আমরা কিভাবে বিজ্ঞাপন সংযম করি

প্রতিটি পরিষেবা যার ব্যবহারকারীরা তাদের নিজস্ব সামগ্রী তৈরি করতে পারে (UGC - ব্যবহারকারী-উত্পাদিত সামগ্রী) শুধুমাত্র ব্যবসায়িক সমস্যাগুলি সমাধান করতেই নয়, UGC-তে জিনিসগুলিকে শৃঙ্খলাবদ্ধ করতেও বাধ্য হয়৷ দরিদ্র বা নিম্ন মানের বিষয়বস্তু সংযম শেষ পর্যন্ত ব্যবহারকারীদের জন্য পরিষেবাটির আকর্ষণ কমাতে পারে, এমনকি এটির কার্যকারিতাও শেষ করতে পারে৷

আজ আমরা আপনাকে Yula এবং Odnoklassniki-এর মধ্যে সমন্বয় সম্পর্কে বলব, যা আমাদেরকে Yula-তে বিজ্ঞাপনগুলিকে কার্যকরভাবে নিয়ন্ত্রণ করতে সাহায্য করে৷

সাধারণভাবে সিনার্জি একটি খুব দরকারী জিনিস, এবং আধুনিক বিশ্বে, যখন প্রযুক্তি এবং প্রবণতাগুলি খুব দ্রুত পরিবর্তিত হয়, তখন এটি একটি জীবন রক্ষাকারীতে পরিণত হতে পারে। কেন দুষ্প্রাপ্য সম্পদ এবং সময় নষ্ট করে এমন কিছু উদ্ভাবন করবেন যা ইতিমধ্যে উদ্ভাবিত হয়েছে এবং আপনার সামনে আনা হয়েছে?

আমরা একই জিনিস ভেবেছিলাম যখন আমরা ব্যবহারকারীর বিষয়বস্তু - ছবি, পাঠ্য এবং লিঙ্কগুলিকে নিয়ন্ত্রিত করার সম্পূর্ণ কাজের মুখোমুখি হয়েছিলাম। আমাদের ব্যবহারকারীরা ইউলাতে প্রতিদিন লক্ষ লক্ষ সামগ্রী আপলোড করে এবং স্বয়ংক্রিয় প্রক্রিয়াকরণ ছাড়া এই সমস্ত ডেটা ম্যানুয়ালি সংযত করা সম্পূর্ণরূপে অসম্ভব।

অতএব, আমরা একটি রেডিমেড মডারেশন প্ল্যাটফর্ম ব্যবহার করেছি, যেটি ততক্ষণে ওডনোক্লাসনিকি থেকে আমাদের সহকর্মীরা "প্রায় পরিপূর্ণতার" অবস্থায় পৌঁছেছে।

কেন Odnoklassniki?

প্রতিদিন, লক্ষ লক্ষ ব্যবহারকারী সোশ্যাল নেটওয়ার্কে আসে এবং কোটি কোটি সামগ্রী প্রকাশ করে: ফটো থেকে ভিডিও এবং পাঠ্য। Odnoklassniki মডারেশন প্ল্যাটফর্ম খুব বড় পরিমাণে ডেটা পরীক্ষা করতে এবং স্প্যামার এবং বটগুলির প্রতিরোধ করতে সাহায্য করে।

ওকে মডারেশন টিম অনেক অভিজ্ঞতা সঞ্চয় করেছে, যেহেতু এটি 12 বছর ধরে তার টুলের উন্নতি করছে। এটি গুরুত্বপূর্ণ যে তারা শুধুমাত্র তাদের তৈরি সমাধানগুলি ভাগ করতে পারে না, তবে আমাদের নির্দিষ্ট কাজের জন্য তাদের প্ল্যাটফর্মের আর্কিটেকচারকেও কাস্টমাইজ করতে পারে।

এখন থেকে, সংক্ষিপ্ততার জন্য, আমরা কেবল ঠিক আছে মডারেশন প্ল্যাটফর্মটিকে "প্ল্যাটফর্ম" বলব।

কিভাবে সবকিছু কাজ করে

ইউলা এবং ওডনোক্লাসনিকির মধ্যে ডেটা বিনিময় প্রতিষ্ঠিত হয় আপাচি কাফকা.

কেন আমরা এই টুলটি বেছে নিলাম:

• ইউলাতে, সমস্ত বিজ্ঞাপন পোস্ট-মডারেটেড, তাই প্রাথমিকভাবে একটি সমলয় প্রতিক্রিয়ার প্রয়োজন ছিল না।
• যদি একটি খারাপ অনুচ্ছেদ ঘটে এবং কিছু পিক লোডের কারণে ইউলা বা ওডনোক্লাসনিকি অনুপলব্ধ হয়, তাহলে কাফকার ডেটা কোথাও অদৃশ্য হবে না এবং পরে পড়া যাবে।
• প্ল্যাটফর্মটি ইতিমধ্যেই কাফকার সাথে একত্রিত হয়েছিল, তাই বেশিরভাগ নিরাপত্তা সমস্যা সমাধান করা হয়েছিল।

ইউলা-তে ব্যবহারকারীর দ্বারা তৈরি বা পরিবর্তিত প্রতিটি বিজ্ঞাপনের জন্য, ডেটা সহ একটি JSON তৈরি করা হয়, যা পরবর্তী সংযমের জন্য কাফকাতে রাখা হয়। কাফকা থেকে, ঘোষণাগুলি প্ল্যাটফর্মে লোড করা হয়, যেখানে সেগুলি স্বয়ংক্রিয়ভাবে বা ম্যানুয়ালি বিচার করা হয়। খারাপ বিজ্ঞাপনগুলিকে একটি কারণ সহ ব্লক করা হয় এবং যেগুলির মধ্যে প্ল্যাটফর্ম লঙ্ঘন খুঁজে পায় না সেগুলিকে "ভাল" হিসাবে চিহ্নিত করা হয়৷ তারপর সমস্ত সিদ্ধান্ত ইউলার কাছে ফেরত পাঠানো হয় এবং পরিষেবাতে প্রয়োগ করা হয়।

শেষ পর্যন্ত, ইউলার জন্য সবকিছুই সাধারণ ক্রিয়াকলাপে নেমে আসে: Odnoklassniki প্ল্যাটফর্মে একটি বিজ্ঞাপন পাঠান এবং একটি রেজোলিউশন "ঠিক আছে" বা কেন "ঠিক আছে" ফিরে পান।

স্বয়ংক্রিয় প্রক্রিয়াকরণ

বিজ্ঞাপনটি প্ল্যাটফর্মে আঘাত করার পরে কী হবে? প্রতিটি বিজ্ঞাপন বিভিন্ন সত্তায় বিভক্ত:

• নাম,
• বর্ণনা,
• ফটো,
• ব্যবহারকারীর দ্বারা নির্বাচিত বিভাগ এবং বিজ্ঞাপনের উপশ্রেণি,
• মূল্য।

প্ল্যাটফর্মটি তখন সদৃশ খুঁজে পেতে প্রতিটি সত্তার জন্য ক্লাস্টারিং সঞ্চালন করে। তদুপরি, পাঠ্য এবং ফটোগ্রাফগুলি বিভিন্ন স্কিম অনুসারে ক্লাস্টার করা হয়েছে।

ক্লাস্টার করার আগে, বিশেষ অক্ষর, পরিবর্তিত অক্ষর এবং অন্যান্য আবর্জনা সরাতে পাঠ্যগুলিকে স্বাভাবিক করা হয়। প্রাপ্ত ডেটা এন-গ্রামে বিভক্ত, যার প্রতিটি হ্যাশ করা হয়। ফলাফল অনেক অনন্য হ্যাশ. টেক্সট মধ্যে সাদৃশ্য দ্বারা নির্ধারিত হয় জ্যাকার্ডের পরিমাপ দুটি ফলাফল সেট মধ্যে. যদি সাদৃশ্য থ্রেশহোল্ডের চেয়ে বেশি হয়, তাহলে পাঠ্যগুলি এক ক্লাস্টারে একত্রিত হয়। অনুরূপ ক্লাস্টারগুলির অনুসন্ধানের গতি বাড়ানোর জন্য, মিনহ্যাশ এবং স্থানীয়-সংবেদনশীল হ্যাশিং ব্যবহার করা হয়।

পিহ্যাশ ছবি তুলনা করা থেকে শুরু করে নিউরাল নেটওয়ার্ক ব্যবহার করে ডুপ্লিকেট খোঁজা পর্যন্ত ফটোগ্রাফের জন্য গ্লুইং ইমেজের জন্য বিভিন্ন বিকল্প উদ্ভাবন করা হয়েছে।

শেষ পদ্ধতিটি সবচেয়ে "গুরুতর"। মডেলকে প্রশিক্ষিত করার জন্য, আমরা ইমেজ ট্রিপলেট (N, A, P) নির্বাচন করেছি যেখানে N A এর সাথে সাদৃশ্যপূর্ণ নয় এবং P A এর মতো (একটি সেমি-ডুপ্লিকেট)। তারপর নিউরাল নেটওয়ার্ক A এবং P যতটা সম্ভব কাছাকাছি এবং A এবং N যতদূর সম্ভব করতে শিখেছে। প্রাক-প্রশিক্ষিত নেটওয়ার্ক থেকে এম্বেডিং নেওয়ার তুলনায় এর ফলে কম মিথ্যা ইতিবাচক হয়।

যখন নিউরাল নেটওয়ার্ক ইনপুট হিসাবে চিত্রগুলি গ্রহণ করে, তখন এটি তাদের প্রত্যেকের জন্য একটি N(128)-মাত্রিক ভেক্টর তৈরি করে এবং চিত্রের নৈকট্য মূল্যায়ন করার জন্য একটি অনুরোধ করা হয়। এর পরে, একটি থ্রেশহোল্ড গণনা করা হয় যেখানে ঘনিষ্ঠ চিত্রগুলি সদৃশ হিসাবে বিবেচিত হয়।

মডেলটি দক্ষতার সাথে স্প্যামারদের খুঁজে পেতে সক্ষম যারা বিশেষভাবে pHash তুলনা বাইপাস করার জন্য বিভিন্ন কোণ থেকে একই পণ্যের ছবি তোলে।

স্প্যাম ফটোগুলির একটি উদাহরণ যা একটি নিউরাল নেটওয়ার্ক দ্বারা ডুপ্লিকেট হিসাবে একসাথে আঠালো।

চূড়ান্ত পর্যায়ে, ডুপ্লিকেট বিজ্ঞাপনগুলি একই সাথে পাঠ্য এবং চিত্র উভয় দ্বারা অনুসন্ধান করা হয়।

যদি দুটি বা ততোধিক বিজ্ঞাপন একটি ক্লাস্টারে একসাথে আটকে থাকে, তাহলে সিস্টেমটি স্বয়ংক্রিয়ভাবে ব্লক করা শুরু করে, যা নির্দিষ্ট অ্যালগরিদম ব্যবহার করে কোনটি সদৃশ মুছে ফেলতে হবে এবং কোনটি ছেড়ে যাবে তা নির্বাচন করে। উদাহরণস্বরূপ, যদি দুটি ব্যবহারকারীর একটি বিজ্ঞাপনে একই ছবি থাকে, তবে সিস্টেমটি সাম্প্রতিক বিজ্ঞাপনটিকে ব্লক করবে।

একবার তৈরি হয়ে গেলে, সমস্ত ক্লাস্টার স্বয়ংক্রিয় ফিল্টারগুলির একটি সিরিজের মধ্য দিয়ে যায়। প্রতিটি ফিল্টার ক্লাস্টারে একটি স্কোর বরাদ্দ করে: এই ফিল্টারটি সনাক্ত করে এমন হুমকি ধারণ করার সম্ভাবনা কতটা।

উদাহরণস্বরূপ, সিস্টেমটি একটি বিজ্ঞাপনে বর্ণনা বিশ্লেষণ করে এবং এর জন্য সম্ভাব্য বিভাগ নির্বাচন করে। তারপরে এটি সর্বাধিক সম্ভাব্যতার সাথে একটিকে নেয় এবং বিজ্ঞাপনের লেখক দ্বারা নির্দিষ্ট করা বিভাগের সাথে এটি তুলনা করে। যদি তারা মেলে না, বিজ্ঞাপনটি ভুল বিভাগের জন্য ব্লক করা হয়। এবং যেহেতু আমরা সদয় এবং সৎ, তাই আমরা ব্যবহারকারীকে সরাসরি বলে দিই যে বিজ্ঞাপনটি মডারেশন করার জন্য তাকে কোন বিভাগ নির্বাচন করতে হবে।

ভুল বিভাগের জন্য ব্লক করার বিজ্ঞপ্তি।

মেশিন লার্নিং আমাদের প্ল্যাটফর্মে ঘরে বসেই মনে হয়। উদাহরণস্বরূপ, এর সাহায্যে আমরা রাশিয়ান ফেডারেশনে নিষিদ্ধ পণ্যগুলির নাম এবং বিবরণ অনুসন্ধান করি। এবং নিউরাল নেটওয়ার্ক মডেলগুলি সতর্কতার সাথে চিত্রগুলিকে "পরীক্ষা" করে দেখতে যে সেগুলিতে URL, স্প্যাম পাঠ্য, টেলিফোন নম্বর এবং একই "নিষিদ্ধ" তথ্য রয়েছে কিনা।

যে ক্ষেত্রে তারা আইনি কিছুর ছদ্মবেশে একটি নিষিদ্ধ পণ্য বিক্রি করার চেষ্টা করছে এবং শিরোনাম বা বিবরণে কোনও পাঠ্য নেই, আমরা চিত্র ট্যাগিং ব্যবহার করি। প্রতিটি চিত্রের জন্য, 11 হাজার পর্যন্ত বিভিন্ন ট্যাগ যুক্ত করা যেতে পারে যা চিত্রটিতে কী রয়েছে তা বর্ণনা করে।

তারা হুক্কাকে সামোভারের ছদ্মবেশে বিক্রি করার চেষ্টা করছে।

জটিল ফিল্টারগুলির সমান্তরালে, সাধারণগুলিও কাজ করে, পাঠ্য সম্পর্কিত সুস্পষ্ট সমস্যার সমাধান করে:

• antimat;
• URL এবং ফোন নম্বর সনাক্তকারী;
• তাত্ক্ষণিক বার্তাবাহক এবং অন্যান্য পরিচিতির উল্লেখ;
• কমে দাম;
• বিজ্ঞাপন যেখানে বিক্রয়ের জন্য কিছুই নেই, ইত্যাদি

আজ, প্রতিটি বিজ্ঞাপন 50 টিরও বেশি স্বয়ংক্রিয় ফিল্টারের একটি সূক্ষ্ম চালুনির মধ্য দিয়ে যায় যা বিজ্ঞাপনটিতে খারাপ কিছু খুঁজে বের করার চেষ্টা করে।

যদি কোনও ডিটেক্টর কাজ না করে, তাহলে ইউলাকে একটি প্রতিক্রিয়া পাঠানো হয় যে বিজ্ঞাপনটি "সম্ভবত" নিখুঁত ক্রমে। আমরা এই উত্তরটি নিজেরাই ব্যবহার করি, এবং যে ব্যবহারকারীরা বিক্রেতার সদস্যতা নিয়েছেন তারা একটি নতুন পণ্যের উপলব্ধতা সম্পর্কে একটি বিজ্ঞপ্তি পাবেন৷

বিক্রেতার একটি নতুন পণ্য আছে বিজ্ঞপ্তি.

ফলস্বরূপ, প্রতিটি বিজ্ঞাপন মেটাডেটা সহ "অতিবৃদ্ধ" হয়, যার মধ্যে কিছু বিজ্ঞাপন তৈরি করার সময় তৈরি হয় (লেখকের আইপি ঠিকানা, ব্যবহারকারী-এজেন্ট, প্ল্যাটফর্ম, ভূ-অবস্থান, ইত্যাদি), এবং বাকিটি প্রতিটি ফিল্টার দ্বারা জারি করা স্কোর। .

ঘোষণা সারি

যখন একটি বিজ্ঞাপন প্ল্যাটফর্মে আঘাত করে, তখন সিস্টেম এটিকে একটি সারিতে রাখে। প্রতিটি সারি একটি গাণিতিক সূত্র ব্যবহার করে তৈরি করা হয় যা বিজ্ঞাপন মেটাডেটা এমনভাবে একত্রিত করে যা কোনো খারাপ নিদর্শন সনাক্ত করে।

উদাহরণস্বরূপ, আপনি সেন্ট পিটার্সবার্গের ইউলা ব্যবহারকারীদের কাছ থেকে "সেল ফোন" বিভাগে বিজ্ঞাপনের একটি সারি তৈরি করতে পারেন, কিন্তু তাদের আইপি ঠিকানাগুলি মস্কো বা অন্যান্য শহর থেকে।

বিভিন্ন শহরে একজন ব্যবহারকারীর পোস্ট করা বিজ্ঞাপনের উদাহরণ।

অথবা নিউরাল নেটওয়ার্ক বিজ্ঞাপনের জন্য যে স্কোর বরাদ্দ করে তার উপর ভিত্তি করে আপনি সারি তৈরি করতে পারেন, সেগুলিকে নিচের ক্রমে সাজিয়ে রাখতে পারেন।

প্রতিটি সারি, তার নিজস্ব সূত্র অনুযায়ী, বিজ্ঞাপনের জন্য একটি চূড়ান্ত স্কোর নির্ধারণ করে। তারপরে আপনি বিভিন্ন উপায়ে এগিয়ে যেতে পারেন:

• একটি বিজ্ঞাপন একটি নির্দিষ্ট ধরনের ব্লকিং পাবে সেই প্রান্তিকে নির্দিষ্ট করুন;
• ম্যানুয়াল পর্যালোচনার জন্য সারিতে থাকা সমস্ত বিজ্ঞাপন মডারেটরদের কাছে পাঠান;
• অথবা পূর্ববর্তী বিকল্পগুলিকে একত্রিত করুন: স্বয়ংক্রিয় ব্লকিং থ্রেশহোল্ড নির্দিষ্ট করুন এবং এই থ্রেশহোল্ডে পৌঁছেনি এমন বিজ্ঞাপনগুলি মডারেটরদের কাছে পাঠান৷

কেন এই সারি প্রয়োজন? ধরা যাক একজন ব্যবহারকারী একটি আগ্নেয়াস্ত্রের একটি ছবি আপলোড করেছেন৷ নিউরাল নেটওয়ার্ক এটিকে 95 থেকে 100 পর্যন্ত একটি স্কোর নির্ধারণ করে এবং 99 শতাংশ নির্ভুলতার সাথে নির্ধারণ করে যে ছবিতে একটি অস্ত্র আছে। কিন্তু স্কোর মান 95% এর নিচে হলে, মডেলের নির্ভুলতা হ্রাস পেতে শুরু করে (এটি নিউরাল নেটওয়ার্ক মডেলগুলির একটি বৈশিষ্ট্য)।

ফলস্বরূপ, স্কোর মডেলের উপর ভিত্তি করে একটি সারি তৈরি করা হয় এবং যে বিজ্ঞাপনগুলি 95 থেকে 100 এর মধ্যে প্রাপ্ত হয় সেগুলি স্বয়ংক্রিয়ভাবে "নিষিদ্ধ পণ্য" হিসাবে অবরুদ্ধ হয়ে যায়। 95 এর নিচে স্কোর সহ বিজ্ঞাপনগুলি ম্যানুয়াল প্রক্রিয়াকরণের জন্য মডারেটরদের কাছে পাঠানো হয়।

কার্তুজ সহ চকলেট বেরেটা। শুধুমাত্র ম্যানুয়াল সংযম জন্য! 🙂

ম্যানুয়াল সংযম

2019 এর শুরুতে, ইউলার সমস্ত বিজ্ঞাপনের প্রায় 94% স্বয়ংক্রিয়ভাবে সংযত হয়।

যদি প্ল্যাটফর্ম কিছু বিজ্ঞাপনের বিষয়ে সিদ্ধান্ত নিতে না পারে তবে এটি সেগুলিকে ম্যানুয়াল মডারেশনের জন্য পাঠায়। Odnoklassniki তাদের নিজস্ব টুল তৈরি করেছে: মডারেটরদের জন্য কাজগুলি অবিলম্বে দ্রুত সিদ্ধান্ত নেওয়ার জন্য সমস্ত প্রয়োজনীয় তথ্য প্রদর্শন করে - বিজ্ঞাপনটি উপযুক্ত বা ব্লক করা উচিত, কারণটি নির্দেশ করে।

এবং যাতে ম্যানুয়াল সংযমের সময় পরিষেবার গুণমান ক্ষতিগ্রস্ত না হয়, মানুষের কাজ ক্রমাগত পর্যবেক্ষণ করা হয়। উদাহরণস্বরূপ, টাস্ক স্ট্রীমে, মডারেটরকে "ফাঁদ" দেখানো হয়—যেগুলির জন্য ইতিমধ্যেই প্রস্তুত সমাধান রয়েছে৷ যদি মডারেটরের সিদ্ধান্ত সমাপ্ত সিদ্ধান্তের সাথে মিলে না যায়, তাহলে মডারেটরকে একটি ত্রুটি দেওয়া হয়।

গড়ে, একজন মডারেটর একটি বিজ্ঞাপন পরীক্ষা করতে 10 সেকেন্ড সময় ব্যয় করে। অধিকন্তু, ত্রুটির সংখ্যা সমস্ত যাচাইকৃত বিজ্ঞাপনের 0,5% এর বেশি নয়।

মানুষের সংযম

ওডনোক্লাসনিকির সহকর্মীরা আরও এগিয়ে গিয়ে "শ্রোতাদের সহায়তা" এর সুবিধা নিয়েছিল: তারা সোশ্যাল নেটওয়ার্কের জন্য একটি গেম অ্যাপ্লিকেশন লিখেছিল যাতে আপনি কিছু খারাপ চিহ্ন হাইলাইট করে দ্রুত প্রচুর পরিমাণে ডেটা চিহ্নিত করতে পারেন - ওডনোক্লাসনিকি মডারেটর (https://ok.ru/app/moderator) ওকে ব্যবহারকারীদের সাহায্যের সুবিধা নেওয়ার একটি ভাল উপায় যারা বিষয়বস্তুটিকে আরও উপভোগ্য করার চেষ্টা করছেন৷

এমন একটি গেম যেখানে ব্যবহারকারীরা ফটো ট্যাগ করে যেগুলির গায়ে একটি ফোন নম্বর রয়েছে৷

প্ল্যাটফর্মে বিজ্ঞাপনের যেকোনো সারি ওডনোক্লাসনিকি মডারেটর গেমে পুনঃনির্দেশিত করা যেতে পারে। গেম ব্যবহারকারীরা যা মার্ক আপ করে তার সবকিছু যাচাইয়ের জন্য অভ্যন্তরীণ মডারেটরদের কাছে পাঠানো হয়। এই স্কিমটি আপনাকে সেই বিজ্ঞাপনগুলিকে ব্লক করতে দেয় যার জন্য ফিল্টারগুলি এখনও তৈরি করা হয়নি এবং একই সাথে প্রশিক্ষণের নমুনা তৈরি করতে পারে৷

সংযম ফলাফল সংরক্ষণ

আমরা মডারেশনের সময় নেওয়া সমস্ত সিদ্ধান্তগুলি সংরক্ষণ করি যাতে আমরা সেই বিজ্ঞাপনগুলিকে পুনরায় প্রক্রিয়া না করি যার উপর আমরা ইতিমধ্যে সিদ্ধান্ত নিয়েছি।

বিজ্ঞাপনের উপর ভিত্তি করে প্রতিদিন লক্ষ লক্ষ ক্লাস্টার তৈরি করা হয়। সময়ের সাথে সাথে, প্রতিটি ক্লাস্টারকে "ভাল" বা "খারাপ" লেবেল করা হয়। প্রতিটি নতুন বিজ্ঞাপন বা তার সংশোধন, একটি চিহ্ন সহ একটি ক্লাস্টারে প্রবেশ করলে, স্বয়ংক্রিয়ভাবে ক্লাস্টার থেকে একটি রেজোলিউশন গ্রহণ করে৷ প্রতিদিন প্রায় 20 হাজার স্বয়ংক্রিয় রেজোলিউশন রয়েছে।

যদি ক্লাস্টারে কোন নতুন ঘোষণা না আসে, তবে এটি মেমরি থেকে মুছে ফেলা হয় এবং এর হ্যাশ এবং সমাধান অ্যাপাচি ক্যাসান্দ্রায় লেখা হয়।

যখন প্ল্যাটফর্মটি একটি নতুন বিজ্ঞাপন পায়, এটি প্রথমে ইতিমধ্যে তৈরি হওয়াগুলির মধ্যে একটি অনুরূপ ক্লাস্টার খুঁজে বের করার চেষ্টা করে এবং এটি থেকে একটি সমাধান নেয়। যদি এমন কোনও ক্লাস্টার না থাকে, প্ল্যাটফর্মটি ক্যাসান্দ্রার কাছে যায় এবং সেখানে তাকায়। আপনি এটা খুঁজে পেয়েছেন? দুর্দান্ত, ক্লাস্টারে সমাধান প্রয়োগ করে এবং ইউলাকে পাঠায়। প্রতিদিন গড়ে 70 হাজার এই ধরনের "পুনরাবৃত্ত" সিদ্ধান্ত হয় - মোটের 8%।

সংক্ষিপ্ত বিবরণ

আমরা আড়াই বছর ধরে ওডনোক্লাসনিকি মডারেশন প্ল্যাটফর্ম ব্যবহার করছি। আমরা ফলাফল পছন্দ করি:

• আমরা প্রতিদিন সমস্ত বিজ্ঞাপনের 94% স্বয়ংক্রিয়ভাবে নিয়ন্ত্রণ করি।
• একটি বিজ্ঞাপন সংযত করার খরচ 2 রুবেল থেকে 7 কোপেক কমানো হয়েছে।
• রেডিমেড টুলের জন্য ধন্যবাদ, আমরা মডারেটর পরিচালনার সমস্যাগুলি ভুলে গেছি।
• আমরা একই সংখ্যক মডারেটর এবং বাজেট সহ ম্যানুয়ালি প্রক্রিয়াকৃত বিজ্ঞাপনের সংখ্যা 2,5 গুণ বাড়িয়েছি। স্বয়ংক্রিয় নিয়ন্ত্রণের কারণে ম্যানুয়াল মডারেশনের গুণমানও বৃদ্ধি পেয়েছে এবং প্রায় 0,5% ত্রুটিগুলি ওঠানামা করে।
• আমরা দ্রুত ফিল্টার দিয়ে নতুন ধরনের স্প্যাম কভার করি।
• আমরা দ্রুত নতুন বিভাগগুলিকে সংযমের সাথে সংযুক্ত করি "ইউলা ভার্টিক্যালস". 2017 সাল থেকে, Yula রিয়েল এস্টেট, শূন্যপদ এবং অটো ভার্টিক্যাল যোগ করেছে।

উত্স: www.habr.com