Poprowadziłem projekt predykcyjnej platformy ryzyka, pozyskując kluczowych klientów i obniżając koszty zgodności o 50%

Wskazanie kluczowych problemów użyteczności i zgodności

Sformułowanie problemu

„Doświadczenie użytkownika w Merkle Science jest utrudnione przez nadmierną złożoność danych i ograniczoną personalizację, co utrudnia specjalistom ds. zgodności i analitykom kryminalistycznym skuteczne wykrywanie i zapobieganie przestępstwom związanym z kryptowalutami.”

Cele i mierniki sukcesu

1. Uproszczenie dashboardów: Skrócenie czasu, jaki specjaliści ds. zgodności spędzają na sortowaniu danych, o 30% .
2. Ulepszenie narzędzi raportowania: Zwiększenie efektywności codziennych zadań analityków kryminalistycznych o 25% .
3. Wyróżnienie na tle konkurencji: Zaoferowanie przyjaznych, a jednocześnie wysoce konfigurowalnych funkcji przewyższających konkurencję (Chainalysis, Elliptic).

Analiza konkurencji

1. Chainalysis: Potężne funkcje kryminalistyczne, ale skomplikowany, przytłaczający interfejs.
2. Elliptic: Bardziej przyjazny, ale ograniczona personalizacja.
3. Nasza przewaga: Podejście hybrydowe — głęboka funkcjonalność z czystym interfejsem i monitorowaniem transakcji opartym na zachowaniach, które wyróżnia się na rynku.

Prototyp: iteracyjny projekt dla optymalnej użyteczności

Zmapowałem kluczowe przepływy pracy (przegląd transakcji, przegląd alarmów, raportowanie spraw) i skupiłem się na przejrzystości nawigacji oraz minimalnym bałaganie.

Kolejnym krokiem było wprowadzenie elementów marki , placeholderów wykresów i wstępnych schematów kolorów. Następnie zacząłem testować z wybranymi specjalistami ds. zgodności, aby potwierdzić logiczny przepływ danych.

Na koniec zbudowałem w Figmie interaktywne prototypy z zaawansowaną logiką filtrowania i dynamicznymi przejściami wykresów. Zadbałem też o to, by prezentowały solidny mechanizm raportowania, w tym funkcję „dołącz dowody” dla zespołów kryminalistycznych.

Testuj i udoskonalaj: weryfikacja wzrostu użyteczności

Gdy udoskonaliliśmy prototyp, przeszliśmy do cykli ciągłego doskonalenia:

1. Metryki czasu wykonania zadania: Zaobserwowaliśmy 20% wzrost zaangażowania użytkowników i 15% spadek czasu wykonywania zadań.
2. Personalizacja dashboardu: Zmniejszyliśmy nakład na zarządzanie danymi o 30% dla specjalistów ds. zgodności.
3. Raportowanie kryminalistyczne: Skróciliśmy średni czas dochodzenia o 25% dzięki rozbudowanym funkcjom eksportu.

Gdy dołączyłem do Merkle Science, platforma obsługiwała już krytyczne funkcje, takie jak monitorowanie transakcji , dochodzenia kryminalistyczne i szkolenia ze zgodności . Jednak interfejs i przepływy pracy były zbyt złożone, co wymagało stromej krzywej uczenia się i było bardzo nieefektywne.

Od początku miałem kilka nasuwających się pytań:

Kim dokładnie są nasi główni użytkownicy (np. specjaliści ds. zgodności vs. analitycy kryminalistyczni vs. regulatorzy)?

Jakie są ich największe bolączki związane z analizą ryzyka kryptowalut?

Jak możemy uprościć prezentację danych, nie tracąc krytycznych szczegółów?

Aby odpowiedzieć na te pytania, zorganizowałem międzydziałowy warsztat (z udziałem menedżerów produktu, lidera obsługi klienta, developerów i marketingu), aby doprecyzować obecne możliwości platformy i zidentyfikować kluczowe wyzwania użytkowników. Wynik warsztatu jasno pokazał, że segment specjalistów ds. zgodności wśród naszych użytkowników mierzył się z przeciążeniem danymi, a segment analityków potrzebował dokładnych historii transakcji i szybkiego generowania raportów.

Generuj pomysły: tworzenie rozwiązań równoważących głębię danych i przejrzystość

Mając w ręku wnioski z badań i analizę konkurencji, poprowadziłem sesje burzy mózgów, aby zaproponować i uszeregować rozwiązania.

Zaproponowałem następujące koncepcje:

Konfigurowalny dashboard, pozwalający specjalistom ds. zgodności wybrać, które widżety się pojawiają, tak aby istotne dane wyświetlały się jako pierwsze, oraz zaawansowane filtry do segmentowania transakcji według oceny ryzyka, geografii lub typu portfela.

Rozbudowany zestaw narzędzi kryminalistycznych do szczegółowej historii transakcji (bogate metadane, wizualne nakładki danych i widoki osi czasu) oraz kreator raportów z eksportem jednym kliknięciem i własnymi szablonami dla śledczych lub zespołów prawnych.

Ideą monitorowania opartego na zachowaniach było wprowadzenie wzorców uczenia maszynowego, które oznaczają anomalne transakcje, zanim się nasilą. Także prezentowanie alarmów o podejrzanej aktywności w przejrzystym, uproszczonym strumieniu.

Podczas wewnętrznego demo specjalista ds. zgodności od klienta pilotażowego rzucił: „Wreszcie nie mam wrażenia, że dane na mnie krzyczą.” Ten drobny komentarz potwierdził nasze przekonanie, że użyteczność jest tak samo kluczowa jak surowa funkcjonalność.

Wdrożenie i wpływ: budowanie zaufania i pozyskiwanie kluczowych klientów

Pozyskanie prestiżowych klientów

Po wdrożeniu dotychczasowi klienci polecili Merkle Science większym giełdom kryptowalut.

Zabezpieczyliśmy okresy próbne z Binance , Crypto.com oraz sesję testów na żywo z agencjami rządu USA.

Organy regulacyjne: Zaangażowaliśmy się w programy pilotażowe z federalnymi organami ścigania, prezentując solidną kryminalistykę platformy i przyjazny projekt.