Идеи по улучшению реакций – или как сделать +реп команде дизайна

Здарова, бандиты. Сегодня мы поговорим о том, как выпустить UI/UX апдейты и не словить хейта. Хотя кого я обманываю...

В общем, развивать продукт это хорошо, добавлять новые функции это замечательно, зарабатывать на этом деньги это уважаемо – но хорошо бы это делать понимая своих пользователей. Адаптировать изменения под их интересы. Или даже, скажу страшное, генерировать гипотезы НА ОСНОВЕ их интересов.

Понять какие, можно из несложного ресёрча различных тематических сообществ. Для примера:

Можно даже немного упороться и поиграть в дата анализ, определив топ-5 эмодзи по популярности использования. Предположим я гига-аналитик, от слова "анал", и выяснил, что наиболее используемые эмодзи это: 🤡, 💩, 🔥, 🤔, 👏 (не считая ❤️ и 👍, так как они вне конкуренции).

Это база. Берем за основу и добавляем ещё некоторое количество смайликов, опять же, учитывая контекст сферы и сегмента пользователей. Я бы предложил 😱, 🥲, 😡, 😂.

или хотя бы просто другими. Так чтобы была видна разница между наличием реакций и отсутствием реакций.

Огромные и яркие сердца повсюду, под каждый ссаным комментом и постом, может и увеличит среднюю активность в моменте, но вероятно быстро вернется к стандартным показателям и значимо не повлияет на метрики. Держим в уме, что скорее всего, наша цель рост конверсии в покупку Подписки.

чем одно стандартное сердце. Все ещё держим в уме, что цель это рост конверсии в покупку Подписки. Однако не факт, что подобное решение в перспективе ощутимо повлияет на конверсию и на LTV в целом, из-за сильного негатива вызванного ограничениями. Чтобы это понять нужно использовать A/B тесты, но об этом позже...

но адаптированные под популярные мемы игровой или околоигровой тематики. Ну и можно добавить дополнительных реакций чтобы увеличить ценность, но не вызывая ощущения ограничений.

Нагененрить ещё можно много разных, например F и т.п.

Что такое A/B тесты кратко: это инструмент для тестирования изменений на разных группах пользователей в продукте на влияние этих изменений на ключевые метрики. Грубо говоря, через A/B тесты методом тыка ищем/проверяем фичи которые полезны для бизнеса.

Подробнее об A/B тестировании тут.

Запустить A/B тестирование нескольких видов реализации новых реакций на нескольких группах пользователей (можем собирать какие угодно разные группы с разной глубиной изменений). Для примера выберем такие:

Доли групп могут быть такие 10% – 10% – 10% + 60% контроль.

С подобными вводными запускаем ABC тест и проверяем какая из групп показывает наилучшие показатели по ключевым метрикам (предположим: средний объём поставленных реакций на уникального пользователя, конверсию в покупку Подписки, отток уникальных пользователей, LTV в тестируемых группах и тп).

При этом не ловим кучу хейта от 100% посетителей, а аккуратнее проверяем на 20%.

Сравниваем между собой A и B и сравниваем их с C группой. Выбираем группу с лучшими показателями и примененные в ней изменения раскатываем на всех. Либо откатываем изменения и начинаем по новой.

Отдельно я бы проверил как влияет на метрики увеличившаяся высота блоков с постами. Так как высота стала больше, то глубина скролла ленты может измениться, количество просмотренных и кликнутых рекламных блоков может снизиться, что снизит заработок с рекламы и тогда придется ещё анальнее пушить людей покупать Подписку.

Всё! Вы великолепны ❤️.