iRobot
iRobot — американская компания, один из мировых лидеров потребительской робототехники, известная прежде всего линейкой роботов-пылесосов Roomba. Основанная в 1990 году, компания активно развивает направления умного дома, автоматизации и робототехники.
Roomba Home — новое мобильное приложение iRobot, созданное с нуля для управления актуальным поколением роботов-пылесосов. Оно позволяет легко и гибко настраивать поведение робота, управлять уборкой, отслеживать состояние устройства в реальном времени и автоматизировать рутинные домашние задачи.
результаты
Реализованные обновления дали ощутимый рост по ключевым метрикам приложения.
проблемы
Редизайн был продиктован разрывом между технологическим потенциалом новых роботов и текущим пользовательским опытом — это отражал средний рейтинг приложения 3.8/5. Анализ обратной связи показал: 65% пользователей считали настройку уборки, карты и расписаний слишком сложной, а интерфейс не умел визуализировать новые 3D-карты и продвинутую автоматизацию.
Инсайт из Mixpanel: высокая цена взаимодействия приводит к отвалу ещё до старта уборки.
Дополнительными барьерами были несоответствие стандартам доступности WCAG 2.1 и давление конкурентов с более интуитивными решениями.
Стратегическая цель проекта — трансформировать продукт для достижения NPS 80 и роста вовлечённости на 20% за счёт запуска инклюзивного высокотехнологичного интерфейса в начале 2026 года.
бизнес-фрейм
Одно из первых, что я сделал как лид — формализовал связь между дизайном и бизнес-метриками. Не как обоснование бюджета, а как рабочий инструмент решений и общий язык с продуктом и разработкой.
Каждое трение в интерфейсе — не просто неудобство, а разрыв в бизнес-модели. Если человек не запускает уборку, потому что «не разобрался с настройками», компания теряет деньги. Это изменило то, как мы говорили с продуктом и разработкой: не «давайте сделаем удобнее», а «вот где мы теряем конверсию и вот сколько это стоит».
инсайты
Исследование шло на четырёх слоях — продуктовая аналитика, интервью, юзабилити-тесты и постоянный поток отзывов из сторов. Несколько неочевидных находок задали всё направление.
стратегия
Одно из важнейших продуктовых решений — со стороны дизайна и меня как лида — переформулировка ключевой задачи, которую мы решаем.
Это не семантика — это другая архитектура решения: вместо сокращения онбординга мы инвестируем в сбор контекста и объясняем, зачем он нужен. Разница между «заполни анкету» и «расскажи о доме, и мы будем убирать умнее».
Переформулировка потребовала согласования с командой данных (перестройка модели рекомендаций), продуктом (инфраструктура, не видная пользователю) и разработкой (реальная техническая сложность). До фиксации направления я провёл серию кастдевов, чтобы встречи со стейкхолдерами шли на подтверждённых гипотезах, а не на мнениях.
решения
Я подключилась к программе в разгаре, в июне 2024, как встроенный senior-дизайнер — в связке с инхаус-лидом дизайна, продуктом и разработкой. Первые три решения ниже — полностью мои; перестройка с нуля и архитектура «карта прежде всего» уже шли к моменту моего прихода, и я проектировала внутри них.
Smart Clean — командная гипотеза: вместо того чтобы каждый раз настраивать уборку, показывать наиболее вероятную. Вместе с Data Science и лидом дизайна мы её собрали, и я отвечала за итеративную раскатку — детально разбирала обратную связь. На старте сделала точку входа максимально быстрой и очевидной; после нескольких итераций, когда пользователи освоили фичу, сместила фокус с «продающей» подачи на общую удобность экрана.
Привычный путь из нескольких шагов — создать задание, настроить, сохранить, запустить — свернулся в два тапа: «Smart clean → старт». Робот начинает с самых грязных комнат без лишних настроек, сократив time-to-task на 12 секунд.
Особое внимание — внедрению стандартов инклюзивности (WCAG 2.1) и оптимизации интерфейса под VoiceOver, что расширило доступность продукта для всех групп пользователей.
Я занялась стабилизацией пайплайна поставки. Мы ввели строгие правила статусной модели, выстроили единый источник правды и внедрили практику Design Freeze перед передачей в разработку. Это был не только вопрос инструментов, но и культурный сдвиг: мы построили чёткие «рельсы», по которым дизайн, инженерия и Data Science начали двигаться синхронно.
Roomba Home — это не редизайн. Старая архитектура не могла поддержать возможности новых роботов. Мы построили систему с нуля: новая навигация, новая карта, новая логика рекомендаций, новый язык взаимодействия с устройством. И всё это должно было выйти синхронно с релизом железа — плюс сохранить совместимость App Flip для старших поколений роботов.
Новое решение: карта — не фон, а интерфейс. Тап по комнате → она подсвечивается зелёным → автоматически появляется нижняя панель: время уборки, режим, профиль, кнопки «Начать сейчас» / «Запланировать». Всё остальное — в «Расширенных настройках».
Ритм дискавери мы выстроили с лидом дизайна так: совместные сессии → быстрые прототипы → тестирование → данные. Я вела рабочие сессии с аналитиками данных, где мы скетчили на доске и в реальном времени разбирали, какие входные данные влияют на паттерны загрязнения и как пользовательский контекст должен превращаться в параметры модели.
пользовательские пути
Ключевой сценарий: от распаковки до привычки. Новый пользователь распаковывает робота → подключает через приложение → создаёт карту дома → проходит Home Profile → видит персональный профиль уборки → строит первую рутину на карте → запускает уборку → через несколько циклов рутина работает сама.
На каждом переходе раньше была точка оттока. Home Profile закрывает «настройку без отдачи». Routine Builder закрывает «карта есть, но непонятно, что дальше».
самое сложное решение
Самое показательное решение с позиции лидерства — и самое трудное.
Новые роботы фиксируют концентрацию грязи по зонам, и очевидным шагом было показать это: тепловые карты по комнатам, временные ряды, сравнение зон. Данные были богатыми, визуализации — впечатляющими; я лично вложил время в несколько вариантов.
Тестирование разрушило концепт. Дело было не в сложности — люди не понимали, что с этим делать. Хуже того, тепловая карта грязи читалась как обвинение — «мой дом настолько грязный?» — прямая противоположность помощи.
Это было трудно отстоять: команда данных вложила серьёзные ресурсы, а часть стейкхолдеров считала визуализацию конкурентным преимуществом. Сработал аргумент: данные не исчезают — они питают рекомендацию; пользователь видит вывод, а не числа. Команда сохранила ценность своей работы, а мы — пользовательский опыт.
команда
Работа велась в тесной кросс-функциональной связке. Я была мостом между продакт-менеджерами и разработчиками, следя за тем, чтобы каждое дизайн-решение было технически реализуемо и соответствовало стратегическим целям iRobot.
следующий проект
