1. Система вычисления
пользовательских предпочтений
Резидент Набережночелнинской площадки Казанского
Технопарка в сфере высоких технологий
2. Цель проекта
Разработка самообучающейся интеллектуальной системы
вычисления пользовательских предпочтений на основе
анализа данных из социальных сетей и с учетом
поведенческих факторов.
Две большие проблемы
1. Максимально точно выявить потенциального
клиента среди общей массы
2. Определить спектр наиболее подходящих
предложений для конкретного клиента
3. Решение
Разрабатываемая система позволит
1. Выявить психологический портрет на основе данных из
социальных сетей
2. Производить учет поведенческих факторов
3. Вычислить пользовательские предпочтения методами
интеллектуальной самообучающейся системы
Система использует
1. Методы коллаборативной фильтрации, кластеризации,
семантического и морфологического анализ
2. Технологии Oracle для хранения и обработки информации
5. Команда
Радик Руководитель проекта
Опыт в руководстве it-проектами 6 лет,
Мухиев специалист в сетевой безопасности
Бари Разработчик интерфейсов
Специалист по математическому
Бадамшин моделированию в экономике. Опыт
разработки крупных интернет-проектов
Камиль Научный руководитель
Кандидат технических наук, разработчик
Исламов баз данных, большой опыт работы с Oracle
системами
Ильнар Разработчик
Большой опыт внедрения автоматизированных
Самигуллин систем провайдеров; инженер, программист
Совместно вели разработку: биллинговой системы «ТРК «ТВТ», площадки
интернет-коммерции Смоленского завода «Кристалл»
6. Конкуренты
Описание: Мобильная система Платформа вычисления
рекомендаций в реальном предпочтений пользователя
времени на основе на основе опросов и
поисковых запросов коллаборатовной
пользователя фильтрации
Недостатки: Использование данных Не используют социальные
только собственной сети.
социальной сети Требуют длительного
(непопулярна в России) анкетирования
Предназначен только для пользователя
мобильных устройств
7. Преимущества
1. Использование 1. Вдвое более
комплекса данных из успешное вычисление
нескольких целевой аудитории
социальных сетей
• Не требуется 2. Вдвое выше точность
предварительной определения
активности предпочтений
пользователя пользователя
8. 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
9. Немного статистики
по России
млрд. руб. млрд. руб. млн. руб.
42 26,5 180
Оборот рекламы Оборот контекстной Планируемая доля
в интернете рекламы рынка – 0,6%
Потенциальные клиенты
Потребители статистических данных:
органы власти и управления, научной общественности.
Площадки интернет-коммерции, федеральные и
региональные рекламодатели
10. 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)
11. Бизнес модель
Разрабатываемая система предусматривет
следующую стратегию коммерциализации:
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
12. Объем продаж и прибыль
Планириуемые финансовые показатели после
завершения проекта
• 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
Пользовательская база – суммарное количество проанализированных русско- и
англо-язычных пользователей социальных сетей
13. Благодарим
за внимание
+7 (906) 330-79-88
Электронная почта: info@mdtek.ru
Адрес: 423824, Татарстан, Набережные Челны,
Машиностроительная, 91