Серж Лукьянов

Product

закрыть

Профессиональная погода с 25 млн пользователей

Windy App — метео-продукт морской погоды для outdoor-пользователей 35+, который помогает планировать активный отдых с учётом ветра, осадков, волн и других погодных факторов. Сложный домен с необходимостью визуализации большого количества погодных данных для аудитории с разной степенью подготовки и опытом в метеорологии.

Роль

Старший продуктовый дизанер

Ответственность

UI/UX, Retention, Активации

Период

2024-2025

Кейс #1

Переработка ядра продукта для роста retention

Кейс #2

Новая фича для привлечения новых пользователей

Кейс #3

Оптимизация ключевого сценария для конвертации пользователя в PRO

App Store

Вызов

#1 Переработка ядра продукта для роста retention

Спот — целевой экран для пользователя. Его дизайн и сценарии определяют то, как быстро человек понимает погодные данные, возвращается к приложению и продолжает использовать сервис.

Моя задача — функционально и визуально переработать экран так, чтобы повысить читаемость прогноза, сократить время принятия решений и в итоге увеличить возвращаемость.

Решения

Работа над спотом велась постепенно в течение 6 месяцев и включила следующие ключевые изменения:

— внедренил блок поиска в шапку экрана для того чтобы закольцевать навигацию между спотами;

— сократил количество погодных строк и ярких цветов в них для повышения фокуса на ветре;

— удалил лишнюю информацию и элементы навигации с экрана для визуального упрощения считывания данных;

— освежил UI для лучшей читаемости экрана.

Работа над спотом велась постепенно в течение 6 месяцев и включила следующие ключевые изменения:

— внедренил блок поиска в шапку экрана для того чтобы закольцевать навигацию между спотами;

— сократил количество погодных строк и ярких цветов в них для повышения фокуса на ветре;

— удалил лишнюю информацию и элементы навигации с экрана для визуального упрощения считывания данных;

— освежил UI для лучшей читаемости экрана.

Ограничения

Спот насыщен легаси-кодом, поэтому любые изменения требуют тщательной оценки рисков и уверенности в том, что их можно безопасно внедрить.

Дополнительно, возрастная аудитория 35+ и высокая доля PRO-пользователей ограничивают возможность радикальных нововведений, поэтому улучшения должны быть постепенными и не нарушать привычные сценарии.

Результаты

+12%

возвращаемости в спот в течение недели

+17%

просмотренных спотов за одну сессию благодаря поиску

-9%

отвалов с экрана в первую сессию

Вызов

#2 Внедрение фичи «Ураганы» для привлечения новых пользователей

Ураганы на карте — казуальный элемент для пользователя не вовлечённого в профессиональную погоду. Цель — заполучить этих пользователей в наш продукт для расширения целевой аудитории.

Решения

Работа над внедрением началась перед сезоном ураганов в США. Она потребовала большого количества исследований и командного взаимодействия между разработкой, дизайном и метеорологами.

Моя роль включала:

— исследование конкурентов и разработку визуального решения для IOS, Android и Web;

— интеграцию фичи в текущую логику работы карты и погодных слоёв;

— деливери до прода, тестирование, и поддержку фичи в течение первых итераций.

Моя роль включала:

— исследование конкурентов и разработку визуального решения для IOS, Android и Web;

— интеграцию фичи в текущую логику работы карты и погодных слоёв;

— деливери до прода, тестирование, и поддержку фичи в течение первых итераций.

Ограничения

Источники данных появлялись последовательно из-за юридических сложностей, и функционал необходимо было адаптировать под постепенное внедрение.

Ограничение в 2 месяца на разработку решения и внедрение фичи, чтобы успеть к сезону ураганов.

Результаты

+00%

новых пользователей относительно органического роста

+63%

retention новых пользователей в первую неделю

x1.8

конверсия у новичков, открывших ураганы хотя-бы 1 раз

Вызов

#3 Оптимизация ключевого сценария для конвертации пользователя в PRO

Ключевой сценарий пользователя — сравнение погодных моделей на споте для получения наиболее точного прогноза и принятия лучшего решения. Главный инструмент пользователя — Model picker и Compare mode. Цель — объяснить бесплатному пользователю необходимость использовать погодные модели и активировать его в Model picker с последующей его конвертацией в PRO.

Работа над задачей велась множеством итераций в течение года.

Исследования

— Аналитика текущего взаимодействия с элементами на экране спота;

— проведение внутренних текстовых опросов на предмет понимания моделей пользователями;

— проведение интервью с активными пользователями в текстовом формате, а также в формате 1 на 1 вместе с командой исследований;

— А/Б тесты активации в model picker;

— benchmark конкурентов.

— Аналитика текущего взаимодействия с элементами на экране спота;

— проведение внутренних текстовых опросов на предмет понимания моделей пользователями;

— А/Б тесты активации в model picker;

— benchmark конкурентов.

Гипотезы

— Если в момент расхождения прогнозов показывать пользователю информер с призывом к сравнению моделей, то он активируется в модели;

— если скрыть с экрана model picker и раскрывать его в момент расхождения моделей, то у пользователя возникнет более крепкая когнитивная связь между изменениями в прогнозе и влияния на него моделей;

— если подсвечивать расхождение моделей прямо в строке прогноза и дублировать акцент на конкретном элементе внутри model picker, то мы напрямую проведем пользователя в целевое взаимодействие.

Ограничения

— Нельзя перекрывать метеограмму всплывающими элементами;

— нативный дизайн, чтобы не выглядело как маркетинговая фича.

— Нельзя перекрывать метеограмму всплывающими элементами;

— нативный дизайн, чтобы не выглядело как маркетинговая фича.

Решения

Главная сложность задачи — навязать пользователю необходимость обучаться интерпретировать прогноз самостоятельно, так как мы не можем сами взять на себя ответственность за принятые решения, так как они могут привести к опасным последствиям.

За время работы над задачей я внедрил:

— мультимодельный мод Best model, показывающий комбинацию из наиболее точных погодных источников;

— нативный сценарий с подсвечиванием расхождения прогнозов прямо в метеограмме.

За время работы над задачей я внедрил:

— мультимодельный мод Best model, показывающий комбинацию из наиболее точных погодных источников;

— нативный сценарий с подсвечиванием расхождения прогнозов прямо в метеограмме.

Результаты

+22%

активации всех пользователей в model picker

+00%

retention бесплатных пользователей в модели

+00%

конверсия у бесплатных пользователей через model picker

Выводы

Эта задача стала для меня и для продукта яркой иллюстрацией его сложности. Она никогда не будет иметь финальной версии, так как погодные модели — ядро монетизации продукта, и работа вокруг улучшения сценариев ведётся фоновым процессом постоянно.

За время моей работы над задачей моим личным достижением стало увеличение активации в model picker через улучшенный алгоритм best model, что повлияло и на возвращаемость в спот, и на конверсию в PRO.