METARATINGS
«Наша оценка - это результат ваших отзывов»
BRLAB
Tехнологии MR
Tехнологии MR
01
METARATINGS (MR)
технология автоматизированного анализа семантики отзывов клиентов о товарах и услугах и составления на их базе объективных рейтингов.
02
Объективность
MR предоставляет пользователям объективную картину о поставщиках продуктов, анализируя отзывы и мнения как экспертов в сети, так и простых пользователей.
03
AI
Анализ производится с помощью каскада алгоритмов нейронных сетей и машинного обучения полностью автоматически, что позволяет быстро обрабатывать большие объемы данных, исключает ошибки из-за человеческого фактора и обеспечивает объективность на 100%.
100
+
5
+
300
+
10
+
100
+
Отзывов
Отзывы как инструмент оценки
5
+
Сайтов подключено
Каждый ваш отзыв влияет на нашу оценку
300
К+
Жалоб рассмотрено
Каждый отзыв способен что-то изменить
METARATINGS
METARATINGS
METARATINGS
METARATINGS
METARATINGS
METARATINGS
Технология позволяет:
1
Определять характеристики продуктов в тексте и отношение к ним
2
Выявлять и игнорировать подозрительные/фальшивые отзывы.
3
Строить различные аналитические отчеты: карты сантиментов, изменения отношения во времени
Компоненты взаимодействуют по принципу микросервисов
API-backend
Основной сервис, предоставляющий интерфейсы для получения результатов анализа и взаимодействия с сайтом.
- ML-подсервис
- Review-подсервис
- ML-scrapers
Web-app
Сервис отвечает за формирование административного веб-интерфейса системы ТААСО, позволяющая просматривать и управлять результатами анализа.
- Functionality
- Mathmetics
- Bug Fixing
Использованные технологии
и фреймворки
- Python
- TypeScript
- NestJS
- PostgreSQL
- TypeORM
Review-подсервис
Подсистема пост-обработки результатов анализа, агрегирующая оценки по аспектам и вычисляющая итоговый рейтинг для каждого объекта
ML-scrapers
Модуль, автоматически собирающий отзывы с внешних сайтов и источников для последующего анализа.
ML-подсервис
Подсистема машинного обучения, отвечающая за семантический анализ новых отзывов.
Такое разделение обеспечивает масштабируемость и модульность: новые отзывы собираются скрапером, сохраняются в базе данных, затем ML-подсервис обрабатывает их и сохраняет семантическую информацию (аспекты, тональность, метрики достоверности) в хранилище, откуда Review-подсервис вычисляет обновленные рейтинги и обеспечивает их выдачу через API на пользовательский фронтенд сайта.
На основе выделенных данных:
- Происходит ранжирование
- Строится Карта сантиментов (отношений к характеристикам)
Произволный параметр оценки
Произволный параметр оценки
Пример визуального отображения на сайте
Technology
Технология MR позволяет:
Определять характеристики продуктов в тексте.
Определять отношение к этим характеристикам.
Выявлять и игнорировать подозрительные/фальшивые отзывы.
Строить различные аналитические отчеты: карты сантиментов, изменения отношения во времени и др.
Компания “РБ” является участником проекта “Сколково” с 2020г. и предоставляет пользователям объективную картину о поставщиках продуктов в понятном и чистом виде, анализируя отзывы и мнения как экспертов в сети, так и простых пользователей.
Технология быстро обрабатывает большие объемы данных, исключает ошибки из-за человеческого фактора, выявляет и игнорирует подозрительные/фальшивые отзывы и обеспечивает максимальную объективность.
В сфере электронной торговли (ecommerce) и в целом в интернете поддельные отзывы уже стали привычным явлением. Недобросовестные участники рынка накопили большой опыт, позволяющий им создавать отзывы, вводящие в заблуждение существенную часть потенциальных покупателей.
Также существуют системы, автоматически размещающие отзывы и тексты согласно правилам, однако эти правила не способны включить в себя все многообразие языка. Из-за этого составление рейтингов на основе отзывов клиентов не может быть объективным.
Решение данной проблемы актуально как для локального рынка, так и для международного. И покупатели, и добросовестные производители / продавцы заинтересованы в объективных рейтингах товаров и услуг на основе анализа подлинных отзывов клиентов.
Стоимость
Технология предназначена для автоматизированного анализа пользовательских отзывов с выявлением тональности, оценкой достоверности и формированием аналитических выводов и рейтингов. Стоимость базового пакета для одного пользователя начинается от 250 000 руб. за объем от 100 до 999 запросов. При большем объеме или комплексном партнерском размещении стоимость рассчитывается индивидуально, оставьте свои контактные данные и информацию о проекте, мы свяжемся с вами для обсуждения всех деталей о проекте