# Как генерируются рекомендации

### Как генерируются рекомендации

Наш движок рекомендаций использует сочетание аналитики данных и инсайтов, управляемых ИИ, чтобы предоставить персонализированные советы на основе ваших данных о производительности.

#### **Как это работает**

1. **Сбор данных:**\
   После обработки вашего видео наша система собирает разнообразные метрики производительности — от скорости и частоты шагов в беге до высоты прыжка и индекса реактивной силы в прыжках, а также скорости штанги и мощности в тяжелой атлетике.
2. **Сравнение с эталонами:**\
   Эти метрики сравниваются с оптимальными диапазонами и историческими данными из ваших предыдущих сессий. Система выявляет отклонения, которые могут указывать на области для улучшения.
3. **Анализ на основе правил и ИИ:**\
   Наш движок использует заранее определенные правила вместе с моделями машинного обучения для анализа данных. Например:
   * **Бег:** Если время контакта с землей больше идеального или частота шагов низкая, система отметит эти метрики.
   * **Прыжки:** Расхождения между высотой прыжка и временем полета или несбалансированный индекс реактивной силы вызывают конкретную обратную связь.
   * **Тяжелая атлетика:** Скорость штанги ниже ожидаемой или высокое время приема могут вызвать рекомендации по корректировке техники.
4. **Генерация обратной связи:**\
   Используя генеративный ИИ, система затем формирует четкие, практические рекомендации. Эти предложения отображаются рядом с вашим отчетом, предоставляя контекст и шаги для улучшения.
5. **Презентация:**\
   Рекомендации представлены в кратком, расширяемом формате. Каждая рекомендация включает краткое объяснение, подтверждающие данные и часто эталонное или целевое значение, к которому следует стремиться.

### Чего ожидать в разделе рекомендаций

* **Персонализированные советы:**\
  Каждая рекомендация специфична для вашей текущей производительности. Например, бегуну может быть предложено: «Увеличьте частоту шагов на 5 шагов в минуту для повышения эффективности».
* **Визуальная и текстовая обратная связь:**\
  Обратная связь отображается как в виде текста, так и, при необходимости, в виде графических аннотаций в ваших отчетах.
* **Непрерывное совершенствование:**\
  По мере того как вы регистрируете больше сессий, наша система постоянно обучается на ваших данных. Это означает, что рекомендации со временем развиваются, оставаясь актуальными для вашего прогресса и тренировочных целей.

### Примеры:

**Примеры рекомендаций по обуви**

1. **Jordan Retro 6 G White/Khaki**
   * **Метрики**: Умеренная амортизация (8-12 мм), перепад от пятки к носку 6.5 мм.
   * **Рекомендация**: «Отлично подходит для стабильности при темпе 11.0 км/ч, но рассмотрите меньший перепад для сокращения времени контакта».
   * **Подтверждающие данные**: Время контакта > 6 с указывает на неэффективность с текущим перепадом.
2. **Air Jordan 7 Retro SE Vachetta**
   * **Метрики**: Высокая амортизация (в среднем 420.5 мм), низкий перепад (0-4 мм).
   * **Рекомендация**: «Идеально для уменьшения ударной нагрузки при приземлении и улучшения стабильности времени полета».
   * **Подтверждающие данные**: Обнаружена вариабельность времени полета в данных.

**Расширенные примеры**

**Пример 1: Улучшение эффективности**

* **Данные**: Среднее время контакта 9 с, длина шага 420.5 мм.
* **Рекомендация**: «Перейдите на обувь с нулевым перепадом (например, Jordan Nu Retro 1), чтобы сократить время контакта до 3-6 с и увеличить длину шага до 430 мм».
* **Цель**: Увеличение эффективности на 5-10% при 11.0 км/ч.

**Пример 2: Баланс комфорта и скорости**

* **Данные**: Средняя амортизация 6.5 мм, скорость 11.0 км/ч.
* **Рекомендация**: «Выберите умеренную амортизацию (8-12 мм), например Jordan Retro 6 G, чтобы сохранить комфорт без ущерба для темпа».
* **Цель**: Стабильное время полета между шагами.


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://docs.aikynetix.app/ru/aikynetix-support/how-recommendations-are-generated.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.