Разработка массивов данных. Подбор математического аппарата для решения задач классификации текстов на примерах массивов данных. Проектирование архитектуры прототипа системы. Разработка протокола обмена данными между прототипом системы и системами для автоматизации обработки информации. Разработка компонента анализа визуальной и текстовой информации. Обучение нейросетевой модели распознавания русского языка. Извлечение промта с каждой из картинок через Focus. Анализ данных с помощью YOLO. (промежуточный).

Отчет 48 страниц, 13 иллюстраций. АНАЛИЗ, ГРАФИКА, ТЕКСТ, УПРАВЛЕНИЕ, МАТЕРИАЛ, МАРКЕТПЛЕЙС, КЛАССИФИКАЦИЯ, РАСПОЗНАВАНИЕ, АВТОМАТИЗАЦИЯ, ИЗВЛЕЧЕНИЕ. Объект разработки: Программный сервис (система) для анализа графического и текстового материала при помощи искусственного интеллекта, представляющий собой комплексную систему, использующую технологии искусственного интеллекта для анализа графического и текстового контента карточек товаров. - Цель работы: Разработка и апробация инструмента для продавцов и менеджеров маркетплейсов, который автоматизирует процесс конкурентного анализа, предоставляет основанные на данных рекомендации по улучшению контента товарных карточек и, как следствие, способствует повышению их конверсии, улучшению позиций в поисковой выдаче и росту продаж. - Методы проведения работы: Работа основана на применении мультимодального подхода к анализу данных. Использован многокомпонентный конвейер (pipeline) моделей машинного обучения, включающий: 1. Конволюционную нейронную сеть YOLO для детекции объектов на изображениях. 2. Библиотеку DeepFace для распознавания и анализа лиц. 3. Трансформерную генеративную модель («theonemarket» на базе «gemma») для синтеза текстовых рекомендаций. 4. Модели RuBERT и mDeBERTa для анализа тональности и классификации текста. 5. Интеграция с API маркетплейса для сбора данных. Разработка клиент-серверной архитектуры с веб-интерфейсом для взаимодействия с пользователем. - Результаты работы и их новизна: Разработан и успешно протестирован полнофункциональный сервис, способный автоматически собирать данные о товаре и его конкурентах, проводить комплексный AI-анализ изображений, наименования, описания и характеристик, а также формировать структурированный отчет с конкретными рекомендациями по оптимизации. Новизна заключается в синергии нескольких специализированных AI-моделей в едином конвейере, адаптированном под задачу анализа e-commerce контента, что позволяет давать комплексные, а не разрозненные, советы по улучшению как визуальной, так и текстовой составляющей карточки товара. - Область применения результатов: E-commerce, цифровой маркетинг, конкурентная разведка. Сервис предназначен для широкого круга пользователей, включая индивидуальных продавцов (селлеров), менеджеров по маркетплейсам, маркетинговые агентства и бренды, представленные на онлайн-площадках. - Рекомендации по внедрению или итоги внедрения результатов: Проведено успешное внутреннее тестирование, подтвердившее работоспособность, стабильность и соответствие сервиса заявленным функциональным характеристикам. Критических ошибок не выявлено. Рекомендуется переход к следующему этапу – пилотному тестированию и апробации сервиса в реальных условиях эксплуатации с привлечением фокус-группы продавцов для сбора обратной связи и оценки практической пользы. - Экономическая эффективность или значимость работы: Значимость работы заключается в предоставлении продавцам мощного инструмента для получения конкурентного преимущества. Экономическая эффективность достигается за счет: 1. Автоматизации и сокращения времени на ручной анализ конкурентов. 2. Принятия решений об оформлении карточки на основе данных, а не интуиции. 3. Повышения кликабельности (CTR) и конверсии карточки товара, что напрямую ведет к увеличению выручки. - Прогнозные предположения о развитии объекта исследования: Дальнейшее развитие сервиса может включать расширение функционала за счет интеграции с другими маркетплейсами (Ozon, Яндекс.Маркет), внедрение модулей для анализа отзывов и вопросов покупателей, добавление функционала по отслеживанию динамики цен и остатков у конкурентов, а также использование более совершенных генеративных моделей для создания готовых вариантов описаний и названий товаров.