Помощь с выбором размера

Финальный дизайн готовится к релизу

Контекст

Возврат из-за неподходящего размера — одна из самых дорогих проблем: товар едет к клиенту и обратно, склад замораживает остатки, клиент остаётся без вещи. Поэтому весь стрим моей команды работает на одну бизнес-цель — помочь выбрать правильный размер с первого раза.

У нас уже была AI-рекомендация размера. Внутри — сложный алгоритм: он анализирует историю покупок, размерные сетки брендов и опыт людей с похожими предпочтениями, и постоянно дорабатывается ML-командой. Технически система учитывает много. Но исследования давали устойчивый сигнал: рекомендации не доверяют. Пользователи считают, что она не учитывает размерные сетки брендов, особенности посадки, их фигуру — то есть ровно то, что алгоритм на самом деле учитывает.

Параллельно я вела вторую, связанную задачу — информацию о размере: редизайн гида по размерам. Это фундамент, которому пользователь доверяет сам и по которому сверяется, прежде чем довериться рекомендации. Обе задачи выросли из одной боли и одного исследования, поэтому я веду их как одну работу с размерами — но решают они её с разных сторон.

Проблема

В поиске проблемы мы опирались на количественные и качественные исследования команды. Сигналы были следующие.

Выбор размера объективно сложный

В опросе (3 100 ответов) на вопрос «почему вам непросто выбрать размер?»: 52% респондентов ответили, что путаются в размерных сетках новых брендов, 33% ответили, что размерные сетки не учитывают особенности фигуры, а 27%, что таблица размеров имеет ошибки и неточности.

Нет доверия к рекомендации размера

На вопрос «как вы думаете, откуда система узнала, что этот размер вам подходит», люди называли историю покупок и параметры тела, а вот сравнение размерных сеток и работу алгоритма почти никто. То есть самое ценное, что делает алгоритм, пользователь не считывает, из-за чего кажется, что подсказка поверхностная.

Большинство знают свои обмеры примерно

65% знают свои обмеры, не знают вовсе лишь 35%. При этом люди спокойно допускают расхождение 1–3 см и часто выбирают по одному значимому параметру («главное, чтобы налезло в талии»). Это важно: рекомендация по обмерам — не про сопоставление с таблицей, а про сопоставление с выбором похожих пользователей.

Гипотеза

Если перестать прятать работу AI и прямо показать, что именно мы учли — параметры пользователя, размеры его покупок, проверку сетки конкретного бренда — а саму подсказку сделать заметной, то доверие к рекомендации вырастет, пользователи будут чаще ей пользоваться и точнее выбирать размер.

Решение

Я декомпозировала работу на две связанные части и вела их параллельно.

Первая — редизайн гида по размерам. Это основа, на которой пользователь сам сверяется и которой может доверять. Здесь уже есть запущенный результат.

Вторая — объяснимая рекомендация: редизайн подсказки плюс новый сценарий, где пользователь может дообучить рекомендацию своими обмерами. Это ядро задачи про доверие к AI; концепт прошёл несколько итераций и количественные проверки, сейчас готовится к A/B.

Гид по размерам

Прежде чем чинить рекомендацию, я усилила то, чему пользователь доверяет сам, — таблицу размеров. По исследованиям таблица — значимый элемент процесса: люди «прицеливаются» своими параметрами к ячейкам, выбирая между 2–3 размерами.

Что сделала: обновила визуал и увеличила шрифт (читать параметры стало проще), добавила параметры модели (рост, грудь, талия, бёдра) — это закрывает частый паттерн «сопоставить себя с моделью», вынесла подсказку размера прямо в гид и добавила понятную объяснялку «как снять мерки». Для инструкции я сгенерировала иллюстрации (Nano Banana) — быстро и в едином стиле, без подключения иллюстратора.

Эксперимент раскатан на 100% пользователей. Тест в тоталах серый, но на iPhone-сегменте: возвраты (ib_Return_rate) −3%, CR в открытие таблицы +0,84%. Трактуем так: более платёжеспособная аудитория iPhone стала тщательнее выбирать размер — больше смотрит, внимательнее сверяется, реже возвращает.

Рекомендация размера

Я начала с гипотезы: «если вынести процент уверенности модели на подсказку, то доверия станет больше». Проверять её я решила на количественном исследовании, сравнивая с текущей подсказкой и подсказкой без процентов.

Вариант 1 — через уверенность модели. Подсказка с процентом, внутри — экран с прогресс-барами по двум размерам и блок, что мы учли.

Вариант 2 — через объяснимость. Без процентов.

Вариант 3 — как сейчас. Показываем информацию из отзывов и перечисляем покупки, по которым вычисляли.

Победил вариант 2 — без процентов. Это перевернуло исходную гипотезу: цифра уверенности доверия не добавляла (а иногда вызывала вопрос «почему не 100%?»), а доверие росло, когда система понятно показывала, что именно она сделала. Это совпало с данными опроса: люди не считывали работу алгоритма — значит, её нужно было не оцифровать, а проговорить действиями.

Дальше я довела победивший вариант: убрала визуальный шум, сделала подсветку рекомендуемого размера прямо в селекторе (подсказка перестала быть незаметной) и вынесла понятную точку входа «Вам подойдёт 44 RUS · Почему?». Внутри — три блока «что мы учли», которые закрывают конкретные возражения из исследований: ваши параметры, размеры ваших покупок и проверка сетки бренда.

Идеи, от которых отказались

Решение пришло не сразу — было несколько итераций, и часть направлений мы осознанно отбросили: пояснение прямо на точке входа (перегружало карточку), текстовое описание рекомендации (длинно, не читают), вывод только одного рекомендованного размера (отнимал у пользователя выбор — а он хочет решать сам), общий блок-пояснение без привязки к факторам.

Сбор обмеров

Расчёт размера по обмерам тела — вторая по ожидаемости механика после истории покупок, и подбор размера — безопасное место, чтобы спросить параметры. Поэтому я спроектировала новый сценарий: пользователь добавляет свои обмеры, и рекомендация становится точнее, потому что системе проще сопоставить с похожими людьми.

Ключевой риск — напугать формой. Люди помнят обмеры с погрешностью, а половина лишь примерно. Поэтому форму я проектировала максимально мягкой: обязательны только значимые для категории параметры (для низов — талия и бёдра, помечены звёздочкой), остальное по желанию; продумала поведение клавиатуры, переходы между инпутами.

Также я добавила точку входа в редактирование и хранение обмеров в профиле, чтобы пользователь всегда знал, где они есть и что у ним можно обратиться в любой момент.

Итоги

Гид по размерам запущен на 100% аудитории. На iPhone-сегменте — возвраты −3%, конверсия в открытие таблицы размеров +0,84%.

Концепция новой рекомендации размера защищена и проверена. Я провела её через несколько итераций и количественные проверки на пользователях (заметность подсказки и понимание, на чём основана рекомендация), победивший вариант отдан в разработку. Сейчас он готовится к A/B; целевые метрики — снижение возвратов (RRR) и рост CR to CartAdd. Параллельно идёт разработка сценария сбора обмеров с точкой управления в профиле.