Кувшин, Космический Корабль и спрятанный Шарик Истины
Представьте гончара, лепящего кувшин. Его руки движутся по памяти, словно танцуют под мелодию, услышанную от отца. Он не читал книг и не ходил на онлайн-митапы по обмену гончарному опыту. Ему показали дед и отец как правильно крутить гончарный круг, как замесить глину и как придать ей нужную форму. Опыт поколений, одним словом.
А теперь представим специалиста, проектирующего полет космической ракеты. Здесь каждый миллиметр — результат формул и экспериментов. Одна неточность, и ракета улетит вместо Марса на Луну, или грустные космонавты решат прервать полет и выйдут из ракеты посередине пути. Тут без подробного изучения целого ряда наук, таких как:
1. Физика
2. Математика
3. Химия
4. Инженерия
5. Компьютерные науки
6. Астрономия и астродинамика
7. Геофизика и метеорология
8. Биология и медицина (для пилотируемых миссий)
9. Экономика и управление проектами
10. Экология
11. Психология (пользовательский опыт космонавтов)
12. Юриспруденция
ничего с запуском ракеты не получится толкового. Да, согласен, это, прям, радикально разные примеры. Но где же живет горячо нами любимый UX?
Одни считают его ремеслом, другие (немногие, включая меня лично) — тем, что за годы постепенно приобретает очертания науки. Но что, если это не бинарный выбор, а гармония? И как найти ту самую «золотую середину», где интуиция встречается с данными, а скорость — с точностью?
Есть одна модель из моего Курса по проектированию интерфейсов – кажется, она здесь понадобится для объяснения мыслей про стратегию достижения проектного результата и поиска необходимой Истины.
Вспомним для этого игру в напёрстки. Перед вами — ряд перевёрнутых стаканчиков-наперстков, и только под одним из них спрятан шарик. Это станет метафорой поиска идеального решения в UX: шарик — та самая «правильная» идея, которая решит задачу, а стаканчики — окружение, гипотезы, варианты, тупики. Можно воспринимать их как какое-то препятствие, которое нужно устранить, чтобы понять, есть ли в конкретном месте искомый клад или нет.
Так как же лучше искать спрятанное?
Стратегия ① — научная. Вы анализируете: считаете вероятности, строите тепловые карты кликов, изучаете историю предыдущих действий и сложившиеся паттерны поведения "искателей", выявляете свойства стаканчиков и строите гипотезы вероятности, анализируете аналогичные системы и прочее. Вы действуете как детектив, собирающий улики, чтобы вычислить стаканчик-победитель. Это медленно, дорого, зато «по уму». Шерлок Холмс завидует степени научности Вашего способа поиска.
Стратегия ② — ремесленная. Вы просто последовательно поднимаете все стаканчики подряд. Хаотично. Как ребёнок, который верит: «А вдруг шарик здесь?» Если проверка гипотез дёшева (например, цифровой прототип можно сделать за час), такой подход при некоторых условиях становится не глупее формул. Так работал Эдисон, тестируя 6000 материалов для лампы: метод проб и ошибок — тоже наука, впрочем, если фиксировать результаты проб.
Давайте разберёмся, в чем разница двух диаметральных подходов поиска шарика истины.
1. Ремесло: традиции, интуиция и тепло рук
Ремесло — это река, текущая через поколения. Его суть — в передаче навыков «из рук в руки», через наблюдение и повторение. Мастер не задаётся вопросом «почему?» — он знает, что так делали его предки.
- Ключевые признаки:
Опыт важнее теории.
Интуиция и эмпирика — главные инструменты.
Ошибки — часть пути, их цена невысока (сломал кувшин? Слепишь новый).
В UX это похоже на работу дизайнера, который «чувствует», где разместить кнопку, основываясь на прошлых проектах. Но что, если задача — не кувшин, а интерфейс для нейрохирурга? Тут интуиции может не хватить...
2. Наука: Формулы, гипотезы и лабораторные халаты
Научный метод — это скелет, на котором держится прогресс. Он требует:
- Чёткой гипотезы.
- Верифицируемых экспериментов.
- Объективных данных, а не подхода из серии «нравится/не нравится».
UX-Research, например, A/B-тестирование или юзабилити-исследования, часто следуют этим принципам. Но означает ли это, что UX-исследователь — учёный? Скорее, практик, заимствующий методы науки. Ведь его цель — не открытие законов мироздания, а решение конкретной бизнес-задачи.
Тему суеверий и гороскоповедения среди UX-исследователей мы затрагивали ранее в этой статье. Считаю, что этот ньюанс – ещё один рельефный дифференциатор между ремесленником и ученым.
3. Ремесло vs Наука: война миров или совместное танго?
Различия:
- Ремесло опирается на традицию, наука — на метод.
- Ошибка в ремесле — урок; в науке — повод пересмотреть теорию.
Общее:
- Оба требуют мастерства.
- И там, и там есть место творчеству (да, даже в формулах!).
Эдисон, перебравший 6000 материалов для лампы, — пример ремесленника в лаборатории. В таблице Менделеева 83 металла из 118 элементов. Вместе со сплавами у меня заканчивается фантазия где-то на одной тысяче вариантов осмысленных комбинаций. Стесняюсь спросить, что (или кого?) там ещё пытался накаливать этот гениальный инженер? Кажется, он не вычислял решение теоретически, а искал его эмпирически – методом проб, как ребёнок, поднимая все подряд попадающиеся под руку метафорические "стаканчики". Замечу, что в условиях, где цена ошибки высока (например, проектирование интерфейса для авиадиспетчера), такой подход необоснованно рискован. Минздрав и Минтранс, считайте, вас предупредили!
4. Симбиоз: как сшить платье из данных и интуиции
UX — это мост между двумя берегами. Примеры гармонии:
- Дизайн-спринты: Быстрые итерации (ремесло) + валидация гипотез тестами (наука).
- Персонажи пользователей: Архетипы, основанные на данных исследований, но оживающие благодаря эмпатии дизайнера.
Ключ — в контексте:
- Для стартапа с ограниченным бюджетом допустимо «пробовать стаканчики» (быстрые тесты, MVP).
- Для медицинского приложения нужны строгие исследования (ошибка = жизнь).
5. Цена Ошибки: когда кувшин превращается в космический корабль
Если гончар испортит глину, он потеряет час работы. Но если UX-команда ошибётся в проектировании банковского приложения, последствия — миллионные убытки или потеря доверия клиентов.
- Правило: Чем выше ставки, тем ближе к науке.
- Но! Даже в высокорисковых проектах есть место интуиции — например, при генерации идей на ранних этапах. Что-то всё равно придется взять бездоказательно. Ну, как аксиомы в геометрии, понимаете?
6. Стаканчики, шарики и стратегии Поиска
Метафора с напёрстками идеально иллюстрирует выбор стратегии:
- Научный подход: Анализировать траекторию шарика, строить модели, предсказывать позицию. Дорого, долго, но более точно. И самое главное, аргументированно.
- Ремесленный подход: Поднять по очереди все стаканчики подряд. Дешево, быстро, но местами процесс может выглядеть хаотичным.
Когда что работает:
- Если тестирование дёшево (например, цифровой прототип), можно позволить себе «детскую» тактику.
- Если ресурсы ограничены (время, бюджет), наука помогает сузить круг гипотез.
Как не утонуть в данных и не заблудиться в интуиции
UX — это не выбор между ремеслом и наукой, а искусство балансировать между ними. Как дирижёр, который решает, когда дать соло скрипке (интуиции), а когда — вступить всему оркестру (данным).
- Совет 1: Начинайте с ремесла — генерируйте идеи свободно.
- Совет 2: Заканчивайте наукой — проверяйте, измеряйте, уточняйте.
- Совет 3: Помните о цене ошибки. Не стройте НИИ для кнопки "Купить" (Спасибо уважаемому нашему товарищу Фёдору Аксёнову за данное меткое высказывание), если можно обойтись быстрым краудсорсингом мнений.
7. От хаоса к системе — основа перехода ремесленного опыта к научной строгости
Мало заметить узор — нужно понять станок, что его соткал. Обнаружение явления — лишь первый шаг. Настоящая научная зрелость наступает, когда мы можем:
- Объяснить его механизмы ("Почему это работает именно так?")
- Смоделировать причинно-следственные связи ("Что будет, если изменить условия?")
- Детализировать все компоненты системы ("Из каких 'шестерёнок' оно состоит?")
- Изучить границы применимости ("Где и когда это перестаёт работать?").
Знание — как пирамида: каждый новый слой опирается на прочность предыдущего. Чтобы двигаться вверх:
- Каждая "ступень" должна быть максимально достоверной: глубоко изученной, многократно проверенной, очищенной от случайностей.
- Только так фундамент выдержит вес новых открытий. Строить на зыбком песке догадок — рисковать обвалом всей конструкции.
Истина проверяется не авторитетом, а повторением. Любое заявленное открытие должно:
- Воспроизводиться независимыми исследователями в разных условиях ("Повторимо ли это без наших рук?")
- Выдерживать перекрёстное рецензирование — жесткую экспертизу коллег ("Выдержит ли оно взгляд под другим углом?").
Без этого даже яркое наблюдение остаётся гипотезой, а не знанием.
Ремесленный подход в UX похож на мастерскую алхимика: интуиция и опыт рождают шедевры, но повторить успех без «рецепта» невозможно. Проблема в том, что знания часто существуют в виде разрозненных артефактов — сырых данных, инсайтов в личных блокнотах, гипотез, похороненных в архивах проектов. Как превратить этот хаос в работающую систему?
Проблема фрагментации знаний: когда пазлы не складываются
Исследовательские данные и инсайты не формируют единой экосистемы. Они рассредоточены в виде:
- Сырых массивов информации (записи интервью, скриншоты, таблицы или ... неполучившиеся у гончара кувшины)
- Изолированных отчётов, которые теряются после закрытия проектов
- «Чёрных ящиков» индивидуальных решений («Почему здесь красная кнопка? — Так Вася из отдела <название> распорядился»).
Последствия:
- 🔄 Дублирование работы: каждая новая команда изобретает велосипед, не зная, что его уже собирали (и не продали) полгода назад.
- 🧩 Невозможность масштабировать выводы: инсайты из исследования мобильного приложения для пенсионеров не применимы к веб-версии для Gen Z без ручного «перевода».
- 🕵️ Упущенные паттерны: связи между разрозненными данными остаются невидимыми.
Семантический каркас
Прежде чем чинить симптомы, создайте «скелет» для знаний. Единая онтология (например, таксономия пользовательских pain points или карта поведенческих сценариев) превратит raw data в «Лего-блоки», которые можно комбинировать. Это как библиотека Дьюи: каждая книга на месте, но полки можно перестраивать под новые задачи.
8. Дополнительные практические шаги: от ремесла к науке — расширяем инструментарий
Чтобы углубить системный подход в UX, добавьте эти стратегии в ваш арсенал. Они помогут не только структурировать процессы, но и сохранить гибкость, необходимую для творчества.
1. Унифицируйте язык: война терминов убивает смысл
Проблема: Одна команда называет проблему «болью», другая — «фрикшном», третья — «барьером». Поиск в архивах напоминает лингвистический квест.
Решение:
- 📖 Глоссарий компании с чёткими определениями («боль» = нерешенная потребность, вызывающая негативные эмоции).
- 🏷️ Тегирование исследований по единой таксономии (хештеги для данных, а не для соцсетей).
2. Стандартизируйте процессы: творчество любит рамки
Проблема: Дизайнер проводит интервью без скрипта, записывает выводы в Miro, тестировщик хранит заметки в Google Docs. Сопоставить данные — миссия невыполнима.
Решение:
- 📋 Шаблоны для фиксации данных (структура отчёта: гипотеза → метод → выборка → ключевые цитаты → инсайты).
- 🛠️ Единые инструменты (например, все исследования с pre-set блоками).
3. Замените «нравится» на «докажи»
Проблема: «Почему кнопка красная? — Я так чувствую!» Бесконечные споры и переделки съедают время.
Решение:
- ✅ Чек-лист обоснований перед утверждением дизайна:
Какие исследования подтверждают это решение?
Есть ли противоречащие данные?
Как это соотносится с прошлыми кейсами?
4. Постройте «библиотеку инсайтов»
Проблема: Команда месяц тестирует кастомный фильтр, не зная, что его уже признали неэффективным.
Решение:
- 📚 Цифровая база знаний с поиском по:
Типу исследования (A/B-тест, юзабилити);
Пользовательскому сегменту;
Дата-атрибутам («фильтры», «корзина»). - 🎚️ Система рейтинга: помечайте инсайты как «подтверждённые» или «спорные».
5. Выделяйте универсальные паттерны
Проблема: Исследование для пенсионеров бесполезно для Gen Z. Выводы нельзя масштабировать.
Решение:
- 🧩 Модульная система переноса знаний:
Отделяйте контекстное («пенсионеры не доверяют онлайн-оплате») от универсального («страх ошибки у новичков»).
Документируйте ограничения («паттерн работает только для аудитории 60+»).
6. Превратите цитаты в инсайты
Проблема: 200 интервью — это гора цитат, но нет ясности, что делать дальше.
Решение:
- 🗂️ Аффинити-сортировка: группируйте данные по темам, как в дизайн-мышлении.
- 🤖 ИИ-инструменты: тематическое моделирование для поиска скрытых паттернов.
- 🎯 Правило «1 инсайт = 1 действие»: каждый вывод должен вести к конкретной рекомендации.
7. Учитесь на ошибках, а не хороните их
Проблема: Каждый проект начинается с вопроса: «А как мы это делали в прошлый раз?» Ответа нет.
Решение:
- 📉 Ретроспективы знаний после каждого проекта:
Что сработало?
Что провалилось?
Какие данные оказались ложными? - ⚰️ «Кладбище гипотез»: архив проваленных идей с анализом причин.
8. Автоматизируйте рутину — освободите время для анализа
Проблема: Ручной сбор и обработка данных (например, расшифровка интервью, анализ heatmaps) отнимают часы, которые можно потратить на интерпретацию результатов.
Решение:
- 🤖 Используйте ИИ-инструменты:
- Расшифровка аудио: Otter.ai, Descript.
- Анализ эмоций: Tools like Affectiva или рекуррентные нейросети для оценки тональности текста.
- Автогенерация отчётов: Шаблоны в Notion + интеграции с Figma (например, Zeplin).
9. Внедрите метрики успеха — «наукоёмкие» KPI
Проблема: Оценка результатов исследований сводится к субъективным мнениям: «Пользователям вроде понравилось».
Решение:
- 📊 Определите критерии качества:
- Для юзабилити-тестов: время выполнения задачи, число ошибок, CSAT (удовлетворённость).
- Для дизайна: конверсия, процент отказов, NPS.
- Для исследований: коэффициент воспроизводимости выводов.
10. Создайте «лабораторию знаний» внутри команды
Проблема: Исследователи, дизайнеры и разработчики работают в изоляции, не обмениваясь данными.
Решение:
- 🧪 Регулярные воркшопы:
- Демо-дни: Презентации исследований с разбором методологии.
- Data Jams: Совместный анализ сырых данных (например, сессий Hotjar) для поиска паттернов.
- Peer Review: Внутренняя оценка дизайн-решений по принципам научной рецензии.
11. Разработайте «адаптивный» исследовательский цикл
Проблема: Жёсткие методологии (например, строгий Design Sprint) не подходят для всех проектов.
Решение:
- 🎛️ Гибкий framework:
- Этап 1: Быстрые качественные методы (интервью, guerrilla-тесты) для генерации гипотез.
- Этап 2: Количественная проверка (A/B-тесты, опросы) для валидации.
- Этап 3: Итерации на основе данных, а не календарного плана.
12. Постройте мосты с другими науками
Проблема: UX-исследования часто игнорируют смежные дисциплины, хотя психология или нейробиология могут дать ключевые инсайты.
Решение:
- 🌐 Коллаборации:
- Когнитивная психология: Используйте модели восприятия (например, закон Фиттса) для проектирования интерфейсов.
- Биометрия: Добавьте в тесты отслеживание взгляда (eye-tracking), ЭЭГ или кожно-гальваническую реакцию.
- Социология: Анализируйте пользовательские сценарии через призму социальных ролей и культурных норм.
13. Внедрите этические стандарты данных
Проблема: Сбор пользовательских данных без чётких правил приводит к рискам утечек и потере доверия.
Решение:
- 🔐 Чек-лист этики:
- Анонимизация данных (удаление персональных идентификаторов).
- Информированное согласие (пользователь понимает, как используют его данные).
- Регулярный аудит хранилищ на соответствие GDPR, CCPA.
14. Документируйте не только результаты, но и процесс
Проблема: Даже успешные исследования бесполезны, если непонятно, как к ним пришли.
Решение:
- 📝 Lab Notebook для UX:
- Фиксируйте все шаги: как формировали выборку, какие вопросы задавали, почему изменили скрипт.
- Используйте формат научных статей: Background → Methods → Results → Discussion.
- Храните «сырые» данные даже после проекта — они могут пригодиться для метаанализа.
14. Синхронизация: когда микрометр UX встречает топор разработки
Мы, UX-специалисты, работаем не в вакууме. Наши исследования и дизайн — лишь часть цепочки, где дальше включаются разработчики, менеджеры продукта, маркетологи. И здесь кроется ловушка: если каждый этап живёт в своём мире, тонкая работа превращается в грубый компромисс. Как в известной поговорке: одни вымеряют микрометром, следующие отмеряют мелом, а завершающие – рубят топором.
И зачем тогда первым было работать так по-научному точно? Мотивация падает до нуля.
Как это выглядит на практике UX-разработки продуктов?
Представьте:
- Микрометр → Исследователь выявляет 10 нюансов поведения пользователей.
- Мел → Дизайнер фиксирует 3 ключевых инсайта в макете.
- Топор → Разработчик реализует 1 упрощённую функцию.
Итог: глубина теряется, ценность испаряется.
Стратегия спасения:
Чтобы избежать этой деградации, нужны единые правила игры:
- Общие метрики — свяжите UX-цели (удобство, эмоции) с техническими KPI (скорость, стабильность).
- Защита критичных параметров — чётко обозначьте в своих UX/UI-спецификациях или дебатах с разработчиками границы компромисса.
- Диалог до кода — совместное планирование UX + разработка перед стартом работ.
Научный подход в UX бессмыслен, если его открытия гибнут в производстве. Ваша задача — не просто создать идеал, а доставить его пользователю в целости.
Наука vs Ремесло — ложная дихотомия
Систематизация — не враг творчества, а его союзник. Когда данные структурированы, а опыт задокументирован, UX-команды тратят меньше времени на рутину и больше — на прорывные идеи. Как говорил Эйнштейн: «Воображение важнее знания, но знание указывает, куда направить воображение».
Создайте свою «библиотеку Дьюи» для UX — и вы перестанете собирать пазлы вслепую. Вместо этого вы будете строить из «Лего-блоков» знания то, что раньше казалось невозможным — от космических ракет до интерфейсов бытового приложения по оплате ЖКХ, которые меняют мир. 🚀✨
И да, халтуры не избежать. Но её можно минимизировать, если честно спрашивать себя: «Мы действуем так из-за сроков — или из лени?». В конце концов, даже Эдисон, перебрав 6000 вариантов, не забывал записывать результаты каждого эксперимента. Может, в этом и есть секрет: быть учёным в ремесле и ремесленником в науке.
Меня зовут Роман Черных, я руковожу Русской Школой Сервисного Дизайна и преподаю User Experience Research&Design. Благодарю, что ознакомились с нашей попыткой более точно определить место для "Юикс" – как ремесло или как научную (или околонаучную) деятельность. Чтобы не пропускать новые статьи, подпишитесь на наш Дзен-канал. После перехода нажмите кнопку "Подписаться" в шапке профиля. Такие несложные действия – хорошая мотивация для нас, чтобы продолжать для Вас готовить такие материалы.
Буду рад услышать вашу точку зрения – дополнения или аргументированные возражения, в комментариях. Если мы что-то важное упустили или ошибаемся.
Если вас интересует тема дизайна впечатлений и смыслов, приходите к нам, в телеграм-чат Русской Школы Сервисного Дизайна.
Если вы или ваши коллеги:
- хотите учиться по нашей авторской методологии на групповых занятиях, в индивидуальном или корпоративном формате по темам User Experience Research и Design;
- организуете мероприятие, где требуется спикерская поддержка специалистов Школы или моё участие в качестве ведущего/модератора;
- планируете получить консультацию по продуктовому проекту или процессу;
- желаете оценить свой текущий потенциал, перспективы профессионального роста, тактику UX-обучения и карьерную траекторию;
Подпишитесь на нас, чтобы видеть анонсы UX-мероприятий:
Rutube-канал РШСД
Телеграм-канал РШСД
Youtube-канал РШСД