На основании проведённого теоретического анализа, изучения пользовательского контекста, конкурентной среды и результатов качественного исследования был сформирован продуктовый подход к проектированию приложения «КОМПАС». Ключевой задачей этого этапа стало не только создание визуального интерфейса бегового приложения, но и разработка логики взаимодействия, в которой бег рассматривается не как инструмент достижения результата любой ценой, а как практика регулярного, бережного и осознанного движения.
В отличие от классических беговых трекеров, ориентированных преимущественно на фиксацию дистанции, темпа, маршрута и спортивного прогресса, «КОМПАС» строится вокруг текущего состояния пользователя.
Центральной идеей продукта становится адаптация рекомендации дня под самочувствие, цель, опыт и ограничения человека. Такой подход позволяет снизить давление, связанное с необходимостью следовать жёсткому тренировочному плану, и поддержать пользователя в ситуациях, когда его физическое или эмоциональное состояние не совпадает с заранее запланированной нагрузкой.
Проектирование продукта велось вокруг вопроса: какой формат движения подходит пользователю именно сегодня?
Ответ на этот вопрос формируется через сочетание трёх уровней данных: долгосрочного профиля пользователя, ежедневного чек-ина состояния и обратной связи после активности. Таким образом, приложение не только предлагает тренировку, но и объясняет, почему именно этот формат выбран, а также корректирует будущие рекомендации на основе пользовательского опыта.
В рамках данной главы рассматриваются продуктовая архитектура приложения, логика адаптивной рекомендации, ключевые пользовательские сценарии, структура интерфейса и принципы визуального решения. Особое внимание уделяется тому, как приложение сопровождает пользователя до, во время и после пробежки, а также как оно поддерживает сценарии отказа, прерывания и восстановления без ощущения ошибки или неуспеха.
«КОМПАС» — это мобильное приложение для бега с адаптацией рекомендаций под текущее самочувствие пользователя.
Его задача — помочь человеку сохранять регулярность движения без давления, чувства вины и необходимости постоянно соответствовать внешним показателям эффективности.
Основная ценность приложения заключается в том, что оно не предлагает пользователю универсальный тренировочный план, одинаковый для всех. Вместо этого приложение учитывает контекст: зачем человек бегает, какой у него опыт, как он себя чувствует сегодня, как прошла предыдущая активность и есть ли ограничения, влияющие на выбор нагрузки.
Эта логика позволяет сделать рекомендацию не случайной и не декоративной, а объяснимой. Пользователь видит не только формат активности, но и причину, по которой приложение предлагает именно его. Например, если пользователь отметил усталость и низкую энергию, приложение может предложить прогулку или восстановление. Если пользователь чувствует себя хорошо, но является новичком, система не предложит интенсивную тренировку, а выберет бег-ходьбу или лёгкий бег. Если же пользователь имеет достаточный опыт, высокую готовность и цель, связанную с улучшением результата, приложение может предложить интервалы, фартлек или темповую тренировку.
Таким образом, «КОМПАС» проектируется не как приложение, которое заставляет пользователя выполнить план, а как система поддержки принятия решения: двигаться ли сегодня, в каком формате, с какой интенсивностью и с каким отношением к собственному состоянию.
Основной пользовательский сценарий начинается на главном экране. Пользователь видит карточку с предложением пройти чек-ин состояния. Этот шаг является входной точкой в адаптивную систему, потому что без актуальных данных приложение не может корректно подобрать рекомендацию дня. После прохождения чек-ина пользователь попадает на экран результата состояния. Здесь отображается не только Score, но и его интерпретация: например, «подойдёт мягкое движение» или «можно выполнить обычную тренировку». Далее система показывает карточку рекомендации дня, где указаны формат активности, длительность, инструкция и объяснение выбора.
Пользователь может принять рекомендацию, изменить формат или отложить активность. Это важно для сохранения контроля: приложение не заставляет следовать предложенному сценарию, а помогает выбрать подходящий вариант. Дальнейший сценарий включает сопровождение во время активности, фиксацию результата и пост-тренировочную рефлексию. Эти этапы рассматриваются далее как части единого цикла адаптации: до пробежки, во время пробежки и после неё.
Основная гипотеза продукта заключается в том, что регулярность физической активности можно повысить, если:
- снизить давление метрик и сравнения
- учитывать текущее состояние пользователя
- предлагать адаптивные сценарии движения вместо фиксированных планов
Иными словами, пользователь с большей вероятностью будет возвращаться к активности, если он не воспринимает её как обязанность или «провал при пропуске».
Поэтому ключевая задача проектирования заключалась в смещении фокуса с результата на состояние пользователя.
При разработке продукта были выделены следующие ключевые принципы:
Feel-first подход Сначала учитывается состояние пользователя, а уже потом предлагается действие.
Адаптивность вместо стандартизации Нет универсального плана — рекомендации формируются динамически.
Отсутствие оценки результата Прогресс не оценивается через «лучше/хуже», только через изменение состояния и регулярности.
Мягкая вовлечённость Продукт не требует дисциплины, а поддерживает её формирование.
В отличие от классических фитнес-приложений, «Компас» не ставит целью максимизацию результата. Его задача — встроить бег в повседневную жизнь пользователя как устойчивую привычку.
Таким образом продукт работает не как трекер активности, а как система поддержки регулярного движения и снижения психологического барьера к началу активности.
обновленный дизайн лендинга МВП 1
Бизнес-модель приложения «КОМПАС» основана на freemium-подходе: базовые функции доступны пользователю бесплатно, а расширенная ценность продукта монетизируется через подписку.
Бесплатный уровень снижает барьер входа и позволяет пользователю познакомиться с ключевым сценарием приложения: оценкой состояния, запуском пробежки и получением базовой рекомендации. Платная подписка открывает доступ к персонализированным рекомендациям, расширенной аналитике состояния, истории динамики и AI-помощнику.
Выбор подписочной модели обусловлен регулярным характером пользовательской задачи. Приложение не решает разовую проблему, а сопровождает пользователя в процессе формирования беговой привычки, поэтому ценность продукта раскрывается через повторное использование и накопление данных о состоянии, нагрузке и восстановлении.
Для оценки экономической устойчивости продукта была составлена модель юнит-экономики. В качестве основного юнита рассматривается платящий пользователь, так как установка приложения сама по себе не отражает коммерческую эффективность продукта.
Расчет учитывает путь пользователя от канала привлечения до оплаты: рекламный бюджет, установки, активацию, конверсию в подписку и стоимость привлечения платящего пользователя.
В переменные расходы включены комиссии платежных платформ, расходы на AI/API, серверную инфраструктуру, аналитику, уведомления, поддержку пользователей и резерв на возвраты. Это позволяет оценивать не только потенциальную выручку, но и реальную маржинальность продукта.
Для проверки каналов привлечения были рассмотрены каналы, соответствующие целевой аудитории продукта: Telegram-каналы о беге и ЗОЖ, беговые блогеры, локальные беговые клубы, ASO и таргетированная реклама.
Наиболее перспективными для MVP-этапа являются каналы, где у аудитории уже есть интерес к бегу и выше уровень доверия: беговые клубы, микроинфлюенсеры и тематические Telegram-каналы. Холодный performance-трафик рассматривается как канал последующего масштабирования после проверки удержания и конверсии в оплату.
Таким образом, бизнес-модель приложения строится не на массовой закупке установок, а на привлечении релевантной аудитории и последующей монетизации регулярной пользовательской ценности.
Юнит-экономика считается устойчивой при условии, что стоимость привлечения платящего пользователя ниже маржинального LTV.
Подробная расчетная модель вынесена в отдельную таблицу и может обновляться по мере тестирования гипотез и появления фактических данных.
Монетизация продукта напрямую связана с ростом персонализации. Чем дольше пользователь взаимодействует с приложением, тем точнее система адаптирует рекомендации под его поведение и состояние.
Таким образом ценность подписки увеличивается со временем, а не фиксируется в момент покупки.
Это формирует ключевую особенность модели: подписка продаёт не доступ к функциям, а улучшение качества рекомендаций и опыта пользователя во времени.
Лендинг МВП 2
Экономика «Компас» строится не на разовых продажах, а на удержании пользователя в системе регулярного использования.
Ключевым фактором устойчивости модели является retention, так как именно длительность использования напрямую определяет LTV.
При увеличении удержания и росте органического трафика (до 30–40%) стоимость привлечения пользователя снижается, что дополнительно усиливает экономическую модель.
Сценарий первичной авторизации и онбординга
Первый сценарий взаимодействия пользователя с продуктом включает процесс регистрации, краткий онбординг и вводный опрос, направленный на определение текущего состояния и уровня опыта пользователя.
Онбординг построен с учётом двух возможных сценариев поведения:
- пользователь может пройти вводный опрос полностью
- либо пропустить его и перейти к основному экрану приложения
Такой подход снижает порог входа и позволяет пользователю самостоятельно выбирать глубину первичного взаимодействия с продуктом.
Заполнение пост-опроса позволяет системе собирать данные о субъективном состоянии пользователя после активности.
Эти данные используются для дальнейшей персонализации рекомендаций, что делает систему более точной и адаптивной с каждым взаимодействием.
Таким образом, продукт не только предлагает сценарии движения, но и постепенно обучается на основе реального поведения пользователя.
Данный сценарий формирует замкнутый цикл взаимодействия:
чек-ин → рекомендация → действие → обратная связь → улучшение рекомендаций
Именно этот цикл является основой формирования устойчивой привычки и ключевым механизмом удержания пользователя в продукте.
На основе накопленных данных о чек-инах, активности и пост-опросах система формирует персональную динамику пользователя.
В отличие от классических фитнес-приложений, акцент делается не на спортивных показателях (темп, дистанция, скорость), а на:
- регулярности движения
- изменении самочувствия
- балансе нагрузки
- субъективном ощущении состояния
Регулярное использование продукта формирует у пользователя ощущение контроля через понимание себя, а не через жёсткие метрики.
Это снижает вероятность выгорания и потери мотивации, так как прогресс становится персонализированным и не сравнивается с внешними стандартами.
С каждым циклом взаимодействия система накапливает данные о:
- реакции пользователя на нагрузку
- связи активности и самочувствия
- устойчивости регулярности
На основе этих данных алгоритм адаптирует будущие рекомендации, делая их более точными и соответствующими реальному состоянию пользователя.
На этих же данных улучшается и развивается версия про.
На текущем этапе в продукте «Компас» уже выстроена система ключевых пользовательских сценариев, охватывающих весь цикл взаимодействия: от первичного онбординга до регулярного использования и формирования динамики прогресса.
Сценарии позволяют последовательно вести пользователя от первого контакта с продуктом к формированию устойчивой привычки движения, снижая барьеры входа, избегая избыточной нагрузки и обеспечивая адаптацию под текущее состояние.
При этом продукт находится в стадии активного развития. Демонстрируемые сценарии являются базовой версией логики взаимодействия и продолжают дорабатываться на основе пользовательских данных и результатов тестирования MVP.
Дальнейшее развитие «Компаса» направлено на повышение точности адаптивных рекомендаций, улучшение удержания пользователей и углубление персонализации опыта взаимодействия с системой.
Авторские изображения
