UniGoTo

Задача

Помочь старшеклассникам выбрать вуз и образовательную программу, которые действительно соответствуют их интересам, способностям и планам. Обычные рейтинги показывают популярность учебных заведений, но почти не учитывают конкретного человека и его будущую образовательную траекторию.

Основная аудитория сервиса: школьники 14-18 лет и их родители. Пользователь может знать несколько известных вузов, но не видеть менее очевидные программы, которые лучше подходят по профилю, формату обучения, проходным баллам и карьерным перспективам.

Мы участвовали в продуктовой и технической проработке стартапа UniGoTo. Нужно было сформировать понятную механику сервиса, определить роль нейросети и Big Data и превратить сложную рекомендательную модель в простой пользовательский сценарий.

Подход

В основу продукта заложили персональный профиль абитуриента. Он объединяет интересы, учебные результаты, предпочтительные направления, цели и ограничения. Эти данные сопоставляются с информацией о вузах и программах из открытых источников, а результатом становится не один вариант, а ранжированный список рекомендаций.

Рекомендательную систему спроектировали как обучающийся контур. Пользователь может принять, отклонить или сохранить вариант, а обезличенная обратная связь помогает уточнять последующие рекомендации. Для модели также предусмотрели проверку результатов по открытым данным, чтобы оценивать качество предложенной траектории.

Отдельное внимание уделили объяснимости. Сервис должен показывать, почему конкретный вуз оказался в подборке: какие интересы и навыки совпали, насколько реалистично поступление и какие перспективы даёт программа. Такой подход повышает доверие к AI и помогает обсуждать выбор вместе с родителями.

Решение

Сформировали основу цифрового продукта и описали ключевые механики сервиса:

• определили целевую аудиторию и сценарии выбора образования;
• свели получение результата к трём шагам: регистрация, заполнение профиля и персональная подборка;
• спроектировали анкету интересов, целей и учебных предпочтений;
• разработали принцип ранжирования вузов и образовательных программ;
• добавили объяснение рекомендации по нескольким факторам;
• предусмотрели обезличенную обратную связь для улучшения модели;
• заложили работу с открытыми данными и проверку качества рекомендаций;
• описали развитие продукта в веб-приложение и мобильный сервис;
• проработали партнёрскую модель с образовательными платформами, курсами и программами стажировок.