SendBot
Платформа автоматизации маркетинговых коммуникаций: рассылки, настройка чат-ботов и аналитика кампаний
B2B SaaS, web
Продуктовый дизайнер
Роль
Web
Платформы
MVP
Стадия
2025
Год
На момент старта проекта пользователи могли запускать рассылки, но после отправки практически не имели инструментов для анализа результатов.
Бизнесу требовался единый экран, который помогал бы быстро оценить эффективность кампании и принимать дальнейшие действия. При этом продукт находился на стадии MVP: готовых требований не было, пользовательских данных практически не существовало.
❓ Сколько людей дошло до конца воронки?
❓ Почему часть пользователей не прочитала сообщение?
❓ Как быстро найти нужный сегмент?
❓ Что делать с непрочитавшими?
❓ Как понять, где просадка?
❓ Какие действия нужны после анализа?
На момент старта проекта пользователи могли запускать рассылки, но после отправки практически не имели инструментов для анализа результатов.
Бизнесу требовался единый экран, который помогал бы быстро оценить эффективность кампании и принимать дальнейшие действия. При этом продукт находился на стадии MVP: готовых требований не было, пользовательских данных практически не существовало.
❓ Сколько людей дошло до конца воронки?
❓ Почему часть пользователей не прочитала сообщение?
❓ Как быстро найти нужный сегмент?
❓ Что делать с непрочитавшими?
❓ Как понять, где просадка?
❓ Какие действия нужны после анализа?
Вводные
Проект создавался в условиях высокой неопределенности:
- отсутствовали пользовательские метрики;
- нельзя было провести полноценные исследования;
- бизнес понимал цель, но не представлял финальный интерфейс.
Поэтому было важно не просто нарисовать красивый экран, а определить, какая информация действительно поможет анализировать результаты кампаний.
Проблема
Проект создавался в условиях высокой неопределенности:
- отсутствовали пользовательские метрики;
- нельзя было провести полноценные исследования;
- бизнес понимал цель, но не представлял финальный интерфейс.
Поэтому было важно не просто нарисовать красивый экран, а определить, какая информация действительно поможет анализировать результаты кампаний.
1
Изучила рынок
2
Собрала требования
Изучила, как аналитика кампаний устроена в сервисах рассылок и CRM, чтобы понять привычные пользователям паттерны отображения данных.
Так как активной пользовательской базы еще не было, требования собирались через интервью с маркетологами компании.
3
Совместная работа с разработкой
Первоначально я спроектировала полностью кастомную систему визуализации воронки. Во время ревью разработчики предложили использовать готовые JavaScript-библиотеки для построения графиков, так как это существенно сокращало сроки реализации.
Мы совместно адаптировали решение: сохранили UX и структуру аналитики, но изменили техническую реализацию, чтобы ускорить выпуск функциональности.
Мы совместно адаптировали решение: сохранили UX и структуру аналитики, но изменили техническую реализацию, чтобы ускорить выпуск функциональности.
Из хаоса в структуру
AI помог структурировать конкурентный анализ и ускорить подготовку сравнительных материалов.
Много данных
Нет приоритетов
Сфокусировались на том, что важно для маркетологов: быстро понять, почему что-то пошло не так — и сразу действовать
KPI + графики
Перегруженный экран
Хорошая аналитика
Нет детализации причин
1
Изучила рынок
2
Собрала требования
Изучила, как аналитика кампаний устроена в сервисах рассылок и CRM, чтобы понять привычные пользователям паттерны отображения данных.
Так как активной пользовательской базы еще не было, требования собирались через интервью с маркетологами компании.
3
Совместная работа с разработкой
Первоначально я спроектировала полностью кастомную систему визуализации воронки. Во время ревью разработчики предложили использовать готовые JavaScript-библиотеки для построения графиков, так как это существенно сокращало сроки реализации.
Мы совместно адаптировали решение: сохранили UX и структуру аналитики, но изменили техническую реализацию, чтобы ускорить выпуск функциональности.
Мы совместно адаптировали решение: сохранили UX и структуру аналитики, но изменили техническую реализацию, чтобы ускорить выпуск функциональности.
Из хаоса в структуру
AI помог структурировать конкурентный анализ и ускорить подготовку сравнительных материалов.
Много данных
Нет приоритетов
Сфокусировались на том, что важно для маркетологов: быстро понять, почему что-то пошло не так — и сразу действовать
KPI + графики
Перегруженный экран
Процесс
Хорошая аналитика
Нет детализации причин
Собрала вайрфрейм и с помощью AI превратила его в кликабельный прототип, чтобы проверить не только структуру экрана, но и ключевые взаимодействия: детали этапов воронки, ошибки, просмотр сообщения и быстрые действия.
Проектирование
Собрала вайрфрейм и с помощью AI превратила его в кликабельный прототип, чтобы проверить не только структуру экрана, но и ключевые взаимодействия: детали этапов воронки, ошибки, просмотр сообщения и быстрые действия.
В результате вместо отсутствующей аналитики пользователи получили единый экран для оценки результатов рассылки. Вся необходимая информация и действия теперь доступны в одном месте.
В результате вместо отсутствующей аналитики пользователи получили единый экран для оценки результатов рассылки. Вся необходимая информация и действия теперь доступны в одном месте.
Результат
Что я вынесла из проекта:
- Отсутствие пользователей — не означает отсутствие исследования. Если нельзя поговорить с конечными пользователями, можно работать с экспертами предметной области, анализировать рынок и проверять гипотезы вместе с командой.
- Работа с разработкой начинается не после передачи макетов. Иногда именно технические ограничения помогают найти решение, которое сохраняет UX и при этом быстрее попадает в продукт.
- AI — хороший инструмент для ускорения работы дизайнера, но не замена продуктового мышления. Он помог быстрее подготовить тексты, иллюстрации и интерактивный прототип, освободив время для проектирования.
Выводы
Что я вынесла из проекта:
- Отсутствие пользователей — не означает отсутствие исследования. Если нельзя поговорить с конечными пользователями, можно работать с экспертами предметной области, анализировать рынок и проверять гипотезы вместе с командой.
- Работа с разработкой начинается не после передачи макетов. Иногда именно технические ограничения помогают найти решение, которое сохраняет UX и при этом быстрее попадает в продукт.
- AI — хороший инструмент для ускорения работы дизайнера, но не замена продуктового мышления. Он помог быстрее подготовить тексты, иллюстрации и интерактивный прототип, освободив время для проектирования.