Arthur Khachuyan je známý ruský specialista na zpracování velkých dat, zakladatel společnosti Social Data Hub (nyní Tazeros Global). Partner Vysoké ekonomické školy Národní výzkumné univerzity. Připravil a předložil spolu s Vysokou ekonomickou školou Národní výzkumné univerzity návrh zákona o velkých datech v Radě federace, vystoupil v Curie Institute v Paříži, St.Petersburg State University, Federální univerzita pod vládou Ruské federace, na Red Apple, International OpenDataDay, RIW 2016, AlfaFuturePeople.
Přednáška byla zaznamenána na open-air festivalu „Geek Picnic“ v Moskvě v roce 2019.
Artur Khachuyan (dále - AH): – Pokud z obrovského množství odvětví - z medicíny, ze stavebnictví, z něčeho, něčeho, vybrat to, kde se nejčastěji využívá technologie big data, machine learning, deep learning, tak je to asi marketing. Protože poslední asi tři roky je vše, co nás v nějaké reklamní komunikaci obklopuje, vázáno právě na analýzu dat a právě na to, co lze nazvat umělou inteligencí. Proto vám o tom dnes povím z tak velmi vzdálené historie...
Pokud si představíte umělou inteligenci a jak vypadá, je to pravděpodobně něco podobného. Podivný obrázek je jednou z neuronových sítí, které jsem napsal před rokem, abych zjistil závislost toho, co můj pes dělá - kolikrát potřebuje být velký, malý a jak to obecně závisí na tom, kolik toho sní nebo ne?. To je vtip o tom, jak by si umělou inteligenci představit.
Ale přesto se zamysleme nad tím, jak to celé funguje v reklamní komunikaci. Existují tři způsoby, jak s námi mohou moderní algoritmy v reklamě a marketingu interagovat. Je jasné, že první povídka je zaměřena na získání a extrahování dalších znalostí o vás a mně a následně je použít k nějakým dobrým a ne tak dobrým účelům; personalizovat přístup ke každému konkrétnímu člověku; Samozřejmě poté vytvořte určitou poptávku, abyste provedli hlavní cílovou akci a provedli určitý prodej.
Pomocí technologií se snaží vyřešit problém efektivní komunikace
Když vám řeknu, abyste přemýšleli o tom, co Pornhub a M. Video“, co myslíš?
Komentáře publika (dále jen C): - TV, publikum.
ACH: – Můj koncept je takový, že jde o dvě místa, kam lidé přicházejí za určitým typem služby, nebo říkejme tomu určitým typem zboží. A toto publikum je jiné v tom, že nechce prodejci nic sdělit. Chce vstoupit a získat to, co ji zajímá, v nějaké explicitní nebo implicitní formě. K M samozřejmě nikdo nepřijde. Video“ nechce komunikovat s žádnými prodejci, nechce rozumět, nechce odpovídat na žádné jejich dotazy.
Z toho všeho tedy vyplývá první příběh.
Když se objevily technologie pro získávání dalších znalostí, aby se nějak vyhnuly komunikaci s osobou. Všichni milujeme, když zavoláme do banky a banka nám řekne: „Dobrý den. Alexey, jsi náš VIP klient. Teď s tebou bude mluvit nějaký supermanažer." Přijdete do této banky a je zde skutečně jedinečný manažer, který s vámi může mluvit. Bohužel či naštěstí zatím ani jedna firma nepřišla na to, jak najmout tisíc osobních manažerů pro tisíc klientů; a protože většina z těchto lidí je nyní online, úkolem je pochopit, co je to za člověka a jak s ním správně komunikovat, než přijde na nějaký reklamní zdroj. A proto se ve skutečnosti objevily technologie, které se snaží tento problém vyřešit.
Extrakce dat je nová ropa
Představme si, že jste majitelem květinového stánku. Přijdou za vámi tři lidé. První stojí hodně dlouho, váhá, snaží se s vámi mluvit, vezme nějakou kytici – jdete ji zabalit, jdete tam něco dělat; utíká ze stánku s touto kyticí - ztratil jsi své tři tisíce rublů. Proč se to stalo? O této osobě nic nevíte: neznáte její historii zatčení na ministerstvu vnitra, nevíte, že je kleptoman a je registrován v psychiatrické ambulanci. Proč? Protože jste to viděli poprvé a nejste behaviorální analytik.
Přijde někdo jiný... Vitaly. Vitalymu také trvá velmi dlouho, než na to přijde, říká: "No, potřebuji to a to." A ty mu řekneš: "Květiny pro mámu, že?" A ty mu prodáš kytici.
Konceptem je zde zjistit dostatek dat, abyste pochopili, co daný člověk skutečně potřebuje. Každého hned napadlo jakési reklamní sítě a tak dále...
Každý pravděpodobně slyšel hloupou frázi, že „data jsou nová ropa“ více než jednou? Určitě každý slyšel. Ve skutečnosti se lidé naučili sbírat data už docela dávno, ale extrahování dat z těchto dat je úkol, který se nyní snaží vyřešit umělá inteligence v marketingu, nebo nějaké statistické algoritmy. Proč? Protože když s člověkem mluvíte, může vám dát správnou, špatnou nebo nějak zabarvenou odpověď. Vtip, který říkám svým studentům, je, jak se průzkumy liší od statistik. Řeknu vám to jako anekdotu:
To znamená, že se ve dvou vesnicích rozhodli provést studii průměrné délky mužnosti. To znamená, že v první vesnici Villaribo je průměrná délka 15 centimetrů, ve vesnici Villabaggio - 25. Víte proč? Protože v první obci se provádělo měření, ve druhé průzkum.
Porno průmysl je vlajkovou lodí systémů doporučení
To je důvod, proč je moderní přístup analyzovat všechny lidi bez výjimky, i když jsou o něco méně než 100%, ale to jsou lidé, kterých se nemusíte ptát, nemusíte se na ně dívat. Stačí analyzovat to, čemu se dnes říká digitální stopa, abychom pochopili, co tento člověk potřebuje, jak s ním správně mluvit, jak kolem sebe správně vytvářet poptávku. Na jednu stranu je to bezduchý stroj (ale ty i já to moc dobře víme); nechceme komunikovat s lidmi z M. Video,“ a ještě více, když jdeme na zdroje jako Pornhub, chceme získat přesně to, co potřebujeme.
Proč vždy mluvím o Pornhubu? Protože průmysl pro dospělé je první, kdo přichází k analýze takových technologií, k implementaci takových technologií, k analýze dat. Pokud si vezmete tři nejoblíbenější knihovny v této oblasti (například TensorFlow nebo Pandas pro Python, pro zpracování souborů CSV atd.), otevřete-li je na Githubu, pomocí krátkého Googlu všech těchto názvů najdete pár lidí, kteří buď pracovali nebo v současné době pracují ve společnosti Pornhub a jako první tam implementovali systémy doporučení. Obecně je tento příběh velmi pokročilý a ukazuje, jak moc se toto publikum, jak moc tato společnost posunula vpřed.
Tři úrovně identifikace
Kolem osoby je obrovský soubor dat, která lze identifikovat. Obvykle to formálně rozděluji do tří úrovní, jdoucích hlouběji a hlouběji. Společnost má samozřejmě svá vlastní data.
Pokud, řekněme, mluvíme o budování systému doporučení, pak první úrovní jsou data, která se nacházejí v samotném obchodě (historie nákupů, všechny druhy transakcí, jak člověk interagoval s rozhraním).
Dále je úroveň (relativně největší) - tomu se říká otevřené zdroje. Nemyslete si, že vás nabádám k tomu, abyste se škrábali na sociálních sítích, ale ve skutečnosti to, co je k dispozici v otevřených zdrojích, otevírá obrovskou sadu dat, která se můžete, řekněme, o člověku dozvědět.
A třetí hlavní částí je prostředí tohoto člověka samotného. Ano, panuje názor, že pokud člověk není na sociálních sítích, nejsou tam žádná data o něm (asi už tušíte, že to není pravda), ale nejdůležitější je, aby údaje, které jsou na profilu člověka (nebo v některých aplikacích) je pouze 40 % znalostí, které o něm lze získat. Zbytek informací získává z jeho prostředí. Fráze „řekni mi, kdo je tvůj přítel a já ti řeknu, kdo jsi“ nabývá v XNUMX. století nového významu, protože kolem této osoby lze získat obrovské množství dat.
Pokud se budeme bavit blíže reklamní komunikace, tak přijímat reklamní sdělení nikoli z reklamy, ale od nějakého kamaráda, známého nebo nějak ověřeného člověka je velmi cool funkce, kterou využívá spousta marketérů. Když vám nějaká aplikace najednou dá bezplatný promo kód, uděláte o tom příspěvek a tím přilákáte nové publikum. Ve skutečnosti tento propagační kód pro podmíněné „Yandex.Taxi“ nebyl vybrán náhodně, ale za tímto účelem bylo analyzováno obrovské množství dat o vašem potenciálu přilákat nové publikum a nějak s ním komunikovat.
Dokonce analyzují chování postav televizních seriálů
Ukážu ti tři obrázky a ty mi řekni, jaký je mezi nimi rozdíl.
Toto:
Tento:
A tohle:
Jaký je mezi nimi rozdíl? Všechno je zde jednoduché. Stejně jako v kvantové mechanice, i v tomto případě byla tato kreativita tvořena pozorovatelem. To znamená, že rozdíl ve stejné reklamní kampani, prováděné stejnou značkou ve stejnou dobu, je pouze v tom, kdo tuto kreativu sledoval. Osobně, když jdu na Amediateku, stále ukazují Khal Drogo. Nevím, co si Amediateka myslí o mých preferencích, ale z nějakého důvodu se to děje.
To, čemu se dnes říká personalizovaná komunikace, je nejoblíbenějším příběhem o přilákání publika a správné interakci s ním. Pokud jsme v první fázi identifikovali lidi pomocí vlastních dat o značce, open source dat a například dat z prostředí této osoby, můžeme po její analýze pochopit, kdo to je, jak s ním správně mluvit a hlavně , jakým jazykem mluví, mluvte s ním.
Zde technologie zašla tak daleko, že postavy v televizních seriálech, které lidé sledují, jsou nyní analyzovány. To znamená, že máte rádi televizní seriály – sledují se [to se mi líbí], dívají se na to, s kým jste tam komunikovali, aby pochopili, s jakým typem člověka by se pro vás hodil. Zní to jako naprostý nesmysl, ale jen tak pro zajímavost to zkuste na některém ze zdrojů – různí lidé vidí různé kreativy (aby s nimi správně interagovali).
Ani jedno moderní médium nebo jakýkoli video zdroj vám jen neukáže nějaké novinky. Přejděte do médií – je načteno obrovské množství algoritmů, které vás identifikují, porozumí veškeré vaší předchozí činnosti, odvolají se na matematický model a pak vám něco ukáží. V tomto případě jde o takový zvláštní příběh.
Jak se určují potřeby? Psychometrie. Fyziognomie
Existuje mnoho (skutečných) přístupů k určení skutečných potřeb člověka a jak s nimi správně komunikovat. Přístupů je mnoho, vše se řeší jinak, nelze říci, který je dobrý a který špatný. Zdá se, že ti hlavní vědí všechno.
Psychometrie. Po příběhu s Cambridge Analytics to nabralo podle mého názoru nějaký šok, nějaký obrat, protože každá druhá politická společnost teď přichází a říká: „Ach, můžete mě udělat jako Trumpa? Také chci vyhrát a tak dále.“ Ve skutečnosti je to samozřejmě nesmysl pro naši realitu, například politické volby. K určení psychotypů se však používají tři modely:
- první je založen na obsahu, který konzumujete – slova, která píšete, nějaké informace, které se vám líbí, videa atd.;
- druhý je vázán na to, jak interagujete s webovým rozhraním, jak píšete, která tlačítka mačkáte – skutečně existují celé společnosti, které na základě rukopisu na klávesnici dokážou celkem spolehlivě určit to, čemu se dnes říká psychotypy.
- Nejsem moc psycholog, moc nerozumím tomu, jak to funguje, ale z pohledu reklamních komunikací funguje publikum rozdělené do těchto segmentů velmi dobře, protože někomu je potřeba ukázat červenou obrazovku s modrým ženo, někomu je třeba ukázat tmavou obrazovku - modré pozadí s nějakým druhem abstrakce, a funguje to velmi cool. Na některých nízkých úrovních - natolik, že o tom člověk ani nepřemýšlí. Co je nyní hlavním problémem na reklamním trhu? Každý je zpravodajský agent, každý se skrývá, každý má nainstalovaný milion tisíc oprávnění prohlížeče, aby nebyl žádným způsobem identifikován - pravděpodobně máte „Adblocks“, „Gostrey“ a všechny druhy aplikací, které blokují sledování. Z tohoto důvodu je velmi obtížné něco o člověku pochopit. A technologie šla dál – musíte nejen vědět, že se tento člověk na vaše stránky vrátil již po 125., ale že je také takový a takový zvláštní člověk.
Fyziognomie je velmi kontroverzní věda. Ani se to nepovažuje za vědu. Toto je skupina lidí, kteří dříve programovali detektory lži pro nějaké ministerstvo vnitra a nyní se zabývají tím, čemu se říká personifikace kreativity. Zde je postup velmi jednoduchý: několik vašich veřejných fotografií je převzato z některých sociálních sítí a je z nich sestavena trojrozměrná geometrie. A pokud jste právník, nyní řeknete, že jde o osobu a osobní údaje; ale řeknu vám, že se jedná o 300 tisíc bodů umístěných ve vesmíru a toto není osoba a nejsou to osobní údaje. To obvykle říká každý, když k nim přijde Roskomnadzor.
Ale vážně, váš obličej zvlášť, pokud tam není podepsáno vaše jméno a příjmení, není vaše osobní údaje. Jde o to, že kluci vyznačují různé rysy obličeje, které ovlivňují, jak se člověk rozhoduje a jak s ním správně komunikovat. V některých oblastech to funguje špatně, v některých reklamních segmentech; ve kterých segmentech to funguje velmi dobře. Nakonec se ukáže, že když přejdete na nějaký zdroj, neuvidíte jen jeden banner, který se zobrazí všem, ale například... teď je normální udělat 16 nebo 20 možností pro různé cílové skupiny – a funguje to skvělý. Ano, z pohledu spotřebitele je to ještě smutnější, protože lidé začínají být stále více manipulováni. Ale přesto to z obchodního hlediska funguje velmi dobře.
Černá skříňka strojového učení
To vede k následujícímu problému s takovými technologiemi: koneckonců, pro většinu vývojářů je dnes to, čemu se říká hluboké učení, „černá skříňka“. Pokud jste se někdy ponořili do tohoto příběhu a mluvili jste s vývojáři, vždy vám řeknou: "Ach, poslouchejte, dobře, zakódovali jsme tam něco tak nesrozumitelného a nevíme, jak to funguje." Možná se to už někomu stalo.
To ve skutečnosti není ani zdaleka pravda. To, co se nyní nazývá strojové učení, má daleko k „černé skříňce“. Existuje obrovské množství přístupů k popisu vstupních a výstupních dat a nakonec společnost dokáže důkladně pochopit, na základě jakých znaků se stroj rozhodl ukázat vám toto nebo jiné pornografické video. Otázkou je, že to žádná ze společností nikdy nezveřejní, protože: za prvé je to obchodní tajemství; za druhé, bude to obrovské množství dat, o kterých jste ani nevěděli.
Předtím jsme například v diskusi o etice diskutovali o tom, jak sociální sítě analyzují osobní zprávy, aby označily lidi v nějakých reklamních příbězích. Pokud někomu něco napíšete, na základě toho obdržíte specifický tag pro vlastně nějaký druh reklamního sdělení. A ty to nikdy neprokážeš a dokazovat to asi nemá smysl. Pokud by však byly podobné vzory odhaleny, existovaly by. Ukazuje se, že trh pro budování takových doporučovacích systémů předstírá, že neví, proč se to stalo.
Lidé nechtějí vědět, co o nich lidé vědí
A druhý příběh je, že klient nikdy nechce vědět, proč dostal tuto konkrétní reklamu, tento konkrétní produkt. Povím vám tento příběh. Moje první zkušenost s komerční implementací doporučovacích systémů založených na podobných algoritmech právě pro účely výzkumu byla v roce 2015 ve velmi rozsáhlé síti sexshopů (ano, také to není nijak zvlášť nepříjemný příběh).
Zákazníkům bylo nabídnuto toto: přijdou, přihlásí se pomocí své sociální sítě a asi po 5 sekundách pro ně obdrží zcela personalizovaný obchod, to znamená, že se všechny produkty změnily - spadají do určité kategorie atd. . Víte, jak moc se zvýšil konverzní poměr tohoto obchodu? V žádném případě! Lidé přicházeli a okamžitě od něj utíkali. Přišli a uvědomili si, že jim bylo nabídnuto přesně to, o čem přemýšleli...
Problém tohoto testu byl, že pod každým produktem bylo napsáno, proč vám byl nabídnut právě ten (“protože jste členem skryté skupiny “Mocná žena hledá muže, který je rohožka”). Moderní doporučovací systémy proto nikdy neukazují data, na jejichž základě byla „předpověď“ provedena.
Velmi oblíbeným příběhem jsou média, protože všechna používají podobné systémy doporučování. Dříve byly algoritmy velmi jednoduché: podívejte se na kategorii „Politika“ – a zobrazí vám novinky z kategorie „Politika“. Nyní je vše tak komplikované, že analyzují místa, kde jste zastavili myš, na jaká slova jste se soustředili, co jste kopírovali, jak jste obecně interagovali s touto stránkou. Pak analyzuje slovní zásobu samotných zpráv: ano, nečtete jen zprávy o Putinovi, ale určitým způsobem, s určitým emocionálním zabarvením. A když člověk dostane nějakou zprávu, ani nepřemýšlí o tom, jak se sem dostal. Přesto pak s tímto obsahem interaguje.
To vše přirozeně směřuje k tomu, aby toho ubohého, nešťastného človíčka, který už šílí, uchránil před obrovským množstvím informací, které jsou kolem něj. Zde je třeba říci, že by bylo hezké používat takové systémy k personalizaci kreativy kolem sebe a shromažďování nějakých informací, ale takové služby zatím bohužel nejsou.
Umělá inteligence chytá klienta ve vzduchu a vytváří poptávku
A zde vyvstává jedna velmi zajímavá filozofická otázka, která přechází od vytváření systému doporučení k vytváření poptávky. Málokdy o tom někdo přemýšlí, ale když se zkusíte zeptat takzvaného Instagramu: „Proč sbíráš data? Proč mi neukážeš absolutně náhodnou reklamu?" - Instagram ti řekne: "Příteli, to vše se děje proto, abychom ti ukázali přesně to, co je pro tebe zajímavé." Jako, chceme vás znát tak přesně, abychom vám mohli ukázat přesně to, co hledáte.
Ale technologie už dávno překročily tento strašlivý práh a podobné technologie už nepředpovídají, co potřebujete. Oni (pozor!) vytvářejí poptávku. To je asi to nejděsivější, co se kolem umělé inteligence v takové komunikaci točí. Děsivé je, že se za posledních 3-5 let používal téměř všude – od výsledků vyhledávání Google po výsledky vyhledávání Yandex až po některé systémy... Dobře, o Yandexu neřeknu nic špatného; a dobrý.
Jaký to má smysl? Už je to dlouho, co se takováto reklamní komunikace odklonila od strategie, kdy píšete „chci koupit dětskou sedačku“ a vidíte sto tisíc milionů publikací. Přešli k následujícímu: jakmile žena zveřejnila fotku s sotva viditelným bříškem, její manžel začal okamžitě sledovat zprávy: „Člověče, porod se blíží. Kupte si dětskou sedačku."
Zde se můžete oprávněně ptát, proč s tak gigantickým pokrokem v technologii stále vidíme na sociálních sítích tak podělanou reklamu? Problém je v tom, že na tomto trhu stále o všem rozhodují peníze, takže jednoho krásného okamžiku může přijít nějaký inzerent, jako je Coca-Cola, a říct: „Tady je pro vás 20 milionů – ukažte mé podělané bannery celému internetu.“ A oni to opravdu udělají.
Ale když si uděláte nějaký čistý účet a vyzkoušíte, jak přesně vás takové algoritmy hádají: nejprve se vás pokusí uhodnout a pak s vámi začnou něco dělat předem. A lidský mozek funguje tak, že při příjmu pro něj spolehlivé informace ani nezpracuje okamžik, proč tuto informaci dostal. První pravidlo, které určí, že jste ve snu, je pochopit, jak jste se sem dostali. Člověk si nikdy nepamatuje okamžik, kdy skončil v určité místnosti. Tady je to stejné.
Google může začít utvářet váš pohled na svět
Takové studie byly provedeny několika zahraničními společnostmi, které se zabývají i-trackingem. Na speciální počítače nainstalovali zařízení, která zaznamenávají, kam se oči testovaného dívají. Vzal jsem od pěti do sedmi tisíc dobrovolníků, kteří jednoduše scrollovali feed, komunikovali se sociálními sítěmi, s reklamou a zaznamenávali informace, na kterých částech bannerů a kreativ tito lidé zastavili oči.
A ukázalo se, že když lidé dostanou takovou hyperpersonalizovanou kreativu, ani o tom nepřemýšlejí - okamžitě jdou dál a začnou s ní interagovat. Z obchodního hlediska je to dobré, ale z pohledu nás jako uživatelů to moc cool není, protože – čeho se bojí? – Že v jednom krásném okamžiku může podmíněný „Google“ začít (nebo samozřejmě nezačít) vytvářet svůj vlastní světonázor. Zítra může například lidem začít ukazovat zprávy, že Země je placatá.
Dělají si legraci, ale byli přistiženi tolikrát, že během voleb začnou poskytovat určité informace určitým lidem. Všichni jsme zvyklí, že vyhledávač dostane vše poctivě. Ale jak vždy říkám, pokud opravdu chcete vědět, jak svět funguje, napište si svůj vlastní vyhledávač, bez filtrů, bez ohledu na autorská práva, bez hodnocení některých svých přátel ve výsledcích vyhledávání. Zobrazení skutečných dat na internetu se obecně liší od toho, co zobrazuje Google, Yandex, Bing a tak dále. Některé materiály jsou skryté, protože přátelé, kolegové, nepřátelé nebo někdo jiný (nebo bývalý milenec, se kterým jste spali) - na tom nezáleží.
Jak Trump vyhrál
Když byly ve Spojených státech poslední volby, byla provedena velmi jednoduchá studie. Vzali stejné požadavky na různých místech, z různých IP adres, z různých měst, různí lidé googlovali totéž. Konvenčně byl požadavek ve stylu: kdo vyhraje volby? A překvapivě byly výsledky konstruovány tak, že v těch státech, kde se největší počet lidí pokusil hlasovat pro špatného kandidáta, dostali dobré zprávy o kandidátovi, kterého Google propagoval. Který? No, je jasné, který - ten, kdo se stal prezidentem. To je absolutně neprokazatelný příběh a všechny tyto studie jsou prstem ve vodě. Google může říct: „Kluci, tohle všechno děláme proto, abychom vám zobrazovali ten nejrelevantnější obsah.“
Od této chvíle byste měli vědět, že to, čemu se říká maximálně relevantní, absolutně neplatí. Společnost nazývá relevantní něco, co vám musí být prodáno z nějakého dobrého nebo špatného důvodu.
Ti, kteří nyní nemají peníze, se již připravují na budoucí nákupy
Je zde ještě jeden zajímavý bod, o kterém vám povím. Obrovské množství aktivního publika na sociálních sítích a v aplikacích jsou nyní mladí lidé. Nazvěme to takto - insolventní mládež: děti 8-9 let, které hrají pitomé hry, to jsou 12-13-14, které se právě registrují na sociálních sítích. Proč by velké společnosti utrácely obrovské rozpočty a zdroje na vytváření aplikací pro neplatící publikum, které není nikdy zpeněženo? Ve chvíli, kdy se toto publikum stane solventním, bude o něm dostatek dat, aby bylo možné velmi dobře předvídat jeho chování.
Nyní se zeptejte kteréhokoli cílevědomosti, jaké je nejobtížnější publikum? Řeknou: vysoce ziskové. Protože prodat přes sociální sítě například byt v hodnotě 150 milionů rublů je téměř nemožné. Jsou ojedinělé případy, kdy uděláte nějakou reklamu pro 10 tisíc lidí, jeden koupí tento byt - klient má úspěch... Ale jeden z deseti tisíc je ze statistického hlediska úplná kravina. Proč je tedy obtížné identifikovat publikum s vysokými příjmy? Protože lidé, kteří jsou nyní členy vysoce ziskového publika, se narodili, když byl internet ještě velmi malý, když Artěmije Lebedeva ještě nikdo neznal a nejsou o nich žádné informace. Je nemožné předvídat vzorce jejich chování, je nemožné pochopit, kdo jsou jejich názoroví vůdci a z jakých zdrojů obsahu dostávají.
Takže až se všichni za 25 let stanete miliardáři a společnosti, které vám něco prodají, budou mít obrovské množství dat. Proto nyní máme v Evropě nádherné GDPR, které brání shromažďování dat od nezletilých.
V praxi to samozřejmě vůbec nefunguje, protože všechny děti stále hrají na účtech své matky a otce - takto se shromažďují informace. Až budete příště dávat svému dítěti tablet, myslete na to.
Naprosto ne nějaká děsivá, dystopická budoucnost, kdy všichni zemřou ve válce se stroji – nyní naprosto skutečný příběh. Existuje obrovské množství společností, které vytvářejí algoritmy pro psychoprofilování lidí na základě toho, jak hrají hry. Velmi zajímavé odvětví. Na základě toho všeho jsou pak lidé segmentováni, aby s nimi nějak komunikovali.
Predikce chování těchto lidí bude k dispozici za 10-15 let – přesně ve chvíli, kdy se stanou solventním publikem. Nejdůležitější je, že tito lidé již předem dali povolení zpracovávat jejich osobní údaje, předávat je třetím stranám, a to vše je štěstí a tak dále.
Kdo přijde o práci?
A můj poslední příběh je, že se všichni vždy ptají, co bude za 50 let: všichni zemřeme, bude nezaměstnanost pro obchodníky... Jsou tady marketéři, kteří se nezaměstnaností obávají, že? Obecně se není třeba obávat, protože žádný vysoce kvalifikovaný člověk o práci nepřijde.
Bez ohledu na to, jaké algoritmy jsou vytvořeny, bez ohledu na to, jak blízko se stroj přiblíží tomu, co zde máme (ukáže na svou hlavu), pokud se vyvine dostatečně rychle, takoví lidé nikdy nezůstanou nečinní, protože někdo bude muset vytvořit tyto kreativní věci. dělat. Ano, existují všechny druhy „ganů“, kteří kreslí obrázky, které vypadají jako lidé, a tvoří hudbu, ale stále je nepravděpodobné, že by lidé v této oblasti někdy přišli o práci.
Mám vše s příběhem, takže se můžete ptát, pokud máte více. Děkuji.
Moderátor: – Přátelé, nyní přecházíme k bloku „Otázky a odpovědi“. Zvedneš ruku - přijdu k tobě.
Otázka z publika (XNUMX): – Otázka o „černé skříňce“. Řekli, že je možné konkrétně pochopit, proč byl pro takového a takového uživatele získán takový a takový výsledek. Jsou to nějaké algoritmy, nebo je to potřeba analyzovat pokaždé pro každý model ad hoc (pozn. autora: „speciálně pro toto“ – latinská frazeologická jednotka)? Nebo existují nějaké hotové pro nějakou neuronovou síť, která, zhruba řečeno, může dávat obchodní smysl?
ACH: – Zde musíte pochopit následující: ve strojovém učení existuje obrovské množství úkolů. Například existuje úkol - regrese. Pro regresi nejsou potřeba vůbec žádné neuronové sítě. Všechno je jednoduché: máte několik ukazatelů, musíte vypočítat následující. Jsou úkoly, kde je nutné uchýlit se k něčemu takovému, jako je hluboké učení. V hlubokém učení je skutečně obtížné spolehlivě pochopit, jaké váhy byly přiřazeny kterým neuronům, ale právně vše, co potřebujete, je pochopit, jaká data byla na vstupu a jak se projevila na výstupu. To právně stačí k patentování takového rozhodnutí a stačí pochopit, na jakém základě byl příběh vytvořen.
Není to tak, že byste šli na stránku a zobrazil se vám nějaký banner, protože jste se před dvěma měsíci vyfotili s červenými vlasy na Instagram. Pokud do tohoto modelu vývojář nezahrne sběr těchto dat a označení barvy vlasů, tak to nepřijde z ničeho nic.
Jak prodat výsledky systémů strojového učení?
Z: – Je jen otázkou co: jak přesně vysvětlit, jak prodat někomu, kdo nerozumí strojovému učení. Chci říct: můj model jasně vede od barvy vlasů k... no, barva vlasů se mění... Je to možné nebo ne?
ACH: - Možná ano. Ale z hlediska prodeje bude fungovat jediné schéma: máte reklamní kampaň, my nahradíme publikum tím, které vygeneruje automat – a vy prostě vidíte výsledek. To je bohužel jediný způsob, jak spolehlivě přesvědčit zákazníka, že takový příběh funguje, protože na trhu je spousta řešení, která byla kdysi implementována a nefungovala.
O vytváření virtuální osobnosti
Z: - Ahoj. Díky za přednášku. Otázka zní: jakou šanci má člověk, který z nějakého důvodu nechce následovat vedení strojového učení, vytvořit si pro sebe virtuální osobnost, která je radikálně odlišná od jeho vlastní osobnosti, prostřednictvím interakce s rozhraním nebo pro některé Jiný důvod?
ACH: – Existuje spousta různých pluginů, které se zabývají konkrétně randomizačním chováním. Je tu skvělá věc - Ghostery, která vás podle mého názoru téměř úplně skryje před hromadou různých trackerů, které pak tyto informace nemohou zaznamenat. Ale vlastně teď už stačí jen uzavřený profil na sociálních sítích, aby tam nikdo, žádní zlí škrabáci, nic nesbíral. Asi je lepší nainstalovat nějaké rozšíření nebo si něco napsat sám.
Vidíte, tady jde o koncept, že například z právního hlediska osobní údaje označují údaje, podle kterých vás lze identifikovat, a zákon uvádí jako příklad adresu bydliště, věk a tak dále. V dnešní době existuje nespočet údajů, podle kterých vás lze identifikovat: stejný rukopis klávesnice, stejný stisk, digitální podpis prohlížeče... Dříve nebo později člověk udělá chybu. Může být někde v „kavárně“ pomocí „Thor“, ale nakonec se v jednu krásnou chvíli buď zapomene zapnout VPN, nebo něco jiného a v tu chvíli ho lze identifikovat. Nejjednodušší je tedy udělat si soukromý účet a nainstalovat nějaké rozšíření.
Trh se posouvá k bodu, kdy k dosažení výsledků stačí stisknout jedno tlačítko.
Z: - Díky za příběh. Jako vždy, vždy velmi zajímavé (sleduji tě). Otázka zní: jaký pokrok nastal ve vytváření systémů pozitivních pro uživatele, systémů doporučení? Říkal jste, že jste svého času pracoval na systému doporučení pro hledání sexuálního partnera, přítele do života (nebo hudby, která by se člověku potenciálně mohla líbit)... Jak je to všechno slibné a jak vidíte jeho vývoj z hledisko vytváření systémů, které lidé potřebují?
ACH: – Obecně se trh posouvá do bodu, kdy lidé potřebují stisknout jedno tlačítko a okamžitě získat to, co potřebují. Pokud jde o mé zkušenosti s tvorbou seznamovacích aplikací (mimochodem, na konci roku ji znovu spustíme), kromě toho, že 65 % tvořili ženatí muži, nejtěžším problémem doporučení bylo, že člověku bylo nabídnuto několik modelů na začátku aplikace - „Přátelství“, „Sex“, „Přátelství v sexu“ a „Obchod“. Lidé si nevybrali, co potřebovali. Muži přišli a zvolili „Lásku“, ale ve skutečnosti házeli nahotu na každého a tak dále.
Problém byl identifikovat člověka, který nesedí na jeden z těchto modelů, a nějak plynule ho vzít a posunout jiným směrem. Vzhledem k malému množství dat je velmi obtížné určit, zda se jedná o chybu v prognostickém algoritmu, nebo zda člověk není ve své kategorii. S hudbou je to stejné: nyní existuje jen velmi málo skutečně hodnotných algoritmů, které dokážou hudbu dobře „facastovat“. Možná „Yandex.Music“. Někteří lidé si myslí, že algoritmus Yandex.Music je špatný. Mám ji například rád. Mně osobně se například nelíbí hudební algoritmus YouTube a tak dále.
Existují samozřejmě některé jemnosti - vše je vázáno na licence... Ale ve skutečnosti je poptávka po takových systémech poměrně vysoká. Svého času byla známá firma Retail Rocket, která se zabývala implementací doporučovacích systémů, ale teď se jí to nějak moc nedaří - zřejmě proto, že své algoritmy dlouho nevyvíjeli. Všechno směřuje k tomu - do té míry, že vstoupíme a aniž bychom na něco tlačili, získáme to, co potřebujeme (a staneme se úplně hloupými, protože naše schopnost volby úplně zmizela).
Ovlivněte marketing
Z: - Ahoj. Jmenuji se Konstantin. Chtěl bych se zeptat na vliv marketingu. Znáte nějaké systémy, které umožňují firmě vybrat si vhodného blogera pro firmu na základě nějakých statistických údajů a podobně? A na jakém základě se to dělá?
ACH: – Ano, začnu zpovzdálí a hned řeknu, že problém všech těchto technologií je v tom, že všechna tato umělá inteligence v marketingu je nyní jako provazochodec: nalevo jsou velké společnosti, které mají spoustu peněz a v v každém případě pro ně bude vše efektivní, protože jejich reklamní kampaně jsou zaměřeny pouze na zhlédnutí; na druhou stranu je spousta malých firem, kterým to nepůjde, protože mají hodně dat. Použitelnost těchto příběhů je zatím někde uprostřed.
Když už existují dobré rozpočty a úkolem je tyto rozpočty správně zpracovat (a v zásadě už je dat poměrně hodně)… Znám pár služeb, něco jako Getblogger, které jakoby mají algoritmy. Abych byl upřímný, tyto algoritmy jsem nestudoval. Mohu vám říci, jaký přístup používáme k nalezení názorových lídrů, když potřebujeme obdarovat některé maminky.
Používáme metriku nazvanou Doba distribuce obsahu. Funguje to takto: vezmete člověka, jehož publikum analyzujete, a potřebujete systematicky (třeba jednou za 5 minut) sbírat informace o každém příspěvku, kdo ho lajkoval, komentoval a podobně. Tímto způsobem můžete pochopit, v jakém časovém okamžiku každý člověk ve vašem publiku interagoval s vaším obsahem. Opakujte tuto operaci pro každého zástupce jeho publika, a tedy pomocí metriky průměrné doby šíření obsahu jej lze například vybarvit ve velkém síťovém grafu těchto lidí a použít tuto metriku k sestavení shluků.
To funguje docela dobře, pokud chceme například najít 15 matek, které udržují své veřejné mínění na nějakém woman.ru. To je ale poměrně složitá technická implementace (i když čistě teoreticky to lze provést v Pythonu). Pointa je, že problém vlivového marketingu ve velkých reklamních agenturách spočívá v tom, že potřebují velké, skvělé a drahé blogery, kteří nepracují na hovno. Nyní chce automobilová značka prodat nějaký produkt prostřednictvím nějakého názorového vůdce – musí použít autoblogera jako posledního, protože publikum takového auta si buď už auto koupilo, nebo přesně ví, jaké auto chce, jen sedí a kouká u cool aut. Zde je důležité nevynechat analýzu publika samotného člověka.
Marketingoví roboti
Z: – Řekněte mi, jak moc ovlivňují boti na sociálních sítích sběr informací a jejich kvalitu?
ACH: – S roboty je to taková zajímavá věc. Levné roboty lze celkem snadno identifikovat – buď mají stejný obsah, nebo jsou mezi sebou přátelé, nebo jsou ve stejné síti. Existují také přístupy k řešení složitých robotů. Nebo se ptáte na problém, jak spojit člověka s jeho falešným?
Z: – Jak kvalitní informace budou výstupem se všemi těmi odpadky?
ACH: – Tady to funguje takto: vzhledem k tomu, že existuje obrovské množství dat (např. pro nějaký marketingový výzkum), lze všechny tyhle riffy jednoduše vyhodit. To znamená, že je lepší vyhodit trochu více skutečných lidí, než zajmout roboty, protože je pro ně zbytečné ukazovat jakoukoli reklamu. Pokud ale sbíráte metriky, například interakce s bannery nebo systémy doporučení, můžete takové účty vyhodit.
Nyní na sociálních sítích existuje asi šest procent virtuálních postav nebo jednoduše opuštěných stránek nebo introvertů, které algoritmy „párují“ jako roboty. Co se týče spojování člověka s jeho falešným, i zde je vše vázáno na to, že ten člověk dříve či později udělá chybu a jde o to, že model chování je stejný – jak jeho skutečný účet, tak jeho falešný. Dříve nebo později budou sledovat stejný obsah nebo něco jiného.
Tady nejde o procento chyb, ale o množství času potřebného ke spolehlivé identifikaci osoby. Pro někoho, kdo žije se svým Instagramem, se tentokrát pro spolehlivou identifikaci zkrátí na pět minut. Pro některé – o šest až osm měsíců.
Komu a jak data prodávat?
Z: - Ahoj. Zajímá mě, jak se prodávají data mezi společnostmi? Mám například aplikaci, ve které se dá (vývojáři) zjistit, kam člověk chodí, do jakých obchodů chodí a kolik tam utrácí peněz. A zajímalo by mě, jak, řekněme, mohu prodat data o svém publiku těmto obchodům nebo dát svá data do jedné obrovské databáze a dostat za to zaplaceno?
ACH: – Co se týče přímého prodeje dat někomu, vy a všichni ostatní jste předběhli OFD – provozovatele fiskálních dat, kteří se lstivě postavili mezi převod šeků a Daňovou službu a nyní se snaží data prodat všem. Ve skutečnosti zhroutily celý trh s mobilní analytikou. Ve skutečnosti můžete svou aplikaci vložit, například Facebook pixel, jeho DMP systém; pak toto publikum použijte k prodeji. Například pixel „May Target“. Jen nevím, jaké máte publikum, musíte to pochopit. Ale v každém případě se můžete integrovat buď do Yandex nebo My Target, což jsou největší DMP systémy.
Tohle je docela zajímavý příběh. Jediný problém je v tom, že jim dáte veškerý provoz a oni si jako burzy vezmou na sebe monetizaci tohoto provozu. Mohou nebo nemusí vám říct, že 10 lidí využilo vaše publikum. Proto buď vybudujete vlastní reklamní síť, nebo se poddáte velkým DMP.
Kdo vyhraje – umělec nebo technik?
Z: – Otázka trochu vzdálená technické části. Mluvilo se o obavách marketérů z přicházející masové nezaměstnanosti. Existuje nějaký druh konkurenčního boje mezi kreativním marketingem (zdá se, že tito chlápci, kteří přišli s reklamou na slepice, s reklamou Volkswagenu) a těmi, kteří se podílejí na Big Data (kteří říkají: teď jen shromáždíme všechna data a doručíme cílenou reklamu všichni)? Jako člověk, který je přímo zapojen, jaký je váš názor na to, kdo vyhraje - umělec, technik, nebo dojde k nějakému synergickému efektu?
ACH: – Poslouchej, pracují spolu. Inženýři nepřicházejí s kreativitou. Kdo je kreativní, publikum si nevymýšlí. Je zde jakýsi multidisciplinární příběh. Skutečné problémy jsou nyní pro ty, kteří sedí a mačkají tlačítka, pro ty, kteří dělají „opičí práci“, mačkají každý den to samé – to jsou lidé, kteří zmizí.
Ale ti, kdo data analyzují, přirozeně zůstanou, ale někdo tato data zpracovat musí. Někdo bude muset tyto obrázky vymyslet, nakreslit. Stroj nemůže přijít s takovou kreativitou! To je úplné šílenství! Nebo jako například virální reklama Carprice, která se mimochodem velmi povedla. Pamatujte, že na YouTube bylo toto: „Prodej to za Carprice“, naprosto šílené. Takový příběh samozřejmě žádná neuronová síť nevygeneruje.
Obecně jsem zastáncem toho, že o práci nepřijdou lidé, ale budou mít o něco více volného času a tento volný čas budou moci věnovat sebevzdělávání.
Primitivní reklama vymře
Z: - Celkově vzato, reklama, která je zobrazena, bannery - vesměs ani prodejní texty tam nejsou napsány: "Potřebujete okna - vezměte si to!", "Potřebujete něco jiného - vezměte si to!", to znamená, není tam vůbec žádná kreativita.
ACH: – Taková reklama samozřejmě dříve nebo později zanikne. Vymře ani ne tak kvůli rozvoji technologií, ale kvůli vývoji vás a mě.
Je lepší míchat relevantní s nepodstatným
Z: - Jsem tu! Mám otázku ohledně experimentu, o kterém jste řekl, že vám nevyšel (se systémem doporučení). Je podle vás problém v tom, co tam bylo podepsáno, proč se to doporučuje, nebo je to v tom, že vše, co uživatel viděl, se mu zdálo relevantní? Protože jsem četla experiment pro matky a tam ještě nebylo tolik dat a nebylo tolik dat z internetu, byla tam jen data od prodejce potravin, která předpovídala těhotenství (že budou matkami). A když ukazovali výběr produktů pro nastávající maminky, maminky se zděsily, že se o nich dozvěděly dřív, než nějaké oficiální věci. A nešlo to. A aby tento problém vyřešili, záměrně smíchali relevantní produkty s něčím zcela nepodstatným.
ACH: „Konkrétně jsme lidem ukázali, na jakém základě byla doporučení vytvořena, abychom porozuměli jejich zpětné vazbě. Ve skutečnosti se zde zrodil koncept, že lidem není třeba říkat, že to jsou pro něj nějaké superrelevantní produkty.
Ano, mimochodem, existuje přístup k jejich smíchání s nepodstatnými. Ale je tu i opačná věc: někdy lidé přijdou a interagují s tímto irelevantním produktem - objeví se náhodné odlehlé hodnoty, modely se rozbijí a věci se ještě více zkomplikují. Ale toto skutečně existuje. Navíc řada firem záměrně, pokud ví, že někdo zpracovává jejich data (někdo by jim takový výstup mohl ukrást), občas to zamíchá, aby později dokázal, že jste data nevzali z jejího systému doporučení, ale z tzv. Yandex.Market.
Blokátory reklam a zabezpečení prohlížeče
Z: - Ahoj. Zmínil jste Ghostery a Adblock. Můžete nám říct, jak moc jsou takové trackery obecně (třeba na základě statistik) účinné? A měli jste nějaké objednávky od firem: říkají, ujistěte se, že naši reklamu nemůže Adblock uzavřít.
ACH: – Nekontaktujeme přímo reklamní platformy – právě proto, aby nežádali o zviditelnění své reklamy všem. Osobně používám Ghostery – myslím, že je to velmi cool rozšíření. Nyní všechny prohlížeče bojují o soukromí: Mozilla vydala spoustu nejrůznějších aktualizací, Google Chrome je nyní super bezpečný. Všichni blokují vše, co mohou. „Safari“ má dokonce ve výchozím nastavení vypnutý „gyroskop“.
A tento trend je samozřejmě dobrý (ne pro ty, kteří sbírají data, i když se z toho také dostali), protože lidé nejprve zablokovali cookies. Každý, kdo vlastnil reklamní sítě, si pamatoval tak úžasnou technologii, jako jsou otisky prstů prohlížeče - to jsou algoritmy, které dostávají 60 různých parametrů (rozlišení obrazovky, verze, nainstalovaná písma) a na základě nich vypočítají jedinečné „ID“. Pojďme k tomu. A prohlížeče s tím začaly bojovat. Obecně se bude jednat o nekonečnou bitvu titánů.
Nejnovější vývojář Mozilla je docela bezpečný. Neukládá prakticky žádné soubory cookie a nastavuje krátkou životnost. Zvláště pokud zapnete „Inkognito“, nikdo vás nenajde. Otázkou je, že zadávat hesla ve všech službách bude nepohodlné.
Kde funguje a nefunguje psychotypizace a fyziognomie?
Z: – Arthure, moc děkuji za přednášku. Rád také sleduji vaše přednášky na YouTube. Zmínil jste, že marketéři stále častěji sahají k používání psychotypizace a fyziognomie. Moje otázka zní: v jakých kategoriích značek to funguje? Věřím, že to je vhodné pouze pro FMCG. Například výběr auta je...
ACH: – Mohu si stáhnout, kde to přesně funguje. To funguje ve všech druzích příběhů, jako je „Amediateka“, televizní seriály, filmy a tak dále. To funguje dobře v bankách a bankovních produktech, pokud nejde o prémiový segment, ale o nejrůznější studentské karty, splátkové kalendáře – takové věci. Tohle opravdu funguje velmi dobře v FMCG a všech možných iPhonech, nabíječkách, všech těch svinstvech. To funguje dobře v produktech „máma a pop“. I když vím, že v rybařině (takové téma tu je)... Případy s rybáři byly vícekrát - nikdy se nedají spolehlivě segmentovat. Nevím proč. Nějaká statistická chyba.
To nefunguje dobře u motoristů, se šperky nebo s některými předměty pro domácnost. Ve skutečnosti to nefunguje dobře s věcmi, o kterých by lidé na sociálních sítích nikdy nepsali – můžete si to ověřit tímto způsobem. Obvykle při nákupu pračky: Zde je návod, jak pochopit, kdo má pračku a kdo ne? Zdá se, že to má každý. Můžete použít data OFD – podívejte se, kdo co koupil pomocí účtenek, a spárujte tyto osoby pomocí účtenek. Ale ve skutečnosti jsou věci, o kterých byste nikdy nemluvili, například na Instagramu - je obtížné s takovými věcmi pracovat.
Stroje uznávají triky jako statistické vycpávání.
Z: – Mám dotaz ohledně cílení. Je možné (nebo najednou existují) podmíněného náhodného charakteru, který si ve všem protiřečí: nejprve si vygoogluje „nejlepší tělocvičny“ a poté „10 způsobů, jak nedělat nic“? A tak je to ve všem. Může cílení sledovat něco, co si odporuje?
ACH: – Jediná otázka je tato: pokud používáte Google 2 roky, řekli jste mu o sobě vše, co můžete, a nyní si sami nainstalujete plugin, který bude psát podobné náhodné dotazy, pak samozřejmě ze statistik budete být schopen porozumět – to, co nyní děláte, je statisticky odlehlá hodnota a je to všechno otázka prosévání. Pokud chcete, zaregistrujte si nový účet, ale objem inzerce se nezmění. Bude prostě divná. I když je stále zvláštní.
Nějaké inzeráty 🙂
Děkujeme, že s námi zůstáváte. Líbí se vám naše články? Chcete vidět více zajímavého obsahu? Podpořte nás objednávkou nebo doporučením přátelům, , jedinečný analog serverů základní úrovně, který jsme pro vás vymysleli: (k dispozici s RAID1 a RAID10, až 24 jader a až 40 GB DDR4).
Dell R730xd 2krát levnější v datovém centru Equinix Tier IV v Amsterdamu? Pouze zde V Nizozemsku! Dell R420 – 2x E5-2430 2.2 GHz 6C 128 GB DDR3 2 x 960 GB SSD 1 Gb/s 100 TB – od 99 $! Číst o
Zdroj: www.habr.com