Кейс “FindMeCar | Web-App”
3-5 мин чтения
FindMeCar - AI-платформа для интеллектуального
поиска автомобилей на рынке США
FindMeCar - AI-платформа для
интеллектуального поиска
автомобилей на рынке США
Спроектировал MVP веб-сервиса с нуля: разработал архитектуру продукта, интегрировал AI в сценарий поиска,
продумал подписочную модель и систему автоматического мониторинга новых объявлений.
Роль
Middle UX/UI дизайнер
Задачи
Архитектура продукта, Сценарии работы с AI, User Flow, Дизайн Web-приложения, UI-дизайн
Срок
2026 (1 месяц)
Смотреть сервис
Смотреть приложение
О продукте
FindMeCar — AI-сервис для интеллектуального поиска автомобилей на рынке США. Вместо классических фильтров пользователь может описать свои требования естественным языком, а система анализирует объявления, оценивает их качество и помогает быстрее найти подходящий автомобиль.
Моя роль
Спроектировал MVP продукта с нуля: участвовал в формировании пользовательских сценариев, проектировании архитектуры сервиса, интеграции AI в поиск, разработке подписочной модели и интерфейсов веб-приложения.
Спроектировали гибридный поиск, объединив
привычные фильтры и возможности AI
Контекст
На старте проекта главный вопрос звучал достаточно просто: Как пользователь должен искать автомобиль?
Первой идеей было полностью отказаться от привычных фильтров и использовать только AI-чат по аналогии с ChatGPT. Однако такой подход создавал несколько проблем: пользователю было сложнее быстро задать базовые параметры автомобиля, а результаты поиска становились менее предсказуемыми.
С другой стороны, классические фильтры не позволяли учитывать пожелания, которые невозможно описать готовыми полями.
Гипотеза
Если объединить привычные фильтры с AI, пользователи смогут быстро задавать объективные параметры автомобиля, а AI будет использоваться для уточнения более сложных требований.
Решение
Мы построили поиск из двух частей. Пользователь сначала заполняет основные параметры: марку, модель, поколение, пробег, бюджет, тип двигателя и другие технические характеристики.
После этого он может дополнить запрос обычным языком.
Например: «Ищу BMW M5 F90 без ДТП, в тёмном цвете, с минимальным количеством владельцев и хорошей историей обслуживания.»
AI использует этот комментарий как дополнительный слой анализа и ищет объявления, максимально соответствующие запросу. Так текст занимает меньше места, а смысл остается тем же. Для кейса это даже предпочтительнее — он выглядит более плотным и легче сканируется взглядом.
Результат
Получился сценарий, который сочетает скорость классического поиска и гибкость AI. Пользователь не изучает, как правильно формулировать запрос, а использует привычные фильтры и при необходимости дополняет их естественным языком.
Спроектировал архитектуру сервиса
вокруг сценария постоянного поиска
Контекст
Пользователи редко находят подходящий автомобиль с первого запроса. Обычно поиск занимает дни или недели, а человек регулярно возвращается к ранее созданным запросам.
Гипотеза
Если сделать историю поиска полноценной частью интерфейса, пользователю будет проще продолжать работу без необходимости заново создавать запросы.
Решение
Основой интерфейса стал sidebar, вдохновлённый современными AI-продуктами. В нём разместили: историю поисковых сессий, быстрый переход между запросами, управление профилем.
Такой подход позволил воспринимать каждый поиск как отдельную рабочую сессию, к которой можно вернуться в любой момент.
Результат
Интерфейс стал ближе к привычной модели взаимодействия с AI-сервисами и значительно упростил повторное использование поиска.
Спроектировал подписочную модель
без навязчивых ограничений
Контекст
Проект изначально строился вокруг подписочной модели. При этом важно было сохранить ценность бесплатного тарифа и не создавать ощущение искусственных ограничений.
Решение
Спроектировал полный пользовательский путь работы с подпиской: выбор тарифа, оформление, смена плана, отмена подписки, повторное подключение.
Дополнительно продумал точки появления информации о тарифах: системные баннеры, ограничения функций и уведомления показывались только в релевантных сценариях, когда пользователь действительно сталкивался
с лимитами.
Результат
Подписочная модель стала частью пользовательского сценария и не отвлекала от основной задачи — поиска автомобиля.
Помимо ключевых решений
Что еще удалось реализовать
- Спроектировал архитектуру MVP веб-сервиса.
- Продумал интеграцию AI в пользовательский сценарий поиска.
- Разработал гибридную модель поиска (фильтры + AI).
- Спроектировал систему подписок и пользовательские сценарии управления тарифами.
- Реализовал архитектуру поиска с историей запросов.
- Спроектировал Auto Scout для автоматического мониторинга новых объявлений.
- Разработал систему статусов и оценки найденных автомобилей.
- Подготовил масштабируемую основу для дальнейшего развития продукта.
- Разработал маркетинговый лендинг, который знакомит пользователей с продуктом, объясняет преимущества AI-поиска и ведет к регистрации.
Итог
В рамках проекта удалось спроектировать основу AI-сервиса для поиска автомобилей: определить ключевые пользовательские сценарии, выстроить архитектуру продукта, интегрировать AI в процесс поиска, разработать подписочную модель и систему автоматического мониторинга рынка.
