Дайджест продуктового дизайна

@pdigestПроверенLive API

Юрий @jvetrau Ветров собирает свежие статьи, инструменты, паттерны и тренды с 2009 года. 250 000 читателей на vc, VK и других каналах.

Все выпуски — https://jvetrau.com/category/digest/
ВК — https://vk.com/pdigest

РЕКЛАМЫ НЕТ.

КатегорияOtherЯзыкRUДобавлен06 июл. 2026 г.КачествоПроверен
Открыть в Telegram
Подписчики49.2K
Сред. просмотры4K
ERR8.2%
Цена-- RUB
Цена / подписчик--
Цена / просмотр--
Метрики обновлены: 21 окт. 2026 г.
Последние посты
Быстро набежало много новых раскопок про ограничения и возможности ИИ в пользовательских исследованиях. Ну и про базовые методы тоже:

1. Контур: Навыки для ИИ в помощь исследователям. Они рассказывают о каждом и делятся ссылками на некоторые из них.

2. MeasuringU: Насколько ИИ-модераторы отбивают у респондентов желание общаться на интервью? Достаточно сильно — пользователи говорят сильно меньше, а нейронка — сильно больше человека. Это влияет на глубину собираемых ответов. Перед этим они копнули имеющиеся на рынке исследования на тему.

3. MeasuringU: Решили дотошно раскопать, насколько хорошо ИИ может выявлять интерфейсные проблемы в записях сессий пользовательских исследований. В первой статье из цикла они скормили нейронке такое видео и получили список проблем. А теперь — в третий раз проверили повторяемость результата (всё так же много галлюцинаций и ложных проблем).

4. Контур: Толковая памятка по проведению регулярного дня общения с пользователями. Это пошаговая инструкция по всем этапам.

5. MeasuringU: Могут ли цифровые двойники правдоподобно предполагать оценку метрики SUS? Спойлер: нет, они завышают оценку.

6. Контур: Поведение глухих пользователей. Настя делится опытом, какие методы и инструменты лучше использовать для этого.

7. MeasuringU: Повторили свой эксперимент по категоризации открытых ответов из опросника с помощью ИИ. В целом за три года стало лучше.

8. NN/g: Фреймворк PACED для обозначения роли ИИ в создании контента. Она также сделала обзор существующих исследований на тему — насколько всё это влияет на доверие к продукту.

9. Контур: Советы пользовательским исследователям, которые хотят лучше понимать свою продуктовую команду. Как помогать ей лучше задавать вопросы и использовать результаты.

10. MeasuringU: Простые советы по оформлению отчётов об исследованиях.

#research
2.2K19 окт.
9 ноября стартует третий поток моего нового курса — «Копилот цифрового брендинга» вместе с Bang Bang Education. Он поможет связать бренд с интерфейсом — это задача, которую я решал в Muse Group (продукты Ultimate Guitar, MuseScore, Audacity и другие), Райффайзен Банке и Mail.ru Group. А теперь и в Точка Банк.
 
За это время я описал и обкатал фреймворк, помогающий решить два главных разрыва:
1. Сначала между стратегией и визуальной концепцией. Они зачастую никак не связаны, а значит айдентика такого бренда не передаёт его суть. И работает в лучшем случае на самом базовом уровне визуальной целостности.
2. А потом — между концепцией и её масштабированием. Гайдлайны не получается применить на практике и они остаются пылиться на полке. А значит и значительная часть всего проекта по брендингу была сделана зря.
 
Этот фреймворк помог вести проекты с топовыми глобальными агентствами вроде Collins, Design Studio (теперь — Further) и Verve. На каждом из уровне фреймворка есть набор инструментов и шаблонов к ним. Они помогают связать все уровни работы над брендом. В том числе убрать разрыв между цифровым продуктом и его маркетинговой коммуникацией.
 
Я постарался разложить пошаговый процесс работы над брендом на конкретные инструменты (их 26). К каждому из них идёт серия шаблонов, заполняя которые вы постепенно продвигаетесь к созданию того самого бренда, который выглядит, работает и ощущается цельно.
 
Я не буду учить вас делать конкретный визуальный стиль в конкретном инструменте дизайна. Но я научу вас тому, как найти этот стиль. А позже, при работе над любым стилем:
1. Убедиться, что он работает везде, в том числе в интерфейсе.
2. Он передаёт целевой характер. Так что получается тот самый эмоциональный дизайн.
 
На первых потоках отучились арт-директоры, дизайн-директоры, креативные директоры, ведущие дизайнеры из отечественных компаний: 2GIS, Aviasales, ВТБ, Дом.ру, Иви, Kolesa Group, Lamoda, Mango Office, Mos.ru, МТС, Ozon, Палиндром, Pinkman, QIC Digital Hub, Райффайзен Банк, Ренессанс Страхование, Skyeng, Спортс.ру, Фоксфорд, VK, Циан, X5, Яндекс и других.
 
Курс будет идти на моей новой учебной платформе. Кстати, первый черновик книги на эту тему готов. Надеюсь принести ими ещё много пользы рынку и пользователям.
 
#branding
3.9K8 окт.
Много разного полезного про адаптацию дизайн-систем в ИИ-мире:

1. Matt Rothenberg: Как задавать нейронкам правила генерации интерфейсов на базе дизайн-системы. Важно идти дальше просто компонентов и токенов, чтобы предсказуемой была сборка всего экрана.

2. Ky Decker: Регулярный опросник коллег по качеству дизайн-системы Scribe. И показывает, как он помог улучшить работу по всем этим показателям.

3. Patrick Neeman: Стандарты и форматы, которые позволят ИИ-агентам и просто разным платформам генерировать предсказуемые интерфейсы на базе дизайн-системы. Он разбирает протоколы Google A2UI, Microsoft Adaptive Cards и другие. В эпоху, когда всё больше интерфейсов генерируются на лету — это обязательная часть дизайн-системы.

4. Christoph Hellmuth: Анализатор готовности дизайн-системы к использованию с ИИ. Он проверяет дизайн-систему по набору параметров и выдаёт баллы по ним.

5. tiks и UI SFX: Библиотеки для добавления звуков в интерфейс, которая интегрируется в дизайн-систему на React. Ставится как npm-пакет, позволяет описать звук на языке его параметров: частота, форма волны, огибающая громкости, фильтры и другие.

6. Nathan Curtis: Продолжает разбирать универсальные спецификации компонентов. Он попробовал агентские циклы для проверки сходимости — как они на основе спецификации генерируются компоненты в коде и Figma.

Он также показывает, как генерировать код компонентов с помощью его плагина Specs для Figma.

И разбирается, как лучше передавать правила дизайн-системы в коде внутри версии для Figma. Он показывает разные примеры — иконки, изображения, суб-компоненты.

7. Donny D'Amato: Простой способ задать типографическую шкалу в токенах.

8. Eva Nudea Hörner: Как адаптировать дизайн-систему для ИИ-агентов.

9. Balsa UI: Фреймворк дизайн-систем для ИИ-агентов на React и Vue. Помогает правильно стилизовать интерфейс и отслеживать его целостность.

10. Libraries.dev: Коллекция эффектных компонентов на React с анимацией от легендарного Jakub Antalik. Они адаптированы для использования в ИИ-агентах.

11. Beautiful UI: Коллекция React-компонентов для ИИ-интерфейсов с анимацией и звуком.

#designsystems
4.5K5 окт.
Дайджест продуктового дизайна за август 2026. ROI дизайна, цифровые двойники, звук в интерфейсе, ИИ-навыки для дизайна, анимация, генеративные дизайн-системы, алгоритмический дизайн и десятки других свежих статей, инструментов, паттернов, кейсов, трендов и исторических рассказов.

Напомню, что его можно получать разными способами:
— vc.ru
— Дизайнерс
— ВКонтакте
— RSS
4.6K30 сент.
Как всегда в последнее время, подборки о пользовательских исследованиях — на стыке классики и передового:

1. Dovetail запустили цифровых двойников пользователей — они собирают вместе все прошедшие исследования, обратную связь, опросники и т.п. По сути это другой способ работать с базой знаний и инсайтов — не просто искать, а задавать вопросы в формате диалога.

Они рекомендуют собрать типовых персонажей из всех этих данных. И дают хорошую инструкцию, как это сделать.

Само собой, всё это работает при условии, что цифровые двойники явно говорят, где их ответ основан на реальных данных, а где — галлюцинации (тем более, что сами Dovetail уже обжигались тут). Но это одно из немногих здравых использований ИИ в исследованиях.

2. MeasuringU: Решили дотошно раскопать, насколько хорошо ИИ может выявлять интерфейсные проблемы в записях сессий пользовательских исследований. В первой статье из цикла они скормили нейронке такое видео и получили список проблем. А теперь — проверили повторяемость результата (первые выводы подтвердились).

3. NN/g: Как анализировать качество ответов ИИ-систем, которые они выдают пользователю. Она рекомендует делать выборку из множества результатов одного и того же запроса, чтобы выявить потенциальные проблемные.

4. Jim Lewis и Jeff Sauro: Провели пользовательское исследование популярных ИИ-чатботов. И вывели из него 6 критериев отношения пользователей к таким интерфейсам.

5. NN/g: Напоминают, что замена цитат реальных пользователей на ИИ-генерацию при построении карт эмпатии — бессмыслица. Это про всех сразу и ни про кого конкретно, при том что реальные инсайты богаты на детали и личную боль.

6. Jenna Herring и Jeff Sauro: Качества хорошего модератора исследования. И как построить раппорт с респондентом.

7. Wildberries: Прогноз тепловых карт внимания для карточек товаров. Он предполагает типичное поведение пользователей.

8. Steve Bromley: Как проводить игровые тесты основной истории. И как правильно подбирать респондентов.

#research
4.5K28 сент.