SMG

Модернизация и трансформация платформы Матрас.ру

Клиент: Матрас.ру

Задача: Провести глубокую трансформацию устаревшего монолитного приложения с высоким техническим долгом для повышения конверсии, управляемости и производительности. Необходимо было унифицировать и модернизировать фронтенд, перенести бэкенд с PHP на современный стек, улучшить интеграции с 1С и видеохостингом, автоматизировать ручные процессы управления ценами и отчетами, а также внедрить новый функционал для повышения продаж, включая онлайн-оплату и расширенную систему отзывов. Решение: Проект был поэтапно переведен на современную архитектуру без остановки работы магазина. Бэкенд и API-слой были переписаны на Golang, что обеспечило высокую производительность и решило проблему динамических URL и SEO через разработку специализированного сервиса-резолвера. Фронтенд полностью мигрировал на Nuxt.js с серверным рендерингом, для чего была создана единая компонентная база и дизайн-система с нуля. В административной панели на Go автоматизировали обновление цен по фидам и генерацию кастомных отчетов, заменив ручные SQL-запросы. Также была реализована комплексная система онлайн-оплаты, переработана и стабилизирована интеграция с 1С, перенесен видео-контент на VK Play и внедрен гибкий инструмент управления промо-акциями. Результат: Сто процентов фронтенда перенесено на современный стек Nuxt.js, а девяносто процентов бэкенда оптимизировано и переписано на Golang. Значительно ускорилась генерация страниц благодаря SSR и кэшированию, снизилась нагрузка на серверы и обеспечена надежная обработка пиковых нагрузок. Внедрено более десяти ключевых маркетинговых и операционных функций, полностью устранены ручные операции по обновлению цен и отчетам. Создан единый UI-kit и проведен редизайн ключевых страниц, что в совокупности с новыми инструментами повысило конверсию, улучшило SEO-потенциал и снизило операционные издержки бизнеса.

Разработка цифровой логистической платформы SLS

Клиент: Swift Logistic

Задача: Создать MVP логистической платформы, объединяющей грузоотправителей и грузоперевозчиков, для быстрого поиска выгодных коммерческих предложений по межрегиональным и межгосударственным перевозкам. Усложняло работу отсутствие задокументированной информации и необходимость заложить архитектуру под будущие модули: конструктор документов, мониторинг грузов, чат-бота, бонусную программу и онлайн-оплату через факторинг. Решение: Разработали веб-версию MVP поэтапно: сначала создали тестовую версию с минимально необходимым функционалом, сразу заложив в архитектуре поддержку всех будущих модулей. После демонстрации заказчику запустили прод-среду для полевого тестирования с реальными пользователями, а затем доработали функциональность и интегрировали решение в экосистему компании. Реализовали создание и редактирование пользователей, формирование откликов на заявки, ведение диалогов, согласование документов и формирование задач с логированием времени. Результат: Веб-версия успешно запущена и полностью функциональна. Пользователи получили возможность оставлять заявки на грузоперевозки, откликаться на чужие заявки и находить транспорт по широкому спектру параметров: геолокация, вес, длина транспорта, дата загрузки. Пул задач сместился на разработку мобильного приложения, а платформа стала основой для дальнейшего масштабирования сервиса.

AUTOSCAN. Автоматический осмотр автомобилей в таксопарках

Задача: Устранить очереди на ручной осмотр автомобилей, исключить спорные списания ущерба за счет человеческого фактора, избежать штрафов от агрегаторов за внешний вид авто и обеспечить соблюдение требований 580-ФЗ о предрейсовом контроле. Решение: Внедрен аппаратно-программный комплекс AUTOSCAN на базе компьютерного зрения. Автомобиль проезжает через стационарный портал на скорости 5–10 км/ч. Система за 10–15 секунд распознает госномер, делает синхронные снимки кузова на 360°, а нейросети (Python, PyTorch, YOLO-seg/Mask R-CNN) анализируют изображения: фиксируют повреждения, проверяют чистоту и наличие брендинга, сравнивая состояние с предыдущим выездом. Вычисления выполняются на edge-контроллерах (NVIDIA Jetson/GPU), что исключает зависимость от интернета. Данные интегрируются с 1С и веб-кабинетом управления парком. Результат: Время приемки автомобиля сократилось с 5–10 минут до 15 секунд, что полностью устранило очереди на въезд и выезд. Исчезли спорные списания и невозмещенный ущерб благодаря объективным фотодоказательствам с привязкой ко времени и смене. Количество штрафов от агрегаторов резко сократилось за счет автоматического отсеивания грязных или не соответствующих стандартам машин до выхода на линию. Создана масштабируемая платформа цифровых паспортов автомобилей, обеспечивающая бесконтактный осмотр 100% автопарка.