Разработка платформы и рекомендательной системы для сервиса подбора digital-агентств NewBiz

NewBiz — сервис по подбору агентств для реализации маркетинговых и digital-задач. Команда появилась на рынке в 2015 году и уже завоевала репутацию надежного посредника. Сервис помогает уверенному выбору агентств на основе статистических данных об их работе.

В 2024 году NewBiz запустил разработку платформы, чтобы перенести консалтинговую экспертизу по подбору агентств в платформенное решение. OSMI IT зашли в проект как технологический партнер после прохождения стандартной процедуры NewBiz по подбору партнеров.

До запуска платформы команда вручную подбирала партнеров для клиентов как консалтинг, используя авторские методики и автоматизацию на базе CRM. NewBiz решили перевести процессы на платформу — с рейтингами, фильтрами и учётом параметров. Аналогичным образом это реализовано у американского портала Clutch, бельгийского проекта Sortlist и других зарубежных платформ.

На старте главная задача по проекту звучала так: «создать b2b маркетплейс, подобный OZON, по аналогии с глобальными проектами». Заказчики хотели не только взять за основу подход иностранных коллег, но и учесть боли и потребности локальной целевой аудитории. Проект должен быть усилен умными фичами, например, динамическим рейтингом или оценкой бизнесом исполнителей.

На пресейле мы сформулировали ключевой KPI продукта — высокое качество и точность подбора исполнителя для заказчиков. В Miro проработали схему взаимодействия: авторизацию, ЛК, логику взаимодействия пользователей.

Договорились начать с MVP-версии и сразу сделать качественный продукт, поскольку маркетологи крупных b2b компаний и представители рекламных агентств — требовательные пользователи.

На брифинге коллеги из NewBiz предоставили большой объем исследований и сегментаций маркетологов, что позволило понять, как сделать продукт мирового уровня.

У NewBiz на тот момент был опыт сотрудничества с 8 рынками (Нигерия, ЮАР, Филиппины, Таиланд, Кавказ и Центральная Азия) для клиентов, которые после 2022 года расширяли географию. Также клиенты изучили большой объем пользовательских сценариев и поручили автоматизировать их нам.

Команда OSMI IT также провела длительную продуктовую аналитику. Аналитики структурировали полученные от заказчика данные и заложили их в основу решения. Мы изучили систему оценки компаний-конкурентов (глобальных и локальных), проанализировали match-платформы типа Airbnb и HH.ru. Сравнили, как реализованы блоки (регистрация, тендеры, рейтинги) и предложили решения для NewBiz.

Мы приземлили идеи в понятную структуру и учли пользовательские сценарии.

На звонках с клиентом мы разбирали процессы, выделяли основные флоу и совершенствовали блок-схемы. Сформировали общую блок-схему: как все устроено в процессах клиента, как будет реализовано в продукте, когда какие события произойдут, и как мы идем по сценариям.

После проработки архитектуры получилась модель решения с описанием ключевых сценариев и бизнес-процессов в виде BPMN-диаграмм.

На работу с диаграммами и флоу продукта ушло несколько месяцев. Это была кропотливая работа с внушительными объемом данных и связей между ними.

Логику сценариев мы проработали через продуктовый подход Jobs to Be Done. Учитывали действия пользователей: какие задачи решают, какой результат им нужен.

Команда клиента хотела создать продукт в соавторстве с пользователями, привлекая их, как консультантов. Так что мы брали в в работу результаты всех исследований, включая промежуточные CX-исследования на прототипах.

Финальный прототип сделали за три итерации. Он интерактивный, понятный и адаптированный под реальные флоу, можно кликать и тестировать.

Вместе с клиентом провели CX-исследование на пользователях — агентствах и клиентах NewBiz. Посмотрели, как пользователи кликают по кнопкам, что понимают в продукте, а что им непонятно. Некоторые пользователи не видели очевидные вещи, у других были барьеры в использовании продукта. Мы зафиксировали замечания, доработали сущности и убрали лишние фичи.

Для клиентов:

1. Регистрацию / авторизацию / восстановление доступа в личный кабинет.

2. Личный кабинет клиента.

2. Создание своего проекта для подбора исполнителей.

3. Страницу с динамическим рейтингом исполнителей под требования проекта.

4. Возможность выбрать нужных исполнителей и отправить им приглашения.

5. Возможность просматривать ответы от исполнителей.

6. Выбор победителя и указание причины проигравшим.

7. Регулярную оценку работы выбранного исполнителя.

8. Просмотр статей в базе знаний.

Для исполнителей:

1. Доступна регистрация / авторизация / восстановление доступа в личный кабинет.

2. Личный кабинет исполнителя.

3. Дашборд по работе с платформой (рейтинг исполнителя, количество приглашений, просмотров, побед).

3. Просмотр списка своих проектов.

4. Настройка профиля компании:

- визуализация (шапка профиля),

- добавление клиентов,

- добавление услуг, их стоимости и бюджета,

- загрузка портфолио,

- получение отзывов от текущих клиентов,

- приглашение сотрудников,

- активация платных тарифов с дополнительными опциями.

5. Просмотр статей в базе знаний платформы.

Команда NewBiz использовала внутренний скоринг агентств при подборе на тендер для формирования приоритизации. Мы взяли его за основу как прототип рекомендательной системы, которую теперь нужно было сделать более точной.

До внедрения платформы расчеты делались долго и проблематично. Например, нужно было считать, как меняется вес оценок с учетом индекса клиента, поставившего оценку. Мы взяли клиентскую методику расчета за основу и поискали, как ее автоматизировать и перевести в гибкую систему.

На основе исследования аналитики предложили решение:

1. Использовать при расчете формулы сущности на сайте по агентам-участникам рынка,

2. Подобрать алгоритм расчета рекомендаций,

3. Учесть баллы, которые агентства получают за каждый параметр, и вес всех баллов

4. Вывести усредненную формулу на базе анализа рейтингов и методики NewBiz

Сделали пропорцию: 40/60 в пользу качества исполнителя, чтобы сохранить баланс между точностью подбора и общим уровнем агентства. Проверили, чтобы между параметрами не было перекосов.

Получившийся алгоритм учитывает параметры проекта, которые вводит клиент, заполняя карточку проекта. Он проверяет мэтч бюджета клиента с профилями агентств и учитывает отзывы о компаниях, формирующие их общие показатели.

Система определяет, насколько хорошо агентство делает работу по мнению клиентов, а алгоритм учитывает доверие к агентству с опорой на его карточку (чем больше кейсов и отзывов у агентства, тем выше позиции в выдаче). Наконец, анализируются микрофакторы (win rate агентств, показатель активности на платформе и др.).

Так происходит оценка доверия к агентствам как в реальной жизни и проверка соответствия задачи клиента и профилей компании. Получаются надежные рекомендации.

Как мы продумывали архитектуру

Клиент изначально целился на классический стек — Laravel на бэкенде и «чистую» HTML-верстку на фронте. Однако мы предложили альтернативу: Python + Django на серверной стороне и Nuxt .js — на клиентской.

Почему Django победил Laravel

Высокая скорость под нагрузкой — Django демонстрирует стабильное время отклика даже при росте RPS благодаря оптимизированному ядру.

Заложили архитектуру с запасом по нагрузке: проводили тесты производительности. Продумали логику, чтобы при увеличении количества исполнителей до 1000 и выше, система не теряла в скорости и оставалась отзывчивой. Оценили рекомендательную систему, как самую нагруженную часть платформы. Ее устойчивость проверили отдельно.

Кэширование «из коробки» — фреймворк предоставляет инструменты для гибкой многоуровневой кэш-стратегии (страницы, запросы, шаблоны), что снижает требования к инфраструктуре.

Масштабирование в микросервисах — Python-экосистема упрощает выделение сервисов в контейнеры и обеспечивает доступ к ML- и data-инструментам на том же стеке.

Быстрый вывод MVP — админ-панель, ORM и система аутентификации входят в базовую поставку; меньше внешних пакетов — быстрее релиз.

Почему Nuxt.js вместо статической вёрстки

UX-функциональность — реактивные формы, живые фильтры, автосохранение и другие интерактивные элементы реализуются быстрее и надёжнее, чем в чистом HTML.

Автоматический сплит кода, SSR и SSG — серверный рендеринг улучшает SEO и первую отрисовку, а статическая генерация и динамический импорт снижают нагрузку на браузер.

Внедренные фичи

Портфолио агентств с индексируемыми кейсами, создаваемыми и редактируемыми внутри платформы.

Что еще сделано на этапе разработки:

Микросервисная архитектура с несколькими контейнерами: Web-сервер (Django + Gunicorn), WebSocket сервер (Daphne), очереди задач (Celery + Redis), база данных (PostgreSQL), веб-сервер (Nginx)

Технически мы проверили платформу сами, но было важно отследить и userstory. Помимо проведения автоматических и unit-тестов на фронте и бэке, протестировали ключевые пользовательские сценарии. Например, как действие пользователя влияет на данные в сущностях, и нет ли ошибок во взаимосвязях.

Мы записывали кейсы и отлаживали поведение рекомендательной системы и корректное отображение интерфейсов. Проверяли механику расчетов вручную и на тестовых данных. Убедились, что апгрейд аккаунтов дает буст бизнесу, но не ломает алгоритмы платформы. Определили запас прочности системы: сейчас она выдержит регистрацию до 10000 исполнителей.

Команда NewBiz выступала на проекте как product owners — с ясным видением, требованиями и ответственностью за результат. Опыт партнеров в сфере подбора агентств помог при разработке и развитии функционала.

Мы сообща тестировали работу рекомендательной системы. Реализовывали ее так, чтобы клиенты и исполнители обменивались обратной связью. Теперь платформа предоставит рынку обоснованные отзывы и динамично обновляемую систему, напоминающую обмен рекомендациями в реальной жизни и соцсетях.

Этот подход поможет бизнесу быстрее менять партнеров и развиваться, подбирая агентства не только через «сарафанное радио». Через публикацию отзывов платформа будет расти быстрее, на ней зарегистрируется бизнес, не знавший о площадке.

С нашей стороны проект вели:

NewBiz уже успешно функционирует. Команда клиента приглашает исполнителей, и они проверяют работу продукта. Проект стартовал как MVP, но по факту мы сразу сделали цифровой продукт с глубокой проработкой бизнес-логики, архитектуры и UX/UI. В системе сейчас:

Продукт готов к масштабированию на рынке. Это ценный актив для клиента. Платформа станет полезнее не только для энтерпрайз, но и для среднего и малого бизнеса. Клиенты NewBiz смогут быстрее находить бизнес-партнеров, получать доступ к рекомендациям и эффективнее вести маркетинговые и PR-кампании.

Мы сотрудничаем с NewBiz и формируем продуктовый бэклог. Предусматриваем апгрейд системы и внедрение в продукт ML для повышения точности рекомендаций. Скоро на сайте появятся данные о механике работы платформы.

Команда клиента планирует активно делиться опытом в медиа. Партнеры уже выпустили фильм о проделанной NewBiz и OSMI IT работе.

Экспертиза NewBiz в сфере подбора digital- агентств выигрышно соединилась с опытом разработки OSMI IT. Получился продукт, который еще на этапе MVP закрывает запросы бизнеса по поиску компетентных специалистов. Рекламные и digital-агентства могут привлекательно представлять свои услуги.

Новое решение быстро займет нишу на рынке, предоставляя лучший тендерный опыт пользователям. Высокое качество и точность подбора станут визиткой NewBiz.