UX без экономики: польза или выброшенные деньги?

Коротко о главном

• Рынок действует так, словно ценность UX уже доказана: удобство использования стоит первым в списке критериев при отборе ПО в шортлист (34%).

• Начиная с 2020 года не найдено ни одной работы, где показатели UX-инструментов (UEQ, AttrakDiff, meCUE, SUS) были бы связаны регрессией с выручкой, маржинальностью или рыночной стоимостью компании.

• Там, где отдельные свойства интерфейса всё же пересчитывали в деньги, знак эффекта оказывается непредсказуемым. Внедрение A/B-тестирования даёт +30–100%, работа с аналитическим дашбордом — +4–10%. Более удачный сайт автопроизводителя снизил продажи на 12%. Приложение гостиничной сети уменьшило траты клиентов, а приложение продуктового ритейлера, напротив, увеличило. Тёмные паттерны повышают конверсию в 2–4 раза, а ускорение сайта ресторана не дало вообще ничего.

• Дело не в том, что UX бесполезен, а в том, что его невозможно проверить: 605 KPI в 64 публикациях, более 200 методов, 104 определения от 422 экспертов, 79,3% статей без гипотез, а корреляции meCUE с PANAS одинаково высоки для эмоций, лояльности и желания пользоваться продуктом. У конструкта нет дискриминантной валидности.

• Ближайший мост к измеримым величинам — теории TAM и UTAUT: воспринимаемая простота использования по сути и есть юзабилити, а в обзоре 37 работ на стыке TAM и UX воспринимаемое удовольствие влияет на отношение к технологии сильнее, чем полезность и простота. Однако эти модели заканчиваются на намерении и до денег не добираются.

• Альтернатива — измерять не «опыт», а степень, в которой человек сам стоит за своими действиями. Теория самодетерминации задаёт шкалу от «не понимаю, зачем я это делаю» до «мне это интересно само по себе», и главный водораздел на ней проходит не между внутренней и внешней мотивацией, а между «сам» и «подталкивают». UX-опросники этого различия не улавливают: и тот, кто выбрал продукт сам, и тот, кого к нему приучили, получат у них одинаково высокие оценки.

Начнём с аргумента, который не требует веры ни в одну из теорий UX, — с денег, которые рынок отдаёт за UX-исследования и дизайн.

Выручка Figma в 2024 году составила 749 млн долларов (рост на 48% за год) при валовой марже 91%, а в первом квартале 2025-го — 228,2 млн (+46%). В июле 2025 года компания провела IPO, привлекла около 1,2 млрд долларов и целилась в оценку 14,6–16,4 млрд. У продукта 13 млн активных пользователей, а среди компаний из Fortune 500 им пользуются 95%. Другой пример — UserTesting, платформа для пользовательских исследований: её купили Thoma Bravo и Sunstone Partners за 1,3 млрд долларов, заплатив премию в 94% к цене закрытия.

Рынок труда выглядит скромнее. Категория Web and Digital Interface Designers (SOC 15-1255) насчитывала в США около 128 900 рабочих мест в 2024 году; к 2034-му ожидается 137 900 (+7%, «быстрее среднего»), а медианная зарплата составляет 98 090 долларов. По оценке Nielsen Norman Group, в мире работает примерно миллион UX-специалистов, но эта цифра — их собственная прикидка без описания методики. Кроме того, в 2022–2023 годах число вакансий в UX и UX-research резко просело: в обсуждениях гуляют цифры порядка 70%, выведенные из индекса Indeed.

Самое любопытное, впрочем, касается не практиков, а покупателей. По опросу Gartner Digital Markets 2023 года, простота использования заняла первое место среди критериев формирования шортлиста поставщиков (34%), безопасность — второе (32%). Но есть важная оговорка: в срезе G2 по региону EMEA за 2024 год простота использования только на третьем месте, после безопасности и интеграций. Это расхождение объясняется не различием рынков, а тем, какие варианты ответа предлагались респондентам.

Так или иначе, рынок готов платить за UX-инструменты, UX-исследования, консалтинг и редизайн собственных ИТ-решений.

Что известно об экономическом эффекте

Главный итог литературного поиска таков: после 2020 года нет ни одной работы, где UX-конструкт был бы включён в регрессию на выручку, маржу, Tobin’s q или доходность акций компании. Здесь важна точность формулировки. Речь не о том, что «связь пока не доказана, нужно подождать данных». Речь о том, что связь изучают совсем иначе: экономисты, специалисты по операционному менеджменту и маркетологи берут одно конкретное свойство интерфейса и сопоставляют его с одной конкретной экономической величиной — и никто из них не опирается на UX-инструменты (AttrakDiff, UEQ, meCUE, SUS или любые другие).

Вот что у них получается.

Крупнейший эффект оплачивает не интерфейс, а умение его проверять. Koning, Hasan и Chatterji (Management Science, 2022) изучили обширную выборку технологических стартапов. Каждый из них в какой-то момент начал применять A/B-тестирование — практику, при которой две версии экрана показывают разным группам пользователей и смотрят, какая сработает лучше. Начинали компании в разные годы, что позволило сравнивать: те, кто ещё не перешёл на тестирование, служили контрольной группой для тех, кто уже перешёл. Спустя год после внедрения показатели компаний были выше на 30–100%. Это самый крупный эффект на уровне фирмы во всей области — и обратите внимание, за что именно здесь платят: не за удачный интерфейс, а за способность проверять интерфейсы как таковые. При этом такую практику заводят лишь немногие.

Похожая картина у Berman и Israeli (Marketing Science, 2022). Более 1500 интернет-магазинов подключили аналитический дашборд — панель, отражающую происходящее на сайте. Средняя недельная выручка после этого выросла на 4–10%, но только у тех, кто действительно заходил в дашборд. Авторы отдельно проверили, не объясняется ли рост изменением цен или рекламы, — не объясняется, и средний чек остался прежним.

Если эффект есть, он, как правило, сосредоточен в одной точке пути, а не размазан по всему продукту. Gallino, Karacaoglu и Moreno (Operations Research, 2023) выяснили, что происходит, когда сайт интернет-магазина начинает притормаживать. Продажи и конверсия — доля посетителей, дошедших до покупки, — заметно снижаются. Но чувствительность на разных шагах разная: острее всего люди реагируют на задержку при оплате. Для практики этот вывод ценнее самого факта падения: бюджет на скорость стоит тратить не «на весь сайт», а именно на этом шаге.

Самые известные цифры в этой области принадлежат Kohavi с соавторами (KDD, 2014): каждые 100 миллисекунд ускорения приносили Bing примерно +0,6% выручки. Однако в той же работе есть и второе утверждение, которое цитируют куда реже: большинство экспериментов вообще ничего не улучшает, а удачные сдвигают ключевые метрики лишь на 0,1–1,0%.

Угадать знак эффекта по качеству опыта нельзя. Bar-Gill и Reichman (MIS Quarterly, 2021) описали почти лабораторный случай: премиальный автомобильный бренд запускал новый, более интересный и интерактивный сайт не сразу везде, а рынок за рынком. Поэтому в любой момент существовали рынки с новым сайтом и рынки со старым — готовые группы для сравнения. Итог: улучшенный сайт сократил продажи автомобилей примерно на 12%. Механизм прост и неприятен: человек получал всё нужное онлайн и переставал заезжать в салон, а ведь именно визит в салон был тем шагом, на котором машину продавали.

Gu и Kannan (Journal of Marketing Research, 2021) изучили гостиничную сеть и то, как меняются расходы клиента после установки её приложения. Совокупные траты заметно снизились. Объяснение такое: человек, скачавший одно приложение, скачивает и приложения конкурентов, больше ищет и сравнивает — и доля его денег, достающаяся именно этой сети, сокращается. Существенная деталь: у тех, кто пользовался приложением для мобильного заселения, то есть для реального дела, а не только для поиска, падение оказалось слабее.

А вот самое неудобное наблюдение. Luguri и Strahilevitz (Journal of Legal Analysis, 2021) в масштабном эксперименте (итоговая выборка — 1963 человека) предлагали участникам платную услугу. В обычном интерфейсе согласились 11,3%. Там, где интерфейс мягко подталкивал к согласию — это и называют тёмными паттернами, — 25,8%. При агрессивном нажиме — 41,9%. Тот же товар, та же цена, а согласий почти вчетверо больше, и всё это обеспечено одним лишь оформлением. Опыт при этом стал хуже, а не лучше. Если бы качество опыта и бизнес-метрика всегда двигались в одном направлении, такой результат был бы невозможен.

Есть и аккуратно измеренные нули — они весят не меньше остальных результатов. Ikášová и Klepek (Financial Internet Quarterly, 2024) в течение двух месяцев сравнивали ресторан с медленным сайтом и ресторан с быстрым, считая утренние визиты и продажи бизнес-ланчей. Различий не нашли ни в визитах, ни в продажах. Это прямое возражение цифрам про скорость у Bing и Amazon: то же самое вмешательство в масштабе небольшого бизнеса не даёт ничего измеримого.

И отдельно — фильтр, через который стоит пропускать любые внутренние цифры. Berman и Van den Bulte (Management Science, 2022) показали, что заметная доля «победивших» A/B-тестов — ложные победы, когда случайное колебание принимают за результат. Те приросты, о которых всё же сообщают, систематически завышены. Любое внутреннее «наш редизайн принёс +X% выручки» сначала следует прочитать через призму этой работы.

А что с самой популярной цепочкой — «хороший опыт → довольный клиент → деньги»? Это единственное звено, у которого вообще есть доказательная база на уровне компании. И она скромна. Метаанализ Otto, Szymanski и Varadarajan (JAMS, 2020) объединил 96 исследований и показал среднюю корреляцию удовлетворённости с результатами компании r = 0,101. Простым языком: связь есть и она положительная, но объясняет лишь около 1% различий между компаниями. Остальные 99% определяются чем-то другим. Mittal и соавторы (Marketing Letters, 2023), проанализировав 245 статей за 40 лет, приходят к тому же: удовлетворённость скорее передаёт влияние дальше по цепочке, чем сама что-то приводит в движение.

И главное: во всех этих работах измеряется удовлетворённость компанией, а не её интерфейсом. Это принципиально разные вещи, и подмена одного другим — основной способ, которым UX присваивают чужую доказательную базу.

Напоследок — о том, как с этим живёт сама индустрия. Chawana и Adebesin (South African Computer Journal, 2021) опросили 33 UX-специалиста в четырёх организациях. Некоторые респонденты знали, какими метриками можно было бы измерять отдачу от UX, но ни одна из четырёх организаций фактически этого не делала: возврат считали на весь проект разработки, не выделяя вклад UX.

Подведём итог. Эффект обнаруживается, но каждый раз при своём наборе условий: категория бизнеса (продукты или гостиницы), этап пути (оплата или просмотр), масштаб (Bing или ресторан на углу), роль канала (заменяет визит к дилеру или дополняет поход в магазин), число конкурентов рядом, наличие у клиента альтернативного способа добиться того же. Каждая из этих работ — корректная находка, но ни одна не становится правилом. Цифру «100 мс = 0,6% выручки» из Bing нельзя перенести на сайт ресторана: это буквально проверили и получили ноль. Тезис «приложение увеличивает траты» из продуктового ритейла нельзя перенести в гостиничный бизнес: там знак меняется на противоположный. Практике эти исключения не дают никаких гарантий — они дают перечень переменных, которые придётся проверять самостоятельно.

Почему связь не находится: теория, 200+ методов и мост из моделей принятия

У UX нет единой, научно обоснованной и экспериментально подтверждённой теории. Он не выводится ни из одной доминирующей теории — есть лишь претенденты на это место. Невозможно теоретически обосновать, что именно входит в пользовательский опыт и почему, подтвердить это экспериментом и отсечь конкурирующие объяснения.

Ведущий стандарт, ISO 9241-210, определяет UX как «восприятие и реакции человека, возникающие в результате использования и/или предполагаемого использования продукта, системы или сервиса». Это определение через перечисление всего подряд. Отсутствие доминирующей теории порождает проблему внутренней структуры: в UX включают эмоции, убеждения, предпочтения, восприятие, физические и психологические реакции, поведение пользователя до, во время и после взаимодействия, а также бренд, контекст использования и функциональность интерфейса. Проблем здесь две: перечень не исчерпывающий, а каждый его элемент сам по себе — сложный и неоднозначный конструкт.

Отсюда прямо следует размножение инструментов: методов исследования UX насчитывается свыше 200. Без общей теории возникают частные, которые не столько объясняют UX, сколько обосновывают применимость конкретного инструмента — именно это и случилось с AttrakDiff. Добавьте психологическую норму «всё связано со всем»: значимость p < 0,05 при корреляции 0,3–0,5 достигается сравнительно легко, а потому возникает неограниченный набор «связанных с UX» факторов, среди которых невозможно выделить главный.

Нет теории — нет и гипотез, которые можно опровергнуть. Эмпирическое подтверждение прямое: 79,3% авторов статей 2000–2016 годов вообще не формулировали научных гипотез. Теория отстаёт от наблюдений. К этому добавляется находка Hornbæk и Law: показатели юзабилити коррелируют между собой лишь слабо. А гипотеза о методологическом разделении UX и usability — будто для UX характерны гедонистические методы оценки, а для usability прагматические, ориентированные на результат, — подтверждения не получила.

Три самых распространённых опросника иллюстрируют общую траекторию. AttrakDiff (2000) исходит из того, что существуют удобство использования и удовольствие от него, а опыт представляет собой их сочетание; отсюда эргономические качества (usability, эффективность, функциональность) и гедонистические (оригинальность, новизна, эстетика), которые вносят равный и независимый вклад в общее желание пользоваться продуктом. Форма вытекает из теории: семантический дифференциал, полярные утверждения по 7-балльной шкале без промежуточных формулировок. UEQ (2008) опирается на те же основания, но упрекает AttrakDiff в перекосе в сторону эмоциональной составляющей: 26 пар утверждений, шесть шкал. Процесс его разработки показателен — 15 UX-экспертов SAP предложили 229 прилагательных, первая версия включала 80 пар, а факторный анализ на выборке из 153 человек сократил их до 26. meCUE (2016) появился потому, что первые два учитывают лишь часть факторов и на практике их приходится применять вместе: 33 утверждения, девять шкал плюс десятая из одного общего вопроса, четыре модуля.

Попытка зайти с другой стороны — расспросить практиков — согласия не принесла. Опрос 2009 года (275 профессионалов из 25 стран), его повтор в 2015-м (758 респондентов) и исследование 2017 года (422 эксперта из Турции, Малайзии, Франции, Финляндии и Дании) показали устойчивую картину: лидирует определение через сумму состояния пользователя, свойств продукта и контекста, запрос на стандартизацию растёт, а в 2017-м эксперты предложили 104 собственных определения UX, из которых 80% описывали атрибуты или требования, и исследователям пришлось разложить их по шести категориям. Общее для всех этих работ в том, что определения и вопросы формулировались без опоры на устоявшиеся научные конструкты — вплоть до использования выдачи Google по самому термину. И почти нигде статистика не выявила значимого результата, не связанного с социально-демографическими характеристиками респондентов.

Сложим это с выводом Trendowicz. Конструкт, который порождает 605 KPI в 64 публикациях, 200+ методов исследования и 104 определения от 422 экспертов, не обладает дискриминантной валидностью. Это и есть ответ на вопрос, почему нет регрессий на выручку: регрессировать попросту нечего. Нельзя связать с деньгами переменную, о которой невозможно сказать, чего именно она не измеряет.

TAM и UTAUT: где UX уже связан с измеримой зависимой переменной

Любопытно, что бок о бок с UX-исследованиями все эти годы развивалась литература, у которой с формальной стороны всё благополучно: модели принятия технологий.

TAM сводит намерение использовать технологию к двум убеждениям — воспринимаемой полезности (perceived usefulness) и воспринимаемой простоте использования (perceived ease of use). Принятие в ней трёхэтапно: внешние факторы, включая особенности дизайна системы, запускают когнитивные реакции (простоту и полезность), те формируют отношение и намерение, а намерение влияет на поведение. Модель объясняет в среднем около 40% дисперсии принятия, воспринимаемая полезность подтвердилась как сильнейший предиктор намерения с размером эффекта порядка 0,6, а расширения TAM2 и TAM3 поднимают объяснённую дисперсию примерно до 60% — ценой множества новых факторов (субъективные нормы, имидж, соответствие задачам, самоэффективность, компьютерная тревожность), при которых полезность всё равно остаётся главной.

UTAUT объединяет восемь моделей в четыре конструкта: ожидаемую эффективность (performance expectancy), ожидаемые усилия (effort expectancy), социальное влияние и способствующие условия, с модераторами в виде пола, возраста, опыта и, в исходной версии, добровольности использования. На исходных данных Venkatesh с соавторами получили скорректированный R² 69%, на двух подтверждающих выборках — 70% дисперсии поведенческого намерения; UTAUT2 для фактического использования даёт около 50%. Метаанализы при этом свидетельствуют, что по-настоящему прочна лишь связь ожидаемой эффективности с намерением, а ожидаемые усилия и социальное влияние связаны с ним слабо.

Теперь главное. Воспринимаемая простота использования — это, по сути, юзабилити, то есть прагматическое качество из AttrakDiff, просто названное иначе. А воспринимаемая полезность — ценность результата, которую UX-опросники не измеряют вовсе. Иначе говоря, модели принятия измеряют часть UX, но делают это внутри структуры, где есть чётко названная зависимая переменная и основная гипотеза. Именно этого недостаёт UX-инструментам: UEQ выдаёт шесть шкал и ни одного утверждения о том, что из них следует.

Hornbæk и Hertzum (ACM TOCHI, 2017, 24(5):33) разобрали 37 работ на пересечении TAM и моделей UX. Их выводы стоит перечислить по пунктам, поскольку каждый важен:

• Воспринимаемое удовольствие (perceived enjoyment) влияет на отношение к технологии сильнее, чем воспринимаемая полезность и простота использования. Гедонистический компонент, таким образом, не просто «тоже присутствует» — внутри модели принятия он выходит на первый план.

• Причины этих связей и границы применимости моделей остаются неясными.

• Модели редко учитывают психологические потребности и негативные эмоции.

• Большинство исследований не привязано к конкретным эпизодам использования: задача как объясняющая переменная выпадает, а опыт, меняющийся от момента к моменту, измеряется неточно.

Отсюда два вывода. Первый: мост между UX и измеримым поведением существует, и прагматическая часть UX по нему уже перешла. Второй, менее приятный: даже перейдя по этому мосту, мы оказываемся не в P&L, а в намерении. TAM и UTAUT предсказывают намерение, слабее — фактическое использование, и умалчивают о том, как использование превращается в выручку. Переход от UX-опросников к моделям принятия улучшает структуру, но до денег не доводит. А ключевой компонент, которого в этих моделях, по признанию самих авторов обзора, нет, — психологические потребности.

Операционализация UX через теорию самодетерминации

Два первых раздела привели нас в тупик. Рынок платит за UX всерьёз, но проверить отдачу невозможно — потому что проверять нечего: у конструкта нет ни теории, ни устойчивых границ, ни названной зависимой переменной. Выход не в том, чтобы изобрести шестьсот шестую метрику. Выход — сменить предмет измерения.

Идея, к которой мы подходим, такова: перестать измерять «опыт» и начать измерять, насколько человек сам стоит за тем, что делает. Не «понравилось ли» и не «

 

Источник