Архив Розничная и оптовая торговля · Продуктовый ритейл

Магнит: сервис PICASSO собирает промоколлажи, около 70% лучше ручных

По данным «Магнита», ML-сервис PICASSO автоматически генерирует промоколлажи товаров для персональных предложений в приложении. В слепом тесте дизайнеров примерно в 70% случаев ML-варианты обошли результаты ручной работы.

Стадия
Промышленная эксплуатация
География
Россия
Год
2025
Источники
1
CB-001407
проверено 19.10.2026

/01 · ключевые результаты

  • возможность системы

    около 70%

    доля случаев, когда ML-коллаж лучше ручного

    Magnit Tech, блог компании, 10.11.2025

    слепой тест дизайнеров · сервис PICASSO в платформе MPS, оценка дизайнеров «Магнита»

    данные компании

оценка strategai

Оценку не приводим: компания не приводит экономического эффекта сервиса, объёма коллажей и затрат на ручную отрисовку.

По данным «Магнита», ML-сервис PICASSO автоматически генерирует промоколлажи товаров для персональных предложений в приложении. В слепом тесте дизайнеров примерно в 70% случаев ML-варианты обошли результаты ручной работы.

Стадия
Промышленная эксплуатация
География
Россия
Год
2025
Источники
1
CB-001407
проверено 19.10.2026

/02 · паспорт кейса

/ паспорт кейса · CB-001407Магнит

Бизнес

Компания
Магнит
Отрасль
Розничная и оптовая торговля · Продуктовый ритейл
Функция
Маркетинг и реклама
Задача
Генерация маркетингового контента

Технология

Класс AI
Компьютерное зрение
Тип решения
Собственная разработка
Данные
Ретроданные прошедших кампаний: коллажи, созданные дизайнерами вручную, изображения и текстовые описания товаров, разметка дизайнеров по качеству композиций.

Внедрение

Стадия
Промышленная эксплуатация, на 10.11.2025
География
Россия

/03 · описание кейса

Бизнес-задача

В «Магните» CVM-стрим Magnit Tech занимается персональными промопредложениями клиентам. Платформа монетизации предложений от поставщиков MPS автоматизировала большинство шагов подготовки маркетинговых кампаний, но узким местом осталась ручная отрисовка коллажей товарных позиций для персональных предложений в мобильном приложении. Менеджерам CRM приходилось связываться с дизайнерами, согласовывать спецификацию, ждать отрисовки и вручную загружать коллажи на платформу. Рост числа дизайнеров вместе с числом кампаний компания сочла неприемлемым и поставила задачу создать сервис автоматической генерации промоколлажей.

Решение

PICASSO — MLaaS-сервис, который по набору изображений товаров с описаниями собирает коллаж. Масштаб товаров подбирается поиском ближайшего соседа в эмбеддинговом пространстве модели CLIP, дообученной на собственном датасете пар изображений и описаний; эталонные размеры извлечены из коллажей прошлых кампаний системой детекции. Композиции генерируются по правилам и шаблонам, заданным дизайнерами (веер, зигзаг и другие). Лучший вариант выбирает классификатор Swin-T, обученный на разметке дизайнеров; пользователь может получить также три или десять лучших кандидатов. Тени строятся классическими методами на pillow и numpy.

Внедрение

Сервис интегрирован в платформу MPS и развёрнут в том же экземпляре на корпоративном K8s-кластере. Менеджеры CRM запускают генерацию через веб-интерфейс планирования кампаний: входные данные кампании, изображения и краткие описания, используются автоматически. Качество коллажей компания проверила слепым тестом среди дизайнеров: примерно в 70% случаев ML-варианты обошли результаты ручной работы.

/04 · источники и проверка

Что подтверждено

  • По данным Magnit Tech, в слепом тесте среди дизайнеров примерно в 70% случаев коллажи, созданные ML-сервисом, обошли результаты ручной работы.
  • Сервис PICASSO встроен в платформу MPS и работает на корпоративном K8s-кластере; менеджеры CRM генерируют коллажи через веб-интерфейс без участия дизайнеров.
  • Масштаб товаров подбирается моделью CLIP, лучший вариант композиции выбирает классификатор Swin-T, обученный на разметке дизайнеров.

Ограничения

  • 70% — результат слепого теста среди дизайнеров компании. Размер выборки и критерии оценки в статье не приведены; влияние коллажей на отклик клиентов не показано.
  • Статья не называет экономию времени, затрат или число сгенерированных коллажей, поэтому масштаб использования и эффект для кампаний по этим данным оценить нельзя.
  • Рост числа запусков в 3,5 раза в статье относится к платформе MPS в целом и не приписан сервису PICASSO.
  1. [1] Magnit Tech

    Как мы научили ИИ рисовать коллажи, когда дизайнер внезапно закончился

    компания · 10.11.2025

    Открыть источник

Архив Сообщить о неточности

АрхИИВ /strategai · CB-001407 · Версия 1 · 19.10.2026 · /c/CB-001407/