Детальная информация
Название | Внедрение сервиса рекомендаций на базе ИИ в компанию - производителя косметики: выпускная квалификационная работа магистра: направление 09.04.04 «Программная инженерия» ; образовательная программа 09.04.04_03 «Машинное обучение в управлении бизнесом» |
---|---|
Авторы | Ерохов Захар Валерьевич |
Научный руководитель | Широкова Светлана Владимировна |
Организация | Санкт-Петербургский политехнический университет Петра Великого. Институт промышленного менеджмента, экономики и торговли |
Выходные сведения | Санкт-Петербург, 2025 |
Коллекция | Выпускные квалификационные работы ; Общая коллекция |
Тематика | искусственный интеллект ; рекомендательные системы ; машинное обучение ; косметическая индустрия ; сервис рекомендаций ; artificial intelligence ; recommendation systems ; machine learning ; cosmetics industry ; recommendation service |
Тип документа | Выпускная квалификационная работа магистра |
Тип файла | |
Язык | Русский |
Уровень высшего образования | Магистратура |
Код специальности ФГОС | 09.04.04 |
Группа специальностей ФГОС | 090000 - Информатика и вычислительная техника |
DOI | 10.18720/SPBPU/3/2025/vr/vr25-2016 |
Права доступа | Доступ по паролю из сети Интернет (чтение, печать, копирование) |
Дополнительно | Новинка |
Ключ записи | ru\spstu\vkr\35333 |
Дата создания записи | 10.07.2025 |
Разрешенные действия
–
Действие 'Прочитать' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети
Действие 'Загрузить' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети
Группа | Анонимные пользователи |
---|---|
Сеть | Интернет |
Цель исследования: разработка и внедрение AI-сервиса рекомендаций косметических средств для повышения конверсии, персонализации пользовательского опыта и оптимизации бизнес-процессов компании-производителя косметики. Исследование выполнялось на основе анализа рынка косметической индустрии, данных компании ООО «Гельтек-Медика», материалов научных публикаций, открытых источников и практического опыта внедрения цифровых решений. Предмет ВКР: процесс разработки и интеграции сервиса рекомендаций на базе искусственного интеллекта для производителя косметики. Методы исследования: сравнительный анализ, проектирование пользовательских сценариев с использованием нотации user flow, проектирование архитектуры сервиса с использованием archimate, расчет экономической эффективности с применением срока окупаемости и нормы прибыльности. Основные результаты исследования: проведен аналитический обзор современных технологий в косметологии (AI, ML, OCR, AR), выявлены ключевые тренды и лучшие практики (LOréal, Sephora, Estée Lauder); разработана архитектура сервиса рекомендаций, интегрирующая модули распознавания изображений (Serp API), анализа состава средств и формирования персонализированных предложений; спроектирован пользовательский интерфейс, соответствующий бренд-буку компании, с упрощенным user flow, проведено тестирование точности распознавания (99.45% для продуктов компании, 92.7% для сторонних брендов) и выявлены зоны оптимизации (обработка больших файлов, интеграция с внешними API); рассчитана экономическая эффективность: срок окупаемости проекта - 10 месяцев, а SSR – 1,2 рубля на каждый вложенный рубль за год. Область применения результатов ВКР: компании косметической индустрии, внедряющие цифровые решения для повышения лояльности клиентов, персонализации рекомендаций и увеличения продаж. Научная новизна: интеграция AI и машинного обучения для создания интерактивного сервиса, сочетающего распознавание состава средств, анализ пользовательских предпочтений и генерацию рекомендаций; разработана адаптивная архитектура, обеспечивающая масштабируемость и гибкость решения. Выводы: задачи ВКР выполнены: сервис рекомендаций разработан, протестирован и интегрирован в цифровую экосистему компании; цель достигнута: внедрение сервиса позволило повысить продажи, сократить когнитивную нагрузку пользователей и усилить конкурентные позиции бренда; результаты применимы для компаний косметической отрасли, ориентированных на цифровую трансформацию и устойчивый рост. Практическая значимость: сервис рекомендован к внедрению в компаниях-производителях косметики для автоматизации подбора продуктов, снижения затрат на маркетинг и повышения удовлетворенности клиентов.
Research objective: Development and implementation of an AI recommendation service for cosmetic products to increase conversion rates, personalize user experience, and optimize business processes of a cosmetics manufacturing company. Research methodology: The study was conducted through analysis of the cosmetics industry market, data from Geltek-Medica LLC, scientific publications, open-source materials, and practical experience in implementing digital solutions. Subject of the thesis: The process of developing and integrating an AI-based recommendation service for a cosmetics manufacturer. Research methods: comparative analysis, design of user scenarios using user flow notation, design of service architecture using archimate, calculation of economic efficiency using payback period and profitability rate. Key research results: Conducted an analytical review of modern technologies in cosmetology (AI, ML, OCR, AR), identifying key trends and best practices (LOréal, Sephora, Estée Lauder). Developed a recommendation service architecture integrating image recognition modules (Serp API), product composition analysis, and personalized suggestions. Designed a user interface aligned with the company’s brand guidelines, simplifying user flow (reducing steps from entry to purchase by 40%). Tested recognition accuracy (99.45% for company products, 92.7% for third-party brands) and identified optimization areas (large file processing, external API integration). Calculated economic efficiency: project payback period - 10 months, with a simple rate of return (SRR) of 1.2 rubles per invested ruble annually. Application area: Cosmetics industry companies implementing digital solutions to enhance customer loyalty, personalize recommendations, and boost sales. Scientific novelty: Integration of AI and machine learning to create an interactive service combining product composition recognition, user preference analysis, and recommendation generation. Development of an adaptive architecture ensuring scalability and flexibility. Conclusions: The thesis tasks were completed. The recommendation service was developed, tested, and integrated into the company’s digital ecosystem. The objective was achieved: service implementation increased sales, reduced user cognitive load, and strengthened the brand’s competitive position. Results are applicable to cosmetics companies focused on digital transformation and sustainable growth. Practical relevance: The service is recommended for implementation by cosmetics manufacturers to automate product selection, reduce marketing costs, and improve customer satisfaction.
Место доступа | Группа пользователей | Действие |
---|---|---|
Локальная сеть ИБК СПбПУ | Все |
|
Интернет | Авторизованные пользователи СПбПУ |
|
Интернет | Анонимные пользователи |
|
- 1. ОБОСНОВАНИЕ РАЗРАБОТКИ СЕРВИСА РАСПОЗНАВАНИЯ И РЕКОМЕНДАЦИИ КОСМЕТИКИ
- 1.1. Описание объекта исследования и цифровых решений в сфере косметики
- 1.2. Обзор рынка и цифровой зрелости в косметической индустрии
- 1.3. Описание систем с применением искусственного интеллекта и машинного обучения в сфере косметологии
- 1.4. Использование технологий искусственного интеллекта для прикладных задач бизнеса
- 1.5. Обоснование необходимости разработки сервиса рекомендаций на базе ИИ
- 2. РАЗРАБОТКА СЕРВИСА РЕКОМЕНДАЦИЙ НА БАЗЕ ИИ
- 2.1. Проработка пользовательских сценариев
- Детализация сценариев и их взаимосвязь
- Примеры практического применения
- 2.2. Формирование функциональных и нефункциональных требований
- 2.4. Разработка архитектуры решения
- 2.5. Создание интерфейса решения
- 2.6. Разработка плана реализации
- 2.1. Проработка пользовательских сценариев
- 3. ТЕСТИРОВАНИЕ И ОЦЕНКА ЭКОНОМИЧЕСКОГО ЭФФЕКТА
- 3.1. Проведение функционального тестирования
- 3.2. Проведение технического тестирования
- 3.3. Оценка экономического эффекта проекта
- 3.3.1. Оценка капитальных затрат
- Продолжение таблицы 3.13
- 3.3.2. Оценка эксплуатационных затрат
- 3.3.3. Доходная часть сервиса
- 3.3.4. Оценка качественных и количественных изменений
- 3.3.5. Оценка экономической эффективности
- ЗАКЛЮЧЕНИЕ
- СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ
- СВЕДЕНИЯ ОБ УЧАСТИИ АВТОРА В НАУЧНОЙ РАБОТЕ
- ПРИЛОЖЕНИЕ А
Количество обращений: 0
За последние 30 дней: 0