От сайта-каталога
к сценариям: продуктовый редизайн Laimon Fresh.
Laimon Fresh. Redesign Concept
FMCG
·
Mobile–first
·
Product Design
О проекте
Laimon Fresh — швейцарский бренд натуральных безалкогольных напитков (FMCG), работающий на рынках России и СНГ. Глобальная задача сайта бренда — не продавать товар напрямую, а выступать эффективным "трамплином", направляя подогретый трафик на партнерские площадки (Ozon, Wildberries, офлайн-сети).
Год
2025
Индустрия
FMCG & Retail
Команда
Продуктовый дизайнер
Арт-Директор
Услуги
UX-Исследования
Прототипирование
Логотип
UX–Дизайн
UI–Дизайн
Motion–Дизайн
Результат
Контекст
Laimon Fresh — швейцарский бренд натуральных напитков, работающий на рынках России и СНГ. Их текущий сайт (laimonfresh.ch) выглядит как классический FMCG-проект: статичная витрина с каталогом банок.
Сайт совершенно не учитывает контекст пользователя и предлагает один и тот же сценарий и маме с ребенком, и бармену, и ЗОЖнику.
Задача
Превратить статичный сайт-витрину в полезный продуктовый инструмент. Нужно было провести полноценный цикл Product Discovery (от сегментации и JTBD до валидации гипотез на реальных людях), чтобы спроектировать персонализированные User Flow.
Интерфейс должен отвечать на боли конкретных сегментов аудитории и мотивировать их к покупке.
Бизнес-ценность
Редизайн сайта Laimon Fresh, чтобы превратить его из статичного каталога в персонализированный инструмент.
Главная задача — снизить показатель отказов (Bounce Rate) и повысить вовлеченность за счет сценариев (JTBD), чтобы кратно увеличить маршрутизацию трафика на партнерские площадки (Ozon, Wildberries, ритейл).
Целевые метрики:
– CTR партнерских ссылок: рост на 40% (увеличение переходов по кнопкам «Купить»).
– Bounce Rate (показатель отказов): снижение на 25-30% на первом экране.
– Time-to-Value (TTV): сокращение времени на поиск ключевой информации (состав, калории, рецепты) до < 30 секунд.
– Глубина просмотра (Engagement): увеличение количества просмотренных страниц/карточек в сессии на 30% (особенно для сегмента миксологов).
Метрики и Ограничения
У меня не было доступа к сложной сквозной аналитике, мне нужно было четко определить: как именно мы поймем, что редизайн сработал?
Я оцифровал ожидаемые KPI и зафиксировал технические ограничения (Mobile-first, AI-контент), которые напрямую влияли на UX-решения.
Процесс
Главный вывод этапа: Чтобы сайт начал конвертировать трафик в переходы к ритейлерам, нужно было отказаться от дизайна «для всех».
Я перестал смотреть на абстрактных пользователей и сфокусировался на контексте и болях трех ключевых сегментов.
Сегменты аудитории
Опираясь на бизнес-модель Laimon Fresh и паттерны потребления FMCG-напитков, я отказался от классических «персон.
Вместо этого я разложил аудиторию на 6 целевых сегментов (студенты, молодые профессионалы, семьи, ЗОЖники, тусовщики, миксологи), детально прописав их мотивацию, логику выбора и барьеры.
Приоритезация сегментов
Я выделил 6 целевых сегментов, которые формируют основной спрос бренда:
1) Студенты
2) Молодые профессионалы
3) Семьи с детьми
4) ЗОЖники
5) Тусовщики
6) Миксологи вкусов
Для каждой группы я собрал подробную матрицу: от базовых потребностей и мотивации до логики выбора и точек контакта с брендом. Анализ показал, что у каждого сегмента — свой уникальный барьер перед покупкой.
Job Stories
Знать возраст и стиль жизни аудитории недостаточно для проектирования. Чтобы понять, в какой именно жизненной ситуации человек обращается к нашему продукту, я переложил боли всех 6 сегментов в формат Job Stories. Всего я прописал более 80 микро-сценариев.
Итог этапов
Матрица из 6 сегментов и 80+ Job Stories стала моим фундаментом. Она наглядно показала, что на сайте не хватает абсолютно разных триггеров (кому-то нужен прозрачный состав, кому-то — скидки, кому-то — рецепты). Эта база позволила мне перейти к следующему шагу — осмысленной генерации гипотез.
ICE Score
Главный вывод этапа: Из 80+ пользовательских сценариев (JTBD) я вывел 19 продуктовых гипотез. Но у проекта был жесткий таймбокс (3 месяца), поэтому реализовывать и даже тестировать всё подряд было нельзя.
Я оцифровал идеи через фреймворк ICE Score и отобрал ТОП-6 гипотез с самым высоким потенциалом, под которые написал кастомные гайды для глубинных интервью.
Гипотезы и приоритизация
Главный вывод этапа: Из 80+ пользовательских сценариев (JTBD) я вывел 19 продуктовых гипотез. Но у проекта был жесткий таймбокс (3 месяца), поэтому реализовывать и даже тестировать всё подряд было нельзя.
Я оцифровал идеи через фреймворк ICE Score и отобрал ТОП-6 гипотез с самым высоким потенциалом, под которые написал кастомные гайды для глубинных интервью.
Генерация гипотез
Каждую выявленную боль из Job Stories я перевел в проверяемую гипотезу по формуле: ЕСЛИ [решение], ТО [результат], ПОТОМУ ЧТО [обоснование].
Например, для семей и ЗОЖников, которым важен состав, родились такие идеи:
– ЕСЛИ в карточке товара добавить блок «Аллергены», ТО конверсия среди семей вырастет, ПОТОМУ ЧТО это снимает страх за здоровье.
– ЕСЛИ добавить секцию «Что внутри» с иконками ингредиентов, ТО доверие к бренду увеличится.
Глубинные интервью
Главный вывод этапа: Я провел 6 глубинных интервью (с кастомными гайдами под каждый сегмент), чтобы проверить пул приоритетных гипотез.
Данные отрезвили всех: из 10 тестируемых идей 6 оказались нерелевантными, зато оставшиеся 4 дали мне железобетонный фундамент для нового User Flow.
Тест гипотез
Я не стал тестировать эти 6 гипотез скопом на случайных людях. Понимая, что у мамы и бармена абсолютно разные паттерны поведения, я составил уникальные гайды глубинных интервью под каждый из целевых сегментов.
Я вшил проверку гипотез в сценарии тех людей, для которых они предназначались. Например, вопросы про коктейльную карту задавались только миксологам, а про маркеры состава — только семьям и ЗОЖникам. Это позволило получить максимально чистые данные на следующем этапе.
Валидация
Главный вывод этапа: Я провел 6 глубинных интервью, чтобы проверить ТОП-6 гипотез. Результат отрезвил всех: 5 из 6 идей с треском провалились. И это стало лучшим исходом для бизнеса — провал на этапе интервью сэкономил недели потенциальной разработки никому не нужных фич (вроде Geo-попапов и рейтингов).
Проблемы
Ловушка для ресерчера: где искать B2C-пользователей?
Изначально я закинул клич в профессиональные чаты для исследователей. Итог: 2 недели потраченного времени и ровно 1 найденный человек. Поняв, что B2C-аудитория там не сидит, я радикально сменил подход:
– Пошел в нишевые Telegram-каналы (барменские сообщества, ЗОЖ-блоги).
– Писал активным комментаторам напрямую, честно объясняя суть проекта.
– Результат: закрыл квоту из 6 качественных респондентов (разбитых по нужным мне сегментам) всего за неделю.
Итоги проверки гипотез
После расшифровки интервью я свел данные в матрицу и оценил статус каждой фичи. Результаты разбили мои изначальные представления о том, что нужно пользователям.
Взял в работу
– Секция «Что внутри» (Сильное подтверждение). Для ЗОЖников и семей прозрачный состав — это главный фильтр. Но им нужны не маркетинговые тексты, а быстрый формат иконок (без сахара/консервантов), чтобы "поймать не химозу".
– Тематические шорткаты (Частично у всех). Мотивация искать «Новинки» и «Скидки» работает. Но делать это нужно через явные шорткаты на главной странице, а не через глубокую фильтрацию каталога.
– Коктейльная карта (Сильное подтверждение). Для сегмента миксологов база проверенных рецептов стала главным триггером — это реальная живая история для вдохновения.
– Маленькие бейджи доверия (Частично). Работают только "честные маркеры" без маркетинга (например, просто возрастные ограничения или отсутствие красителей).
Вывод по этапу
Опираясь на инсайты, я безжалостно вырезал из бэклога всё, что не подтвердилось. Вместо перегруженного портала с картами, сторис и отзывами, я сфокусировался на проектировании чистого интерфейса вокруг 4 подтвержденных гипотез, прописав User Flow под конкретные задачи сегментов.
User Flow
Главный вывод этапа: Прежде чем открывать UI-кит, я спроектировал строгую логику маршрутизации пользователей к ритейлерам.
Попытка сгенерировать структуру (Low-fi) с помощью нейросетей с треском провалилась, доказав, что UX требует человеческой эмпатии. Искусственному интеллекту я делегировал только финальный визуал.
Детализация
На базе подтвержденных на интервью гипотез (секция «Что внутри», коктейльная карта, тематические шорткаты) я построил детализированный User Flow. Главной задачей было не просто показать банку, а бесшовно довести человека до покупки у партнера.
Продуктовые решения в схеме:
– Сценарии вместо каталога: На старте пользователь может пойти классическим путем (выбор вкуса) или выбрать свой сценарий (Для семьи / Для ЗОЖ / Для коктейлей), что сразу отсекает нерелевантную выдачу.
– Сплит-роутинг (Онлайн vs Офлайн): Ветка «Где купить» жестко разделяет потоки. Если человеку удобнее онлайн — ведем на Ozon/Самокат с проверкой наличия. Если офлайн — показываем список сетей (или карту) рядом с домом.
– Удержание (Anti-bounce): Если пользователь долистал до конца и ничего не выбрал, флоу не обрывается. Я внедрил ветку рекомендаций и интерактивный квиз («Пройти тест на выбор вкуса»), чтобы вовлечь его в игру и всё равно довести до целевого действия.
Прототипирование
Имея на руках флоу, я решил оптимизировать процесс и собрать Low-fi прототипы (скелеты экранов) с помощью AI-генераторов интерфейсов.
Результат: абсолютный провал. Нейросети выдавали красивые, но абсолютно нелогичные блоки, которые игнорировали мои Job Stories и результаты интервью.
Я отказался от автоматизации и собрал Low-fi и Medium-fi прототипы вручную в Figma, опираясь исключительно на данные CustDev'а. UX-копирайтинг (заголовки, CTA) помог написать ChatGPT.
Тестирование Medium-fi
Собранный интерактивный прототип я загрузил в систему тестирования (Pathway/Maze) и дал пользователям 6 целевых заданий. Отчеты по тепловым картам и времени прохождения (Time-on-Task) показали крутой контраст:
Результат тестирования
B2C-сценарии отработали идеально (Success Rate 100%):
– Поиск состава: Задача "Разобраться, что в составе" была выполнена всеми респондентами со средним временем всего 7.34 секунды. Наша ставка на крупную секцию «Что внутри» полностью себя оправдала!
– Сценарии ЗОЖ и Семей: Подбор напитка "вместо сладкой газировки" и "для ребенка" прошли со 100% успехом (среднее время ~25 секунд).
– Маршрутизация: Выбор онлайн/офлайн покупки не вызвал сложностей (100% успех, 22 секунды).
B2B-сценарий выявил критический баг (Success Rate 0%):
– Задача "Найти раздел для баров/коктейлей" провалилась. 2 из 2 респондентов блуждали по прототипу почти минуту (59.37 сек) и нажали "Сдаться".
Решение: Тест показал, что я слишком глубоко спрятал B2B-раздел в навигации. До перехода к High-fi дизайну я полностью переработал меню, вынеся раздел "Для миксологов/B2B" на первый уровень главной страницы.
Результат
Главный вывод этапа: Дизайн ради дизайна остался в прошлом. Несмотря на то, что это был некоммерческий проект, я прошел полный цикл Product Discovery.
Главный результат — это не просто красивые макеты, а спроектированная и протестированная система, где каждое решение обосновано болью пользователя, а не фантазией о них.
Метрики
Поскольку редизайн не внедрялся в продакшен, у меня нет доступа к сквозной аналитике продаж Laimon Fresh. Но у меня есть твердые UX-метрики с этапа тестирования:
– Success Rate 100% для B2C: Сценарии поиска состава, подбора вкуса для семьи и выбора онлайн/офлайн магазина отрабатывают без сбоев.
– Time-on-Task 7.3 сек: Ровно столько времени теперь нужно пользователю, чтобы найти и считать состав напитка (раньше это требовало долгого скролла и чтения мелкого текста).
– Fix before Code: Выявленный и исправленный провал в B2B-навигации (0% успеха на тестах) сэкономил бы бизнесу потенциальные недели переработки фронтенда на "живом" сайте.
Выводы
Если бы проект ушел в релиз, главными KPI стали бы: CTR кнопок «Онлайн-доставка / В магазине рядом» (рост переходов к ритейлерам), снижение Bounce Rate на главной странице и глубина просмотра коктейльной карты.
Моя рефлексия
1) Большинство гипотез провалится — и это отлично. Убрать 5 нерабочих идей (попапы, аллергены, отзывы) на этапе интервью — это не провал, это сэкономленные деньги бизнеса. Теперь я никогда не пойду рисовать интерфейс, пока не валидирую боли «в полях».
2) Ищи людей там, где они живут (Рекрутинг).
Искать B2C-респондентов (мам, барменов) в профессиональных UX-чатах — пустая трата времени. Я научился выходить в нишевые Telegram-каналы и собирать качественную выборку за считанные дни.
3) Контекст решает всё. Нельзя проектировать для «всех, кто пьет газировку». Маме важен состав, миксологу — рецепт, ЗОЖнику — калории. Понимание этих Job Stories превратило сайт из глухой витрины в умный инструмент маршрутизации.
Я всегда готов показать полный процесс
– Базу из 80+ Job Stories.
– Гипотезы
– Кастомные гайды для глубинных интервью.
– Детализированные тепловые карты из системы тестирования.
И многое другое, что помогло сделать проект.