Система вычисления пользовательских предпочтений

Резидент Набережночелнинской площадки Казанского Технопарка в сфере высоких технологий

Две большие проблемы

1. Максимально точно выявить потенциального клиента среди общей массы

2. Определить спектр наиболее подходящих предложений для конкретного клиента

Цель проектаРазработка самообучающейся интеллектуальной системы

вычисления пользовательских предпочтений на основе анализа данных из социальных сетей и с учетом

поведенческих факторов.

1. Выявить психологический портрет на основе данных из

социальных сетей

2. Производить учет поведенческих факторов

3. Вычислить пользовательские предпочтения методами

интеллектуальной самообучающейся системы

РешениеРазрабатываемая система позволит

1. Методы коллаборативной фильтрации, кластеризации,

семантического и морфологического анализ

2. Технологии Oracle для хранения и обработки информации

Система использует

Логическая структура системы

Команда

Совместно вели разработку: биллинговой системы «ТРК «ТВТ», площадки интернет-коммерции Смоленского завода «Кристалл»

Радик Мухиев

Бари Бадамшин

Камиль Исламов

Ильнар Самигуллин

Руководитель проектаОпыт в руководстве it-проектами 6 лет,специалист в сетевой безопасности

Научный руководительКандидат технических наук, разработчикбаз данных, большой опыт работы с Oracle системами

РазработчикБольшой опыт внедрения автоматизированных систем провайдеров; инженер, программист

Разработчик интерфейсовСпециалист по математическому моделированию в экономике. Опыт разработки крупных интернет-проектов

Конкуренты

Мобильная система рекомендаций в реальном времени на основе поисковых запросов пользователя

Использование данных только собственной социальной сети (непопулярна в России)

Предназначен только для мобильных устройств

Платформа вычисления предпочтений пользователя на основе опросов и коллаборатовной фильтрации

Не используют социальные сети.

Требуют длительного анкетированияпользователя

Описание:

Недостатки:

Преимущества

1. Использование

комплекса данных из

нескольких

социальных сетей

• Не требуется

предварительной

активности

пользователя

1. Вдвое более

успешное вычисление

целевой аудитории

2. Вдвое выше точность

определения

предпочтений

пользователя

Стадия развития проекта

1. Вложено 500 тысяч рублей собственных средств

2. Проведен патентный поиск

3. Составлен план проекта для команды разработчиков

4. Начата разработка архитектуры ядра системы

5. Проведена работа по предварительному сбору

статистических данных из социальных сетей

6. Ведется разработка алгоритмов интеллектуальной

системы

7. Осуществляется проработка системы применения методов

семантического и морфологического анализа

Немного статистики по России

42млрд. руб.

Оборот рекламы в интернете

26,5млрд. руб.

Оборот контекстной рекламы

180млн. руб.

Планируемая доля рынка – 0,6%

Потенциальные клиентыПотребители статистических данных:

органы власти и управления, научной общественности. Площадки интернет-коммерции, федеральные и

региональные рекламодатели

Этапы развития проекта

На первый год реализации проекта запланировано следующее:

1. Разработка алгоритмов локализации психологических групп

2. Разработка структуры интеллектуальной системы воздействия

на алгоритмы

3. Разработка универсального API для подключения системы к

внешним торговым площадкам

На второй год

Внедрение системы, развитие и расширение функционала

(полиморфная модель), маркетинговые кампании

Маркетинговое продвижение, развитие функционала

(мультиязычность)

Бизнес модель

1. Предоставление статистической информации в разрезе

социальных групп

2. Пользователям (посетители Интернета) – бесплатный,

удобный сервис актуальных предложений

3. Рекламодателям – бесплатное целевое

информирование только реальных клиентов

4. Премиум подписка к системе. Полноценный

инструмент локального и масштабного продвижения

продукции

Разрабатываемая система предусматривет

следующую стратегию коммерциализации:

Объем продаж и прибыль

• Количество клиентов

(пользователи премиум подписки) – 10 000

• Годовой оборот 180 млн. рублей

• Годовая прибыль 100 млн. рублей

• Пользовательская база для сбора и анализа данных –

200 млн. человек

Планириуемые финансовые показатели после завершения проекта

Пользовательская база – суммарное количество проанализированных русско- и англо-язычных пользователей социальных сетей

Благодаримза внимание

Электронная почта: info@mdtek.ru

Адрес: 423824, Татарстан, Набережные Челны,

Машиностроительная, 91

+7 (906) 330-79-88