Анализ научных работ на стыке Human-Computer Interaction и Machine Learning, 2018 год. Источник: Mapping Machine Learning Advances from HCI Research to Reveal Starting Places for Design Innovation

Списочек уж больно совпадает с моим видением того, какие подходы будут чаще использоваться в продуктовой аналитике в ближайшие 5 лет.

User Modeling я давно уже постепенно изучаю и прокачиваю. Про это мало пишут и то только в академическом сообществе. Если вам тоже интересно, то присмотритесь к «соседним» областям с картинки. Почти все они относятся к разработке ML-продуктов, но под капотом используются похожий стек технологий, что и для User Modeling. Поэтому можно начинать прокачивать скилы по имеющейся литературе.

Чтобы ML пошел в массы, надо обучить дизайнеров его возможностям. Авторы приводят интересный аналог: художники и скульпторы перед созданием произведения искусства изучают материалы, их свойства и возможности. Поняв “ML-материал”, дизайнер сможет придумать неочевидные применения и создавать новые продукты. Пока что дизайнеры еще только изучают новое “сырье”.

В статье обозначены точки, в которых технологии (“материал”) уже есть, но устоявшихся UX-практик нет. В этих областях можно ожидать появление новых подходов и инструментов.

​​Попутно с изучение перспективных направлений, были найдены те области, где уже есть удачные примеры продуктов. Авторы выделили четыре вида ценности, которые ML может дать юзерам.

1. Прогнозы и выводы о пользователе
Алгоритмы, которые изучают поведение человека и “подстраивают” продукт под него. Примеры:
а) практически любые продукты, где-то что-то рекомендуют: музыка, фильмы, товары
б) цифровые персональные ассистенты

2. Прогнозы и выводы об окружающей среде
Алгоритмы, которые используют информацию о мире и адаптируют его под человека или группу людей.
Примеры:
а) умный дом / умный город
б) зная медицинские показания пациента и текущий ход операции, ML может помогать хирургу принимать решения.

3. Советы как сделать что-то оптимальным путем
Алгоритм может посоветовать объективно оптимальный путь решения задачи. Пример: навигатор строит маршрут до точки назначения.

4. Автоматизация рутины и новые возможности
ML-продукты позволяют экономить время пользователя упрощая или вообще убирая шаги из сценариев использования. Пример: новостной алгоритм, который фильтрует“воду” в информационном окружении и показывать только суть и новые факты.

Держим эти ценности в голове, когда собираемся придумать новый продукт на основе ML.

Персонализация — горячая тема. В разных “точках” продукта она реализуется по-разному: иногда хватает подставить имя в письме или подтянуть аватарку из Facebook, в других случаях не обойтись без ML.

Я последнее время разбираюсь с персонализацией на основе алгоритмов. Бытует мнение, что AI магическим способом возьмет данные из хранилища и сделает “хорошо” без особых усилий. Конечно, тут есть пару нюансов :)

ML для работы нужны данные. В зависимости от задачи, данные собираются из разных источников. Для рекомендательных систем, важными сигналами служат действия пользователей в продукте.

Пример
Spotify изучает ваши вкусы на основе прослушиваемых песен. Если вы скипните композицию, то система будет подсовывать вам меньше похожих песен.

Поэтому, чтобы делать крутые AI-продукты. нам нужно учиться грамотно собирать “сигналы” с пользователей через UX. Где-то даже видел мысль в стиле:

ML-проблема — это на самом деле UX-проблема

Я нашел два источника по этой теме с упором на практику:

1. People + AI Guidebook от Google. Охватывает много аспектов от А до Я. Если скачать весь материал как pdf, то получится книжечка на 120 страниц.
2. Guidelines for Human-AI Interaction от Microsoft Research. Есть много полезного в этой научной работе.

Думал сделать выжимку из этих материалов, но понял, что это надо читать целиком, чтобы разобраться.

P.S.
Список списков ссылок по Human-AI Interaction

Что такое «метрика»?

Это число, которое характеризует какое-либо из свойств наблюдаемого процесса. Процессы в реальной жизни очень сложные и для глубокого понимания обычно используется набор метрик. Они смотрят на процесс с разных углов.

Метрики помогают собирать обратную связь с наблюдаемого явления. На основе обратной связи идет корректировка дальнейших действий. Термин «обратная связь» изначально появился в механике и инженерии. Постепенно он стал использоваться в менеджменте, клиентском сервисе и разработке продуктов.

Вот как описывают фидбек на «общем уровне»

Feedback is as a generic method of controlling a system by using past results to affect future performance. Approaches which keep a system operating within tight parameters, demonstrate negative feedback. That’s not pessimistic or bad feedback, but feedback that prompts the system to maintain control. Negative feedback is actually good feedback because it yields greater efficiency and performance. Positive feedback, by contrast, causes the system to keep going, unchecked. Like a thermostat that registers the room as too warm and cranks up the furnace, it’s generally meant to be avoided.

“Negative feedback is actually good feedback because it yields greater efficiency and performance.” — James Watt, Scottish inventor & mechanical engineer.

Число в вакууме не несет смысла. Для получения пользы от метрики мы должны сравнить ее с другим показателем. Примеры:

1. сравнивая свои показатели со стандартами (бенчмарками) индустрии, можно понять наше положение на рынке.
2. отслеживая показатели во времени, можно понять как развивается наша компания относительно «прошлой» себя.

Свойства хорошей метрики

1. Консистентность (воспроизводимость) результатов (англ. reliability) — если повторить исследование/эксперимент, то мы получим те же числа.
2. Валидность (англ. validity) — мы уверены, что метрика измеряет именно то, что мы хотим замерить.
3. Чувствительность (англ. sensitivity) — метрика хорошо реагирует на изменения.

Если метрика не удовлетворяет этим критериям, то мы получаем неверную обратную связь на наши действия от окружающей среды.

Метрики в UX

Измерение в UX — это количественная оценка наблюдений и мнений пользователей. Они помогают снизить неопределённость относительно того, насколько удобно пользоваться продуктом на самом деле.

UX-метрики оценивают качество взаимодействия человека с интерфейсом при выполнении определенной задачи. Понятие «задачи» многогранно, обычно выделяют три уровня. Естественно, границы уровней размыты. Разберем на примере поискового продукта:

• Макро — найти нужную информацию в поисковике.
• Мезо — прочитать результаты выдачи, переформулировать вопрос.
• Микро — ввод запроса, построчное сканирование текста в ответе.

Альтернативная классификация:

1. микро- и мезо-уровни еще иногда называют юзабилити-метриками.
2. макро-уровень иногда называют Customer Experience (CX-метрики). Такие метрики можно использовать на уровне всего продукта или бизнеса.

User Experience vs. User Centric

Эти понятия легко спутать. UX-метрики это подмножество User Centric метрик. Но не все User Centric метрики являются UX.

Примеры User Centric показателей, которые не являются UX-метриками:

1. User-Level LTV — показывает сколько мы заработаем с определенного пользователя безотносительно используемого продукта/услуги.
2. Количество сессий на человека — показывает активность человека в продукте, но ничего не говорит про «качество» это взаимодействия.
3. Средняя скорость загрузки страницы на человека — замеряет техническое свойство продукта, но не говорит о том, как пользователь это воспринимает.
4. NPS — замеряет лояльность потребителей к бизнесу, но не говорит о качестве реализации конкретной задачи или сценария.

Эти метрики также отталкиваются от человека, но абстрагируются от интерфейса и/или задачи, а работают уровне продукта или бизнеса. Это не означает, что UX-специалисты не используют их в работе. Такие метрики являются хорошим мостиком между дизайном, продуктом и бизнесом.

Списки User Centric метрик

• Monitoring User Experience Through Product Usage Metrics
• User-centric Performance Metrics

Популярные UX-метрики

В конце 80-х начался период компьютеризации бизнеса и многие компании хотели понять, стоит ли вообще в это вкладываться. Тогда и пошел «заказ» от корпораций в университеты и другие исследовательские организации на разработку методологий оценки эффекта он внедрения IT.

Ученые использовали имеющийся аппарат из психологии, социологии, эргономики, экономики и других наук, чтобы придумать индикаторы, которые удовлетворяют «свойствам хорошей метрики» (смотри начало статьи).

Вот что входит в «джентльменский набор»...

System Usability Scale (SUS)

Самый известный и, наверное, старый способ измерения удовлетворения от интерфейса — это опросник System Usability Scale (SUS).

После работы в системе, респондент проходит опрос из 10 вопросов. По определенной формуле считается показатель, который лежит в диапазоне от 1 до 100. Он характеризует сложность интерфейса:

• 1 — непонятно, от слова «совсем»
• 100 — «божественный» UX

Количество вопросов — это главная проблема, которая не позволяет собирать SUS с неподготовленной аудитории. Поэтому, в основном, его замеряют на юзабилити-тестированиях. На практике была доказана сила связи между SUS и индексом лояльности к компании.

Single Ease Question (SEQ)

После совершения целевого действия, пользователя можно спросить вот такой вопрос:

seq-high-res.jpg

Доказано, что более легкие задачи делаются быстрее и бОльшее количество человек их заканчивает, т. е. выше конверсия.

Концепция «простоты использования» используется во многих других метриках. Например, за метрикой Customer Effort Score стоит простая идея, что чем проще пользоваться продуктом или услугой тем более лояльными будут клиенты. Но мне удалось найти какие-либо подтверждения на этот счет (хотя мысль логичная).

Также, между одним вопросом про «простоту использования» с огромным SUS есть корреляция 90%. Это еще один «плюсик в карму» для этой метрики.

Достоинство этой метрики в том, что ее можно замерять online, т. к. конверсия в ответ будет высокой. Если в продукте есть четкая воронка, то можно собирать оценки в конце пути.

Usability Metric for User Experience (UMUX)

Эта метрика разработана в качестве альтернативы SUS. Акцент делается на измерении двух свойств продукта: функциональность и простота.

В UMUX четыре вопроса, а в усовершенствованной версии UMUX-Lite их два:

Доказано, что UMUX-Lite может заменять SUS и при этом не терять в точности оценки. Два вопроса проще «уместить» в интерфейс продукта и начать спрашивать online, чем пользуются продуктовые компании.

Пример из жизни: как исследуют пользователей, расставляют приоритеты и снимают метрики в Atlassian.

Customer Satisfaction Score (CSAT)

Удовлетворенность — еще одна концепция в мире User Experience. Это популярная метрика, которую обычно спрашивают после завершения какого-либо сценария. Самый популярный вариант — после обращения в техническую поддержку.

How would you rate your overall satisfaction with the [goods/service] you received?

Но есть примеры, когда CSAT измеряется уровне всего продукта или компании. American Customer Satisfaction Index уже больше 20 лет каждый год опрашивает сотни тысяч американцев на предмет удовлетворенностью продуктами или услугами компаний из разных сфер и индустрий.

Интересно, что между CSAT компании и ее финансовыми показателями имеется хорошая связь. Историю и бенчмарки можно найти на этом сайте.

Single Usability Metric (SUM)

Это 6 показателей, которые по хитрой формуле превращаются в число от 1 до 100. Эти показатели включают в себя:

1. Метрики на основе поведения респондентов
   • Справился ли респондент с задачей
   • Фактически проведенное время над задачей
   • Количество ошибок
2. Субъективные метрики-опросы с 5-бальной шкалой для ответа:
   • Воспринимаемое время над задачей
   • Воспринимаемая сложность
   • Удовлетворенность (тот же самый CSAT)

По задумке авторов, эта комбо-метрика предоставить более взвешенный взгляд на пользовательский опыт и упростить принятие решений. Многие агентства и компании ее используют, но открыто не делятся опытом.

К счастью, Microsoft поделилась своим 2.5-летним опытом ее использования. Инсайты:

Шкала от 1 до 100 непонятна стейкхолдерам. Где отсечка, после которой «все хорошо?»

Фактическое и воспринимаемое время над задачей не всегда коррелируют. Люди иногда отвлекаются или просто «тупят», но при этом считают, что с задачей справляются быстро. Время — это шумная метрика.

Количество ошибок на практике заранее неизвестно наперед. Поэтому с точки зрения метрики это просто шум.

Net Promoter Score (NPS)

Очень популярная метрика лояльности потребителя к бренду или услуге. Поэтому остановимся на ней подробнее.

У этой метрики есть «набирающий популярность брат» Actual NPS (aNPS), который пытается устранить одну из ошибок NPS — спрашивать про мнение и будущее.

Но это не самая главная беда этой метрики в контексте измерения UX. Бренд «собирает» под собой не только продукт с его дизайном, но и работу поддержки/отдела продаж и новости о бренде.

Слишком много факторов влияет на NPS.

На практике мы получаем слабую чувствительность к UX-изменениям. Сторонними исследователя установлено, что «вклад» UX в NPS составляет не более 66%.

Но есть ситуации, когда NPS можно использовать как UX-метрику:

1. Если респондент не знает, продукт какого бренда он тестирует / использует.
2. Если весь продукт держится только на одной макро-задаче и можно пренебречь влиянием других факторов

Примеры, когда NPS подходит и не подходит как UX-метрика.

• Порекомендуете ли вы AdBlock друзьям или коллегам?
  • ОК, т. к. основной сценарий в AdBlock — это блокировка рекламы на сайтах. Однозначная ассоциация.
• Порекомендуете ли вы Wrike друзьям или коллегам?
  • НеОК
    • Wrike это продукт с множеством макро-задач внутри: планирование проектов, управление ресурсами, хранилище документации. Как понять, UX какого сценария дает больший вклад?
    • Wrike используется для управления проектами и людьми. Есть люди, которые просто не любят работать, поэтому будут ставить плохие оценки в NPS даже если продукт будет идеален.
    • Wrike это b2b-компания, в которой «продуктом» является не только сайт, но и поддержка, обучающие материалы и размер скидки, который может дать отдел продаж.
    • Основные покупатели Wrike — топ-менеджеры. Рядовые сотрудники могут просто не иметь знакомых топ-менеджеров, которые ищут систему управления проектами. Некому рекомендовать.
    • Некоторые люди «оставляют работу на работе» и не рекомендуют друзьям рабочие инструменты. А все коллеги и так уже пользуются этой системой.

Некоторые компании пытаются «уточнять» NPS и спрашивать про конкретный опыт в продукте. Но это тогда уже не NPS, а что-то другое. Примеры:

• С какой вероятностью вы порекомендуете продавать товары на Авито друзьям или коллегам?
• Порекомендуете ли вы слушать музыку в Spotify друзьям или коллегам?

Другие метрики

Существует еще большое количество UX-метрик. Какие-то требуют покупки лицензий, а какие-то используются в узкоспециализированных областях:

• Language Quality Survey (LQS) — метрика качества локализации
• Lostness — метрика качества навигации в продукте
• SUPR-Q, qxScore, User Experience Questionnaire (UEQ) и AttrakDiff — опроссники, которые продвигают идею единого числа в UX для всего и вся.
• И еще сотни других метрик...

Фреймворки и подходы

Метрик много, но не всегда понятно какую использовать под вашу задачу. Google в 2010 году опубликовала научную работу по HEART — подход, который помогает выбрать метрику для измерения пользовательского опыта под разными углами. Фреймворк был опробован на 20 проектах внутри Google, а затем пошел “во вне” компании.

HEART комбинирует мнения пользователей через опросы и поведенческие продуктовые метрики

Tomer Sharon, бывший UX Researcher в Google и WeWork и нынешний глава по ресерчу в Goldman Sachs, расписал подробно про каждый “срез” сквозь призму своего опыта и дает примеры метрик:

• Happiness
• Engagement
• Adoption
• Retention
• Task Success

Как и многое из Google, этот подход стал набирать популярность. Но это не единственное, что придумало человечество.

Главные Концепции

Как можно было заметить, UX-метрики работают с разными абстракциями:

• Простота
• Функциональность
• Удовлетворенность
• Желание использовать в будущем / Лояльность
• Значимость (относительно новая концепция, которую хотят начать измерять)
• Изучаемость / Простота обучения
• Готовность делегировать (upd. от 19.01.2026)

Есть две модели, которые пытаются расположить их в иерархию и понять влияние друг на друга:

1. American Customer Satisfaction Index (ACSI)
2. Technology Acceptance Model (TAM)

Вот неполная схема взаимосвязи метрик

Запомнить

1. Метрика нужна, чтобы собирать обратную связь из внешнего мира и корректировать свои планы. Числа без привязки к контексту никому не интересны.
2. User Experience — это очень широкая область, поэтому и метрики в нем совершенно разные. Они могут фокусироваться на удобстве микро-взаимодействий пользователя с системой и на долгосрочных целях человека в продукте. Единого термометра не изобрели (хотя многие пытаются). Главное — UX-метрики замеряют восприятие человека.
3. Сделать достоверную метрику очень сложно. Изучите стандартные способы измерения пользовательского опыта, которые используется повсеместно. Не придумывайте велосипед.
4. Для систематизации работы используйте HEART-фреймворк от Google. Освоив этот инструмент, пробуйте новый или придумайте свой подход.
5. Все измерения в UX крутятся вокруг ограниченного набора концепций. Будут придуманы новые метрики, а концепции будут неизменны.

Статья впервые была опубликована в старом блоге по ссылке https://www.martsen.me/blog/quantifying-the-user-experience

Вот и вновь выдалось свободное время в поездке. А это означает, что можно продолжить разбирать интересные работы с конференции CHI 2019.

Что такое персональная продуктивность?

Есть определение продуктивности из индустриальной эры — соотношение затрат к результату. В век информации замерить продуктивность «работников интеллектуального труда» сложнее, т. к. нет единого стандарта для результатов работы. Из-за этого сложно оценить и максимизировать эффективность.

Чтобы приоткрыть занавесу тайны над этим вопросом, ученые из Microsoft проверили двухнедельное дневниковое исследование. Среди участников эксперимента были разработчики, медики, менеджеры, аспиранты, юристы и профессора. Всего 24 участника, представили 11 профессий.

Цель исследования — понять, как сами люди описывают и объясняют свою продуктивность.
В AppStore целая плеяда автоматических трекеров времени и туду-листов. Но что-то пока не видно «лидера» на рынке, а люди не стали «сверх-продуктивными». Значит разработчики что-то упускают...
Результаты этой работы помогут в создании более совершенных продуктов-помощников.

Каждый участник после совершения продуктивной, по его мнению, активности, заполнял небольшой опрос:

1. Время начала и длительность.
2. Суть задачи (писал емейл, читал книгу и т.д).
3. Личное ощущение продуктивности (например, “очень продуктивен”).
4. Рациональное объяснение этого ощущения (почему?).

24 респондента залогировали почти 800 задач, которые суммарно складывается в 1200 часов работы. И, конечно, провели интервью постфактум, чтобы уточнить непонятные моменты. Настало время систематизировать эти знания и «познать тайну бытия».

УЧЕНЫЕ И НЕ МОГЛИ ПРЕДПОЛОЖИТЬ, ЧТО УЗНАЮТ ТАКОЕ!..

Исследователи нашли шесть видов продуктивности, не все из которых вписываются в “классическое” определение из экономики.

Человек ощущает себя продуктивным, если:

1. Сделал больше, выше, качественнее или достиг “значимого” прогресса.
2. Успел сделать задачу к сроку или использовал время с пользой.
3. Находится на эмоциональном подъеме и сфокусирован.
4. Ему нравится задача и/или он осознает ее значимость.
5. Может получить личную или долгосрочную социальную выгоду.
6. Справился с авралом и кучей дел одновременно.

Если ваш продукт нацелен на повышение продуктивности, то подумайте на досуге как можно замерить эти “состояния” у своих пользователей. Возможно, что-то из этого сатаней хорошей верхнеуровневой метрикой. Все-таки, живем в век персонализации :)

Интересный инсайт ждал исследователей при анализе самих типов задач. Они ожидали, что большинство «продуктивных» событий будет относиться к около-рабочим темам.

15 из 24 респондентов хотя бы раз залогировали, что занятие личными делами тоже вызывают ощущение продуктивности.

Большинство записей относились к теме здоровья, но были и вещи в стиле «посмотрел сериал на Netflix с семьей».

So What?

1. Продуктивность — это многогранное понятие. Помимо ожидаемых “сделал больше за меньшее время”, под этим термином может пониматься и определенное эмоциональное состояние или отношение к исполняемой работе (не нравится задача = я непродуктивен).

2. Контекст имеет значение (как и всегда, в принципе). Разные задачи при разных обстоятельствах требуют индивидуального подхода замера продуктивности. К сожалению, померить одной “линейкой” различные типы занятости пока не предоставляется возможным. Но в рамкам определенного домена можно что-то придумать.

3. Текущие трекеры пытаются замерить нашу продуктивность только через активность на устройствах. Но много чего “полезного” происходит и в оффлайне, куда приложение на компе не имеет доступа. Помимо сильной персонализации и гибкости, трекеры должны учитывать не только “процесс” (вы провели в Facebook 20 минут), но и “результат” (прокомментировали пост Марка Цукерберга и получили от него приглашение личную встречу). Только тогда такие продукты смогут помочь нам стать лучшей версией себя.

Оригинал с более развернутыми примерами: Understanding Personal Productivity: How Knowledge Workers Define, Evaluate, and Reflect on Their Productivity

Data Science команда из Sequoia Capital опять разразилась циклом статей про метрики.
Оказывается, у них в портфеле находится App Annie и, видимо, они делятся с ними данными, т. к. в статьях идет речь об анализе огромного количества компаний из разных ниш и разного размера.
Вкратце про каждую статью.

Defining Product Success: Metrics and Goals
Обзорная статья для разминки. Напоминают, что топ-метрики надо выбирать не “как у ребят на районе”, а исходя из вижена продукта.
Конечно, есть “джентельменский набор” метрик: growth/engagement/monetization => number of users/time spent/revenue. Но они скорее всего не будут отражать суть продукта и при достижении определенной вехи развития их надо будет заменить (и это нормально).
Я, как и авторы статьи, придерживаюсь идеи выбора метрик исходя их “сути продукта”. В статье предлагают мысленно проделать упражнение: представьте свой продукт через 10 лет и численно охарактеризуйте его успех одним числом.

Selecting the Right User Metric
В этом посте делается упор на продуктах, которые ставят во главе угла количество активных юзеров. Sequoia Capital дают целый фреймворк по определению идеальной метрики. По нему надо определить:

• что мы хотим видеть в итоге (вижен)
• что у нас есть сейчас (текущие показатели)
• как дела у других (исследования рынка/конкурентов)

С виженом немного разобрались в предыдущем посте, поэтому учимся понимать имеющиеся ситуацию:

1. Посчитайте сколько у вас уникальных пользователей за час, день, неделю, месяц, квартал и год.
2. Теперь посчитайте HAU/DAU, DAU/WAU, WAU/MAU, MAU/QAU, QAU/YAU.
3. Найдите выражения с выдачей >60% и возьмите то, что ближе к левой части списка. Из этой метрики берем числитель. Допустим, это было WAU. Поздравляю, вы определили что у вашего продукта еженедельный паттерн использования.

В статье разобраны примеры на основе данных из App Annie с конкретными числами по сегментам, поэтому можно подметить бенчмарков для себя.

The laws of nature strongly influence product behavior
Завершает эту мини-серию статся с попыткой найти закономерности в метриках. Никаких особых кол-ту-экшенов тут нет. Просто факты:

1. Успешные продукты объединяются в кластеры по категориям, если смотреть в разрезе метрик активности.
2. Также топовые продукты на графике “выстроились в линейку”, что намекает на какую-то закономерность и принцип перехода из одной категории активности в другую.
3. Они пытались найти паттерны в “эволюции” продуктов, но не срослось. Слишком индивидуальные истории (или слишком мало наблюдений?)

Что это?

Конференция проводится организацией ACM (Association for Computing Machinery). Это огромнейшая ассоциация, которая курирует много движений в мире технологий. Существует с 1947 года.

В состав AMC входят поднаправления (SIG, Special Interest Groups). Одно из направлений это Human-Computer Interaction (HCI, иногда пишут CHI).

Я немного рассказывал про HCI в своем докладе на Киви Кухне (слайды). Вкратце, это направление науки изучает как люди выполняют задачи используя технологии.

В HCI изучают как люди выполняют задачи используя технологии.

Продемонстрирую разнообразие тем, поигравшись с кусками определения:

1. Люди: один/группа/социум, дети/взрослые/старики, азиаты/европейцы/марсиане, мужчины/женщины/покемоны.
2. Задачи: микро/макро, последовательные/параллельные, сложные/простые, синхронные/асинхронные, интересные/рутинные/стрессовые, игры/работа/общение.
3. Технологии: web/mobile/часы/протезы/VR/AI/«умная ткань» и так далее и тому подобное.

Дисциплина смешивает подходы из Computer Science, всех социальных наук и подмешивая иногда биологию с физикой. На конференцию приехало почти 4000 человек.

The ACM CHI Conference on Human Factors in Computing Systems is the premier international conference of Human-Computer Interaction. CHI  — pronounced ‘kai’ — is a place where researchers and practitioners gather from across the world to discuss the latest in interactive technology.

Что там показывают?

Полная программа включала в себя ~1200 уникальных активностей.

Презентация научных работ (~700 штук)
Выступление — 15 минут:

• Что за проблему хотим решить? Почему это важно?
• На какие вопросы нам нужно дать ответ? Какие гипотезы?
• Выбор и обоснование методологии
• Процесс сбора данных: как и с кого собирали
• Анализ данных и результаты
• Рекомендации по реализации и/или освещение новых вопросов
• Дают ссылку на подробную статью (10+ страниц), где описаны все нюансы, расчеты и релевантные работы.
• Пять минут на вопросы из аудитории.

Очень крутой формат, который позволяет ознакомится с работой, а затем чуть ли не воспроизвести ее самому.

Постерная сессия (~250 штук)

Постер — это зачастую красиво рассказанная история с картинками и тезисами на формат А1. По-сути, это инфографика по научной работе, которую автор также прилагает на конференцию.

В принципе, из постера можно было бы сделать и обычный доклад. Насколько я знаю, кто-то сам не хочет запариваться, а кого-то не допускает комиссия.

На специальной площадке расположены ~50 стоек, на которые в первой половине каждого дня авторы вешают свои работы. Пока они готовятся, можно присмотреть интересные для себя вещи. К началу второго перерыва между сессиями, они уже готовы и посетители конференции идут туда коротать время. Каждый постер презентуют 1-2 человека. Можно (и нужно) подходить к ним, узнавать что за ресерч и просто болтать за жизнь.

Я поговорил с коллегой из Atlassian, который разработал иерархию метрик для редизайна Jira. Еще скоротал время с корейскими студентами, которые применяли теорию графов кучи всего, в т.ч. для анализа активности фан-сообществ в социальных сетях. Ну и просто постоял около многих стендов и послушал авторов. У многих поистине горят глаза от того, чем они занимаются.

Курсы, воркшопы и мастер-классы (~30 штук)

CHI — это еще и место учебы. Преподаватели из топовых универов и компаний, дают интенсивны размером от 2 до 4 академических пар.

Я посетил курс от ребят, которые в свое время консультировали yahoo и bing по развитию поиска. Они учили подходу моделирования поведения пользователей, который используется в экономике — cost-benefit analysis. Из этих формул было четко понятно какие «выгоды» и «траты» несет юзер, что давало инсайты для последующего редизайна.

Составление такой модели требует поистине глубокого понимания задач пользователей и продвинутой математики. Тут я впервые увидел использование дифуров для продуктовой работы, а не в задачах ракетостроения.

Интерактивные стенды (много)

Множество научных лабораторий со всего мира: VR-шлемы, роботы, интерфейсы мозг-компьютер и много всякого…

https://www.instagram.com/p/BxTEdJ8DaH9/

Ярмарка вакансий

Топовые компании из США, Европы и Азии организовали свои площадки и пылесосили контакты всех, кто потенциально интересен. Интересно отличилась Apple. От них были две вакансии, где неприметно и мелким шрифтом написаны общие требования к кандидатам. А снизу была приклеена папка, куда надо кидать резюме. Папка была очень уродливая, словно мусорная урна…

Яркие спикеры

Вступительный и финальный доклады были на высоте. Первый доклад заряжал позитивом и вдохновлением. Последний рассказывал о глобальном видении и стратегии Google на рынке умных вещей. Такое стоит послушать (оцените спикера).

Из минусов

Конференция, прежде всего, ориентирована на академическое сообщество. Научный совет решает, что будет презентовано. Они смотрят на какие-то формальные вещи, ссылки на литературу и автора публикации. Как я понял из кулуарных бесед, практикам сюда пробиться крайне тяжело. У статьи должен быть хотя бы один автор с академическим опытом.

Предыдущее ограничение сильно отражается на докладах. Многие выступления сложно или невозможно применить на практике — авторы не сильно задумываются об этом. 80% выступлений заканчиваются фразой

Мы копнули этот вопрос глубже. Спустя 3 месяца исследований мы поняли, что он оказался сложнее чем мы предполагали. Наш вклад в HCI сообщество заключается в том, что мы нашли новые вопросы, на которые надо дать ответ. Надеюсь, это вдохновит исследователей заняться этим в будущем.

Получается ресерч ради ресерча. Явно не хватает какой-то практической нотки. Хорошо, чтобы есть остальные 20% докладов. В них презентуют либо сотрудники из ведущих IT-компаний, либо ученые из топовых универов, которые делают исследования по заказу индустрии. Нужно проделать большую подготовительную работу по составлению расписания, чтобы попадать только на интересные выступления.

“Конференция, прежде всего, ориентирована на академическое сообщество.”

Необычные вещи

Призывы и протесты и за равноправие/разнообразие

Я замечал намеки разного размера:

1. Разговоры людей.
2. Стикеры с призывами на специальной стене «вопросов и предложений». Мало черных/женщин/практиков/инвалидов спикеров.
3. Мини-протест в центре павильона... https://www.instagram.com/p/BxMy9AWF8_L/

Я, наверное, не понимаю всей внутренней кухни, но по мне это была самая «социально-благоприятная» конференция, на которой я был:

1. Спикеры и участники были всех возрастов, наций, полов и конфессий.
2. Были сурдопереводчики на некоторых докладах и ключевых кейноутах. Широкие проходы, специальные подъемники.
3. На конференции можно было покушать все виды еды: глютен-фри, веганская, кошерная и еще 50 видов.
4. Один из самых популярных тегов в научных работах этого года — Accessibility.
5. Во всех исследованиях всегда указывали, что у них 50-50 мужчин и женщин. В одном выступлении проскользнули числа 75-25, так спикер быстро перелистнул слайд, а из зала донесся небольшой смех.
6. Кругом информация об экологии и вторичном использовании материалов.

Ясно, что всегда можно сделать лучше/выше/сильнее. Непонятно, когда надо останавливаться.

Обнесли кабинет

В первый день обокрали кабинет, где проходил один из курсов. Слушатели вышли перекусить, а по возвращению остались ни с чем. Как так?))

Вкратце

Несмотря на академичность, сюда стоит ехать, чтобы реально узнать про новые подходы и словить инсайтов. Как я узнал в беседе с одним из Гуглеров, CHI одна их немногих конференций куда катаются синьоры, чтобы поучиться.

Кому стоит сюда приехать

Мастхэв для:

1. Исследователей — аналитики, ux-ресерчеры.
2. Изобретателей — ux/ui дизайнеры, проектировщики, разработчики софта/железа.
3. Под вопросом ценность для продуктовых менеджеров и стратегов:
   • Слишком сильно углубляются в детали, много воды.
   • За трендами/инсайтами можно следить более эффективно.
   • Нетворкинг с отдельными спикерами/участниками будет полезен, но можно найти другие способы познакомиться.
4. Совсем не нужно ехать, если вы работаете на уровне операционки/тактики.

Можно попробовать похайрить народ. Думаю, будка на выставке хорошо бы конвертировала в лидов на собеседования. Много умных людей-теоретиков. В комбинации с одним практиком может получится интересная связка.

Что касается меня, то я бы вернулся на CHI еще раз. Следующий забег на Гаваях.

Статья The Value Chain Constraint от Бена Томпсона рассказывает про ментальную модель “Цепочка ценности”.

Суть проста до безобразия:

1. Существуют поставщики ценности (supply) и ее потребители (demand)
2. Путь от Supply до Demand может пролегать разными путями.
3. Можно применить несколько бизнес-стратегий: стать каким-то узлом в цепи и постепенно захватывать соседние звенья или придумать более “читерскую» цепочку.

Примеры разных бизнесов: