Контекст
В Самокате я работала над двумя продуктами: один для трейд-маркетологов, другой для маркетологов. Речь в кейсе пойдёт про Бонус-машину. Это продукт, в котором маркетологи создавали скидки для клиентов Самоката по всей сети. Сложность работы заключалась в том, что существует 13 отделов маркетинга, у каждого свой процесс создания и жизни скидки, и у каждого процесса свои нюансы и бюрократические процедуры, которые нужно учитывать.
В кейсе расскажу про задачу от отдела маркетинга собственной торговой марки, сокращенно СТМ.
Моя роль: продуктовый дизайнер
Команда: продуктовый менеджер, аналитик
Как работало «до»?
Отдел маркетинга планирует акцию с участием товаров собственной торговой марки. Например, «Купи 3 круассана и получи игрушку за 1 руб».
Такая скидка нужна, чтобы увеличить продажи конкретных круассанов. Причём причины могли быть разные:
- маржинальный товар, хотим больше прибыли;
- есть остатки по разным регионам, региональные менеджеры попросили продвинуть конкретные товары;
- выпустили новый товар СТМ и хотим его продвигать.
Но возможности настроить скидку так, чтобы она работала при покупке конкретных товаров, не было. То есть пользователь просто мог положить в корзину 3 любые товара и получить игрушку.
Условия диктовались только текстом и никак не регулировались программно, поэтому эффективность акции искажалась: деньги закладываются на продвижение СТМ, а прирост выручки уходит в другие категории.
Проблема и цель
Проблема пользователя
Нет возможности таргетировать скидки на конкретные позиции.
Почему важно сейчас
«Похожие механики растят средний чек покупателя, мы это видим по метрикам за последние месяцы, поэтому будем делать их ещё больше».
Гипотеза
Если добавить возможность таргетировать скидки на конкретные товары и категории, маркетологи смогут точнее управлять промо-механиками. Это повысит средний чек по СТМ и общую конверсию участия в акциях за счёт более релевантных и понятных условий для пользователей.
Целевая метрика
- Средний чек по СТМ должен вырасти минимум на +20%.
- Рост доли СТМ в заказах на +10% относительно текущего уровня.
Роль и вклад
Что сделала лично я
- Организовала и провела встречи с менеджером и аналитиком для уточнения постановки задачи.
- Подготовила и провела глубинные интервью с маркетологами, чтобы понять, как они работают сейчас и почему это проблема.
- Выполнила кластеризацию и приоритизацию полученной информации.
- Сделала исследование конкурентов в контексте задачи.
- Предложила несколько вариантов решения.
- Организовала UX-тестирование выбранного решения.
- Презентовала макеты команде, собрала обратную связь у руководителя, редактора и исследователя.
- Подготовила финальные макеты к разработке.
Исследования
Чтобы понять, кто участвует в создании скидок и у кого «болит», я разложила роли вокруг задачи и отметила степень вовлечённости. Это сразу показало, кто работает в системе ежедневно, а кто подключается только на отдельных этапах.
После карты стейкхолдеров я провела глубинные интервью, чтобы подтвердить роли и собрать реальные боли пользователей.
Когда собрала достаточно историй и примеров, свела всё в одну карту и стала выделять повторяющиеся проблемы. Так оформились ключевые кластеры и гипотезы, с которыми пошли дальше.
После синтеза посмотрела, как похожие продукты решают настройки скидок. Один из референсов — Shopify, где мастер чётко разделён на шаги и показывает, как меняется итоговая стоимость.
Что подсмотрела:
- простая вертикальная структура формы;
- чёткое разделение «условия» и «результат»;
- короткие подсказки в сложных местах;
- радиокнопки для выбора типа условия.
Что не стала повторять:
- избыточные настройки, которые у нас не нужны;
- перегруженное ветвление условий.
Опираясь на эти наблюдения, я сформировала первые варианты структуры формы и перешла к проработке решения.
Идеи и концепции
У меня получилось три концепции, которые я обсудила с командой, чтобы выбрать победителя для ux-тестирования.
Вариант A. Отдельная механика
А точнее несколько отдельных. В продукте уже была типизация скидок: на весь чек, на товары и на один товар из списка. В этом варианте к существующим типам добавлялись новые, в которых можно было указать конкретные товары.
Вариант B. Отдельная настройка
Настройка существующих типов скидок так, чтобы в каждом появилась возможность указать конкретные товары. Перевод на человеческий: добавить чекбокс к списку типов.
Вариант C. Параметр скидки во всех типах
Ничего не меняем с типами, а просто добавляем параметр к другим параметрам скидки таким, как сумма, география, период действия и пр.
На этапе выбора варианта с командой стало понятно, что есть пробел в информационной архитектуре. Например, в чём разница скидки на весь чек при покупке определённых товаров от скидки на товары при покупке определённых товаров. Эта настройка очень важна для расчёта алгоритма, но маркетологи и так быстро накликивали радиокнопки и чекбоксы, не подумав, — что иногда приводило к неправильной работе скидки. А тут мы ещё собрались усложнять этот этап работы.
Решение: параллельно с описываемой задачей поисследовать понимание логики создания скидки: какая настройка на что влияет и как конечная скидка будет рассчитываться в корзине у пользователя. Мы выбрали метод опроса и глубинного интервью по итогам опроса с теми, кто согласился.
Процесс и артефакты
UX-тестирование
Чтобы убедиться, что новая форма создания скидок понятна и её можно быстро заполнить без инструкций, я провела UX-тестирование на 3 маркетологах, которые регулярно запускают акции.
Что проверяла:
- навигацию внутри формы;
- понимание структуры условий;
- корректность выбора типа скидки;
- заполнение критических полей без ошибок.
Результат:
- Все участники успешно создали скидку с первого раза, без подсказок.
- Зафиксировала небольшие замечания: уточнила формулировки подсказок и усилила визуальные связи между полями.
- После правок пользователи оценили интерфейс как «намного проще и понятнее, чем предыдущий».
Финальные макеты
Ниже — итоговые экраны интерфейса с учётом всех согласований, комментариев и результатов UX-тестирования. Использовала внутреннюю дизайн-систему.
Итог
Примерно через два месяца после запуска мы вернулись к целевым метрикам и посмотрели, как решение повлияло на ключевые показатели.
Средний чек по СТМ:
до изменений — около 500 ₽,
после запуска решения — 580–610 ₽ в зависимости от периода.
Доля заказов со СТМ:
до изменений — около 22–24% от всех заказов,
после запуска — 28–30%.
Что мне дал этот проект
В Самокате было важно не просто сделать интерфейс, а встроить его в существующие процессы маркетинга и аналитики. Я работала в тесной связке с менеджером и аналитиком и отвечала за качество решения на всём пути — от постановки задачи до финальных макетов.
Я много работала с фреймворками, исследованиями и синтезом, выстраивала процесс от постановки задачи до результата. У меня был дизайнер в подчинении — я отвечала за организацию работы, качество решений и развитие внутри команды.
Этот опыт закрепил мой продуктовый подход и научил думать не только про интерфейс, но и про то, как решение будет работать и масштабироваться дальше.