Interior Trends:
семь магазинов и Airbnb —
никто не объясняет почему
Первый продуктовый дизайнер и партнёр с долей в AI-платформе поиска товаров, работающей в Германии. Понятные входы в каталог вместо дерева категорий. Карточка товара объясняет, почему он подходит.
Все продают каталог. Никто его не объясняет.
Каждый магазин начинает с дерева категорий и предлагает спускаться по нему. Мы начинаем с понятных входов: товары, вдохновение или всё вместе. Все ведут к одной карточке товара. Именно она и есть продукт: объясняет, почему вещь подходит человеку. Мебель делаем не мы. Показывать её лучше производителей — в этом весь бизнес.
Начал с дневникового исследования
Восемь владельцев жилья в Германии, две недели. Выбор интерьера оказался визуальным и зависимым от настроения: люди думают комнатами и ощущениями.
Две недели определили модель взаимодействияОтказался от рабочего поискового поля
Первый прототип начинался с поля и выдавал результаты. Но люди приходят с картинкой или комнатой в голове. Поле не могло остаться главным входом.
Начало пути перестало требовать готового запросаПонятные входы вместо дерева категорий
Все семь магазинов начинают с дерева — до пяти уровней до товара. У нас товары, вдохновение и общий обзор равноправны и ведут к одной карточке.
Ближе всего к модели Airbnb в изученной выборкеОбъяснять, почему товар подходит
Прошёл семь магазинов и Airbnb, фиксируя каждый шаг. Все восемь называют связь. Наша карточка называет совпавшие свойства.
То, чего не делает категорияНашёл узкое место за пределами дизайна
Объяснение совпадения начинается с общих структурированных свойств. Чтобы сказать «дуб, 140 см», нужно знать это об обоих товарах.
Атрибуты стали продуктовой задачей, а не уборкой каталогаПроектировал под одного разработчика
Решение должно быть недорогим в сборке или явно стоить усилий. Токены появились в коде в первый месяц, до запуска.
MVP за шесть недель · 80%+ интерфейса на компонентах ко второму месяцуПодробно — рынок, исследование и пересборка
Немецкий рынок мебели и товаров для дома — один из крупнейших в Европе и один из самых разрозненных. 200+ магазинов без общей классификации товаров. Обычный путь: увидеть диван в Instagram, сохранить скриншот, двадцать минут искать «серый бархатный диван» в Westwing, Made.de, Otto Home и ещё десятке магазинов, сдаться. Поиск привязан к словам и категориям: бренд, цена, размер. Но не внешний вид, не сочетание с уже обставленной комнатой и не ассортимент сразу разных магазинов.
Я начал с двухнедельного дневникового исследования с восемью владельцами жилья в Германии. Результат изменил постановку задачи: интерьер выбирают глазами и по ощущению, а не по ключевым словам. Люди реагируют на комнату, а не на таблицу характеристик. Никто не пишет «ореховый комод mid-century, 120 см». Думают иначе: «что-то как в скандинавском домике, но для комнаты 12 м²». Это определило модель взаимодействия с AI: визуальное сходство и контекст комнаты важнее текстового поиска.
Дальше путь был коротким: модель взаимодействия → Figma → кликабельный прототип во Framer → проверки с пользователями (уже 15+) → MVP за шесть недель с одним разработчиком. Модель проверили на реальных людях до передачи в разработку. В сборку пошло уже проверенное решение.
Через два года из этого выросли несколько понятных входов вместо одного умного поиска. Товары, вдохновение и общий обзор равноправны. Дерево категорий осталось для тех, кому оно нужно, но больше не определяет начало пути. В поиск можно ввести фразу или приложить изображение. Всё сходится в карточке товара. Её задача — обосновать выбор: словами назвать совпадения, показать составляющие оценки, плюсы, минусы и цены в разных магазинах.
В августе 2026 сравнил результат с семью немецкими магазинами и Airbnb, фиксируя каждый шаг от главной до карточки. Важное наблюдение касалось не вёрстки. Все восемь называют тип связи между товарами: похожие, тот же бренд, смотрели другие. Никто не объясняет, почему конкретную вещь показывают конкретному человеку. Даже сервис, который я взял за ориентир именно потому, что он лучше остальных.
С нуля, без готовой карты
- Нет готового паттерна — не было устоявшегося продукта поиска мебели по изображению, у которого можно учиться.
- Нет прошлых исследований — никаких пользовательских данных. Предположения пришлось строить и проверять с нуля.
- Один разработчик — каждое решение должно быть недорогим в сборке или явно стоить усилий.
- Разрозненный рынок — 200+ магазинов без общей классификации для сквозного поиска.
Что получилось из модели
Система, которая выполняет работу трёх дизайнеров
Атомарные токены цвета, типографики, отступов и теней. Компоненты покрывают 80%+ интерфейса ко второму месяцу, светлая и тёмная темы работают с первого дня. Система живёт в коде: токены и библиотека с документацией в Storybook. Поэтому один продуктовый дизайнер, управляющий командой вместе с CEO, может выпускать AI-платформу и не тормозить единственного разработчика.
Токены и библиотека Storybook помогают одному дизайнеру успевать за разработкой
Выпущено, работает, измеряется
Работаем в Германии с первыми пользователями. С нуля прошли исследования, модель взаимодействия, дизайн-систему в коде и запуск. За продуктом — 15+ проверок удобства, а PostHog отслеживает ключевые взаимодействия с первого дня.
В августе 2026 сравнил работающий продукт с семью немецкими магазинами и Airbnb. Сравнение подтвердило отличие и обозначило его зависимость: объяснение работает лишь настолько хорошо, насколько структурированы свойства товаров.
“During our collaboration on the HomeTrends Project, I had the opportunity to witness his creativity, analytical thinking, and ability to quickly grasp new concepts. Nikita's designs are not only visually stunning, but also thoughtfully crafted [...]”
AI в основе продукта
Большинство AI-функций в онлайн-магазинах прикручены сбоку: чат в углу, ряд «AI Picks». Основной путь не меняется. Поэтому восемь изученных продуктов могут назвать связь между товарами, но не объяснить её.
Interior Trends устроен иначе: AI и есть способ искать товары. И входы в каталог, и аргумент в карточке — часть этой модели. Не нужно подталкивать к AI-функции: отдельной функции нет. Сначала это вопрос позиции продукта, затем — интеграции технологии.
Такой подход стал возможен благодаря исследованию. Поле поиска казалось очевидно правильным; люди показали обратное. Сравнение через два года повторило тот же приём уже на работающем продукте.
Обсудим этот проект?