Para cinéfilos, não há nada mais prazeroso que colecionar uma lista dos filmes e séries já assistidos. O Moviestr é um app gratuito para você classificar em minutos todos os filmes que você já assistiu e descobrir novos títulos baseado no seu gosto pessoal.

Objetivo do app

Uma pesquisa revelou que já existiam apps que permitissem o usuário colecionar filmes. Esse não era o problema que queríamos resolver com o Moviestr.

Nosso problema era fazer o usuário construir em minutos uma coleção de todos seus filmes, sem que ele tivesse que lembrar de tudo que já assistiu na vida.

Foi então quando eu e o developer Daniel Batiston estávamos tomando café que descobrimos o Trakt. Um serviço muito completo de catálogo de filmes e séries com API rica e acessível a qualquer desenvolvedor. A ideia do Moviestr surgiu aí, com uns rabiscos em guardanapos e bastante entusiasmo!

E graças ao Trakt isso estava ao nosso alcance de resolver. Por que esperar que o usuário lembre de cada filme se nós podíamos sugerir todo o catálogo do Trakt com base no gosto pessoal de cada indivíduo?

O sucesso seria construir nossa própria coleção de filmes em minutos sincronizada com o Trakt. Foi com esse objetivo em mente que começamos os rabiscos do protótipo.

Protótipo e aprendizado

Testamos alguns aplicativos do mercado em busca de referências e ideias. Uma das coisas que identificamos depois foi que o uso de gestos poderia acelerar a interação, além de tornar a classificação de filmes algo natural.

Um protótipo sem interface elaborada foi feito para testarmos algumas hipóteses que tínhamos sobre o serviço do Trakt. Durante nossos primeiros testes com a API tivemos alguns aprendizados:

Sugerir filmes aleatoriamente para o usuário poderia frustrá-lo. Títulos de gêneros que não fossem do interesse dele poderiam aparecer numa sequência muito grande, motivando-o a desistir. Aprendemos aqui que uma mecânica de refinar a fila de sugestão tinha de ser construída.
Permitir que o usuário informe os gêneros que gosta poderia ser uma solução para refinar as sugestões de filmes, porém, isso eliminaria a possibilidade de sugerir alguns títulos que realmente pudessem ser do interesse do usuário.
Por exemplo: testamos eliminar filmes com gênero “Suspense” na expectativa de reduzir sugestões desse tipo.
Neste caso, títulos de “Suspense Policial” que também estavam contidos em “Suspense” começaram a aparecer com certa raridade – isso deixou o algoritmo de sugestões um bocado limitado, então permitir que o usuário informasse os gêneros que gosta se provou uma prática não muito efetiva.
Aprendemos aqui que o algoritmo que decide o que sugerir pro usuário deveria ser inteligente ao ponto do usuário não precisar entregar essa informação declaradamente, e flexível ao ponto de não eliminar todas as sugestões de um gênero.
Botões para curtir e não curtir filmes tinham pouco feedback tátil e isso tornou o processo menos ágil do que gostaríamos. Aprendemos aqui que gestos tiveram uma resposta mais natural e rápida.
Gestos, apesar de acelerarem o processo para o usuário avançado, eram desconhecidos para os novatos e eles tinham de explorar isso até ter alcançar a produtividade. Aprendemos aqui que algum tipo de dica ou vídeo explicativo seria necessário para ensinar 3 gestos básicos.
Carregar a capa dos filmes quando eles vão aparecer na tela, deixou o processo de decisão de curtir, ou não curtir, lento. Aprendemos aqui que as capas deveriam ser pré-carregadas antes de aparecer na tela.
O usuário poderia informar erroneamente que não gosta de algum filme. Aprendemos aqui que isso deveria ser reversível de alguma forma.
Alguns títulos nunca chegariam a aparecer na lista de sugestões. Eu por exemplo assisti alguns filmes coreanos que o Trakt nunca apresentava nos testes, porém, através da busca apareciam no catálogo. Aprendamos neste ponto que uma busca teria de ser desenvolvida para refinar a coleção de filmes do usuário ao máximo.
Durante o processo de classificação de “gostar” e “não gostar” de um filme, a vontade de conhecer melhor o filme para decidir se ele entraria numa “Watchlist” ou “Trashlist” se provou comum com as pessoas que apresentamos o protótipo. Nessa etapa aprendemos que de repente mostrar detalhes do filme, com trailer e classificação do filme seria interessante pro usuário.

Desenhar a interface foi consequência de todos estes testes práticos com a API e uma interface simples.

Tendo isso na bagagem começamos a desenhar o app como depois ele veio a ser programado.

Personalidade e ícones

Para os ícones da interface, inicialmente sinalizamos com ícones padrão e isso deixou o App sem muito personalidade. Ao adicionar um pouco de personalidade e referências a filmes, a interface começou a ficar um pouco mais autêntica.

O ícone de “Like” foi desenhado pensando na luvinha que o Mickey usa nos desenhos, uma referência sutil.

O símbolo de “Watched” tinha de ser um formato de olho no contexto que estávamos criando. Nada mais memorável do que o “Olho da Torre de Barad-dûr” do Senhor dos Anéis.

O ícone de “Dislike” foi desenhado para parecer uma mão zumbi. Uma referência a todos os filmes clássicos do gênero.

Desenho do ícone do app

Sempre gostei muito de apps com ícones simples e objetivos – com personalidade. Para alcançar isso, inicialmente tive várias ideias de símbolos. Alguns ícones foram desenhados neste estágio, e na sequencia, testei o feedback deles com a comunidade do Dribbble – Felizmente, o mais curtido foi o que eu e o desenvolvedor do projeto também havíamos gostado.

Editei o ícone escolhido para ficar um pouco mais simples, com menos formas. Uma pesquisa na App Store, me apontou a direção de fazer o ícone branco pelo destaque que o branco cria durante a seleção de aplicativos no iPhone.

Outra vantagem de se usar o branco é que ele isola a cor da forma que está dentro do ícone com relação ao fundo que o usuário escolhe para a tela de início. Por exemplo, quando você escolhe uma imagem com fundo verde, como imagem de fundo do iPhone, seus ícones verdes tendem a perder destaque.

Em raros casos alguém escolhe um wallpaper branco. É daí que vem essa minha percepção de que o branco é uma cor “isolante” para o fundo de ícones de apps.

Mudança para o preto

Testando algumas ideias, percebemos que faria mais sentido o ícone ser preto. Além de transmitir melhor o que o App era, uma animação de abertura mesclando o ícone com a splashscreen criaria um efeito muito bacana que estávamos buscando. Continuar com o ícone branco arranharia a UX, a interface era escura para valorizar as capas de filmes, o ícone em branco faria uma transição brusca do claro para o escuro na animação de abertura do app e por isso a mudança.

Matamos a minha ideia de usar branco, mesmo com todos os argumentos, a experiência sempre fala mais alto e mudei então o ícone para uma versão “dark” e as coisas começaram a fazer mais sentido.

Sobre o aprendizado do Moviestr

O desenvolvedor do app, Daniel Batiston, explica algumas particularidades e detalhes técnicos da inteligência de aprendizado do app e como ele relaciona os títulos:

A cada filme que o usuário classifica como assistido e que gostou, o Moviestr utiliza novamente a API do Trakt.tv para listar os filmes relacionados (uns 10 filmes) mas não para por aí.

Para cada filme classificado, o Moviestr monta um ranking com base nas categorias/gêneros dos filmes (action, adventure, science-fiction, superhero, etc). As ações do usuário são pontuadas com mais relevância para as categorias dos filmes que o usuário assistiu e gostou, fazendo também parte da equação os filmes na lista para assistir mais tarde. Pontos são descontados para filmes nas categorias dos filmes que o usuário não gostou e que colocou na lixeira. E assim, o Moviestr relaciona e pontua para determinar a proporção de cada tipo de filme para o usuário.

Toda vez que o usuário procura descobrir novos filmes, o app lista com pelo menos 2 ou 3 títulos para cada categoria melhor pontuada, levando em consideração o ano de lançamento do filme e número de pessoas que assistiram (dado fornecido pelo Trakt.tv).

O fato de cada filme pertencer a diversas categorias e cada ação ter um ranqueamento diferente torna esse processo muito dinâmico e balanceado, evitando por exemplo de que usuário visualize somente filmes de uma categoria favorita e deixando de conhecer novos títulos.

Assim que um filme é classificado, todo esse processo acontece novamente, atualizando naturalmente o ranking e refinando a busca considerando o novo aprendizado de preferências do usuário.

Resultados e futuro

Moviestr atingiu nosso objetivo de montar a coleção de filmes em minutos! Recebemos ótimos reviews na AppStore e feedback das pessoas. O app inclusive marcou presença na indicação do Podcast CocaTech.

Você pode baixar e conhecer um pouco mais do projeto na prática através do link.

Instale o app