Arthur Khachuyan je poznati ruski stručnjak za obradu velikih podataka, osnivač kompanije Social Data Hub (sada Tazeros Global). Partner Visoke škole ekonomije Nacionalnog istraživačkog univerziteta. Pripremio i predstavio, zajedno sa Visokom ekonomskom školom Nacionalnog istraživačkog univerziteta, predlog zakona o velikim podacima u Savetu Federacije. Govorio je na Institutu Curie u Parizu, Državnom univerzitetu u Sankt Peterburgu, Federalnom univerzitetu pri Vladi Ruske Federacije, na Crvenoj jabuci, International OpenDataDay, RIW 2016, AlfaFuturePeople.
Predavanje je snimljeno na otvorenom festivalu “Geek Picnic” u Moskvi 2019. godine.
Artur Khachuyan (u daljem tekstu - AH): – Ako od ogromnog broja industrija – od medicine, od građevinarstva, od nečega, nečega, da odaberete onu u kojoj se najčešće koristi tehnologija velikih podataka, mašinskog učenja, dubokog učenja, onda je to vjerovatno marketing. Jer posljednje tri i nešto godine sve što nas okružuje u nekoj vrsti reklamnih komunikacija sada je vezano upravo za analizu podataka i upravo za ono što se može nazvati umjetnom inteligencijom. Zato ću vam danas pričati o ovome iz tako daleke istorije...
Ako zamislite umjetnu inteligenciju i kako ona izgleda, vjerovatno je tako nešto. Čudna slika je jedna od neuronskih mreža koju sam napisao prije godinu dana da pronađem ovisnost o tome šta moj pas radi - koliko puta treba da bude veliki, mali i kako općenito ovisi o tome koliko jede ili ne? . Ovo je šala o tome kako se umjetna inteligencija može zamisliti.
Ali ipak, razmislimo o tome kako sve to funkcionira u reklamnoj komunikaciji. Postoje tri načina na koja moderni algoritmi u oglašavanju i marketingu mogu komunicirati s nama. Jasno je da je prva priča usmjerena na stjecanje i izvlačenje dodatnih znanja o vama i meni, a zatim korištenje u neke dobre i ne baš dobre svrhe; personalizirati pristup svakoj konkretnoj osobi; Naravno, nakon toga stvorite određenu potražnju kako biste izvršili glavnu ciljnu akciju i izvršili određenu prodaju.
Koristeći tehnologiju pokušavaju riješiti problem učinkovite komunikacije
Ako vam kažem da razmislite o tome šta su Pornhub i M. Video“, o čemu razmišljate?
Komentari publike (u daljem tekstu C): - TV, publika.
OH: – Moj koncept je da su to dva mjesta na koja ljudi dolaze zbog određene vrste usluge, ili da to nazovemo određenom vrstom robe. A ova publika je drugačija po tome što ne želi ništa da kaže prodavcu. Ona želi da uđe i dobije ono što je zanima u nekom eksplicitnom ili implicitnom obliku. Naravno, niko ne dolazi u M. Video” ne želi da komunicira ni sa jednim prodavcem, ne želi da razume, ne želi da odgovori ni na jedno njihovo pitanje.
Dakle, iz svega proizilazi prva priča.
Kada su se pojavile tehnologije za stjecanje dodatnih znanja kako bi se nekako izbjegla komunikacija s osobom. Svi volimo kada nazovemo banku i banka nam kaže: „Zdravo. Aleksej, ti si naš VIP klijent. Sada će neki super menadžer razgovarati s vama.” Dođete u ovu banku i zaista postoji jedinstveni menadžer koji može razgovarati s vama. Nažalost ili na sreću, nijedna kompanija još nije smislila kako da zaposli hiljadu personalnih menadžera za hiljadu klijenata; a pošto je većina ovih ljudi sada online, zadatak je razumjeti o kakvoj se osobi radi i kako s njom pravilno komunicirati prije nego dođe na neki oglasni resurs. I stoga su se, zapravo, pojavile tehnologije koje pokušavaju riješiti ovaj problem.
Ekstrakcija podataka je novo ulje
Zamislimo da ste vlasnik tezge sa cvijećem. Tri osobe dolaze da te vide. Prvi stoji jako dugo, okleva, pokušava da razgovara s tobom, uzme nekakav buket - odeš da ga zamotaš, izađeš da tu nešto uradiš; beži sa tezge sa ovim buketom - izgubili ste svoje tri hiljade rubalja. Zašto se to dogodilo? Ne znate ništa o ovoj osobi: ne znate njegovu istoriju hapšenja u Ministarstvu unutrašnjih poslova, ne znate da je kleptoman i da je prijavljen na psihijatrijskom dispanzeru. Zašto? Zato što ste to prvi put vidjeli, a niste bihejvioralni analitičar.
Dolazi neko drugi... Vitalij. Vitaliju je takođe potrebno mnogo vremena da to shvati, kaže: „Pa, treba mi to i to“. A ti mu kažeš: "Cveće za mamu, zar ne?" A ti mu prodaš buket.
Koncept je ovdje pronaći dovoljno podataka da shvatite šta je osobi zapravo potrebno. Svi su odmah pomislili na nekakvu reklamnu mrežu i tako dalje...
Svi su vjerovatno više puta čuli glupu frazu da su „podaci nova nafta“? Sigurno su svi čuli. Zapravo, ljudi su odavno naučili prikupljati podatke, ali izvlačenje podataka iz tih podataka je zadatak koji umjetna inteligencija u marketingu, ili neka vrsta statističkih algoritama, sada pokušava riješiti. Zašto? Jer ako razgovarate s osobom, on vam može dati tačan, pogrešan ili nekako obojen odgovor. Šala koju pričam svojim studentima je kako se ankete razlikuju od statistike. Ovo ću vam ispričati kao anegdotu:
To znači da su u dva sela odlučili da sprovedu istraživanje o prosečnoj dužini muškosti. To znači da je u prvom selu, Villaribo, prosečna dužina 15 centimetara, u selu Villabaggio - 25. Znate li zašto? Jer u prvom selu su vršena merenja, a u drugom anketiranje.
Porno industrija je vodeći sistem preporuka
Zbog toga je savremeni pristup analizirati sve ljude bez izuzetka, čak i ako su nešto manje od 100%, ali to su ljudi koje ne trebate pitati, ne trebate ih gledati. Dovoljno je analizirati ono što se danas zove digitalni otisak da bi se shvatilo šta ovoj osobi treba, kako s njom pravilno razgovarati, kako ispravno stvoriti potražnju oko sebe. S jedne strane, ovo je bezumna mašina (ali ti i ja to vrlo dobro znamo); ne želimo da komuniciramo sa ljudima iz M. Video“, a još više, kada odemo na resurse kao što je Pornhub, želimo da dobijemo upravo ono što nam treba.
Zašto uvijek pričam o Pornhubu? Jer industrija odraslih prva dolazi do analize takvih tehnologija, do implementacije takvih tehnologija, do analize podataka. Ako uzmete tri najpopularnije biblioteke u ovoj oblasti (na primjer, TensorFlow ili Pandas za Python, za obradu CSV fajlova i tako dalje), ako je otvorite na Githubu, sa kratkim Google-om svih ovih imena naći ćete par ljudi koji su radili ili trenutno rade u kompaniji Pornhub, i prvi su tamo implementirali sisteme preporuka. Generalno, ova priča je veoma napredna, i pokazuje koliko je ova publika, koliko je ova kompanija napredovala.
Tri nivoa identifikacije
Postoji ogroman skup podataka oko osobe koji se mogu identifikovati. Obično formalno dijelim ovo na tri nivoa, sve dublje i dublje. Naravno, kompanija ima svoje podatke.
Ako, recimo, govorimo o izgradnji sistema preporuka, onda su prvi nivo podaci koji se nalaze u samoj prodavnici (istorija kupovine, sve vrste transakcija, kako je osoba komunicirala sa interfejsom).
Sljedeći je nivo (relativno najveći) - to je ono što se zove otvoreni izvori. Nemojte misliti da vas ohrabrujem da stružete društvene mreže, ali zapravo, ono što je dostupno u otvorenim izvorima otvara ogroman skup podataka koje možete, recimo, saznati o osobi.
I treći glavni dio je okruženje same te osobe. Da, postoji mišljenje da ako osoba nije na društvenim mrežama, tamo nema podataka o njoj (vjerovatno već znate da to nije istina), ali najvažnije je da podaci koji se nalaze na profilu osobe (ili u nekoj primjeni) je samo 40% znanja koje se o tome može steći. Ostatak informacija dobija iz njegovog okruženja. Izraz "reci mi ko ti je prijatelj i ja ću ti reći ko si" dobija novo značenje u XNUMX. veku jer se oko te osobe može prikupiti ogromna količina podataka.
Ako govorimo bliže reklamnoj komunikaciji, onda je primanje reklamnih komunikacija ne od oglašavanja, već od nekog prijatelja, poznanika ili nekako provjerene osobe vrlo cool osobina koju koristi veliki broj marketera. Kada vam neka aplikacija iznenada da besplatni promo kod, napravite post o tome i time privučete novu publiku. Zapravo, ovaj promotivni kod za uslovni „Yandex.Taxi“ nije odabran nasumično, ali za to je analizirana ogromna količina podataka o vašem potencijalu da privučete novu publiku i na neki način stupite u interakciju s njom.
Oni čak analiziraju ponašanje likova iz TV serija
Ja ću vam pokazati tri slike, a vi mi recite koja je razlika između njih.
Ovaj:
Ovo:
a ovaj:
Koja je razlika između njih? Ovdje je sve jednostavno. Kao iu kvantnoj mehanici, i u ovom slučaju ovu kreativnost je formirao posmatrač. Odnosno, razlika u istoj reklamnoj kampanji, koju u isto vrijeme provodi isti brend, je samo u tome ko je gledao ovaj kreativac. Lično, kada odem u Amediateku, još uvijek pokazuju Khal Drogo. Ne znam šta Amediateka misli o mojim preferencijama, ali iz nekog razloga se to dešava.
Ono što se danas zove personalizirana komunikacija je najpopularnija priča o privlačenju publike i pravilnoj interakciji s njom. Ako smo u prvoj fazi identificirali ljude koristeći podatke o vlastitom brendu, podatke otvorenog koda i, na primjer, podatke iz okoline te osobe, mi, nakon što je analiziramo, možemo shvatiti tko je on, kako s njim korektno razgovarati i, što je najvažnije , koji jezik govori pričaj s njim.
Ovdje je tehnologija otišla toliko daleko da se sada analiziraju likovi u TV serijama koje ljudi gledaju. Odnosno, volite TV serije - oni [lajkuju] se gledaju, gledaju s kim ste tamo komunicirali, kako bi shvatili s kakvom bi osobom vi odgovarali za interakciju. Zvuči kao potpuna besmislica, ali samo iz zabave, isprobajte na nekom od resursa - različiti ljudi vide različite kreative (kako bi s njima pravilno komunicirali).
Niti jedan moderni medij ili bilo koji video resurs samo vam ne pokazuje neke vijesti. Idite u medije - učitava se ogroman broj algoritama koji vas identificiraju, razumiju sve vaše prethodne aktivnosti, pozivaju se na matematički model i onda vam nešto pokažu. U ovom slučaju postoji tako čudna priča.
Kako se utvrđuju potrebe? Psihometrija. Fizionomija
Postoji mnogo (stvarnih) pristupa određivanju stvarnih potreba osobe i kako s njom pravilno komunicirati. Pristupa je mnogo, sve se drugačije rešava, ne može se reći šta je dobro, a šta loše. Čini se da glavni znaju sve.
Psihometrija. Nakon priče sa Cambridge Analytics, došlo je do nekog šokantnog, po mom mišljenju, nekog zaokreta, jer sada svaka druga politička kompanija dođe i kaže: „O, možeš li da me natjeraš da zavolim Trumpa? Takođe želim da pobedim i tako dalje.” Zapravo, ovo je, naravno, besmislica za našu realnost, na primjer, političke izbore. Ali za određivanje psihotipova koriste se tri modela:
- prvi se zasniva na sadržaju koji konzumirate - riječi koje pišete, neke informacije koje vam se sviđaju, video zapisi itd.;
- drugi je vezan za to kako komunicirate sa web interfejsom, kako kucate, koje tastere pritiskate - zaista, postoje čitave kompanije koje na osnovu svog rukopisa na tastaturi mogu prilično pouzdano da odrede ono što se danas zove psihotipovi.
- Nisam neki psiholog, ne razumijem baš kako to funkcionira, ali sa stanovišta reklamne komunikacije, publika podijeljena u ove segmente funkcionira jako dobro, jer nekome treba pokazati crveni ekran sa plavim zeno, nekome treba pokazati tamni ekran -plavu pozadinu sa nekom vrstom apstrakcije, i to radi jako cool. Na nekim niskim nivoima - toliko da čovjek o tome i ne razmišlja. Šta je sada glavni problem na tržištu oglašavanja? Svi su obavještajni agenti, svi se kriju, svi imaju instalirano milion hiljada dozvola pretraživača, da ne bi bili na bilo koji način identificirani - vjerovatno imate “Adblocks”, “Gostrey” i razne aplikacije koje blokiraju praćenje. Zbog toga je vrlo teško razumjeti bilo šta o osobi. A tehnologija je krenula dalje - ne samo da morate znati da se ta osoba vratila na vašu stranicu po 125. put, već da je i takva i takva čudna osoba.
Fizionomija je veoma kontroverzna nauka. To se čak i ne smatra naukom. Ovo je grupa ljudi koja je ranije programirala detektore laži za neko Ministarstvo unutrašnjih poslova, a sada se bavi onim što se zove personifikacija kreativnosti. Pristup je ovdje vrlo jednostavan: nekoliko vaših javnih fotografija je preuzeto sa nekih društvenih mreža, a od njih se gradi trodimenzionalna geometrija. A ako ste pravnik, sada ćete reći da je ovo osoba i lični podaci; ali reći ću vam da je to 300 hiljada tačaka koje se nalaze u svemiru, a ovo nije osoba, niti lični podaci. To svi obično kažu kada im Roskomnadzor dođe.
Ali ozbiljno, vaše lice odvojeno, ako vaše ime i prezime nisu potpisani tamo, nisu vaši lični podaci. Poenta je u tome da momci izdvajaju različite crte lica koje utiču na to kako osoba donosi odluke i kako s njom pravilno komunicirati. U nekim oblastima to funkcioniše loše, u nekim segmentima oglašavanja; u kojim segmentima radi veoma dobro. Na kraju se ispostavi da kada odete na neki resurs, vidite ne samo jedan baner koji se pokazuje svima, već, na primjer... sada je normalno napraviti 16 ili 20 opcija za različite publike - i radi Veoma cool. Da, ovo je još tužnije sa stanovišta potrošača, jer se ljudima sve više manipulira. Ali bez obzira na to, sa poslovne tačke gledišta, radi veoma dobro.
Crna kutija mašinskog učenja
Ovo dovodi do sljedećeg problema s takvim tehnologijama: na kraju krajeva, za većinu programera sada je ono što se zove duboko učenje „crna kutija“. Ako ste ikada bili uronjeni u ovu priču i razgovarali sa programerima, oni uvijek kažu: „Oh, slušajte, pa, kodirali smo nešto tako neshvatljivo tamo i ne znamo kako to funkcionira.” Možda se nekome ovo desilo.
Ovo je zapravo daleko od istine. Ono što se danas zove mašinsko učenje daleko je od “crne kutije”. Postoji ogroman broj pristupa za opisivanje ulaznih i izlaznih podataka, a na kraju kompanija može u potpunosti razumjeti na osnovu kojih znakova je mašina odlučila da vam pokaže ovaj ili neki drugi pornografski video. Pitanje je da to niko od kompanija nikada ne otkriva, jer: prvo, to je poslovna tajna; drugo, postojaće ogromna količina podataka za koje niste ni znali.
Na primjer, prije ovoga, u diskusiji o etici, razgovarali smo o tome kako društvene mreže analiziraju lične poruke kako bi označili ljude u nekoj vrsti reklamnih priča. Ako nekome nešto napišete, na osnovu toga dobijete određenu oznaku za, zapravo, neku vrstu reklamne komunikacije. I to nikada nećete dokazati, a vjerovatno i nema smisla dokazivati. Međutim, kada bi se otkrili slični obrasci, postojali bi. Ispostavilo se da se tržište za izgradnju ovakvih sistema preporuka pretvara da ne zna zašto se to dogodilo.
Ljudi ne žele da znaju šta ljudi znaju o njima
A druga priča je da klijent nikada ne želi da zna zašto je dobio baš ovaj oglas, baš ovaj proizvod. Ispričaću ti ovu priču. Moje prvo iskustvo u komercijalnoj implementaciji sistema preporuka baziranih na sličnim algoritmima upravo radi istraživanja bilo je 2015. godine u vrlo velikoj mreži sex shopova (da, također ne posebno neugodna priča).
Kupcima je ponuđeno sljedeće: uđu, prijave se na svoju društvenu mrežu i nakon otprilike 5 sekundi dobiju potpuno personaliziranu trgovinu za njih, odnosno svi proizvodi su promijenjeni - spadaju u određenu kategoriju itd. . Znate li koliko je povećana stopa konverzije ove trgovine? Nikako! Ljudi su ušli i odmah pobjegli. Ušli su i shvatili da im je ponuđeno upravo ono o čemu razmišljaju...
Problem kod ovog testa je bio što je ispod svakog proizvoda pisalo zašto vam je ponuđen baš taj (“jer ste član skrivene grupe “Moćna žena traži muškarca koji je otirač”). Stoga savremeni sistemi preporuka nikada ne prikazuju podatke na osnovu kojih je napravljeno „predviđanje“.
Veoma popularna priča su mediji jer svi koriste slične sisteme preporuka. Ranije su algoritmi bili vrlo jednostavni: pogledajte kategoriju “Politika” - i oni vam pokazuju vijesti iz kategorije “Politika”. Sada je sve toliko komplikovano da analiziraju mesta na kojima ste zaustavili miša, na koje reči ste se koncentrisali, šta ste kopirali, kako ste generalno komunicirali sa ovom stranicom. Zatim analizira rečnik samih poruka: da, ne čitate samo vesti o Putinu, već na određeni način, sa određenom emotivnom bojom. A kad čovjek dobije neku vijest, ni ne razmišlja kako je došao ovdje. Ipak, on tada stupa u interakciju s ovim sadržajem.
Sve ovo, naravno, ima za cilj da zadrži jadnog, nesretnog čovječuljka koji već poludi od ogromne količine informacija koje ga okružuju. Ovdje se mora reći da bi bilo lijepo koristiti ovakve sisteme za personalizaciju kreativaca oko sebe i prikupljanje nekih informacija, ali, nažalost, takvih servisa još nema.
Umjetna inteligencija hvata klijenta u zraku i stvara potražnju
I ovdje se postavlja jedno vrlo zanimljivo filozofsko pitanje, od kreiranja sistema preporuka do stvaranja potražnje. Rijetko ko razmišlja o tome, ali kada pokušate da pitate takozvani Instagram: „Zašto prikupljate podatke? Zašto mi ne pokažete apsolutno nasumično oglašavanje?” - Instagram će vam reći: “Prijatelju, ovo je sve urađeno da bi vam pokazao tačno ono što vam je zanimljivo.” Kao, želimo da vas upoznamo tako precizno da vam možemo pokazati šta tačno tražite.
Ali tehnologija je odavno prešla ovaj strašni prag, a slične tehnologije više ne predviđaju ono što vam treba. Oni (pažnja!) stvaraju potražnju. Ovo je vjerovatno najstrašnija stvar koja se vrti oko umjetne inteligencije u takvim komunikacijama. Ono što je zastrašujuće je to što se koristi skoro svuda u poslednjih 3-5 godina - od rezultata Google pretrage do rezultata Yandex pretrage, do nekih sistema... Dobro, neću reći ništa loše o Yandexu; i dobro.
Koja je svrha? Prošlo je dosta vremena otkako su se takve reklamne komunikacije udaljile od strategije u kojoj napišete „Želim da kupim sjedalo za dijete“ i vidite sto hiljada miliona publikacija. Prešli su na sledeće: čim bi žena objavila fotografiju sa jedva vidljivim stomakom, njenog muža bi odmah počele da prate poruke: „Čoveče, uskoro je porođaj. Kupite dečije sedište."
Ovdje biste se razumno mogli zapitati zašto, s takvim gigantskim napretkom tehnologije, još uvijek vidimo tako usrano oglašavanje na društvenim mrežama? Problem je što na ovom tržištu još uvijek sve odlučuje novac, pa u jednom lijepom trenutku može doći neki oglašivač poput Coca-Cole i reći: „Evo ti 20 miliona – pokaži moje usrane banere cijelom internetu.“ I zaista će to učiniti.
Ali ako napravite neku vrstu čistog računa i testirate koliko vas takvi algoritmi precizno pogađaju: prvo pokušavaju da vas pogode, a onda vam počnu nešto unaprijed raditi. A ljudski mozak radi tako da, kada primi informaciju koja je za njega pouzdana, ne obrađuje ni trenutak zašto je primio tu informaciju. Prvo pravilo za utvrđivanje da li ste u snu je da shvatite kako ste došli ovamo. Čovjek se nikada ne sjeća trenutka kada je završio u određenoj prostoriji. I ovdje je isto.
Google bi mogao početi oblikovati vaš pogled na svijet
Takve studije provelo je nekoliko stranih kompanija koje se bave i-trackingom. Ugradili su uređaje na specijalne kompjutere koji snimaju kuda gledaju oči ispitanika. Uzeo sam od pet do sedam hiljada volontera koji su jednostavno skrolovali po feedu, komunicirali sa društvenim mrežama, sa reklamama i bilježili informacije na koje dijelove banera i kreativa su ti ljudi zastali.
I ispostavilo se da kada ljudi prime tako hiperpersonalizovani kreativac, o tome ni ne razmišljaju – odmah kreću dalje, počinju da komuniciraju s njim. Sa poslovne tačke gledišta, ovo je dobro, ali sa stanovišta nas, korisnika, to nije baš cool, jer – čega se plaše? – Da u jednom lijepom trenutku uvjetni „Gugl“ počne (ili, naravno, ne počne) da formira svoj pogled na svijet. Sutra bi, na primjer, mogao početi da pokazuje ljudima vijesti da je Zemlja ravna.
Šalim se, ali toliko puta su uhvaćeni da na izborima počnu davati određene informacije određenim ljudima. Svi smo navikli na to da pretraživač sve dobije pošteno. Ali, kao što uvek kažem, ako zaista želite da znate kako svet funkcioniše, napišite sopstvenu tražilicu, bez filtera, ne obraćajući pažnju na autorska prava, bez rangiranja nekog od svojih prijatelja u rezultatima pretrage. Prikaz stvarnih podataka na Internetu se generalno razlikuje od onoga što prikazuju Google, Yandex, Bing itd. Neki materijali su skriveni jer prijatelji, kolege, neprijatelji ili neko drugi (ili bivši ljubavnik sa kojim ste spavali) - nije bitno.
Kako je Tramp pobedio
Kada su bili posljednji izbori u Sjedinjenim Državama, sprovedena je vrlo jednostavna studija. Uzeli su iste zahtjeve na različitim mjestima, sa različitih IP adresa, iz različitih gradova, različiti ljudi su guglali istu stvar. Uobičajeno, zahtjev je bio u stilu: ko će pobijediti na izborima? I začudo, rezultati su konstruisani na način da su u onim državama u kojima je najveći broj ljudi pokušao da glasa za pogrešnog kandidata, dobili dobre vijesti o kandidatu kojeg je Google promovirao. Koji? Pa jasno je koji - onaj koji je postao predsjednik. Ovo je apsolutno nedokaziva priča, a sve ove studije su prst u vodi. Google može reći: “Momci, sve ovo je urađeno kako bismo vam prikazali najrelevantniji sadržaj.”
Od sada treba da znate da ono što se zove maksimalno relevantno apsolutno nije slučaj. Kompanija naziva relevantnim nešto što vam treba prodati iz nekog dobrog ili lošeg razloga.
Oni koji sada nemaju novca već se pripremaju za buduće kupovine
Postoji još jedna zanimljiva stvar o kojoj ću vam reći. Ogroman broj aktivne publike sada na društvenim mrežama i u aplikacijama su mladi ljudi. Nazovimo to ovako - nesolventna omladina: djeca od 8-9 godina koja igraju moronske igrice, ovo su 12-13-14 koji se samo registruju na društvenim mrežama. Zašto bi ogromne kompanije trošile ogromne budžete i resurse da kreiraju aplikacije za publiku koja ne plaća, a koja nikada nije unovčena? U trenutku kada ova publika postane solventna, postojaće dovoljna količina podataka o njoj da se može dobro predvideti njeno ponašanje.
Sada pitajte bilo kog targetologa, koja je najteža publika? Reći će: visoko profitabilno. Jer prodati, na primjer, stan od 150 miliona rubalja putem društvenih mreža je gotovo nemoguća. Ima izolovanih slučajeva da napraviš neku reklamu za 10 hiljada ljudi, jedan kupi ovaj stan - klijent je uspešan... Ali svaki deset hiljada, statistički gledano, je potpuno sranje. Dakle, zašto je teško identificirati publiku s visokim prihodima? Zato što su ljudi koji su sada članovi visokoprofitabilne publike rođeni kada je internet još bio veoma mali, kada još niko nije poznavao Artemija Lebedeva, a o njima nema podataka. Nemoguće je predvidjeti njihov obrazac ponašanja, nemoguće je razumjeti ko su im lideri mišljenja i iz kojih izvora sadržaja dobijaju.
Dakle, kada svi za 25 godina postanete milijarderi, a kompanije koje će vam nešto prodati imat će ogromnu količinu podataka. Zato sada imamo divan GDPR u Evropi koji onemogućava prikupljanje podataka od maloljetnika.
Naravno, to nikako ne funkcionira u praksi, jer sva djeca i dalje igraju na račune svoje majke i oca - tako se prikupljaju podaci. Sljedeći put kada svom djetetu date tablet, razmislite o ovome.
Apsolutno ne neka strašna, distopijska budućnost, kada će svi ginuti u ratu sa mašinama - sada je apsolutno stvarna priča. Postoji ogroman broj kompanija koje kreiraju algoritme za psihoprofilisanje ljudi na osnovu načina na koji igraju igrice. Veoma interesantna industrija. Na osnovu svega toga, ljudi se potom segmentiraju kako bi na neki način komunicirali s njima.
Predviđanje ponašanja ovih ljudi biće dostupno za 10-15 godina – upravo u trenutku kada postanu solventna publika. Ono što je najvažnije je da su ti ljudi već unaprijed dali dozvolu da obrađuju njihove lične podatke, prenose ih trećim licima i sve je to sreća i tako dalje.
Ko će ostati bez posla?
I moja posljednja priča je da se svi uvijek pitaju šta će biti za 50 godina: svi ćemo umrijeti, biće nezaposlenosti za trgovce... Ima ovdje marketara koji su zabrinuti zbog nezaposlenosti, zar ne? Uglavnom, nema razloga za brigu, jer svaka visokokvalifikovana osoba neće izgubiti posao.
Bez obzira na to koji se algoritmi kreiraju, koliko god se mašina približila onome što imamo (pokazuje na svoju glavu), ako se dovoljno brzo razvija, takvi ljudi nikada neće ostati bez posla, jer će neko morati da kreira te kreativne stvari uradi. Da, postoje sve vrste "gana" koji crtaju slike koje liče na ljude i stvaraju muziku, ali je i dalje malo vjerovatno da će ljudi na ovim prostorima ikada ostati bez posla.
Imam sve sa pričom, tako da možete postavljati pitanja ako imate više. Hvala ti.
Olovo: – Prijatelji, sada prelazimo na blok „Pitanja i odgovori“. Podigneš ruku - ja dolazim do tebe.
Pitanje iz publike (XNUMX): – Pitanje o „crnoj kutiji“. Rekli su da se može konkretno razumjeti zašto se za tog i tog korisnika dobija takav i takav rezultat. Jesu li to nekakvi algoritmi, ili ga treba analizirati svaki put za svaki model ad hoc (napomena autora: "posebno za ovo" - latinska frazeološka jedinica)? Ili postoje gotove za neku vrstu neuronske mreže koje, grubo rečeno, mogu imati poslovnog smisla?
OH: – Ovdje morate razumjeti sljedeće: postoji ogroman broj zadataka u mašinskom učenju. Na primjer, postoji zadatak - regresija. Za regresiju uopće nisu potrebne neuronske mreže. Sve je jednostavno: imate nekoliko indikatora, morate izračunati sljedeće. Postoje zadaci gdje je potrebno pribjeći takvoj stvari kao što je duboko učenje. Zaista, u dubokom učenju teško je pouzdano razumjeti koje su težine dodijeljene kojim neuronima, ali zakonski sve što trebate je razumjeti koji su podaci bili na ulazu i kako su se odigrali na izlazu. To je zakonski dovoljno da se patentira ovakva odluka i dovoljno je da se shvati na osnovu čega je nastala priča.
Nije da ste otišli na sajt i pokazali vam se nekakav baner jer ste se slikali sa crvenom kosom na Instagramu pre dva meseca. Ako programer ne uključi prikupljanje ovih podataka i označavanje boje kose u ovom modelu, onda to neće doći niotkuda.
Kako prodati rezultate sistema mašinskog učenja?
Z: – Pitanje je samo šta: kako tačno objasniti, kako prodati nekome ko ne razume mašinsko učenje. Hoću da kažem: moj model jasno vodi od boje kose do... pa, menja se boja kose... Da li je to moguće ili ne?
OH: - Možda da. Ali sa prodajne tačke gledišta, jedina šema će funkcionirati: imate reklamnu kampanju, mi zamjenjujemo publiku onom koju generiše mašina - i vi samo vidite rezultat. Ovo je, nažalost, jedini način da se pouzdano uvjeri kupac da takva priča funkcionira, jer na tržištu postoji mnogo rješenja koja su nekada implementirana, a nisu radila.
O stvaranju virtuelne ličnosti
Z: - Zdravo. Hvala na predavanju. Postavlja se pitanje: kakve šanse ima osoba koja iz nekog razloga ne želi slijediti vodstvo mašinskog učenja, da za sebe stvori virtuelnu ličnost koja se radikalno razlikuje od njegove vlastite ličnosti, kroz interakciju sa interfejsom ili za neke drugi razlog?
OH: – Postoji gomila različitih dodataka koji se bave nasumičnim ponašanjem. Ima jedna kul stvar - Ghostery, koja vas, po mom mišljenju, gotovo u potpunosti skriva od gomile različitih tragača koji ne mogu onda snimiti ove informacije. Ali u stvari, sada vam treba samo zatvoren profil na društvenim mrežama da niko, nikakvi zli strugači, ne mogu ništa da pokupe tamo. Vjerovatno je bolje instalirati neku vrstu ekstenzije ili sami nešto napisati.
Vidite, koncept je ovdje da se pravno, na primjer, lični podaci odnose na podatke po kojima se možete identificirati, a zakon kao primjer daje vašu adresu prebivališta, godine i tako dalje. Danas postoji bezbroj podataka po kojima se možete identifikovati: isti rukopis na tastaturi, isti pritisak, digitalni potpis pretraživača... Pre ili kasnije, čovek pogreši. Može biti negdje u "kafeu" koristeći "Thor", ali na kraju, u jednom lijepom trenutku, ili će VPN zaboraviti uključiti, ili nešto drugo, i u tom trenutku može biti identificiran. Dakle, najlakši način je da napravite privatni nalog i instalirate neko proširenje.
Tržište se kreće ka tački u kojoj je potrebno samo da pritisnete jedno dugme da biste dobili rezultate.
Z: - Hvala na priii. Kao i uvek, uvek veoma zanimljivo (pratim vas). Pitanje je: kakav je napredak u stvaranju sistema koji su pozitivni za korisnike, sistema preporuka? Rekli ste da ste svojevremeno radili na sistemu preporuka za pronalaženje seksualnog partnera, prijatelja u životu (ili muzike koja bi se osobi potencijalno mogla svidjeti)... Koliko je sve ovo obećavajuće i kako vidite njegov razvoj od gledište stvaranja sistema koji su ljudima potrebni?
OH: – Generalno, tržište se kreće do tačke kada ljudi moraju da pritisnu jedno dugme i odmah dobiju ono što im treba. Što se tiče mog iskustva u kreiranju aplikacija za sastanke (inače, ponovo ćemo ga pokrenuti krajem godine), pored činjenice da su 65% bili oženjeni muškarci, najteži problem preporuke bio je to što je osobi ponuđeno nekoliko modela. na početku aplikacije - "Prijateljstvo", "Seks", "Seks prijateljstvo" i "Posao". Ljudi nisu birali šta im treba. Muškarci su dolazili i birali “Ljubav”, ali su u stvarnosti bacali golotinju na sve, i tako dalje.
Problem je bio identificirati osobu koja ne odgovara jednom od ovih modela, i nekako je glatko uzeti i pomjeriti u drugom smjeru. Zbog male količine podataka vrlo je teško utvrditi da li je riječ o grešci u algoritmu prognoze, ili osoba nije u svojoj kategoriji. Isto je i sa muzikom: sada postoji vrlo malo zaista vrijednih algoritama koji mogu dobro "fastirati" muziku. Možda "Yandex.Music". Neki ljudi misle da je algoritam Yandex.Music loš. Na primjer, sviđa mi se. Ja lično, na primjer, ne volim YouTube muzički algoritam i tako dalje.
Postoje, naravno, neke suptilnosti - sve je vezano za licence... Ali u stvarnosti, potražnja za ovakvim sistemima je prilično velika. Svojevremeno je bila poznata kompanija Retail Rocket koja se bavila implementacijom sistema preporuka, ali sada nekako ne ide baš najbolje - očigledno zato što dugo nisu razvijali svoje algoritme. Sve ide ka tome - do te mere da uđemo unutra i, ne pritiskajući ništa, dobijemo ono što nam treba (i postanemo potpuno glupi, jer je naša mogućnost izbora potpuno nestala).
Utjecaj na marketing
Z: - Zdravo. Moje ime je Konstantin. Želeo bih da postavim pitanje o marketingu uticaja. Da li znate neke sisteme koji omogućavaju preduzeću da izabere odgovarajućeg blogera za posao na osnovu nekih statističkih podataka i tako dalje? I na osnovu čega se to radi?
OH: – Da, krenut ću izdaleka i odmah reći da je problem svih ovih tehnologija što je sva ta umjetna inteligencija u marketingu sada poput hodača po konopcu: na lijevoj strani su velike kompanije koje imaju mnogo novca, a u u svakom slučaju sve će biti efikasno za njihov rad jer su njihove reklamne kampanje usmjerene jednostavno na preglede; s druge strane, ima dosta malih preduzeća za koje to neće raditi, jer imaju puno podataka. Za sada je primjenjivost ovih priča negdje na sredini.
Kad već postoje dobri budžeti, a zadatak je da se ti budžeti obrade korektno (a, u principu, već ima dosta podataka)... Znam par servisa, nešto poput Getbloggera, koji kao da imaju algoritme. Da budem iskren, nisam proučavao ove algoritme. Mogu vam reći koji pristup koristimo da pronađemo lidere mišljenja kada trebamo dati poklon nekim majkama.
Koristimo metriku koja se zove Vrijeme distribucije sadržaja. Funkcioniše ovako: uzmete osobu čiju publiku analizirate i trebate sistematski (na primjer, svakih 5 minuta) prikupljati podatke o svakoj objavi, kome se svidjela, komentirala i tako dalje. Na ovaj način možete razumjeti u kojem trenutku je svaka osoba iz vaše publike stupila u interakciju s vašim sadržajem. Ponovite ovu operaciju za svakog predstavnika njegove publike i tako, koristeći metriku prosječnog vremena širenja sadržaja, može se, na primjer, obojiti u veliki mrežni graf ovih ljudi i koristiti ovu metriku za izgradnju klastera.
Ovo sasvim dobro funkcionira ako želimo, na primjer, pronaći 15 majki koje drže svoje javno mnijenje na nekoj woman.ru. Ali ovo je prilično složena tehnička implementacija (iako se čisto teoretski može uraditi u Pythonu). Suština je da je problem s marketingom utjecaja u velikim reklamnim agencijama taj što su im potrebni veliki, cool, skupi blogeri koji ne rade za sranje. Sada, marka automobila želi prodati neki proizvod preko nekog lidera mišljenja - moraju koristiti auto blogera kao posljednje sredstvo, jer je njihova publika ili već kupila auto, ili tačno zna kakav auto želi, samo sjedi i gleda cool aute. Ovdje je važno ne propustiti analizu publike same osobe.
Marketing botovi
Z: – Recite mi koliko botovi na društvenim mrežama utiču na prikupljanje informacija i njihov kvalitet?
OH: – To je tako zanimljiva stvar sa botovima. Jeftine botove je prilično lako prepoznati - ili imaju isti sadržaj, ili su međusobno prijatelji, ili su u istoj mreži. Postoje i pristupi rješavanju složenih botova. Ili postavljate problem kako povezati osobu sa njenim lažnim?
Z: – Koliko će kvalitetna informacija biti izlaz sa svim ovim smećem?
OH: – Ovdje to funkcionira ovako: zbog činjenice da postoji ogromna količina podataka (na primjer, za nekakvo marketinško istraživanje), sva ta šundacija se jednostavno može izbaciti. Odnosno, bolje je izbaciti malo više stvarnih ljudi nego uhvatiti botove, jer im je beskorisno da prikazuju bilo kakvu reklamu. Ali ako prikupljate metriku, na primjer, interakcije sa banerima ili sistemima preporuka, takvi računi mogu biti odbačeni.
Sada se na društvenim mrežama nalazi oko šest posto virtuelnih likova ili jednostavno napuštenih stranica ili introverta, koje algoritmi "poklapaju" s botovima. Što se tiče povezivanja osobe sa njenim lažnjakom, i ovdje je sve vezano za to da će osoba prije ili kasnije pogriješiti, a stvar je u tome da je model ponašanja isti – i njegov pravi nalog i njegov lažni. Prije ili kasnije će gledati isti sadržaj ili nešto drugo.
Ovdje se sve ne svodi na postotak greške, već na količinu vremena potrebnog za pouzdanu identifikaciju osobe. Za nekoga ko živi sa svojim Instagramom, ovaj put za pouzdanu identifikaciju se svodi na pet minuta. Za neke – za šest do osam mjeseci.
Kome i kako prodati podatke?
Z: - Zdravo. Zanima me kako se prodaju podaci između kompanija? Na primjer, imam aplikaciju u kojoj možete saznati (programeru) gdje osoba ide, u koje radnje ide i koliko novca tamo troši. I mene zanima kako, recimo, mogu prodati podatke o svojoj publici ovim trgovinama ili staviti svoje podatke u jednu ogromnu bazu podataka i biti plaćen za to?
OH: – Što se tiče prodaje podataka direktno nekome, vi i svi ostali ste bili ispred OFD-a – operatera fiskalnih podataka, koji su se lukavo ugradili između prenosa čekova i Poreske i sada pokušavaju da prodaju podatke svima. Zaista, oni su zapravo srušili cijelo tržište mobilne analitike. U stvari, možete ugraditi svoju aplikaciju, na primjer, Facebook piksel, njegov DMP sistem; zatim iskoristite ovu publiku za prodaju. Na primjer, piksel "May Target". Samo ne znam kakvu publiku imate, morate razumjeti. Ali u svakom slučaju, možete se integrirati ili u Yandex ili My Target, koji su najveći DMP sistemi.
Ovo je prilično zanimljiva priča. Jedini problem je što ćete im dati sav promet, a oni će, kao razmjene, preuzeti na sebe monetizaciju tog prometa. Oni vam mogu ili ne moraju reći da je 10 ljudi koristilo vašu publiku. Stoga, ili gradite vlastitu reklamnu mrežu, ili se prepuštate velikim DMP-ovima.
Ko će pobijediti - umjetnik ili tehničar?
Z: – Pitanje malo udaljeno od tehničkog dijela. Govorilo se o strahovima trgovaca od nadolazeće masovne nezaposlenosti. Postoji li neka vrsta konkurentske borbe između kreativnog marketinga (ovi momci koji su smislili reklamiranje kokoši, Volkswagen oglašavanje, čini se) i onih koji su uključeni u Big Data (koji kažu: sada ćemo samo prikupiti sve podatke i isporučiti ciljano oglašavanje svi)? Kao osoba koja je direktno uključena, šta mislite o tome ko će pobijediti - umjetnik, tehničar ili će doći do nekog sinergijskog efekta?
OH: – Slušaj, pa, oni rade zajedno. Inženjeri ne dolaze s kreativnošću. Oni koji su kreativni ne izmišljaju publiku. Tu je neka multidisciplinarna priča. Pravi problemi su sada za one koji sjede i pritiskaju dugmad, za one koji rade “majmunski posao”, pritiskajući svaki dan isto – to su ljudi koji će nestati.
Ali oni koji analiziraju podatke će prirodno ostati, ali neko mora da obradi te podatke. Neko će morati da smisli ove slike, da ih nacrta. Mašina ne može smisliti takvu kreativnost! Ovo je potpuno ludilo! Ili kao, na primjer, virusna reklama Carpricea, koja je, inače, jako dobro funkcionirala. Zapamtite, postojao je ovaj na YouTube-u: “Prodajte ga u Carpriceu”, apsolutno ludo. Naravno, nijedna neuronska mreža neće stvoriti takvu priču.
Generalno, zalažem se za to da neće ljudi ostati bez posla, već će imati malo više slobodnog vremena, a to slobodno vrijeme moći će da potroše na samoobrazovanje.
Primitivno oglašavanje će izumrijeti
Z: - Uglavnom, reklama koja se prikazuje, baneri - uglavnom, čak ni prodajni tekstovi tu nisu ispisani: "Trebaju prozori - uzmi!", "Treba ti nešto drugo - uzmi!", tj. tu uopšte nema kreativnosti.
OH: – Takvo oglašavanje će, naravno, pre ili kasnije izumreti. Umrijet će ne toliko zbog razvoja tehnologije, koliko zbog razvoja tebe i mene.
Bolje je pomiješati relevantno s nebitnim
Z: - Ja sam ovdje! Imam pitanje u vezi eksperimenta za koji ste rekli da vam nije uspio (sa sistemom preporuka). Po Vašem mišljenju, da li je problem u tome što je tamo potpisano, zašto se to preporučuje ili mu je sve što je korisnik vidio izgledalo relevantno? Pošto sam pročitala eksperiment za majke, a još nije bilo toliko podataka, i nije bilo toliko podataka sa interneta, postojali su samo podaci od prodavača prehrambenih proizvoda koji su predviđali trudnoću (da će biti majke). A kada su pokazali izbor proizvoda za buduće mame, majke su se zgrozile što su za njih saznale prije bilo kakvih službenih stvari. I nije uspelo. A da bi riješili ovaj problem, namjerno su pomiješali relevantne proizvode sa nečim potpuno nebitnim.
OH: „Konkretno smo ljudima pokazali na osnovu kojih su preporuke napravljene kako bismo razumjeli njihove povratne informacije. Zapravo, tu je rođen koncept da ljudima ne treba govoriti da su to neki superrelevantni proizvodi za njega.
Da, usput, postoji pristup da se pomiješaju s nebitnim. Ali postoji i suprotna stvar: ponekad ljudi dođu i stupe u interakciju s ovim nebitnim proizvodom - javljaju se nasumični odstupnici, modeli se lome i stvari postaju još složenije. Ali ovo zapravo postoji. Štaviše, mnoge kompanije namjerno, ako znaju da neko obrađuje njihove podatke (neko bi im mogao ukrasti takav izlaz), ponekad ih pomiješaju kako bi kasnije dokazali da podatke niste uzeli iz njihovog sistema preporuka, već iz takozvano Yandex.Market.
Blokatori oglasa i sigurnost pretraživača
Z: - Zdravo. Spomenuli ste Ghostery i Adblock. Možete li nam reći koliko su takvi uređaji za praćenje općenito učinkoviti (možda na osnovu statistike)? I jeste li imali narudžbe od kompanija: kažu, pobrinite se da Adblock ne može zatvoriti naše oglašavanje.
OH: – Ne kontaktiramo direktno platforme za oglašavanje – upravo zato da one ne traže da svoje oglašavanje učine vidljivim svima. Ja lično koristim Ghostery – mislim da je to jako cool proširenje. Sada se svi pretraživači bore za privatnost: Mozilla je objavila gomilu svih vrsta ažuriranja, Google Chrome je sada super siguran. Svi oni blokiraju sve što mogu. “Safari” je čak isključio “Gyroscope” po defaultu.
I ovaj trend je, naravno, dobar (ne za one koji prikupljaju podatke, iako su i oni iz toga izašli), jer su ljudi prvo blokirali kolačiće. Svi koji su posjedovali reklamne mreže zapamtili su tako divnu tehnologiju kao što su otisci prstiju preglednika - to su algoritmi koji primaju 60 različitih parametara (rezolucija ekrana, verzija, instalirani fontovi) i na temelju njih izračunavaju jedinstveni "ID". Idemo dalje na ovo. I pretraživači su počeli da se bore sa ovim. Općenito, ovo će biti beskrajna bitka titana.
Najnoviji programer Mozilla je prilično siguran. Ne štedi gotovo nikakve kolačiće i postavlja kratak vijek trajanja. Pogotovo ako uključite „Incognito“, niko vas neće pronaći. Pitanje je da će biti nezgodno unositi lozinke u sve usluge.
Gdje psihotipizacija i fizionomija funkcioniraju, a gdje ne rade?
Z: – Arthure, hvala puno na predavanju. Također uživam pratiti vaša predavanja na YouTube-u. Spomenuli ste da trgovci sve više pribjegavaju korištenju psihotipizacije i fizionomije. Moje pitanje je: u kojim kategorijama brendova ovo funkcionira? Moje uvjerenje je da je ovo pogodno samo za FMCG. Na primjer, odabir automobila je...
OH: – Mogu da preuzmem gde tačno radi. Ovo funkcionira u svim vrstama priča poput “Amediateke”, TV serija, filmova i tako dalje. Ovo dobro funkcionira u bankama i bankarskim proizvodima, ako nije u pitanju premium segment, već svakakve studentske kartice, rate - takve stvari. Ovo stvarno dobro funkcionira u FMCG-u i svim vrstama iPhonea, punjača, svih ovih sranja. Ovo dobro funkcionira u "mama and pop" proizvodima. Mada to znam u ribolovu (ima takva tema)... Bilo je nekoliko puta sa ribarima - nikad se ne mogu pouzdano segmentirati. Ne znam zašto. Neka vrsta statističke greške.
Ovo ne funkcionira dobro kod vozača, s nakitom ili s nekim kućnim predmetima. U stvari, ne funkcionira dobro sa stvarima o kojima ljudi nikada ne bi pisali na društvenim mrežama - možete to provjeriti na ovaj način. Uobičajeno, uz kupovinu mašine za pranje veša: evo kako razumeti ko ima mašinu za veš, a ko nema? Čini se da ga svi imaju. Možete koristiti OFD podatke - pogledajte ko je šta kupio koristeći račune i uporedite ove ljude pomoću računa. Ali u stvari, postoje stvari o kojima nikada ne biste pričali, na primjer, na Instagramu - teško je raditi s takvim stvarima.
Mašine prepoznaju trikove kao statističko punjenje.
Z: – Imam pitanje u vezi ciljanja. Da li je moguć (ili odjednom postoje) uslovno nasumični lik koji je u svemu kontradiktoran: prvo progugla “najbolje teretane”, a zatim “10 načina da se ne radi ništa”? I tako je u svemu. Može li ciljanje pratiti nešto što je u suprotnosti?
OH: – Pitanje je samo ovo: ako koristite Google 2 godine, rekli ste mu sve što možete o sebi, a sada instalirajte dodatak za sebe koji će pisati slične nasumične upite, onda ćete, naravno, iz statistike budite u stanju da razumete – ono što sada radite je statistički odstupnik, a ovo je sve stvar određivanja. Ako želite, registrirajte novi račun, ali obim oglašavanja se neće mijenjati. Samo će postati čudna. Iako je i dalje čudna.
Neke reklame 🙂
Hvala vam što ste ostali s nama. Da li vam se sviđaju naši članci? Želite li vidjeti još zanimljivih sadržaja? Podržite nas naručivanjem ili preporukom prijateljima, , jedinstveni analog servera početnog nivoa, koji smo mi izmislili za vas: (dostupno sa RAID1 i RAID10, do 24 jezgra i do 40GB DDR4).
Dell R730xd 2 puta jeftiniji u Equinix Tier IV data centru u Amsterdamu? Samo ovdje u Holandiji! Dell R420 - 2x E5-2430 2.2Ghz 6C 128GB DDR3 2x960GB SSD 1Gbps 100TB - od 99 USD! Pročitajte o
izvor: www.habr.com