Кейс 11 · Мобильное приложение · AI
EatSnap — AI-распознавание блюд по фото
Приложение попало в топ-100 App Store при минимальном маркетинговом бюджете.
топ-100App Store при бюджете 300 000 ₽
35%конверсия в скачивание
3 500установок
Клиент и задача
С чем пришёл клиент
- Сфера клиентаМобильное приложение · AI
- Срок внедренияот идеи до продукта
Рынок и контекст
Пользователям сложно отслеживать питание вручную.
Задача
Убрать ручной ввод блюд, сделать персонализированный опыт и повысить вовлечённость через геймификацию.
Решение
Что мы сделали
- Распознавание блюд по фото и подсчёт калорий и БЖУ.
- Дневник питания и персональные рекомендации.
- Цифровой аватар, который растёт вместе с привычками пользователя.
Технологии
- iOS Swift
- Python
- ML CV
- PostgreSQL
Эффект
Результат в цифрах
топ-100App Store при бюджете 300 000 ₽
35%конверсия в скачивание
3 500установок
Итог: Приложение попало в топ-100 App Store при минимальном маркетинговом бюджете.
Хотите такой же результат?
За 30 минут диагностики разберём ваш процесс, оценим эффект и срок окупаемости. Пилот с KPI, NDA по запросу.
Другие кейсы
- AI-native компания за 8 месяцев
- Предсказание оптимального производственного плана
- Омниканальные коммуникации со специалистами здравоохранения
- Подбор оптимального товара из базы клиента для тендерной заявки
- Автоматизация продаж через текстовые каналы
- Мобильный цифровой помощник врача
- Генерация описания товара по заголовку на маркетплейсе
- Сервис генерации текстовых курсов
- Оптимизация складского пространства: выручка с квадратного метра
- AI-динамическое ценообразование для Wildberries и Ozon
- МойкаЗдесь — цифровая платформа для сети автомоек