Контекст
MC Intermark Auto — крупный провайдер корпоративного лизинга автомобилей (масштаб: 150 городов, 7000+ машин в парке, 1400 поставщиков). Ключевая бизнес-цель — обеспечить качественное и бесперебойное обслуживание клиентских автопарков, оптимизировав при этом внутренние операционные расходы на поддержку. Я — единственный дизайнер на проекте.
Проблема
Критически высокая нагрузка на менеджеров из-за отсутствия единой цифровой экосистемы. До старта проекта все записи велись в Excel или через примитивный личный кабинет, ограниченный одной функцией (заявка на ТО).
Цель
Перевести все сценарии менеджеров в self-service, снизить операционную нагрузку на бизнес
Изначальное ТЗ было расплывчатым: клиент не мог объяснить, как устроен процесс работы со штрафами ГИБДД. Постановления с камер на все 7000 машин сваливались в хаотичные Excel-таблицы. Из-за этого менеджеры путались, регулярно пропускали льготные сроки оплаты, и автопарк терял деньги на просрочках.
Я попросил менеджеров скинуть их рабочие Excel-файлы со штрафами и наглядно показать, как они их сводят. Разбор этих таблиц показал, что пользователям нужна не сложная система фильтров, а мгновенный визуальный триаж «горящих» задолженностей и возможность массовых операций.
Спроектировал интерфейс для массовой обработки штрафов. Внедрил табы-статусы со счётчиками (Новые, Оспариваются, Просрочены) для мгновенной сортировки, добавил чекбоксы для групповой оплаты постановлений в один клик и кастомную настройку столбцов.
Экраны
Старый личный кабинет позволял оформить только заявку на базовое техобслуживание. Для любых других услуг (шиномонтаж, перегон, оформление ДТП) водители и флит-менеджеры были вынуждены созваниваться. Это создавало пробел в процессах и критически перегружало поддержку.
Провел аудит работы первой линии поддержки и проанализировал записи телефонных обращений. Выяснилось, что при приеме заявок операторы использовали сложные скрипты с десятками ветвлений: сценарий опроса при ДТП кардинально отличался от записи на плановое ТО. Составив CJM текущих офлайн-процессов, я создал все обязательные атрибуты для каждой категории, чтобы выявить логику зависимостей.
Спроектировал единый self-service флоу с динамической маршрутизацией. Форма создания новой заявки стала работать как умный конструктор: состав полей (выбор автомобиля, геопозиция, данные менеджера) автоматически перестраивается в зависимости от выбранной категории, избавляя пользователя от заполнения лишней информации.
Экраны
Вся информация по конкретному автомобилю (технические характеристики, договоры лизинга, страховые полисы, история ТО и штрафы) была размазана по огромным, неповоротливым Excel-таблицам. Из-за отсутствия единого цифрового профиля менеджерам приходилось собирать данные по одной машине из разных файлов и вкладок, что занимало много времени и создавало сильную когнитивную перегрузку.
При проектировании интерфейса с нуля я провел инвентаризацию всех атрибутов автомобиля и сессии карточной сортировки с флит-менеджерами. Выяснилось, что при переходе в цифру вываливать все данные на экран единым полотном нельзя: специалисту редко нужны все параметры одновременно. Обычно он ищет конкретный блок (например, проверить только срок ОСАГО или посмотреть активные заявки).
Спроектировал многоуровневую десктопную карточку по принципу прогрессивного раскрытия. Вся информация упакована в логические блоки (Характеристики, Условия договора, Полис, Заявки, Штрафы). По умолчанию они свернуты, но сразу показывают важные бейджи и счётчики на уровне заголовка. Это позволило объединить разрозненные данные из Excel в чистый, легко сканируемый профиль с высокой плотностью данных.
Экраны
TSR = 90%
По итогам юзабилити 9/10 менеджеров прошли выделенные сценарии безошибочно
Kassir.ru
Разработал флоу AI-онбординга, сложную логику подбора событий и gifting-механику, чтобы закрыть потребность пользователей в спонтанном выборе досуга. Retention D14 вырос на 7,4 п.п., TTV сократился на 21%.
ВАНТА
Переосмыслил воронку продаж: спроектировал гибридную систему идентификации, динамический POS-калькулятор и омниканальное самооформление по QR-коду. Ключевой результат — время заполнения заявки сократилось с 11 до 6 минут.