Il modulo è stato inviato con successo.
Ulteriori informazioni sono contenute nella vostra casella di posta elettronica.
Selezionare la lingua
Innowise ha aggiornato una pletora di applicazioni web che coprono moda, arte, architettura, cibo, salute e altro ancora, sfruttando le capacità dell'intelligenza artificiale per la generazione di testi e immagini e la raccomandazione di contenuti.
Il nostro cliente è un importante gruppo mediatico che produce contenuti digitali con una presenza significativa in Danimarca, Norvegia, Svezia e Finlandia. Pubblica riviste, giornali e media digitali che coprono lo stile di vita, l'intrattenimento, la salute e l'attualità, gratuitamente o su abbonamento.
Le informazioni dettagliate sul cliente non possono essere divulgate in base alle disposizioni dell NDA.
La tendenza al digitale media I consumi hanno continuato a crescere e il cliente ha dovuto affrontare la sfida di tenere il passo con il cambiamento. Dovevano garantire che le loro piattaforme digitali non solo fossero accessibili, ma anche sufficientemente coinvolgenti per entrare in contatto in modo più significativo con il loro pubblico di riferimento. Con migliaia di visitatori al mese, volevano rendere le loro applicazioni web più interattive, visivamente attraenti e facili da usare, correggere le discrepanze dei contenuti e migliorare la gestibilità generale.
Inoltre, hanno mostrato interesse nell'implementare intelligenza artificiale nei loro flussi di lavoro per offrire contenuti più pertinenti e ridurre i costi operativi.
Nella prima fase, Innowise ha esaminato l'ecosistema dei media digitali del cliente per correggere le incongruenze più evidenti e trovare aree di miglioramento. Oltre a ridurre gli errori di navigazione, velocità delle pagine, coerenza SEO, presentazione dei contenuti e altro ancora, il nostro team di progetto ha intrapreso la migrazione del CMS Labrador. Grazie all'architettura "headless CMS", il repository dei contenuti e il livello di presentazione sono separati, rendendo questa piattaforma una soluzione ideale per i moderni editori digitali in rapida crescita.
Innowise ha aggiornato un'applicazione web che offre una guida completa a intere abitazioni, coprendo dettagli interni, architettura e arte. In qualità di pubblicazione leader e piattaforma online, questo media digitale rimane una fonte di riferimento per l'architettura innovativa nelle case private.
Abbiamo modernizzato la web app che fornisce nuove informazioni sullo sviluppo e la crescita dei bambini. Supporta le madri in ogni fase, dalla gravidanza all'adolescenza. - rendere più appagante il viaggio della maternità.
Questo mezzo di comunicazione digitale ha raccolto, valutato e fornito gli ultimi e più importanti aggiornamenti su salute, esercizio fisico, bellezza e nutrizione. Il nostro team di progetto ha ristrutturato i canali multimediali dedicati allo stile di vita, includendo articoli e servizi sul mantenimento di uno stile di vita sano, consigli sulla dieta, suggerimenti sull'esercizio fisico e sul benessere psicologico.
Questo mezzo di comunicazione è ideale per rimanere informati sugli aggiornamenti della famiglia reale e sulla scena dell'intrattenimento svedese. Per oltre un decennio, l'applicazione web è stata una fonte affidabile di notizie sulla famiglia reale, evolvendosi poi in un'importante fonte di notizie per le celebrità e i personaggi dello spettacolo svedesi più interessanti, regolarmente presenti in TV.
Poiché la fotografia professionale comporta spese costose, tra cui fotografi qualificati, stylist esperti, oggetti di scena, attrezzature e allestimenti in studio, Innowise ha suggerito di sviluppare una soluzione innovativa per eliminare la necessità del lavoro manuale.
Il nostro team di progetto ha selezionato StableDiffusionXLe GPT-3.5 per generare immagini di alta qualità a partire da richieste di testo. Inizialmente, abbiamo raccolto foto di genitori come riferimento e abbiamo utilizzato LoRA (adattamento a basso rango di modelli linguistici di grandi dimensioni) per generare immagini realistiche. Successivamente, abbiamo creato un'interfaccia testo-immagine di facile utilizzo per interagire con il modello.
L'intelligenza artificiale utilizza tecniche LLM e NLP per comprendere il testo richiesto, cogliendone il contenuto, il contesto e le sfumature. Quindi, interpreta le caratteristiche descritte nel testo, come oggetti, colori, texture e relazioni spaziali, per creare immagini reali basate sulle correlazioni tra le descrizioni testuali e gli elementi visivi. Se il risultato finale non soddisfa le aspettative, perfezioniamo continuamente il modello di intelligenza artificiale in base ai feedback e alle prestazioni per ottenere risultati soddisfacenti.
Una volta che i nostri specialisti di ML hanno messo a punto il flusso di lavoro per la generazione delle immagini in base ai suggerimenti, abbiamo ottenuto i seguenti risultati.
Esempio 1: "Bistecca con guarnizione, dall'alto verso il basso, luce naturale, su un piatto liscio, semplice ed elegante, catturato come una foto scattata con una Canon EOS R e un obiettivo da 50 mm in uno sfondo completamente bianco con un'ombra morbida, risoluzione 8k, texture vera e foto dettagliata, angolo alto".
Esempio 2: "Primo piano macrofotografico di una lasagna da leccarsi i baffi, con strati di tagliatelle cotte alla perfezione, carne macinata saporita e una miscela di tre formaggi fusi e appiccicosi. Aggiungete un sugo di pomodoro e carne fatto in casa e una miscela cremosa di ricotta, mozzarella e parmigiano. Preparate la salsa con concentrato di pomodoro, acqua, zucchero, foglie di basilico, semi di finocchio, condimento italiano, sale, pepe e prezzemolo fresco. Utilizzate una Canon EOS 5D Mark IV e un obiettivo Canon EF 100 mm f/ 2.8L Macro IS USM per catturare gli strati intricati e i colori vivaci di questo delizioso piatto italiano. Illuminate la scena con una luce calda e morbida per accentuare la natura confortante del piatto".
Poiché il nostro cliente si trovava ad affrontare una diminuzione del coinvolgimento degli utenti, problemi di fidelizzazione dei clienti e una mancanza di idee per contenuti di valore, abbiamo implementato un sistema di raccomandazione dei contenuti basato sull'intelligenza artificiale. Il sistema raccoglie i dati degli utenti, tra cui la cronologia di navigazione, le query di ricerca, le interazioni (come click, like e condivisioni), la cronologia degli acquisti e le informazioni demografiche. Il sistema di intelligenza artificiale utilizza i dati raccolti per creare un profilo di ciascun utente, che racchiude le sue preferenze, i suoi interessi e i suoi modelli comportamentali.
Nella fase successiva, l'intelligenza artificiale analizza i dati degli utenti, combinando algoritmi come il filtraggio collaborativo, le macchine di raccomandazione deep learning e un metodo ibrido.
Il filtraggio collaborativo fornisce raccomandazioni basate sul comportamento di altri utenti con profili o preferenze simili. Ad esempio, se all'utente A piacciono determinati articoli e l'utente B ha gusti simili a quelli dell'utente A, il sistema potrebbe raccomandare tali articoli all'utente B.
L'approccio di raccomandazione del deep learning, a sua volta, raccoglie grandi quantità di dati relativi al comportamento e alle interazioni degli utenti, tra cui preferenze, clic, ricerche, like e altre azioni rilevanti. Quindi, i modelli di deep learning creano profili di utenti e suggeriscono rappresentazioni di contenuti analizzando i dati raccolti. Questo approccio identifica modelli complessi che gli algoritmi tradizionali potrebbero non cogliere, consentendo una comprensione più sfumata delle preferenze degli utenti.
Il metodo ibrido combina macchine di raccomandazione collaborative e deep learning per migliorare l'accuratezza delle raccomandazioni e superare i limiti dei singoli metodi.
Il nostro team si è assicurato che il sistema riconoscesse le preferenze dell'utente e regolasse le raccomandazioni in base ai dati storici e alle tendenze attuali, per prevedere quali contenuti avrebbero risuonato con il pubblico di riferimento.
Front-end
CSS, Next.js, React, Typescript, Labrador CMS
Back-end
Node.js
DE/ML
Python, PyTorch, Keras, NVIDIA TensorRT, NVIDIA DLRM, HuggingFaces, Spacy, Openai API (GPT-3.5), StableDiffusionXL, Docker, Docker Compose, Tensorboard
CI/CD
AWS, Cloudflare, Vercel Attualmente
Utilizzando la metodologia Agile, abbiamo suddiviso il progetto in diverse fasi, migliorando notevolmente la flessibilità, la comunicazione e la soddisfazione del cliente.
Durante la discussione iterativa nella fase di scoperta, abbiamo acquisito una comprensione completa dei requisiti del cliente e definito chiaramente l'ambito del progetto.
Nella fase di progettazione, i nostri talentuosi Progettisti UI/UX ha creato storie di utenti, mappe del percorso del cliente e mockup di progettazione iniziale per migliorare il coinvolgimento degli utenti ed eliminare le incoerenze esistenti nelle applicazioni web. Gli sprint di progettazione hanno facilitato la prototipazione rapida e la raccolta di feedback, essenziali per gli ambienti Agile.
Con sprint di due settimane, la fase di sviluppo comprendeva standup giornalieri, pianificazione degli sprint e retrospettive. I componenti funzionali sono stati consegnati dopo ogni sprint, segnando tappe specifiche. Il team di progetto ha tenuto standup quotidiani e revisioni di sprint per le dimostrazioni dei clienti tramite Google Meet, gestendo la prioritizzazione dei compiti in Jira e mantenendo la documentazione del progetto in Confluence.
2
Proprietari di prodotti
1
Responsabile tecnico
1
Analista della crescita
1
Master Scrum
2
Sviluppatori back-end
4
Sviluppatori Front-End
2
Progettisti UI/UX
2
Sviluppatori ML
1
Responsabile soluzioni Cloud
Innowise ha modernizzato l'ecosistema di applicazioni web del cliente, offrendo maggiore comodità e attrattiva agli utenti finali. Abbiamo migrato i sistemi digitali del cliente al CMS Labrador, particolarmente adatto alle pubblicazioni digitali ad alto traffico in termini di interfaccia intuitiva, facilità d'uso, economicità e funzionalità. Inoltre, abbiamo implementato un'intelligenza artificiale generativa da testo a immagine che converte le descrizioni scritte in immagini corrispondenti senza costose fotografie professionali. Abbiamo anche sviluppato un sistema di raccomandazione dei contenuti guidato dall'intelligenza artificiale che suggerisce contenuti personalizzati in base alle preferenze, ai comportamenti e agli interessi individuali dell'utente.
Il risultato è stato quello di aumentare il coinvolgimento degli utenti, suggerendo contenuti pertinenti e interessanti senza incongruenze ed errori nei vari punti di contatto digitali.
12%
afflusso di visitatori mensili
66%
riduzione dei costi della fotografia professionale
Dopo aver ricevuto ed elaborato la vostra richiesta, vi ricontatteremo a breve per illustrare le esigenze del progetto e firmare un NDA per garantire la riservatezza delle informazioni.
Dopo aver esaminato i requisiti, i nostri analisti e sviluppatori elaborano una proposta di progetto con l'ambito di lavoro, le dimensioni del team, i tempi e i costi stimati.
Organizziamo un incontro con voi per discutere l'offerta e giungere a un accordo.
Firmiamo un contratto e iniziamo a lavorare sul vostro progetto il prima possibile.
© 2007-2024 Innowise. Tutti i diritti riservati.
Informativa sulla privacy. Politica sui cookie.
Innowise Sp. z o.o Ul. Rondo Ignacego Daszyńskiego, 2B-22P, 00-843 Varsavia, Polonia
Iscrivendosi si accetta il nostro Informativa sulla privacy, compreso l'uso dei cookie e il trasferimento dei vostri dati personali.
Grazie!
Il tuo messaggio è stato inviato.
Elaboreremo la vostra richiesta e vi ricontatteremo al più presto.
Grazie!
Il tuo messaggio è stato inviato.
Elaboreremo la vostra richiesta e vi ricontatteremo al più presto.