Мы привыкли думать, что свободно ориентируемся в интерфейсах: выбираем отель, оформляем страховку, переключаемся между тарифами — будто бы полностью контролируем процесс. Но за кулисами каждого такого решения работают незаметные психологические силы. FOMO подталкивает к спешке, фрейминг меняет восприятие выгоды, эффект авторитета заставляет доверять «рекомендованному», а переоценка вероятностей и десятки других искажений тихо корректируют наши выборы.
В итоге именно они — а не рациональность — нередко определяют поведение пользователя и влияют на ключевые метрики продукта: от конверсии и CTR до CSAT и удержания.
В этой статье мы рассмотрели travel-tech через призму поведенческой психологии и собрали распространённые когнитивные эффекты, которые встречаются на пути пользователя — от поиска направления до посадки в самолёт. Рассказали:
как эти эффекты проявляются в реальных сценариях;
как их диагностировать с помощью данных и исследований;
какие продуктовые решения помогают снижать эмоциональные искажения или использовать их этично.
Будет полезно всем, кто работает с продуктовыми метриками, интерфейсами, исследованиями, или в целом стремится узнать больше о психологии пользователя онлайн-сервисов.
Привет, Хабр! Я Борис Юзефпольский, Head of UX Research в Островке. Занимаюсь исследованиями 10 лет, и был уверен, что хорошо понимаю, как устроен мир взаимодействий между людьми и цифровыми сервисами. Казалось, что когнитивные искажения и маркетинговые уловки обходят меня стороной. Но одна недавняя семейная поездка показала: никто не застрахован. Более того — часть ловушек мы расставляем себе сами.
Началось всё с выбора отеля. Я сознательно проигнорировал более удобные варианты и выбрал тот, где красовалась яркая пометка «остался 1 номер». Рационально я понимал, что это типичный триггер дефицита, но всё равно не захотел «упустить шанс».
В аэропорту — новое испытание. Стоя в очереди на оформление билетов, я поймал себя на мысли, что хочу перейти в соседнюю стойку с табличкой «Priority». Не из-за удобства, а из-за ощущения статуса. Затем отказался от недорогого апгрейда и долго прокручивал в голове мысль, что совершил ошибку и «упустил выгоду».
Дальше — больше. Мы всей семьёй машинально пошли за парой пассажиров, решив, что они направляются к нашему гейту. Они ошиблись — и мы за ними тоже. Время было с запасом, но я уже нервничал, каждые десять минут проверял билеты и паспорта, накручивая себя.
В самолёте я вырубился от усталости, а по прилёту первым делом вскочил, чтобы оказаться «не последним» на выходе — хотя впереди нас всё равно ждала очередь на паспортный контроль, и логики в спешке не было никакой.
И вот стоя в этой самой очереди, я вдруг ясно понял: когнитивные искажения — не академическая теория. Это повседневный движок наших решений, особенно в ситуациях стресса, неопределённости и высокой ставки. Если они так влияют на меня — человека, который сам проектирует интерфейсы, — то что говорить о пользователях, для которых подобные триггеры работают вообще на автопилоте?
Поэтому я решил системно посмотреть на UX в travel tech через призму поведенческой психологии — и собрать ключевые когнитивные искажения, точки их проявления, метрики, которые они меняют, и практики, которые помогают с ними работать.
Почему про travel tech и зачем вообще говорить о когнитивных искажениях?
Работая над продуктами в Островке, я всё чаще вижу одно и то же: логика пользователей редко совпадает с тем, как мы ожидаем, что они будут себя вести. Даже при качественных исследованиях и точных метриках реальный опыт сильно зависит от эмоций, скрытых триггеров и автоматических решений. Тревел — одна из самых «поведенческих» сфер, где на выбор влияют FOMO, эффект дороговизны и десятки других искажений. Чисто рационального поведения здесь почти не бывает.
Понимание этих механизмов важно не ради теории: искажения напрямую влияют и на деньги пользователя, и на бизнес. Переизбыток вариантов запускает парадокс выбора и повышает отказ, агрессивная срочность и скачущие цены дают краткосрочный рост, но подрывают доверие в долгую.
Грань между этичной работой с поведенческими механизмами и тёмными паттернами минимальна, и именно поэтому хочется продвигать практики, которые помогают пользователю принимать решения, а не манипулируют ими. Эта статья — попытка систематизировать, как искажения проявляются в тревеле, как они влияют на ключевые метрики и где проходит граница между уважительным UX и манипуляцией.
Ключевые искажения в бронированиях
Я собрал небольшой справочник эффектов, которые мы регулярно встречаем в поиске, листингах и карточках отелей. Это не попытка создать энциклопедию всех существующих когнитивных искажений — скорее набор типовых кейсов, которые могут стать основой для продуктовых гипотез и обсуждения внутри команды.
1) Якорение (Anchoring)
Наш мозг цепляется за первую увиденную цифру и использует её как точку отсчёта. Даже если эта цифра случайна, она формирует ожидание «нормальной» цены.
Например:
Часто якорению пользователя способствует трюк с зачёркнутой старой ценой. Когда я выбирал отель, сначала увидел зачёркнутую цену 200, а рядом — 140. Хотя цифры условные, именно первая задала мне норму, и 140 автоматически показалась выгодной. Старые цены, особенно визуально выделенные, сильно сдвигают восприятие.
Как проверить, работает ли эффект на текущих пользователях:
Простой A/B-тест (50/50): показывать цену со старой зачёркнутой стоимостью и без неё, далее сравнить конверсию в оплату.
Опрос по чувствительности цены: попросить пользователей оценить «дорого/дёшево» без показа якоря.
Опрашивать тех, кто выбрал тариф со скидкой: открытый вопрос «Почему выбрали именно этот вариант?» — затем считать долю ответов, где упомянут якорь.
В интервью спрашивать: «какая для вас нормальная цена и как вы её определяете?»
Тестировать порядок блоков с тарифами: например, показывать самый дорогой первым и смотреть, как это влияет на CR.
Метрики, на которые влияет в первую очередь:
CR (Conversion Rate) — растёт, если якорь делает цену «выгодной», падает при его удалении.
AV (Average Value) — пользователи чаще выбирают более дорогие варианты, если они помечены скидкой.
PV (Perceived Value) — измеряется опросами; помогает понять, воспринимает ли пользователь выгоду или замечает манипуляцию.
Как работать этично:
Не завышать искусственно старые цены — показывать только реальные.
Объяснять причину снижения стоимости (например: партнёр изменил тариф).
Вместо «было/стало» можно тестировать сравнение со средней ценой по рынку (если она действительно корректная).
Регулярно тестировать порядок и представление тарифов — прозрачность часто работает не хуже скидок.
2) Социальное доказательство (Social Proof)
В условиях неопределённости мы ориентируемся на поведение других людей — особенно из близких нам групп.
Ища гостиницу для семьи, я читал отзывы именно от родителей: важна была тишина, безопасность, парки, рестораны. Если бы на карточке был бейдж «популярно среди семей», я бы потратил меньше времени на чтение отзывов — и вероятность бронирования выросла бы.
Пример отзывов пользователей как социального доказательства:
Как проверить эффект:
Убрать бейдж «популярно/выбор пользователей» и сравнить CTR карточки.
Сегментировать пользователей по типу или географии и проверить, где социальное доказательство влияет сильнее.
Эксперимент доверия: добавить специально неправдоподобный социальный сигнал и измерить доверие/CR (как правило, он не сработает, что полезно для валидации).
Метрики:
CTR карточки — растёт, когда есть заметный социальный сигнал.
Конверсии новых пользователей — сильнее всего реагируют те, кто впервые в продукте.
Review Interaction Rate — если пользователи меньше читают отзывы, значит, доверяют бейджу.
Time to decision — сокращается: социальное доказательство снижает неопределённость.
Как работать этично:
Уточнять формулировки: «Популярно среди семей с детьми до 6 лет», а не абстрактное «популярно».
Убрать фейковые триггеры вроде «3 человека смотрят этот отель прямо сейчас» или «Остался 1 номер» (если это не факт).
На исследованиях проверять, кому social proof действительно помогает. Эксперты, например, часто игнорируют его вовсе.
3) Подтверждающее искажение (Confirmation Bias)
Мы принимаем во внимание только те данные, которые подтверждают наши ожидания (в том числе как исследователи). Противоречивая информация автоматически игнорируется или «отфильтровывается».
Выбирая авиакомпанию, я заранее решил, что «с ними всё хорошо». Позитивные отзывы усиливали уверенность, а негативные мозг автоматом игнорировал. Когда я заставил себя почитать свежие жалобы, тревожность повысилась, но на выбор это не повлияло — ожидание победило факты.
Пример противоречия между общей оценкой и частной оценкой пользователя:
Как проверить эффект:
Показывать противоречивые отзывы на популярный отель и измерять изменение восприятия доверия / CR.
Анализировать, сколько людей кликают на фильтр «плохие отзывы» vs. «хорошие отзывы».
Переставлять порядок отзывов (негативные → сначала) и смотреть на CR.
В интервью спрашивать: почему они доверяют конкретным фразам/источникам?
Метрики:
CTR по блокам отзывов — если низкий, пользователи подтверждают свои убеждения, а не анализируют информацию.
Глубина прокрутки отзывов — низкая глубина = доверие ожиданиям.
NPS после отжития — совпало ли ожидание с реальностью (часто при подтверждающем искажении не совпадает).
Как работать этично:
Давать пользователю «честную картину»: показывать разные отзывы, предупреждать о важных нюансах.
Делать «честные сравнения» тарифов: плюсы/минусы каждого варианта.
Тестировать, как такие честные подсказки влияют на конверсию — часто они снижают отказов больше, чем кажется.
4) Искажение вероятности (Probability Bias)
Мы переоцениваем вероятность редких, ярких или эмоциональных событий и недооцениваем будничные риски. Мозг плохо работает с статистикой и слишком хорошо — с эмоциями.
После одного сильного турбулентного перелёта мой мозг решил: «самолёты опасны». Теперь я заранее ищу «самые безопасные авиакомпании» и предпочитаю наземный транспорт. При этом ехать по серпантину в тумане с ребёнком — казалось вполне нормальным. Логика отключилась, эмоция победила.
Когда мы находимся в тревожном состоянии, то при покупке сервиса особенно цепляемся за элементы подстраховки. Например, за возможность бесплатной отмены брони до определённой даты — причём обязательно с чётко и подробно прописанными условиями:
Как проверить эффект:
Отследить изменение бронирований после тревожных новостей (погода, аварии, политические события).
Посмотреть динамику покупки страховок до/после резонансных событий.
Провести тест разных тонов уведомлений: тревожный vs. нейтральный и посмотреть влияние на CR.
Метрики:
Uptake страховок — резко растёт после эмоциональных триггеров.
CR — страх может приводить к отменам или отказу от бронирования.
CSAT (удовлетворённость клиентов) по коммуникациям — меняется, если тон сервиса звучит тревожно или чрезмерно успокаивающе.
Как работать этично:
Давать статистику в контексте: «В 98% случаев гости успешно заселяются без задержек, даже при повышенной загрузке отеля».
Использовать нейтральные, спокойные формулировки.
Для B2B — визуализировать вероятности (heatmap, графики), а не перегружать текстом.
5) Фрейминг + эффект бесплатности (Framing & Zero Price)
Фрейминг — влияние формулировки на восприятие. Эффект бесплатности — мы сильно переоцениваем «бесплатное», даже если фактическая выгода нулевая.
Если завтрак стоит «7 евро на человека», меня это раздражает. Но если вижу «завтрак включён бесплатно», испытываю ощущение выгоды — хотя итоговая цена одинакова.
То же и с фреймингом: «95% гостей рекомендуют» и «5% не рекомендуют» — одно и то же, но выбор чаще падает на первый вариант.
Пример совокупности фрейминга и эффекта бесплатности на сайте Островка:
Как проверить:
A/B: тест разных формулировок («включено», «бесплатно», «со скидкой»).
Проводить price-perception survey: какие формулировки вызывают доверие, а какие — ощущение манипуляции.
В интервью спрашивать, как «бесплатность» влияет на решения: настораживает или ощущается как бонус.
Метрики:
CTR — растёт при позитивном фрейме.
CR — выше, если пользователь чувствует бонус, а не доплату.
ARPU (Average Revenue per User) — иногда падает, если «бесплатность» снижает ощущение ценности предложения.
Как работать этично:
Честно писать, что именно входит в цену (например, на чекауте)
Использовать формулировку «включено в цену» вместо «бесплатно», если это не подарок.
В исследованиях использовать нейтральные формулировки вопросов, чтобы не искажать ответы.
6) Цена = качество (Price–Quality Bias)
Мы склонны считать, что более дорогой вариант — автоматически лучше. Если не хотим тратить время на анализ, выбираем «подороже, чтобы не рисковать».
В поездке я выбрал отель чуть дороже, просто чтобы почувствовать уверенность: «раз он дороже — значит, точно хороший». Отзывы были одинаковы, но цена выступила прокси-метрикой качества.
Похожий пример:
Как проверить:
A/B: сортировка не по цене, а по комфорту, рейтингу или другим характеристикам.
Анализ распределения кликов: делят ли пользователи внимание между тарифами или уходят в более дорогие.
Тест разных порядков и оформления цен (дорогой вариант — первым/последним).
UX-интервью: спросить «Почему выбрали этот тариф?» — ответ «показался надёжнее» встречается очень часто.
Метрики:
Price Distribution Analysis — смещение вверх указывает на переоценку дорогих вариантов.
CR в дорогих категориях — рост без повышения NPS может означать «покупку спокойствия».
Возвраты на более дешёвые тарифы — если премиум разочаровал.
Как работать этично:
Показывать реальные различия: площадь, рейтинг, расстояние, удобства.
Делать честные сравнения: «Разница €20 — это +10 м² и вид на море».
Не выделять премиальные варианты визуально, если они не объективно лучше.
7) Авторитет (Authority)
Мы доверяем сигналам авторитета — реального или мнимого. Бейджи, экспертные рекомендации, регалии — всё это может формировать ощущение «сюда можно».
Бейдж «Выбор путешественников» или «Отель года» часто воспринимается как гарантия качества. Я сам иногда доверяю таким меткам — особенно в сферах, где плохо разбираюсь (например, в выборе автосервиса).
Как проверить:
Убрать бейдж «Выбор путешественников» и сравнить CR.
Протестировать разные формулировки: «рекомендовано экспертами» vs. «рекомендовано пользователями».
Метрики:
CR — растёт, если пользователи доверяют авторитету.
NPS (Net Promoter Score) — помогает понять, не вызывает ли «авторитетный» бейдж разочарования после опыта.
Retention — падает, если ожидания не совпали с реальностью.
Как работать этично:
Указывать источник (например, «по данным Островка»)
Разделять пользовательские и профессиональные награды и объяснять, что стоит за каждой.
8) Ошибка выжившего (Survivorship)
Мы часто ориентируемся на success stories и игнорируем факапы.
Выбирая город для отдыха с семьей, я расспрашивал друзей только о «классных местах» и «удачных моментах». Уже потом понял, что ни у кого не спросил про сложности: проблемы с ребёнком, неудачные районы, плохой сервис. В интерфейсах происходит то же самое — мы показываем удачные сценарии и редко даём контекст, в котором пользователи сталкиваются с трудностями.
Как проверить:
Проанализировать сценарии отказа и отмен
Запустить исследования с «недошедшими пользователями».
Изучить, где и почему пользователи выпадают на критических шагах.
Метрики:
Cancellation Rate — высокий показатель указывает на невидимые причины разочарования.
Отказы на оплате — маркер скрытых барьеров.
NPS по сегментам — сравнение «довольных» и «разочарованных» показывает слепые зоны продукта.
Как работать этично:
Собрать и анализировать негативные сценарии.
Давать честные описания: например, «без питания, но ближе к аэропорту».
Исследовать не только активных, но и пассивных пользователей.
9) Эффект Даннинга–Крюгера
Чем меньше мы знаем, тем больше уверены в своём опыте.
В моём случае — первый перелёт с ребёнком. Я думал, что готов полностью: коляска, багаж, время. Реальность: проблемы были совершенно в других местах — сон, еда, поиск тихих зон, стресс и эпизодические «кризисы» прямо в аэропорту. То же и в продукте: новые пользователи часто переоценивают свои навыки, недооценивают сложность и совершают ошибки.
Как проверить:
Сегментировать пользователей по опыту (новые/опытные)
Анализировать ошибки и обращения в поддержку у новичков vs опытных.
Метрики:
Рост обращений в саппорт у новичков — показатель когнитивной перегрузки.
Task Success Rate — если низкий у новых пользователей, интерфейс сложнее, чем кажется.
Повторные покупки/бронирования — падают, если первый опыт оказался стрессовым.
Как работать этично:
Контекстная помощь: «Впервые бронируете жильё?» / «Первый перелёт с ребёнком?»
Простые гайды и адаптивный UX под уровень опыта.
В исследованиях — не доверять самооценке пользователя («я эксперт»).
10) Отвлечение внимания (Distraction)
Визуальный шум и конкурирующие стимулы резко снижают способность к фокусировке.
В аэропорту я одновременно следил за ребёнком, чемоданами, кофе и паспортами. Любая реклама вокруг просто «не существовала» — мозг был перегружен. В интерфейсах происходит то же самое: насыщенные экраны проигрывают не из-за плохого UI, а из-за когнитивной усталости.
Как проверить:
Измерять количество rage-clicks и возвратов на предыдущие шаги.
Сегментировать по устройствам (мобильный контекст усиливает шум).
Использовать карты кликов и UX-тесты, чтобы увидеть ошибки поведения.
Метрики:
Drop-off Rate — процент пользователей, которые «сдались», то есть прекратили выполнение процесса.
Rage Clicks — клики по неработающим элементам, знак фрустрации.
Error Rate — количество пользовательских ошибок растёт при перегрузке.
Как работать этично:
Уменьшить количество раздражителей на критических шагах.
Добавить режим фокуса (например, минимум уведомлений на оплате).
Если есть eye-tracking — выявить когнитивные перегрузки.
11) Переизбыток выбора (Choice Overload)
Слишком много вариантов парализует.
Мне нравится выбирать жильё, но если опций слишком много и они похожи друг на друга, решение превращается в мучение. Мне требуется несколько заходов, и финальное решение принимается только тогда, когда интерфейс «берёт часть ответственности на себя».
Пример «блочной» реализации вывода вариантов размещения в Островке:
Как проверить:
A/B: ограничить выдачу, условно, до 20 вариантов.
Измерить корреляцию между числом просмотренных карточек и CR.
Найти момент, где начинается «зависание» и паузы.
Метрики:
Average Viewed Items — рост = тревожность.
Time to Decision — удлиняется при перегрузке.
CR — падает при большом количестве вариантов.
Session Depth — много действий без результата.
Как работать этично:
Давать хорошие фильтры и короткие списки.
Показывать 3–5 персонализированных рекомендаций.
Замерять скорость принятия решения как отдельную метрику.
12) Эффект компромисса (Compromise Effect)
При наличии трёх вариантов люди чаще выбирают средний — «чтобы не ошибиться».
Именно поэтому «Оптимальный тариф» почти всегда продаётся лучше других. Сам я выбрал среднюю страховку, даже не глядя детали — крайние варианты выглядели либо слишком дорогими, либо слишком рискованными.
Как проверить:
Менять порядок и названия тарифов.
Тестировать разные формулировки: «оптимальный» vs «расширенный».
Метрики:
Распределение по тарифам — аномально высокая доля среднего варианта = эффект работает.
ARPU может расти, если средний тариф оказывается «золотой серединой».
Как работать этично:
Добавлять честные подсказки: «подходит для…».
Избегать ложных компромиссов, где средний тариф сделан искусственно привлекательным.
В сухом остатке — что делать с продуктом?
Определить ключевые сегменты пользователей. Нельзя корректно анализировать искажения «усреднённо». Новички, тревожные путешественники, рациональные покупатели — реагируют по-разному.
Проанализировать весь путь пользователя. Найти места, где искажения уже присутствуют, и понять, какие из них помогают, а какие вредят.
Выбрать приоритетные искажения и спроектировать эксперименты. Для каждого — гипотезы и тесты («Как проверить…» выше).
Измерить ключевые метрики и смотреть на сегменты, а не на усреднения. CR, AOV, Cancellation, Retention, NPS, обращения, тональность отзывов.
-
Добавить этические ограничения:
- Правдивость дефицита
- Видимый путь отмены
- Честные рейтинги и одинаковое качество фото
- Нейтральность фрейминга, когда это важно
Снова проверить метрики — но помнить, что аналитика тоже подвержена искажениям. Например, это может быть ошибка выжившего в данных или ложная корреляция.
Анализ нашего сервиса
Важно признать: полностью избавиться от искажений нельзя, и это не наша цель. Задача — понять, где искажения помогают пользователю, а где — причиняют вред, и иметь план экспериментов и этических ограничений.
Ниже — сжатый разбор текущих наблюдений по интерфейсу Островка и планируемые шаги.
1. Страница поиска / стартовый экран
На этой странице пользователь действительно чаще начинает поиск — работает в том числе эффект вовлечения через ощущение выбора и изобилия. Но слишком сильный позитивный фрейм снижает доверие: тексты начинают звучать рекламно.
Поэтому мы планируем протестировать более аккуратный вариант — сохранить позитивный тон, убрать гиперболы и перейти к формулировкам уровня «тысячи проверенных отелей и квартир по всему миру», которые звучат увереннее и надёжнее.
2. Блоки рекомендаций
На этой странице поведенческие паттерны работают не против пользователя, а вместе с ним. Позитивный фрейминг («Низкие цены», «Отели по всему миру», «Заботливая поддержка 24/7») усиливает ощущение контроля и снижает тревожность перед выбором.
Социальное доказательство в блоке «Популярные направления» помогает уменьшить когнитивную нагрузку: это не давление, а способ снизить неопределённость для тех, кто ещё выбирает направление.
Ценовой якорь здесь тоже уместен — он отражает реальную стоимость проживания в этом районе Москвы, добавляет контекст и помогает быстрее сориентироваться в уровне цен.
3. Листинг отелей
Этот экран — хороший пример того, как когнитивные эффекты можно использовать конструктивно и без лишних манипуляций (полностью избежать их невозможно). Рейтинги, бейджи и цены помогают ориентироваться в избыточной информации, а позитивный фрейминг («бесплатная отмена», «оплата на месте») снижает стресс. Сортировка по цене создаёт ощущение выбора без давления, хотя, конечно, формирует ценовой якорь.
Мы уже исследуем, как отдельные элементы интерфейса и их комбинации влияют на вероятность бронирования и покупку, а также планируем протестировать разные варианты отображения цены (например, с указанием скидки в рублях или %).
Понимая риски когнитивной усталости из-за множества иконок, фильтров и информационных блоков, мы тестируем сокращение количества фич и фильтров.
Ещё в планах — проверить разные формулировки текстов, которые могут усиливать FOMO или тревожность, и сравнить более нейтральные варианты, чтобы оценить их влияние на конверсию в регистрацию.
***
Мы создаём продукты не для роботов, а для людей с предсказуемыми ошибками мышления — и сами подвержены тем же ошибкам. Моя цель в этой статье — не объявить войну когнитивным искажениям (это невозможно), а научиться работать с ними осознанно и этично.
Если игнорировать искажения, можно создать логически правильный, но эмоционально неудобный продукт. Да, иногда отказ от манипулятивных практик может снизить конверсию «в моменте», но долгосрочно честный и спокойный опыт формирует доверие, лояльность и высокий retention.
А вы учитываете когнитивные искажения в работе над своими продуктами? Или, может, замечаете их за собой? Делитесь в комментариях — обсудим!