Бу! Пугающая персонализация или когда алгоритмы знают лучше тебя

Все мы были в ситуации, когда еще не успели ввести запрос в маркетплейсе, приложении или поисковике, как внезапно в рекомендациях и рекламе мы видим то, о чем думали буквально вчера или обсуждали с кем-то. С персонализацией и алгоритмами знакомы многие, но как они работают и почему так точно нас понимают — знают не все. Иногда рекомендации настолько точные, что это может вызывать тревогу у пользователя, ощущение слежки и контроля. Слишком навязчивые и неточные рекомендации тоже могут сформировать негативный опыт ^[1].

Привет! На связи Алина Хамраева, ведущий дизайнер пользовательских интерфейсов в компании «БАРС Груп». Давайте сегодня разберемся, как UX/UI встречается с маркетинговой сферой, почему за комфорт в продуктах отвечают именно дизайнеры и как они избавляют от ощущения контроля и слежки.

Вы тут наследили…

Уже давно известно, по каким параметрам система собирает наши предпочтения, интересы, хобби и многое другое. Большинство думает, что всё строится на cookies или таргетированной рекламе. Но на практике алгоритмы используют десятки сигналов одновременно. Из них можно выделить две большие группы:

Явные данные:

• лайки;

• оценки;

• подписки;

• добавление в избранное;

• заполненные интересы.

Неявные данные:

• время просмотра страницы;

• скорость прокрутки;

• нажатия;

• порядок просмотра товаров;

• время суток использования;

• местоположение;

• история поиска;

• что человек закрыл сразу;

• что дочитал до конца.

Именно неявные данные дают больше информации о пользователе и считаются главным источником.

Система формирует портрет пользователя на основе этих обширных данных: ваши интересы, вкусы, предпочтения и дизлайки. Результатом ее анализа является показ рекомендаций и подходящих продуктов под ваши запросы. Важно понимать, что персонализация — это не только реклама. Практически любой цифровой продукт собирает данные о том, как люди взаимодействуют с интерфейсом. Например, музыкальный сервис запоминает, какие треки вы дослушиваете до конца, какие переключаете через несколько секунд, в какое время обычно включаете музыку. Карты анализируют привычные маршруты, интернет-магазины — категории товаров, которые вы чаще всего просматриваете, а стриминговые платформы изучают, какие фильмы вы бросаете на середине, а какие смотрите полностью. Со всем этим мы сталкиваемся каждый день. В решениях персонализации работает то же правило, что и для  UX/UI: если интерфейс спроектирован хорошо, то пользователь не думает, куда нажимать.

Портрет пользователя

Выше мы говорили, как и откуда система получает данные о ваших интересах и запросах. Но самое интересное — алгоритмы редко делают выводы на действиях одного человека. Гораздо чаще они ищут закономерности среди миллионов пользователей, которые смотрели, лайкали, интересовались такими же или схожими темами. Система анализирует огромное количество примеров поведений в интернете и может предложить вам то, что потенциально подойдет. Например, вы любите бегать и покупаете профессиональные кроссовки. Если большое количество людей после покупки беговых кроссовок начинают искать спортивные часы, система предложит их и вам. Она не знает ваши планы, но увидела повторяющийся сценарий поведения ^[2] у  других пользователей со схожими интересами. Таким образом, у системы складывается видение пользователя, его портрет, на основе похожих сценариев поведения ^[3] внутри продукта.

В какой момент удобство превращается в тревогу?

С цифровым следом разобрались. Стоит ли переживать о том, как часто и иногда навязчиво мы видим рекомендации? Иногда создается впечатление ^[4], будто пользователю не нужно принимать решения: система и так знает, что ему интересно, и может сразу показать желаемые варианты. Но когда система демонстрирует абсолютное знание о человеке и его интересах, он будет чувствовать потерю контроля и выбора. В этот момент рождается недоверие и настороженность. Например, история просмотров ожидаема в рекомендациях фильмов, а использование местоположения в неожиданном контексте может восприниматься как нарушение приватности. Вы можете сами понаблюдать за своей реакцией ^[5]:

Важно сделать работу рекомендательных систем понятнее для пользователя: показать, как система интерпретирует его предпочтения, и объяснить логику ^[6] формирования конкретной рекомендации. Исследование среди пользователей крупного стримингового сервиса пришло к такому выводу: большинство людей вообще не понимают, как работает персонализация. И именно отсутствие понимания сильнее всего влияет на доверие к продукту. Наличие большого количества данных не сделает продукт успешным и клиентоориентированным.

Почему одни рекомендации радуют, а другие пугают

Именно здесь дизайнер становится проводником между желанием бизнеса повысить конверсию и комфортом пользователя. Дизайнер продукта определяет, как алгоритм «разговаривает» с человеком, каким образом рекомендация появится в интерфейсе и насколько навязчивой она будет. Вместе с исследователями продукта он отвечает на вопрос: какую реальную проблему пользователя решает персонализация и стоит ли ради нее использовать эти данные. 

В арсенале дизайнера много инструментов и сценариев, как грамотно и интересно подать рекламу/рекомендацию внутри продукта. Все они обязательно опираются на знаниях о поведении, привычках и опыте пользователя. Грамотно выстроенный интерфейс с системой рекомендаций не будет восприниматься враждебно. Так, например, дизайнер способен заложить в продукт принцип объяснимой персонализации. Когда система предлагает конкретный контент с формулировкой «Потому что вы смотрели…» или «Мы заметили, что чаще всего вы ищите…». Даже в этих мелких деталях можно сохранять голос бренда и работать над формулировками, не повторяясь.

Вопрос уместности также остается всегда открытым при проектировании интерфейсов. Помимо задачи, как дружелюбно предложить что-то пользователю, важно думать о моменте показа и времени. Даже полезная рекомендация может разозлить потребителя, если она появляется, например, при заполнении данных заказа или во время просмотра фильма.

В целом, рекомендательную систему можно разделить на 4 категории:

• Ручная персонализация. Пользователь сам настраивает контент: темы, категории, любимые жанры, размер одежды. Это самый прозрачный вариант. Человек понимает, почему видит определённый результат, и может изменить выбор.

• Поведенческая персонализация. Система учится на действиях: просмотрах, покупках, поисковых запросах. Так работают рекомендации фильмов, музыки и товаров. Они полезны, пока не становятся навязчивыми и не преследуют человека слишком долго.

• Контекстная персонализация. Интерфейс меняется в зависимости от ситуации: показывает кафе поблизости, предупреждает о дожде или включает тёмную тему вечером. Важно в моменте объяснить, для чего приложению нужен доступ к местоположению или другим данным.

• Предсказательная персонализация. Сервис пытается угадать намерение или жизненную ситуацию пользователя. Это самый рискованный уровень. Чем персональнее предположение, тем осторожнее продукт должен его использовать.

Если все эти аспекты были проигнорированы, продукт рискует потерять клиентов, и оставить у него самые негативные ощущения.

Система не будет делать выбор за нас

Несмотря на огромное развитие систем аналитики, искусственного интеллекта ^[7] и скорости обработки данных, человек и его комфорт — на первом месте. Надежная рекомендательная система не демонстрирует возможности технологий, она незаметно облегчает задачу и оставляет за пользователем право выбора и последнее слово. Человек должен понимать, что происходит, иметь возможность изменить результат и чувствовать, что его личные границы уважают. Поэтому UX/UI дизайнеры помогают держать баланс между хорошей персонализацией, а также сохранять прозрачность, доверие и ощущение контроля.

Персонализация становится пугающей, когда человек не понимает, что именно система знает, с какой целью используют данные и как это остановить.