Клиентов
Нет данных
Фаундер
Нет данных
RnD-42
Система математического моделирования поведения потребителей платных ресурсов и расчета оптимального ценообразования. Создание и эксплуатации моделей машинного обучения с целью кон...
Местоположение
Россия
Клиентов
Нет данных
Пользователей
Нет данных
Форма реализации
Нет данных
Сумма инвестиций
Нет данных
Текущая доля рынка
Нет данных
Запрос инвестиций
Нет данных
Инвест. доля
Нет данных
Потенциал переоценки
Нет данных
Прогноз оценки через 12 мес. При сохранении роста
Нет данных
Годовая выручкане указано
Среднемес. выручкаНет данных
Среднемес. доходНет данных
Годовой доходне указано
Рост по банку MoMНет данных
Маржинальностьне указано
О проекте
Система математического моделирования поведения потребителей платных ресурсов и расчета оптимального ценообразования. Создание и эксплуатации моделей машинного обучения с целью контроля корректности взимания платы. Система используется операторами платных ресурсов для оптимизации нагрузки на инфраструктуру и увеличения дохода: создаются модели предсказания поведения потребителей на основе анонимных исторических данных и рассчитывается оптимальный набор индивидуальных ценовых предложений.
- Стадия: Ранний рост
- Индустрии: AdTech & MarTech
- Технологии: Data Base
- Рынки: Россия
- Сайт: https://rnd-42.com
Состав объекта
Нет данных
Этапы реализации
Нет данных
Объём инвестиций
Якорный инвестор
Нет данных
Социально-экономический эффект
Нет данных
Городская значимость
Нет данных
Текущий статус и следующий этап
Нет данных
Инвестиционный запрос
Нет данных
Продукт / технология
Система математического моделирования поведения потребителей платных ресурсов и расчета оптимального ценообразования. Создание и эксплуатации моделей машинного обучения с целью контроля корректности взимания платы. Система используется операторами платных ресурсов для оптимизации нагрузки на инфраструктуру и увеличения дохода: создаются модели предсказания поведения потребителей на основе анонимных исторических данных и рассчитывается оптимальный набор индивидуальных ценовых предложений.
Проблема: Реализуем модель идеальной ценовой дискриминации: Для любого сервиса или товара есть клиенты, которые не покупают его из-за высокой цены. Выделяем их помощи ИИ и предлагаем персональную цену.
Ключевые преимущества технологии
Data Base
Рынок: TAM / SAM / SOM
Россия
Целевая аудитория / клиенты
Операторы платных ресурсов: Платные дороги, Парковки, Телеком, Банки, Ритейл.
Бизнес-модель
B2B
Финансовые показатели
Данные импортированы из анкеты SberUnity и требуют ручной проверки.
Темп роста компании
Нет данных
Потенциал переоценки
Нет данных
План развития и финансовая цель
Нет данных
Команда проекта
Алекс Фаундер
Основатель проекта
Иван Стартапов
Участник команды
Мария Продуктова
Участник команды
Ольга Маркетова
Участник команды
Дмитрий Финансов
Участник команды
Анна Операционная
Участник команды
Ключевые достижения
Нет данных
Сертификация и регуляторный статус
Нет данных
Конкурентное преимущество
Нет данных