователи затрудняются в прохождении опросника

• практически ничего не знают о своем теле кроме базовых данных: роста и веса

• понимание данных о своем теле у мужчин и женщин разнятся (последние знают больше информации о себе)

• большинство склонны не доверять рекомендации размера, не понимают как это работает

На основе полученных данных от проведенных исследований, я сформировал список гипотез и отсортировал их по методу ICE

Гипотезы

По методу ICE (Value & Effort)

Гипотеза

Value

Effort

Оценка

Нулевая гипотеза

1. Поменять структуру опросника на горизонтальную

4.5

2. Улучшить первый экран

4.5

3. Улучшить финальный экран

3.5

4. Добавить мобильную версию

2.2

5. Добавить функцию «сделать фото»

1.8

6. Собирать данные о размере бюстгальтера у женщин

1.2

7. Собирать данные о предпочитаемом размере

0.8

8. Спрашивать предпочтения по посадке одежды

0.6

Quick wins — это фичи которые приносят больше всего ценности, но которые можно быстро реализовать

Гипотеза 1

Для пользователей затруднителен процесс заполнения данных в опроснике (в MVP он был вертикальным)

Если мы поменяем структуру с вертикальной на горизонтальную и сделаем каждый шаг на отдельном экране — вырастет конверсия на заполнение, т.к. пользователям будет проще взаимодействовать с контентом и фокусироваться на каждом вопросе

Переработал структуру опросника на горизонтальную, где каждый вопрос — на отдельном экране

UX-тесты

Провел коридорное тестирование: попросил сравнить старую и новую версии. Подавляющее количество респондентов отметило улучшение пользовательского опыта в новой версии.

A/B-тест

Запустили новую версию опросника на части аудитории, чтобы замерить эффект от изменений и получили следующие результаты

CR опросника

–15%

bounce rate

Гипотеза 2

Попадая на первый экран, пользователи не понимают что эта за продукт и для чего надо заполнять данные

Если мы улучшим структуру и описание первого экрана, то сможем снизить bounce rate.

A/B-тест

Запустили опросник с измененным первым экраном на части аудитории, чтобы замерить эффект от изменений.

–8%

Bounce rate

Гипотеза 3

Пользователям не очевиден результат в виде рекомендуемого размера на финальном экране. У них нет доверия рекомендации.

Если мы улучшим финальный экран с рекомендацией, добавив ему в глазах пользователя доверия, то повысим конверсию добавления товара в корзину

A/B-тест

Запустили опросник с новым экраном рекомендации на части аудитории, чтобы замерить эффект от изменений.

+6%

CTR кнопки «добавить в корзину»

Гипотеза 4

У продукта отсутствовала мобильная версия

Если мы добавим мобильную версию, то увеличим охват, т.к. >50% пользователей заходят на сайты онлайн-магазинов с мобильных устройств

Рост и вес

Фото

Весь flow

A/B-тест

Запустили новый функционал на части аудитории, чтобы замерить эффект от изменений.

+12%

точность рекомендации

Гипотеза 5

Большинство пользователей знают о себе только возраст, рост и вес. Этих данных недостаточно, чтобы построить точную рекомендацию.

Если мы добавим функцию, которая позволит делать мерки по фото, то мы увеличим и точность рекомендации и повысим CR опросника

Функция фото — позволяет увеличить точность рекомендации за счет получения дополнительных данных о теле человека, а также избавляет от необходимости вводить данные вручную

A/B-тест

Запустили новый функционал на части аудитории, чтобы замерить эффект от изменений.

+24%

точность рекомендации

Что дальше

Я начала анализировать конверсию по всей воронке опросника на каждом экране, чтобы понять где можно улучшить показатели. Получилось, что чем больше шагов и чем дальше пользователи от начала опросника — тем ниже конверсия.

Воронка конверсии

На основе данных, составил список с точками роста

Сократить кол-во контента на каждом шаге, упрощая пользователю взаимодействие с ним
Прорабатывать и тестировать каждый шаг точечно, улучшая показатели конверсии — это будет влиять на отказы и общую конверсию всего опросника

Кейс 2. Виджет для обуви

После одежды мы перешли к решению аналогичной задачи в сфере обуви. Однако обувь требует ещё большей точности, а возвраты в этой категории особенно часты.

До 30% составляет доля обуви в онлайн-магазинах одежды

Обувь

Одежда и аксессуары

Бизнес-цель

Увеличить охват за счет пользователей, покупающих обувь. Увеличить выручку компании.

Миссия для пользователя

Помочь покупателям подобрать обувь, которая идеально подходит по размеру, сократив количество возвратов

Критерий успеха

Снижение возвратов обуви

Решение

Разработать первую версию виджета для обуви

Discovery

Исследования

Начал с проведения глубинных интервью и опросов, чтобы понять:

• как часто пользователи покуют обувь в онлайн-магазинах

• как определяют правильный размер при покупке

• какие данные знают о своих ногах

Анализ конкурентов

На рынке уже было работающее решение от крупного игрока FitAnalytics. Я решил проанализировать то, как они собирают данных о ступнях пользователей.

Инсайты на основе discovery

• Пользователи, которые покупают обувь в онлайн-магазинах, знают больше (чем те, кто не покупает) о параметрах своих ног: длине, ширине (т.к. это нужно чтобы определять размер по размерной сетке).

• Как определяют размер: в основном по размерной сетке, сравнивая со своими ногами. Иногда по размерам старой обуви. Читают отзывы (маломерит/большемерит).

• У части пользователей есть особенности, которые могут нарушать привычный алгоритм определения размера: высокий подъем, выпирающая косточка, широкая стопа и др. Это тоже нужно учесть.

• Физиологически форма ступни у всех разная, но их можно сгруппировать на несколько типов: греческая стопа, римская и т.д.

• Пользователи готовы делать точные замеры стопы, чтобы подобрать правильный размер.

Составил user flow

Скрольте по горизонтали