Презентация для ПП

1.

Агрегатор маркетплейсов
УрФУ

2.

Проблема
Проблема пользователя:
Покупатель тратит часы на ручное сравнение цен одного и
того же товара на Wildberries, Яндекс Маркете, Сима-Ленде,
Читай-городе и других сайтах.
Решение:
- Одна карточка товара – все цены со всех площадок.
- Экономия времени до 80% на поиске.
- Прозрачное сравнение – фильтрация, сортировка по
цене/рейтингу.

3.

Цель проекта
Разработать веб-агрегатор товаров с маркетплейсов и
онлайн-магазинов, который группирует идентичные
товары от разных продавцов, позволяет фильтровать и
сортировать предложения по цене, рейтингу и магазину.

4.

Бизнес ценность
• Модель монетизации: партнёрские
отчисления (CPA) с переходов на
маркетплейсы.
• Потенциальный рынок – миллионы онлайнпокупателей в РФ.
• Возможность интеграции с экосистемой Сбера
(СберМаркет, СберМегаМаркет, СберБизнес).

5.

Аналоги и конкуренты
Сервис
price.ru
cheaper.ru
yoloprice.com
Качество поиска
Доступные
магазины
Преимущества
Недостатки
8/10
Нет
маркетплейсов
Регистрация
продавца на
сайте
Нет выбора
магазина
4/10
47 источников
(+маркетплейсы),
аптек нет
Богатая
фильтрация
Поиск плохой,
левые товары
Неплохой поиск
Нет агрегации
похожих товаров,
плохой интерфейс,
нельзя выбрать
магазин, цены
неактуальны
7/10
320 магазинов +
маркетплейсы,
только одна
аптека

6.

Данные
- Парсинг реальных карточек товаров с 4 магазинов:
Wildberries, Яндекс Маркет, Сима-Ленд, Читай-город.
- Пример: запрос «воск для свечей» → получено 15 товаров
разных типов (воск пчелиный, кокосовый, свечи
ароматические в банке/стакане, церковные свечи).
- Каждый товар содержит: название, цену, URL,
изображение, рейтинг, магазин.

7.

Предобработка
- Очистка HTML-тегов, нормализация названий (удаление
лишних пробелов, приведение к нижнему регистру).
- Извлечение ключевых характеристик (бренд, вес, тип
упаковки) для последующей группировки.
- Формирование плоского JSON-списка товаров для передачи
в LLM.

8.

Выбор технического решения
Почему не классический rule-based подход?
Названия товаров с разных площадок пишутся по-разному.
Правила не покрывают все варианты.
Какое решение выбрано?
LLM для семантической группировки идентичных товаров.
Модель получает на вход плоский список товаров (15–50
позиций).
Выдаёт JSON с группами: каждая группа – один реальный товар,
внутри – все предложения этого товара от разных магазинов.

9.

Облачные модели
Модель
(провайдер)
Среднее время (сек)
MQS (1-5)
Комментарий
OpenAI
17.05
5
Эталон: идеальная
группировка
OpenRouter
53.35
3
Частичная группировка,
галлюцинации
Mistral
30.83
1
Вернул плоский список
GigaChat
17.27
1
Вернул плоский список

10.

Локальные модели
Модель
Среднее время (сек)
MQS (1-5)
Стабильность
qwen2.5:7b
5.80
5
Высокая (эталон)
qwen2.5:3b
4.60
4
Высокая (но объединяет
банку/стакан)
mistralnemo:12b
6.00
3
Низкая
llama3.2:3b
4.00
2
Очень низкая
qwen2.5:1.5b
3.60
2
Очень низкая
gemma4:e2b
25.00
1
Средняя (все в одну
группу)
deepseekr1:1.5b
10.20
1
Плохая (все в одну группу)

11.

Дальнейшие шаги
- Подключение аптечных товаров.
- Режим «Оптом» – отдельный фильтр и парсинг оптовых
цен.
- Добавление Ozon, Мегамаркет, «Авито» и иные
маркетплейсы.
- Мобильное приложение (iOS/Android).
- Улучшение группировок.

12.

Демо
Скриншоты или скринкаст, можно QR-код, если есть возможность
потыкать, или любой удобный формат live demo

13.

СПАСИБО
ЗА
ВНИМАНИЕ