ASAP. Цифровые продукты

Опубликовали запись мероприятия "Я здоров. Демо" 🔥

Напомним, наша онлайн-встреча была посвящена тому, как меняется подход к управлению здоровьем и какую роль в этом могут сыграть персональные цифровые ассистенты.

Вместе с Даниилом Васильевым, создателем и руководителем MedTech-проекта «Я здоров», и Аллой Панченко, биомедтех-энтузиастом, предпринимателем и заместителем директора Центра индустриальных технологий и предпринимательства Сеченовского Университета, обсудили:

— как активное долголетие, превентивная медицина, развитие носимых и мониторинговых устройств и ИИ меняют привычную модель здравоохранения;
— почему медицинских данных становится всё больше, но сами по себе они ещё не превращаются в непрерывное знание о человеке;
— почему одних LLM недостаточно для действительно персонализированного управления здоровьем;
— почему следующий этап развития HealthTech — переход от отдельных сервисов к единой цифровой модели здоровья.

Во второй части мероприятия мы показали, как эта концепция уже реализуется в «Я здоров», и как планируем развивать сервис в будущем.

Смотрите запись встречи:
📺 На YouTube
📺 ВК видео

AI в E-commerce: не один инструмент, а связка решений

В предыдущих постах мы подробно разбирали AI-продавца ASAP: как он консультирует покупателей, работает с большим каталогом и встраивается в существующую инфраструктуру интернет-магазина.

Но консультации — только один из процессов, где AI может быть полезен в E-commerce. Для разных задач интернет-магазина мы используем отдельные AI-решения:

🛒 Для работы с покупателями — AI-продавец. Он берет на себя первичные консультации, помогает подобрать и сравнить товары, отвечает на вопросы по ассортименту и при необходимости передает диалог оператору.

✍️ Для наполнения и развития товарного каталога — AI-Content Manager. Он генерирует контент на основе реальной номенклатуры магазина: названия и описания товаров, теги для внутреннего поиска, SEO-метаданные, инфографику, материалы для cross-sell и upsell. За счет интеграции с сайтом и учетной системой процесс можно автоматизировать — от появления нового товара до загрузки готового контента в каталог.

📈 Для управления ценообразованием — AI-Price Manager. Система собирает цены конкурентов, сопоставляет номенклатуру и учитывает закупочные цены, остатки, оборачиваемость и сезонность. На этих данных можно выстраивать автоматические и полуавтоматические сценарии управления ценами.

Вместе решения закрывают три связанные задачи: как товар представлен в каталоге → по какой цене он продается → как покупателю помогают его выбрать.

При этом мы не внедряем AI как отдельный инструмент поверх существующих процессов. Каждое решение проектируем под задачи конкретного бизнеса и встраиваем в его IT-инфраструктуру.

Перед внедрением определяем, какие задачи можно передать AI, с какими данными он должен работать и откуда их получать, а где необходим контроль программной логики или специалистов. На этой основе проектируем бизнес-логику и интегрируем решение с сайтом, каталогом, учетными системами и другими источниками данных.

Такой подход позволяет внедрять AI с учетом реальных процессов и требований конкретного интернет-магазина 🫰

AI-продавец в реальном интернет-магазине для каталога на 200 000 товаров

В прошлом посте мы рассказывали про AI-продавца — собственную разработку ASAP для автоматизации консультаций в E-commerce.

Сейчас решение проходит пилотное внедрение в интернет-магазине «Строй-С» — сети DIY-гипермаркетов с ассортиментом более 200 000 товаров. Сам интернет-магазин также разрабатывала команда ASAP, поэтому внедрение AI-инструментов стало следующим этапом развития уже существующей платформы.

В строительном ритейле покупатель далеко не всегда знает название нужного товара. Чаще покупатель формулирует не конкретный товар, а задачу: «утеплить балкон», «подобрать инструмент для ремонта» или «рассчитать количество материалов».

Обычный поиск требует от пользователя самому разбираться в каталоге, характеристиках и категориях. В офлайн-магазине эту часть берет на себя продавец-консультант. В нашем проекте мы переносим этот сценарий в онлайн.

Покупатель описывает задачу своими словами, а AI-продавец уточняет детали, учитывает контекст разговора, помогает с выбором и предлагает конкретные позиции из ассортимента магазина.

При этом мы не стали просто подключать LLM к каталогу. Qwen отвечает за понимание запроса и рекомендацию, а работа с 200 000 товаров, актуальными ценами и остатками остается под контролем backend и API интернет-магазина.

Что это дает бизнесу уже на уровне самого сценария:
— покупателю не обязательно знать точное название товара или разбираться в структуре каталога;
— консультация становится доступна непосредственно на сайте;
— AI работает с реальной номенклатурой магазина и актуальными данными;
— сложный запрос можно передать оператору вместе с контекстом диалога.

Сейчас мы проверяем эту архитектуру на реальных запросах и собираем аналитику по всему пути пользователя. Первые результаты уже собраны: 45 диалогов, 117 сообщений, 168 показов товарных карточек, 332 перехода к товарам и 21 добавление в корзину. Эти данные позволяют проверять всю цепочку работы AI-продавца и находить точки для дальнейшей доработки 🔥

Проект показывает, как LLM можно встроить в реальный контур: связать с большим каталогом, актуальными товарными данными и существующей бизнес-логикой интернет-магазина.

✌️ Подробнее о проекте — в кейсе на сайте ASAP.

AI-продавец: LLM-консультант для интернет-магазина

🔥 AI-продавец — собственная разработка ASAP для автоматизации консультаций покупателей интернет-магазина.

В основе решения — LLM-модель, которая работает в контексте конкретного бизнеса: его ассортимента, структуры каталога и базы знаний.

Это не обычный чат-бот с набором заскриптованных ответов. Покупатель формулирует запрос своими словами, а AI-продавец уточняет потребность, консультирует по номенклатуре магазина, сравнивает характеристики и помогает подобрать подходящие товары.

Например, если покупателю нужен шуруповерт, ему не обязательно самостоятельно перебирать каталог. AI-продавец может уточнить, для каких работ нужен инструмент и какой бюджет рассматривает пользователь, а затем помочь с выбором.

Из чего состоит решение:
— LLM-модель — в нашей архитектуре используем Qwen от Alibaba Cloud;
— данные магазина — номенклатура, структура каталога, характеристики товаров и база знаний;
— сценарии консультаций — подбор и сравнение товаров, расчет материалов, вопросы по эксплуатации, доставке, заказам, гарантии и сервису;
— интеграционный слой — для подключения AI-продавца к сайту, мобильному приложению и другим каналам коммуникации;
— интерфейс для покупателя — AI может отвечать на вопросы, предлагать релевантные товары и категории, выводить мини-карточки со ссылками;
— передача оператору — для сценариев, в которых к диалогу должен подключиться человек.

✌️ Подробнее об AI-продавце и возможностях его внедрения — на сайте ASAP.

А техническую часть разобрали отдельно в статье для Хабр: показываем архитектуру решения, интеграцию LLM с каталогом интернет-магазина, работу с данными и подход к контролю ответов модели.

AI в e-commerce: что можно передать модели, а где нужен контроль?

Продолжая тему применения AI в бизнесе, хотим поделиться опытом из наших проектов в e-commerce.
Работая над внедрением AI-решений для интернет-магазинов, мы видим сценарии, где AI помогает быстрее обрабатывать информацию и улучшать взаимодействие с клиентами.

🔖 Например, AI хорошо показывает себя в задачах, связанных с консультацией покупателей, подбором товаров под запрос клиента, сравнением характеристик, работой с каталогом и базой знаний, а также подготовкой и обработкой контента.

Но при внедрении таких решений важно учитывать не только возможности модели, но и ограничения.

Где требуется дополнительный контроль:

1️⃣ Технически сложные товары
При работе с оборудованием или строительными материалами AI может хорошо объяснить характеристики товара, но ошибиться в деталях: перепутать параметры, размеры или ограничения по использованию.

Такие ошибки сложно заметить пользователю, потому что ответ модели обычно выглядит уверенно. Поэтому при внедрении AI мы уделяем внимание не только выбору модели, но и подготовке данных: определяем, какие характеристики товаров передаются системе, какие источники являются приоритетными и где необходима дополнительная проверка ответа.

2️⃣ Данные клиентов
Персональные данные — одна из зон, где при внедрении AI требуется особое внимание.
Случаи утечек данных показывают, что нельзя просто подключить модель к всей информации, которая есть у компании.
Поэтому при проектировании AI-решений мы заранее определяем какие данные действительно нужны для конкретной задачи и какие данные нельзя передавать AI.

Например, если задача AI — помочь пользователю подобрать товар, системе достаточно информации о номенклатуре. Полный доступ к клиентской базе или внутренним данным магазина для этого не требуется.

3️⃣ Заказы и финансовые операции
Чем ближе AI к действиям с платежной информацией, тем выше требования к контролю. Помочь выбрать товар — одна задача. Оформить заказ, применить скидку, начислить бонусы или провести оплату — уже другая.

Поэтому мы заранее определяем границы ответственности AI: модель помогает пользователю на этапе выбора и консультации, а операции, связанные с заказами и деньгами, остаются в рамках проверенных бизнес-процессов магазина.

Работая с AI-моделями, важно понимать: результат зависит не только от возможностей технологии, но и от экспертизы, понимания бизнес-процессов и правильно выстроенной архитектуры решения.

В следующем материале расскажем подробнее про наш собственный AI-инструмент для e-commerce и реальные задачи, с которыми мы столкнулись ✌️

Персональные цифровые ассистенты здоровья — инфраструктура будущего 🔥

Современный подход к здоровью активно трансформируется: люди все чаще обсуждают свое здоровье с ИИ, развиваются трекинговые и мониторинговые устройства, диагностика становится ближе к конкретному пациенту. Одновременно с этим растет интерес к превентивной медицине.

Мы уверены: эти тренды ведут нас к тому, что уже через несколько лет у каждого будет цифровой ассистент, который мониторит здоровье онлайн, дает рекомендации и маршрутизирует по системе здравоохранения в роли медицинского консьержа.

❗️ 2 сентября в 17:00 мы обсудим эту перспективу, связанные с ней проблемы и вызовы на онлайн-мероприятии «Я здоров. Демо».

Спикеры:
Даниил Васильев, создатель и руководитель MedTech-проекта «Я здоров».
Алла Панченко, биомедтех-энтузиаст, предприниматель, заместитель директора Центра индустриальных технологий и предпринимательства Сеченовского Университета, академический директор акселерационных программы SechenovTech.

Мы обсудим:
— почему медицинских данных собирается все больше, но это не превращает их в непрерывное знание о человеке
— зачем персональному цифровому ассистенту медицинская карта, дневники, данные трекинговых устройств и долгосрочная память
— почему одних LLM недостаточно для действительно персонализированного управления здоровьем
— как тренды на активное долголетие, превентивную медицину, развитие носимых и мониторинговых устройств а также ИИ меняют привычную модель здравоохранения
🔥 почему персональный цифровой ассистент может стать новой инфраструктурой управления здоровьем
— почему следующий этап развития HealthTech — переход от отдельных сервисов к единой цифровой модели здоровья

Во второй части расскажем, как эта концепция уже реализуется в «Я здоров», и что нужно цифровому помощнику, чтобы действительно понимать человека.

В конце можно будет задать вопросы, обсудить кейсы использования приложения, предложить новые функции и напрямую дать обратную связь команде продукта.

📆 Встретимся 2 сентября в 17:00
⏰ Регистрация — по ссылке: @yazdorov_demo_bot

🔥 Новый выпуск подкаста «Лучшее время» — о том, как предпринимателю говорить о своём продукте и идеях так, чтобы его действительно слышали.

🥳 Мы начинаем новый сезон нашего подкаста, и первый выпуск — с Юлией Черных, экспертом по речи, коммуникации и публичным выступлениям.

С Юлей мы поговорили о том, как предпринимателю выстраивать связь с аудиторией, развивать публичность и при этом оставаться собой.

Юлия подробно рассказала:
— почему профессиональной экспертизы недостаточно, если вы не умеете понятно говорить о том, что делаете;
— что важнее для предпринимателя — глубоко знать свой продукт или уметь его презентовать;
— как рассказывать о себе и своих достижениях без ощущения, что вы хвастаетесь;
— зачем предпринимателю публичность и как выстраивать личный бренд, не превращая себя в фулл-тайм блогера.

Отдельно поговорили о создании контента и публичных выступлениях:
— как выстроить регулярную работу с контентом и не зависеть от вдохновения;
— как самостоятельно замечать и исправлять проблемы с речью и дикцией;
— как готовиться к разным форматам выступлений и справляться со страхом и волнением;
— почему убедительное выступление не обязательно требует идеальной дикции — иногда гораздо важнее энергия и вера спикера в свою идею.

Смотрите новый выпуск:
📺 YouTube
📺 ВК Видео
🎵 Яндекс.Музыка

Бумажка с результатами анализов на руках, а объяснить их толком некому? Не надо так 😊

Записали подкаст с Даниилом Васильевым: он строит MedTech-стартап «Я здоров», персонального ИИ-ассистента, который копит данные о здоровье человека и на их основе даёт первичные рекомендации.

Обсудили, как сервис работает на практике, и где вообще сейчас место ИИ в заботе о здоровье.

Поговорили:

👉 как сервис учится на данных человека и сам подсказывает, что делать дальше
👉 ни рубля от инвесторов: стартап уже год держится на свои деньги
👉 нейросеть в медицине "додумывает" там, где не хватает данных, и как с этим бороться
👉 заменит ли ИИ врача, и когда

Ну и история с конференции, где директор клиники сказал "никто не будет загружать документы" - и тут же встала женщина из зала... что было дальше? 😊

Смотреть:

🎞 YouTube
🟦 ВК
⭐ Дзен

Ну и для полноты картины:

ТГ-канал Даниила про бизнес и технологии.
ТГ-канал про МедТех и проект "Я здоров"
ТГ-канал самого приложения "Я здоров"
Сайт приложения "Я здоров"

‼ВАЖНО: для тех, кто тут впервые - чтобы оставить комментраий, нужно сначала присоединиться к этому чату

ТГ-Канал, ТГ-Чат, YouTube, ВК, Дзен, FB, Inst, TikTok, Х

Создатель и руководитель проекта «Я здоров» Даниил Васильев стал героем подкаста «ИИ-практики». В выпуске он рассказал о том, как создавался проект, каким он видит его развитие и какие задачи команда ставит перед собой.

❗️ Отдельно поговорили о вопросах, которые волнуют пользователей больше всего: как защищены медицинские данные, на каких алгоритмах работает медицинский AI-ассистент в приложении «Я здоров» и почему ему можно доверять — а на какие вопросы ассистент не отвечает и их нужно обсуждать с врачом.

Получился разговор не только о продукте, но и о принципах, на которых строится его развитие: безопасности, ответственности и осознанном использовании AI в медицине.

Приятного просмотра! 📺

От ручной проверки документов к AI-аудиту: как за 18 часов собрать рабочий MVP и сократить проверку до 20 минут 🫰

В прошлом посте мы рассказали, почему рассматриваем вайбкодинг не как альтернативу разработке, а как инструмент, который позволяет ускорять создание решений в подходящих сценариях.

Один из таких сценариев — внутренние системы автоматизации бизнес-процессов. На одном из проектов перед нами стояла задача автоматизировать обработку большого объёма документов.

Специалисты компании вручную анализировали комплекты файлов: сопоставляли данные, проверяли соответствие требованиям и формировали результаты по специальным чек-листам.

При этом у проекта были важные ограничения:
— решение должно было использовать российскую AI-модель;
— требовалось быстро и доступно проверить рабочую гипотезу;
— не было необходимости сразу строить сложную высоконагруженную платформу.

В качестве основы AI-части использовали GigaChat — российскую языковую модель для анализа документов.
Для ускорения разработки самого сервиса применили подход вайб-кодинга с использованием Claude как AI-кодового агента.

В результате команда создала внутренний сервис по работе с документами, MVP которого:
🔥был собран за 18 часов;
⏳ позволил сократить проверку одного комплекта документов с нескольких часов до 20 минут.

❗️При этом использование AI не отменило инженерную составляющую проекта.

В процессе разработки команда столкнулась с особенностями работы языковой модели: потребовалось дополнительно продумать взаимодействие AI с программной логикой, контролировать результаты работы модели и создавать дополнительные механизмы для получения стабильного результата.

Именно здесь проходит граница применения вайбкодинга.
Он позволяет быстрее создавать MVP, проверять гипотезы и оптимизировать затраты на разработку, но при развитии продукта остаются задачи, которые требуют полноценной инженерной экспертизы: архитектуры, контроля качества, безопасности и дальнейшего масштабирования.

Подробнее о процессе разработки, архитектурных решениях и нюансах работы с AI-моделью — в кейсе на сайте ASAP ✌️

Вайбкодинг в заказной разработке: мы за или против ❓

Компании экспериментируют с AI-инструментами, оценивают их возможности и пытаются понять: это новый подход к созданию продуктов или просто следующий этап развития привычной разработки?

Мы видим, что интерес к вайбкодингу растёт, и всё больше команд рассматривают его для своих проектов. Поэтому решили поделиться своим взглядом как команда, которая занимается разработкой сложных цифровых продуктов и отвечает не только за создание решения, но и за его дальнейшую работу в реальных бизнес-процессах.

Первое, что важно понимать:
Вайбкодинг не является альтернативой разработке. Это один из способов использовать AI-кодовые инструменты для создания программного кода и ускорения отдельных этапов разработки.

❗️ Главный вопрос не в том, написал код человек или AI. Вопрос в том, кто отвечает за результат.

В простых сценариях AI действительно позволяет быстрее создавать MVP, внутренние сервисы и проверять гипотезы.
Но когда продукт растёт, появляются другие задачи:
— архитектура;
— безопасность;
— интеграции;
— масштабирование;
— поддержка системы.

И здесь необходима инженерная экспертиза и команда, которая понимает, как построить устойчивый продукт.

Наша позиция простая: мы не рассматриваем вайб-кодинг как альтернативу разработке. Мы рассматриваем его как инструмент, который помогает командам быстрее создавать решения там, где его применение действительно оправдано.

Более того, мы уже применяли этот подход в реальном проекте: автоматизировали внутренний процесс документооборота для одного из клиентов. В следующем посте расскажем, как выглядел этот кейс и почему такой подход оказался эффективным ✌️

Голосовые ассистенты в бизнесе: реальные кейсы и сценарии внедрения

После разбора архитектуры голосового ассистента решили показать, как на практике меняются требования к голосовым системам в зависимости от задач бизнеса и почему такие сценарии довольно быстро выходят за рамки обычного speech-to-text.

1️⃣Например, в MedTech и health-сервисах одна из главных проблем — большое количество ручной работы при фиксации и обработке данных. Симптомы, показатели, рекомендации и другую информацию часто приходится вручную переносить между приложениями, документацией и внутренними системами.

В таких сценариях критично качество распознавания речи, поэтому здесь часто используют Whisper и encoder-decoder модели (архитектуры, которые хорошо работают с длинной речью, шумным аудио и сложными формулировками).

С похожими задачами столкнулись и мы во время проработки одного из MedTech-проектов. Голосовой ассистент должен был записывать диалог врача и пациента, автоматически переводить разговор в структурированные данные и заполнять медицинскую документацию без ручной фиксации информации после приёма.

2️⃣ В E-commerce задачи уже другие — сократить количество действий между пользователем и покупкой. Поиск товаров, фильтры, формы и длинные пользовательские сценарии напрямую влияют на конверсию и количество завершённых заказов. Поэтому здесь особенно важны скорость ответа и работа в реальном времени. Для таких сценариев часто используют streaming-ASR модели (системы потокового распознавания речи), которые обрабатывают голос практически без задержки.

3️⃣ В промышленности и enterprise-инфраструктуре требования к голосовым системам уже другие. Производственные процессы, обслуживание оборудования, логистика и работа с внутренними сервисами предприятий создают большое количество ручных операций и постоянного взаимодействия с внутренними системами. Здесь уже критичны стабильность работы, локальное развёртывание и возможность запускать голосовые системы внутри инфраструктуры компании без зависимости от внешних сервисов.

Поэтому в подобных сценариях часто используют lightweight-модели (облегчённые модели распознавания речи), которые можно запускать локально внутри инфраструктуры предприятия или на edge-устройствах без сложной облачной инфраструктуры.

В ASAP мы работаем с такими проектами и помогаем компаниям проектировать голосовые решения под конкретные бизнес-задачи и архитектуру систем. Для нас голосовой ассистент — это не отдельная AI-функция, а инструмент автоматизации, который должен стабильно работать внутри реальных процессов компании и учитывать ограничения её инфраструктуры.

🗣 Голосовые ассистенты в бизнесе: как устроены современные voice-системы

Голосовые ассистенты уже давно широко используются внутри IT-систем и цифровой инфраструктуры компаний. Сегодня такие решения мы внедряем в E-commerce, MedTech и PromTech-проектах: для автоматизации встреч и переговоров, голосового заполнения данных, работы с документацией, пользовательских сервисов и других сценариев, где часть ручной работы можно перевести в voice-flow.

Работая с подобными задачами на практике, мы сталкиваемся не только с распознаванием речи, но и с вопросами архитектуры, интеграций, real-time обработки и встраивания голосовых сценариев в существующую IT-инфраструктуру компании.

Во время проработки одного из проектов мы исследовали архитектуру голосового помощника для руководителя, по сути — цифрового copilot для встреч и переговоров. Система должна была транскрибировать встречи, фиксировать задачи, структурировать договорённости и интегрироваться с внутренними сервисами и IT-системами компании.

🎙Голосовой ассистент развивается и в нашем собственном MedTech-проекте «Я здоров». Сейчас пользователь может голосом описывать своё состояние или надиктовывать данные внутри приложения для здоровья, а система переводит аудио в текст для дальнейшей обработки.

❗️Практика работы с такими системами довольно быстро показывает, что голосовой ассистент — это не просто модель для перевода речи в текст, а полноценная голосовая система со своей архитектурой, ограничениями и требованиями к инфраструктуре.

Эксперты ASAP в новой статье разобрали:
• как на практике устроены современные голосовые ассистенты
• из каких компонентов собирается voice pipeline
• как подбираются модели под разные сценарии использования
• как меняется архитектура в зависимости от нагрузки и интеграций
• какие ограничения появляются при работе с голосовыми системами
• и как выбирать решения под реальные задачи

Получился подробный инженерный разбор для тех, кто работает с автоматизацией, AI и сложными цифровыми продуктами или только начинает внедрять голосовые сценарии в свои сервисы и внутренние системы.

Подробнее — в нашей новой статье на сайте 🔗

Коллеги, команде ASAP очень нужна ваша поддержка!

Наш главный проект — стартап «Я здоров» — участвует в голосовании за «Продукт недели» на Product Radar, и только ваши голоса помогут нам занять первое место!

На Product Radar публикуются лучшие российские продукты и стартапы, а энтузиасты из сферы технологий обмениваются идеями, сотрудничают и создают проекты, которые делают жизнь людей лучше. Мы тоже вошли в их число.

Мы стремимся к тому, чтобы о «Я здоров» узнавали как можно больше людей. Поэтому принимаем участие в голосовании — о победителях потом расскажут на Vc, Хабр и в тг-канале Product Radar.

Поддержите нас ❗️ Для этого нужно всего лишь:
— Перейти по ссылке.
— Нажать «войти» и зарегистрироваться через Google, Яндекс или почту.
— Под описанием продукта нажать кнопку «Поддержать».

Ваше участие займет пару минут, а для нас будет очень ценным! 🫰

Кликните, чтобы проголосовать 🔗

🏥 Как клинике увеличить количество повторных визитов и повысить LTV с помощью мобильного приложения?

Большинство медицинских организаций уже решили задачу онлайн-записи. Но привлечь пациента на первый приём недостаточно.

Гораздо важнее сопровождать его дальше: напоминать о назначениях, возвращать на повторные обследования, помогать контролировать состояние здоровья и поддерживать коммуникацию между визитами.

Для решения этих задач мы разработали White Label мобильное приложение на базе платформы «Я Здоров».

Приложение помогает клинике работать не только с первичным обращением пациента, но и с его дальнейшим маршрутом, увеличивая количество повторных визитов и эффективность взаимодействия с существующей базой пациентов.

📋 Формирование единого профиля пациента

Медицинская карта автоматически заполняется данными из МИС, а пользователь может загружать документы и результаты обследований из других клиник. Это позволяет формировать более полную историю здоровья и получать дополнительный контекст для взаимодействия с пациентом.

📈 Повышение вовлечённости пациента

Дневники самочувствия, показателей здоровья, приёма препаратов, питания и физической активности помогают пациенту регулярно взаимодействовать с приложением. Чем выше вовлечённость, тем больше возможностей для персонализированной коммуникации и сопровождения.

🔄 Возврат пациентов на повторные обращения

Напоминания о повторных приёмах, анализах и обследованиях помогают контролировать выполнение назначений врача и снижать потери пациентов после первичного обращения.

Рекомендации формируются на основе данных пользователя и истории взаимодействия. Это позволяет делать коммуникацию более персонализированной и эффективной по сравнению с массовыми рассылками.

👨‍👩‍👧‍👦 Работа со всей семьей пациента

Семейные профили позволяют управлять здоровьем нескольких членов семьи из одного аккаунта, упрощают взаимодействие с клиникой и увеличивают количество регулярных пользовательских сценариев внутри приложения.

🔗 Интеграция в цифровую инфраструктуру клиники

Решение интегрируется с любыми МИС и поддерживает автоматический обмен данными между приложением и системой клиники без дублирования процессов.

В результате мобильное приложение становится не только каналом записи на приём, но и инструментом удержания пациентов, повышения количества повторных обращений и развития долгосрочных отношений между клиникой и пациентом.

Подробнее о возможностях решения — на нашем сайте.

Как меняется рынок MedTech и почему клиникам приходится менять подход к работе с пациентами

Несмотря на значительные инвестиции в здравоохранение и активное развитие медицинских технологий, рынок MedTech по-прежнему остается разрозненным.

У клиник, лабораторий, страховых компаний и других участников рынка до сих пор нет единого механизма обмена медицинскими данными. Информация хранится в разных системах и форматах, поэтому внедрение новых технологий происходит значительно медленнее, чем во многих других отраслях.

За последние несколько лет, работая над собственным MedTech-проектом «Я здоров», мы глубоко погрузились в то, как устроено взаимодействие пациента с клиникой за пределами приёма врача. Этот опыт позволил нам увидеть одну из ключевых задач, с которой сегодня сталкиваются медицинские организации.

⚠️ Коммуникация с пациентом нередко заканчивается сразу после визита. Несмотря на заинтересованность клиник в долгосрочных отношениях, после приёма они зачастую теряют возможность поддерживать регулярный контакт с человеком, а вместе с этим — влиять на возвращаемость пациентов и рост LTV.

Особенно актуальной эта задача становится сегодня, когда стоимость привлечения нового пациента продолжает расти и в ряде случаев уже сопоставима со стоимостью первичного приёма.

Именно поэтому мы создали мобильное приложение для клиник на базе платформы «Я здоров», которое помогает сохранять контакт с пациентом после визита, выстраивать долгосрочное взаимодействие и создавать дополнительную ценность для пациентов за пределами приёма врача.

Сохранить контакт с пациентом — важно. Но ещё важнее понимать, чем клиника может быть полезна человеку между визитами. Подробнее об этом рассказываем в нашей новой статье 🫰

🫰 Как автоматизировать подбор сложной продукции внутри интернет-магазина: разработали инженерный калькулятор для КМ1

В промышленном e-commerce далеко не всю продукцию можно продавать как обычный товар из каталога — особенно когда речь идёт о сложных инженерных системах, где подбор зависит от параметров объекта, нагрузок, совместимости комплектующих и технической документации.

С такой задачей к нам пришёл KM1 — производитель металлоконструкций, кабеленесущих систем и решений для промышленной инфраструктуры.

Компания развивает интернет-магазин и хотела перенести часть инженерной логики в digital: дать пользователям возможность самостоятельно получать расчёт продукции, подбор комплектующих и готовую смету прямо внутри сайта.

Речь шла о промышленном фальшполе — системе пола на регулируемых опорах, под которой размещаются кабели и инженерные коммуникации.

Раньше для расчетов инженеры и проектировщики работали с документацией, Excel-таблицами и внутренними расчетными материалами компании. Задача была в том, чтобы перенести эту логику на сайт и сделать расчёт частью цифровой инфраструктуры бизнеса.

В результате сайт стал не просто точкой продаж, а рабочим инструментом для инженеров, проектировщиков и клиентов компании.

Пользователь может получить готовый расчёт и спецификацию прямо внутри сайта, а бизнес — сократить количество ручных операций, ускорить часть инженерных процессов и работу с подбором продукции.

После запуска первого калькулятора KM1 увидел рост продаж и продолжил развитие этого направления, передав нам в работу следующие сервисы для подбора и расчёта продукции.

🔥 В кейсе подробнее рассказали, как реализовали расчетную логику сервиса, и как подобные решения встраиваются в реальные процессы в Ecom и PromTech. Подробнее — на нашем сайте.

🫰 Сайт компании всё чаще становится полноценной системой, через который бизнес автоматизирует процессы, работает с данными и помогает клиенту принять решение о покупке.

Так, недавно мы реализовали для промышленной компании сервис для расчёта фальшпола. Пользователь вводит параметры объекта на сайте, а система рассчитывает нагрузки, подбирает комплектующие и формирует готовую смету.

Так совпало, что во время работы над проектом, на рынке обсуждали случай с обрушением похожей конструкции на одном из объектов. Прямой связи с подобными сервисами там не было, но сама ситуация еще раз показала, насколько критичными становятся точность расчётов, логика автоматизации и качество данных, когда сайт начинает участвовать в реальных процессах компании.

❗️ И если в ручных процессах ошибка чаще всего остается локальной, то в автоматизации всё иначе: одна ошибка в логике или обработке данных может масштабируется на всю систему.

🔥 Подводя итог — сегодня сайт способен:
• выстраивать работу с продуктом, каталогами и данными внутри единой системы,
• брать на себя подбор продукции, расчеты и работу со спецификациями,
• переводить часть клиентских и рабочих сценариев в digital,
• масштабировать работу с большой номенклатурой и сложной структурой данных,
• усиливать экспертизу компании через собственные digital-инструменты и сервисы.

👓 И чтобы сделать действительно полезный и для компании, и для пользователя сервис, необходимо глубоко погружаться в процессы бизнеса, понимать специфику продукта и проектировать систему с учётом того, как она будет работать в реальной эксплуатации.

Мы запускаем исследование рынка e-commerce совместно с агентством «Умный маркетинг» 🔥

🛒 За последние несколько лет маркетплейсы стали ключевым каналом продаж для значительной части e-commerce-компаний, и в ряде случаев — основной точкой формирования выручки.

Одновременно продолжается изменение условий работы на платформах: повышаются комиссии, усложняются правила взаимодействия продавцов с площадками, меняются механики ранжирования и распределения трафика. Это напрямую влияет на экономику продаж и уровень маржинальности бизнеса.

На этом фоне нам важно понять, как e-commerce компании адаптируются к изменениям и какие решения принимают для сохранения и роста объемов продаж.

🔍 В рамках исследования мы выясним:
— как изменились условия работы с маркетплейсами за последние 2–3 года: рост комиссий и стоимости услуг, изменение алгоритмов органической выдачи, рост конкуренции и т. д.;
— как торговые компании выстраивают баланс между маркетплейсами и собственными каналами продаж;
— как развивают собственные интернет-магазины и мобильные приложения;
— как меняется маркетинговая стратегия в условиях растущей зависимости от платформ;
— какие видят драйверы и барьеры масштабирования e-commerce.

Исследование проводится в 2 этапа:

📁 На первом этапе для сбора данных мы проводим серию глубинных интервью с владельцами и руководителями e-commerce-направлений. Формат — онлайн-интервью 40–50 минут. Участие конфиденциальное. Участники получат ранний доступ к итоговому аналитическому отчёту.

Второй этап — массовый онлайн-опрос для подтверждения выявленных на серии глубинных интервью гипотез.

❗️ Если вы работаете в e-commerce и готовы поделиться опытом — зарегистрируйтесь в боте для участников исследования, и мы свяжемся с Вами в ближайшее время.

📦 Доставка как инструмент роста: как интернет-магазинам конкурировать с маркетплейсами

В e-commerce доставка давно перестала быть просто «последним шагом» в оформлении заказа. Сегодня это один из ключевых факторов конкуренции — особенно на фоне маркетплейсов, которые приучили покупателей к доставке на следующий день в пункт выдачи рядом с домом.

❗️Но для интернет-магазинов брендов и розничных сетей задача гораздо сложнее: им нужно приблизиться к этому уровню удобства, не разрушив экономику своего бизнеса. Бесплатная доставка «как у маркетплейсов» в таком случае — не стратегия. Необходим правильно спроектированный продукт, где логистика становится частью цифрового решения.

В новой статье рассказываем, почему доставка — это не отдельный модуль, а продуктовая задача, которую необходимо учитывать уже на этапе разработки интернет-магазина или мобильного приложения. Разбираем, как балансировать между ожиданиями пользователя, операционными ограничениями бизнеса и технической реализацией.

На практике функционал доставки обычно требует индивидуальной архитектуры решений. Например, среди наших клиентов есть такие кейсы:

⛏ В DIY-сети «Строй-С», где покупатель может заказать и один шуруповёрт, и целую машину стройматериалов, мы разработали систему расчёта доставки, учитывающую вес, габариты, этаж, наличие лифта и срочность заказа. Алгоритм автоматически подбирает транспорт и объединяет заказы в сборные маршруты, снижая логистические затраты без ухудшения клиентского опыта.

🚗 Другой пример — международная платформа Yacar, через которую автомобили покупаются на японских аукционах и доставляются в Россию. Здесь доставка включает не только транспортировку, но и сложную цепочку процессов: расчёт стоимости, документы, валютные операции и работу с границей. Мы создали интерфейс, который сопровождает пользователя на каждом этапе и помогает менеджерам быстро находить оптимальный сценарий доставки.

О том, как выгодно связывать пользовательский опыт, бизнес-экономику и реальные логистические процессы — читайте в статье на нашем сайте ✌️