AI Crypto Trading Helper
AI Crypto Trading Helper
- Пользователи: трейдеры уровня beginner–middle, которым не хватает времени/уверенности для анализа.
- Ценность: торговый помощник с понятной логикой, а не «волшебная палочка»
- Функции AI: формирование сценария сделки (монета, вход/выход/стоп/риски) и аргументация решения.
- Границы продукта: не брокер, не управление средствами, не автоторговля
ЦЕЛЬ / ЗАДАЧА
ОПИСАНИЕ
Figma / FigJam
Инструменты:
2 недели
Срок выполнения
Product Designer (UX/UI)
Роль в работе
ОБЗОР ПРОЕКТА
Инструменты:
Figma / FigJam
Срок выполнения
2 недели
Роль в работе
Product Designer (UX/UI)
ОБЗОР ПРОЕКТА
Создать понятный и сфокусированный UX, который делает AI-сигналы прозрачными, повышает доверие к приложению, снижает когнитивную нагрузку и помогает пользователю быстрее и увереннее принимать торговые решения.
ПРОБЛЕМА
Трейдинг-приложения часто перегружены данными, а логика AI-сигналов остаётся неочевидной. Это снижает доверие к рекомендациям, увеличивает время принятия решений и усиливает стресс в условиях высокой волатильности.
AI Trading Helper — мобильный ИИ-помощник для криптотрейдинга: превращает рыночные данные в объяснимый торговый план с акцентом на риск-менеджмент.
Процесс проектирования
Исследование
UX-Архитектура
UI-Дизайн
Тестирование
СИНТЕЗ: CJM
ПОЛЬЗОВАТЕЛЬСКИЕ ИНСАЙТЫ
ИССЛЕДОВАНИЕ
АНАЛИЗ КОНКУРЕНТОВ
- Пользователям важно понимать, почему AI даёт сигнал, даже краткое объяснение повышает доверие.
- Перед оценкой сигнала пользователи хотят видеть общее состояние рынка, что бы задать контекст.
- Большое количество ненужных сигналов воспринимается как шум, фокус на релевантных активах повышает ценность.
- В момент принятия решения пользователи осообенно чувствительны к перегрузке интерфейса.
На основе анализа отзывов и тематических источников, были выявлены следующие инсайты:
Анализ конкурентов
Пользовательские инсайты
Построение CJM
Пользовательские инсайты
Построение CJM
Этапы взаимодействия → Мысли/Чувства → Боли → UX-Решения
Провёл конкурентный анализ криптотрейдинг-приложений с сигналами и оценил, как они показывают рекомендацию, риск и логику “почему”. Анализ показал, что большинство решений перегружены метриками, используют сложную визуальную подачу и не объясняют логику AI-сигналов, что усиливает тревожность и снижает доверие.
- Цель онбординга: довести до первого успешного сценария “понял сигнал → оценил риск → решил действовать/пропустить”.
- Цель paywall: конвертировать пользователей, которые уже увидели ценность (после просмотра примера/первого сигнала), сохраняя доверие.
Онбординг и paywall — ключевые точки активации и монетизации. В онбординге я передал первый опыт, который демонстрирует ценность за ~30 секунд: понятный AI-сигнал с логикой и риском. Paywall сделал продолжением этого опыта — экран чётко показывает ценность и преимущества, без завышенных ожиданий.
По результатам исследований я выделил ключевые моменты, где пользователь чаще всего теряется: контекст рынка, объяснимость сигнала и оценка риска. Под них спроектировал user flow: быстрый доступ к сигналам → экран сделки с объяснением и риск-менеджментом, без лишних шагов и усложнений.
РЕШЕНИЕ ЗАДАЧИ
ОНБОРДИНГ И PAYWALL
USER FLOW
ЦВЕТОВАЯ ПАЛИТРА
ТИПОГРАФИКА
AaBb
Background
#010710
Text Colour
#FFFFFF
Primary
#7C1FE0
Primary
#5054CC
Secondary
#A9A9B1
Secondary
#0008F3
Body1-Rg-18px
Body2-Rg-16px
Body2-Rg-14px
Heading1-Rg-28px
Heading2-Rg-24px
Heading3-Rg-20px
SF Pro
ПОСТРОЕНИЕ ДИЗАЙН-СИСТЕМЫ
Собрал компонентную библиотеку и базовые правила UI, чтобы быстрее собирать экраны и сохранять консистентность в ключевых сценариях, а так же ускорить масштабирование при дальнейших итерациях.
Итоговые экраны
Онбординг → Первый шаг:
79% пользователей
Free → Subscription:
7% пользователей
D7 Retention:
15% пользователей
D1 Retention:
38% пользователей
За проект я спроектировал end-to-end опыт: от исследований и сценариев до финальных экранов и компонентной библиотеки. Решение делает AI-сигналы объяснимыми и риск-ориентированными, снижая перегруз и ускоряя принятие решения. Структура флоу и UI kit закладывают основу для дальнейшего масштабирования продукта.
ВЫВОД
РЕЗУЛЬТАТЫ
