惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

博客园 - 司徒正美
Google DeepMind News
Google DeepMind News
P
Palo Alto Networks Blog
SecWiki News
SecWiki News
S
Secure Thoughts
P
Privacy International News Feed
cs.AI updates on arXiv.org
cs.AI updates on arXiv.org
T
Tenable Blog
W
WeLiveSecurity
Application and Cybersecurity Blog
Application and Cybersecurity Blog
A
Arctic Wolf
D
Darknet – Hacking Tools, Hacker News & Cyber Security
Spread Privacy
Spread Privacy
V2EX - 技术
V2EX - 技术
Project Zero
Project Zero
C
CERT Recently Published Vulnerability Notes
Security Archives - TechRepublic
Security Archives - TechRepublic
Hacker News: Ask HN
Hacker News: Ask HN
Cyberwarzone
Cyberwarzone
Hacker News - Newest:
Hacker News - Newest: "LLM"
S
Schneier on Security
L
Lohrmann on Cybersecurity
阮一峰的网络日志
阮一峰的网络日志
奇客Solidot–传递最新科技情报
奇客Solidot–传递最新科技情报
Scott Helme
Scott Helme
H
Hacker News: Front Page
博客园 - Franky
月光博客
月光博客
D
DataBreaches.Net
Know Your Adversary
Know Your Adversary
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
O
OpenAI News
N
Netflix TechBlog - Medium
G
GRAHAM CLULEY
Engineering at Meta
Engineering at Meta
博客园 - 叶小钗
cs.CL updates on arXiv.org
cs.CL updates on arXiv.org
B
Blog
人人都是产品经理
人人都是产品经理
I
Intezer
酷 壳 – CoolShell
酷 壳 – CoolShell
云风的 BLOG
云风的 BLOG
IT之家
IT之家
V
Vulnerabilities – Threatpost
Cyber Security Advisories - MS-ISAC
Cyber Security Advisories - MS-ISAC
L
LangChain Blog
Google Online Security Blog
Google Online Security Blog
博客园 - 聂微东
Hugging Face - Blog
Hugging Face - Blog
雷峰网
雷峰网

Все публикации подряд на Хабре

Ловим музу за клавиатуру: как айтишнику стать автором Что умеет Midjourney в 2026? Мой немного грустный разбор этого шикарного инструмента Никто не любит писать тесты, но ИИ может исправить это IPv8 выглядит как мечта. Поэтому почти наверняка не взлетит Производители вернули в продажу материнки с DDR3. Что происходит? Управление агентом с телефона через Telegram теперь в KodaCode От координации к лидерству: как меняется роль руководителя разработки Я сделала родителям бизнес вместо пенсии: зарабатываем 70 тысяч, мама не даёт продать В три раза быстрее приемка товара и оптимизация трудозатрат на 73%: как «РСТ-Инвент» помог Gulliver Group ИИ-шечный мир победил? О влиянии искусственного интеллекта на игропром Кремль снижает давление на Телеграмм пока Европа строит интернет по паспорту Как CEO, CTO и CIO за 8 часов собрали ИИ-директора, который умеет держать позицию под давлением Как (не) потерять домен за выходные Вместо 8 разных VPS: как я организовал практику студентам на одном сервере Почему твой Open Source проект не замечают? R&D: искусство управления неопределенностью в разработке AI-дефляция: вакансий для разработчиков больше, а рост зарплат — худший за 15 лет Мы отдали управление роботами OpenClaw. Что из этого вышло Галактический ID: система идентификации для всех форм разумной жизни Шесть основ бизнес-анализа: начинаем с вопроса «Кто в игре?» Код-ревью, в котором дело не в коде Данные переехали. Команда — нет Системной подход к сдаче OSWE в 2025 Почему комната управления реактором покрашена в цвет морской пены 4 YAML-файла вместо PySpark: как аналитикам строить пайплайны без разработчиков LLM-агент для поиска свободных доменов: автоматизируем подбор Когда, зачем и как правильно начинать новую сессию в Claude Code? Как я заставил нейросеть писать макросы для FreeCAD Анатомия ИИ‑агента для подбора персонала. От тысячи резюме к топ‑10 за минуты Опыт разработчика как экономика внимания Автономность как точка невозврата: кто будет субъектом в цифровом будущем Обучение ИИ в «диких» условиях: как рутинные действия превращаются в датасеты Как измерить LLM для задач кибербеза: обзор открытых бенчмарков Где хранить код? Сравнение GitHub, GitLab и Bitbucket Математика объясняет, почему нормальное распределение встречается повсюду Почему ваш FinOps не работает: 12 тезисов от практиков Как подписать проектную документацию УКЭП с использованием бесплатных лицензий Pilot Адаптивное администрирование Sigla Vision Я грузил уран в бочки, а потом 20 лет строил ИТ в атомной отрасли Чем позвонить с Эвереста? История и обзор спутниковой связи. Часть 2 Как языковая модель помогает контролировать качество инструктажей по охране труда в металлургии Как не передать на desktop свой IP в РКН Анатомия SAP Privileges: как устроено управление правами в macOS MoneyDev: Сказка про три главных слова Обновлённый токенизатор видео K-VAE 2.0 от Сбера Как сделать диспетчеризацию дома на 1284 квартиры почти бесплатно Как мы разогнали железную дорогу Мы дали агентам рутину. Теперь надо решить — что делать с освободившимся временем Токсичный контент, промпт-хакинг и защита ИИ — всё о Guardrails для LLM Умный город начинается с точного взгляда: как «Фалькон Тех» меняет пространство к лучшему Навайбкодил приложение для анализа графов Почему Дюну так интересно читать? Упрощаем работу с рутиной или как стать Гендальфом Белым Деконструкция Go: CPU, RAM и что там происходит. Go Assembler база. Часть 1.1 Какие профессии исчезнут из-за ИИ, а какие появятся? И что с этим делать Как мы построили IT-отдел, где хочется расти: архитектурные встречи, прозрачные метрики и книжные подарки Rufler: Делаем из Claude Code автономный рой через один YAML-конфиг Sing-box и белый список приложений Как построить надёжный обмен сообщениями в микросервисах: лучшие практики для enterprise OpenAI строит MLM-пирамиду, а McKinsey и Accenture помогают ей в этом Дом, который не построил Фишер (Часть 2) «Сверхзвуковой математик» против «Вдумчивого логиста»: битва алгоритмов 3D-упаковки Мультимодальные модели – грубый и дорогой инструмент Разговоры ничего не стоят. Код тоже Проверки физических лиц: с кого начнет ФНС Топ-10 бесплатных нейросетей для создания видео в 2026 году Первые слои кода: как наши решения сегодня определяют архитектуру ИИ на десятилетия Разработка нового статического анализатора: PVS-Studio JavaScript Поиск уязвимостей ПО: базовый минимум или роскошный максимум Почему оценка персонала не работает как инструмент управления Как мы разработали ИИ-ассистента и сократили рутину продуктовой команды на 50% Как я ушел из найма, нажарил косточек и продал на маркетплейсах на 168 млн в год Когда 1С:ERP уже внедрена, а нормального производственного плана всё ещё нет Как я сделал Claude мультимодальным, подключив к нему Qwen Omni Как приглашение на вакансию мечты превращается в атаку Infrastructure as Code: философия и лучшие практики IaC Тестируем Yandex Code Assistant на задаче, в которой нужно хранить секреты nxs-universal-chart v3.0: новое поколение универсального Helm-чарта Callback Injection: Техника, которая отправила Microsoft Defender в глухой нокаут «Все идеи на стол»: митап как способ вывести проект из тупика Сегодня я узнал нечто новое о GPU благодаря багу в своей игре Как заставить LLM ̶ ̶г̶а̶л̶л̶ю̶ ̶ эволюционировать Карта событий как фундамент аналитики: практический кейс для E-commerce Что выбрать для AI: x86, ARM или RISC-V? Дайджест железа за март Роль соматических мутаций в развитии аутоиммунных заболеваний: путь к избирательной терапии Mythos от Anthropic — тревожный сигнал для всех, а не только для банков Guardrails для LLM на Java: как приручить промпт‑инъекции и токсичные ответы Green-VLA: как мы собрали VLA-модель для реального антропоморфного робота и не потеряли обобщение Финансовая гонка вооружений: почему умные люди добровольно в ней участвуют Эра ИИ-агентов наступила: выбираем лучшего цифрового сотрудника # Практический опыт внедрения WinCC Redundancy на производственном предприятии Сделал MVP за 3 дня, а потом неделю прикручивал оплату. Оно того стоило? Физика против Маска: почему Starship V3 может оказаться ещё одной катастрофой Нефть Венесуэлы: крупнейшие запасы в мире, но не крупнейшая нефтяная держава JPA 4. Переосмысление Hibernate Почему зеркальная фотокамера Nikon D5 десятилетней давности идеально подошла для миссии «Артемида-2» Проект «Уровень-Спутник» или как мы сделали платформу для гидрологов «Замедлиться, чтобы ускориться»: почему ИИ повышает цену ошибок в требованиях и архитектуре Как с нуля поднять трафик IT-компании на 1657% при бюджете 55 тыс. и выжить Pixel-perfect Downsampling — идеальная отрисовка 50 миллионов точек без потерь
Как не тратить ресурсы впустую: четыре шага перед разработкой любой фичи
aareboot · 2026-04-30 · via Все публикации подряд на Хабре

Как не тратить ресурсы впустую: четыре шага перед разработкой любой фичи

Уровень сложностиПростой

Время на прочтение6 мин

Охват и читатели805

Туториал

Как сделать так, чтобы продукт или фича работала для пользователя? Ответ в этой статье.

Привет, на связи Саша Солдатов, CEO REB8T! Сегодня расскажу про четыре инструмента, которые наша команда использует в работе на каждом проекте: JTBD, ICE-приоритизацию, User Flow и UX-гипотезы.

Огромное спасибо нашему Lead UX/UI Вере Ксенофонтовой, которая собрала этот материал и разложила всё по полочкам для вас и нашей команды!

А теперь, начнём!

1. Jobs To Be Done: думаем о пользователе

JTBD — это фреймворк, который помогает понять, зачем пользователю нужен продукт и какую работу с его помощью выполняет. Вместо того чтобы думать о функциях, мы думаем о ситуации.

Когда заказчик приходит с ТЗ «добавьте личный кабинет», первое желание — открыть Figma и рисовать. Но в такие моменты надо себя останавливать и задавать вопросы:

Зачем пользователю личный кабинет? Что он хочет сделать? Что его не устраивает?

Ответы могут быть разными:

Хочу видеть свой прогресс, Хочу быстро вернуться к нужному уроку, Хочу понимать, окупается ли обучение.

Всё это — разные работы, и под каждую нужно своё решение.

Два ключевых инструмента внутри JTBD

Job Story — формулируем решение через ситуацию. Это задача в конкретном контексте.  Например:

Когда у меня мало свободного времени после работы, я хочу проходить уроки небольшими блоками, чтобы не бросить обучение через неделю.

Job Map — разбиваем работу на шаги, от осознания проблемы до результата. Для онлайн-обучения это выглядит так: понял, что нужно прокачаться → выбрал платформу → записался → прошёл первые уроки → отслеживает прогресс → применяет знания → оценивает результат. Когда видишь цепочку, начинаешь замечать, где пользователь спотыкается и какие шаги продукт не поддерживает.

Как приоритизировать работы пользователя

Как мы уже поняли, у пользователя не одно действие, а несколько. Нужно выбрать, с какого начать. Для этого оцениваем каждое по двум критериям:

— Насколько задача важна для пользователя (1–10 баллов)
— Насколько он доволен тем, как сейчас решает её (1–10 баллов)

В первую очередь берём в работу то, что важно, но решается плохо. Здесь продукт может обойти конкурентов

В первую очередь берём в работу то, что важно, но решается плохо. Здесь продукт может обойти конкурентов

На одном из проектов для онлайн-школы мы провели интервью с учениками и выделили три ключевые работы:

  • «Хочу получить конкретные инструменты для работы» — важность 10, довольство 2

  • «Знать бэкграунд спикера, чтобы понять, насколько он научит» — важность 9, довольство 5

  • «Быстро понять, есть ли нужный курс» — важность 7, довольство 3. 

JTBD не говорит, что именно делать. Он помогает понять, для чего делать. Разница кажется небольшой, но на практике она отделяет фичи, которыми пользуются, от тех, которые вводятся только для того, чтобы быть забытыми через 2 дня.

2. ICE-приоритизация: берём в работу то, что даст максимум

Когда фичей много, а ресурсы ограничены, нужен способ выбрать, с чего начать. ICE (Impact, Confidence, Ease) — фреймворк для приоритизации. Каждую фичу оцениваем по трём критериям от 1 до 10, а итоговый балл считается как их произведение.

  • Impact (влияние) — влияение фичи на ключевые метрики. LTV (суммарный доход от одного пользователя), Long-Term Retention (процент пользователей, которые остаются через N месяцев), Time to Value (время до первой полученной пользы).

  • Confidence (уверенность) — шанс, что фича сработает. Основывается на результатах интервью и опросов, наличии похожих решений у конкурентов, сильных пользовательских сигналах.

  • Ease (простота) — время и ресурсы на реализацию MVP-версии фичи.

Два корректирующих коэффициента

Помимо базовой формулы, добавляем два множителя, которые делают оценку точнее.

  • Операционный коэффициент (0.1–1.0) — снижаем приоритет, если фича требует постоянной поддержки, модерации или производства тяжёлого контента. Например, UGC с ручной модерацией получает коэффициент 0.8.

  • Ad hoc корректировка (0.1–2.0) — дополнительный множитель от команды или клиента. Если фича стратегически важна или уже есть договорённости с партнёрами — поднимаем выше 1.0. Если откладываем на потом — снижаем.

Итоговая формула: ICE Score × Операционный коэффициент × Ad hoc = FINAL Score

Итоговая формула: ICE Score × Операционный коэффициент × Ad hoc = FINAL Score

Пример из нашего проекта Mum's Club

Mum's Club — приложение для молодых родителей. Нам нужно было выбрать, что добавить в него в первую очередь. Думали между двумя вариантами:

  • Статьи от экспертов. Impact 9, Confidence 10, Ease 7. ICE = 630. Коэффициенты: 1.0 × 1.5. Итог: 945. Контент уже частично готов, эксперты проверены, клиент считает это ключевой частью бренда — поднимаем в приоритете.

  • UGC-контент. Impact 6, Confidence 7, Ease 8. ICE = 336. Коэффициенты: 0.8 × 0.1. Итог: 26.88. Идея интересная, но требует постоянной модерации, а клиент не готов запускать UGC в MVP — откладываем.

Так мы поняли, что надо стартовать с экспертного контента. ICE помог не уходить в споры и сделать процесс выбора понятным для всей команды, как нашей, так и клиента.

3. User Flow: карта пути пользователя от А до Б

Когда мы знаем, что хочет сделать пользователь (JTBD), и выдвинули гипотезы о том, как это лучше реализовать, самое время нарисовать карту пути. User Flow — это схема движения пользователя внутри продукта. На этом этапе определяем, какие экраны видит, где принимает решения, как выбор меняет состояние интерфейса.

С помощью User Flow можно увидеть, какие действия спрятаны слишком далеко, где пользователь теряется, а какие шаги можно убрать или объединить.

Из чего состоит User Flow

Момент первого контакта, будь то открытие приложение, переход по ссылке, нажатие на баннер. Дальше идут шаги — конкретные действия по пути к цели. В моментах выбора появляются развилки: пользователь принимает решение, и Flow разветвляется — например, авторизован он или нет, выбрал доставку или самовывоз. Финал — точка, в которой цель достигнута и человек получил то, за чем пришёл. Также указываем возможные ошибки и корнер-кейсы.

Как это работает на практике

Рассмотрим на примере нашего проекта «Самолёт Сити», геймификация онбординга сотрудников. Клиент обозначил 7 главных задач пользователя: последовательное прохождение материалов, возможность повторного просмотра, рейтинг, ачивки, техподдержка и мини-игры.

Работали с каждой задачей отдельно, продумывали конечный результат и путь к нему. Затем искали точки пересечения. Например, повторный просмотр материалов должен быть доступен в один клик от стартового экрана — значит, это самостоятельный раздел. При этом он контекстуально связан с последовательным прохождением, значит, их состояния влияют друг на друга и дизайн можно переиспользовать. То же самое с рейтингом и ачивками, лучше объединить в одном разделе.

Пример User Flow для «Самолёт Сити»

Пример User Flow для «Самолёт Сити»

Четыре признака хорошего User Flow:

  1. Важные функции доступны в один клик от стартового экрана.Запуск онбординга, повтор обучающих материалов, просмотр прогресса.

  2. Задачи с общим контекстом объединены в один Flow. Просмотр ачивок и своего места в турнирной таблице.

  3. Альтернативные пути предусмотрены и не ведут в тупик. Если пользователь забыл пароль или ввел неверные данные, то Flow подсказывает, что делать дальше, а не просто выдает ошибку.

  4. Flow заканчивается ощущением завершенности. После оплаты или другого конечнго действия пользователь видит подтверждение и понимает, что цель достигнута – заказ оформлен, файл сохранен, задача создана.

Как построить User Flow

4. UX-гипотеза: формулируем предположение так, чтобы его можно было проверить

Когда интерфейс спроектирован, начинается этап отладки. Чтобы избежать принятия решения на основе вкусовщины, формулируются UX-гипотезы.

UX-гипотеза — это формализованное предположение о том, как конкретное изменение в интерфейсе повлияет на наблюдаемое поведение пользователя в контексте.

Формула UX-гипотезы

Формула UX-гипотезы

Как выглядит хорошая гипотеза?

Хорошая UX-гипотеза должна отвечать «да» на два вопроса.

  1. Понятно ли, что именно меняется и в какой ситуации?

  2. Понятно ли, как мы это заметим и на основе чего примем решение?

Если хотя бы на один ответ «не очень» — гипотеза сырая.

Пример

Если заменить свободное поле выбора доставки на список с предустановленными вариантами, пользователи, оформляющие заказ впервые, будут реже останавливаться на этом шаге дольше 5 секунд и перестанут возвращаться назад

Такая гипотеза проверяема. В отличие от оценочных суждений без конкретного поведения, вроде «пользователям понравится», «станет понятнее» или «это улучшит UX».

Виды гипотез:

Поведенческая — если мы изменим переменную X в сценарии Y, то пользователи сегмента Z начнут или перестанут делать А, что можно зафиксировать через B. Например: если заменить свободное поле выбора доставки на список с предустановленными вариантами, пользователи, оформляющие заказ впервые, будут реже останавливаться на этом шаге более чем 5 секунд и перестанут возвращаться назад.

Про ошибки — станет ли их меньше, фокус не на удобстве, а на исчезновении проблем. Например: если вынести требования к паролю перед полем ввода, пользователи реже будут вводить пароль повторно, что снизит количество ошибок валидации.

Про приоритеты внимания — что пользователь замечает первым и что игнорирует. Например: если основной CTA визуально отделить от вторичных действий, пользователи станут реже выбирать второстепенные сценарии.

Про ментальную модель — совпадают ли пользователя ожидания и структура интерфейса. Например: если сгруппировать настройки по задачам, а не по типам параметров, пользователи будут реже открывать раздел «наугад» и быстрее находить нужную опцию.

Через гипотезы мы принимаем более взвешенные решения и минимизируем влияние собственных когнитивных искажений.

Чек-лист перед запуском фичи

Четыре инструмента, которые мы разобрали, хорошо работают в связке. Вот вопросы, которые стоит задать себе до того, как открывать Figma.

Чек-лист 4 элементов перед запуском продукта

Чек-лист 4 элементов перед запуском продукта

Ни один из этих инструментов не гарантирует идеального результата. Но каждый снижает вероятность того, что вы потратите ресурсы на то, что пользователю не нужно или на то, что он не сможет использовать.

Всем добра!