Arthur Khachuyan ist ein bekannter russischer Spezialist für Big-Data-Verarbeitung und Gründer des Unternehmens Social Data Hub (heute Tazeros Global). Partner der National Research University Higher School of Economics. Zusammen mit der National Research University Higher School of Economics hat er einen Gesetzentwurf zu Big Data im Föderationsrat vorbereitet und vorgelegt. Er sprach am Curie-Institut in Paris, an der Staatlichen Universität St. Petersburg und an der Bundesuniversität unter der Regierung der Russischen Föderation. bei Red Apple, International OpenDataDay, RIW 2016, AlfaFuturePeople.
Der Vortrag wurde beim Open-Air-Festival „Geek Picnic“ 2019 in Moskau aufgezeichnet.
Artur Khachuyan (im Folgenden: AH): – Wenn aus einer Vielzahl von Branchen – aus der Medizin, aus dem Baugewerbe, aus etwas, etwas, um diejenige auszuwählen, in der die Technologie von Big Data, maschinellem Lernen und Deep Learning am häufigsten verwendet wird, dann ist dies wahrscheinlich Marketing. Denn seit etwa drei Jahren ist alles, was uns in irgendeiner Art von Werbekommunikation umgibt, genau an die Datenanalyse und genau an das gebunden, was man künstliche Intelligenz nennen kann. Deshalb werde ich Ihnen heute davon aus einer so weit entfernten Geschichte erzählen ...
Wenn Sie sich künstliche Intelligenz vorstellen und wie sie aussieht, ist es wahrscheinlich so etwas. Das seltsame Bild ist eines der neuronalen Netze, die ich vor einem Jahr geschrieben habe, um die Abhängigkeit davon herauszufinden, was mein Hund tut – wie oft muss er groß und klein werden und wie hängt es im Allgemeinen davon ab, wie viel er frisst oder nicht? . Das ist ein Witz darüber, wie man sich künstliche Intelligenz vorstellen könnte.
Aber lassen Sie uns dennoch darüber nachdenken, wie das Ganze in der Werbekommunikation funktioniert. Es gibt drei Möglichkeiten, wie moderne Algorithmen in Werbung und Marketing mit uns interagieren können. Es ist klar, dass die erste Geschichte darauf abzielt, zusätzliches Wissen über Sie und mich zu erlangen und zu extrahieren und es dann für einige gute und weniger gute Zwecke zu nutzen; Personalisieren Sie die Herangehensweise an jede einzelne Person. Erstellen Sie danach natürlich eine bestimmte Nachfrage, um die Hauptzielaktion durchzuführen und einen bestimmten Verkauf durchzuführen.
Mithilfe von Technologie versuchen sie, das Problem einer effektiven Kommunikation zu lösen
Wenn ich Ihnen sage, Sie sollen darüber nachdenken, was Pornhub und M. Video“, was denkst du?
Kommentare des Publikums (im Folgenden als C bezeichnet): - Fernseher, Publikum.
OH: – Mein Konzept ist, dass dies zwei Orte sind, an die Menschen kommen, um eine bestimmte Art von Dienstleistung zu erhalten, oder nennen wir es eine bestimmte Art von Waren. Und dieses Publikum ist insofern anders, als es dem Verkäufer nichts sagen möchte. Sie möchte hereinkommen und bekommen, was sie in expliziter oder impliziter Form interessiert. Natürlich kommt niemand nach M. „Video“ will mit keinem Verkäufer kommunizieren, will nicht verstehen, will keine ihrer Fragen beantworten.
Daher folgt aus all dem die erste Geschichte.
Als Technologien zur Erlangung zusätzlichen Wissens auftauchten, um die Kommunikation mit einer Person irgendwie zu vermeiden. Wir alle lieben es, wenn wir bei der Bank anrufen und die Bank uns sagt: „Hallo. Alexey, Sie sind unser VIP-Kunde. Jetzt wird irgendein Supermanager mit Ihnen reden.“ Sie kommen zu dieser Bank und es gibt wirklich einen einzigartigen Manager, der mit Ihnen sprechen kann. Leider oder zum Glück hat noch kein einziges Unternehmen herausgefunden, wie man tausend persönliche Manager für tausend Kunden anstellt; Und da die meisten dieser Leute mittlerweile online sind, besteht die Aufgabe darin, zu verstehen, was für ein Mensch das ist und wie man richtig mit ihm kommuniziert, bevor er zu einer Werbequelle gelangt. Und deshalb sind tatsächlich Technologien aufgetaucht, die versuchen, dieses Problem zu lösen.
Datenextraktion ist das neue Öl
Stellen wir uns vor, Sie wären Besitzer eines Blumenstandes. Drei Leute kommen, um dich zu sehen. Der erste steht sehr lange da, zögert, versucht mit dir zu reden, nimmt irgendeinen Blumenstrauß – du gehst ihn einpacken, gehst raus, um dort etwas zu unternehmen; er rennt mit diesem Blumenstrauß vom Stand weg – du hast deine dreitausend Rubel verloren. Warum ist das geschehen? Sie wissen nichts über diese Person: Sie kennen seine Verhaftungsgeschichte im Innenministerium nicht, Sie wissen nicht, dass er Kleptomane ist und in einer psychiatrischen Ambulanz registriert ist. Warum? Weil Sie es zum ersten Mal gesehen haben und kein Verhaltensanalytiker sind.
Da kommt noch jemand... Vitaly. Vitaly braucht auch sehr lange, um es herauszufinden, er sagt: „Nun, ich brauche dies und das.“ Und du sagst ihm: „Blumen für Mama, richtig?“ Und du verkaufst ihm einen Blumenstrauß.
Das Konzept besteht darin, genügend Daten herauszufinden, um zu verstehen, was die Person tatsächlich braucht. Jeder dachte sofort an irgendwelche Werbenetzwerke und so weiter ...
Den dummen Satz „Daten sind das neue Öl“ hat wohl jeder schon mehr als einmal gehört? Sicherlich hat es jeder gehört. Tatsächlich hat man schon vor langer Zeit gelernt, Daten zu sammeln, aber aus diesen Daten Daten zu extrahieren, ist nun die Aufgabe, die künstliche Intelligenz im Marketing oder eine Art statistischer Algorithmus zu lösen versucht. Warum? Denn wenn Sie mit einer Person sprechen, kann sie Ihnen eine richtige, falsche oder irgendwie farbige Antwort geben. Der Witz, den ich meinen Schülern erzähle, ist, wie sich Umfragen von Statistiken unterscheiden. Ich erzähle Ihnen dies als Anekdote:
Dies bedeutet, dass sie beschlossen, in zwei Dörfern eine Studie über die durchschnittliche Länge der männlichen Lebensspanne durchzuführen. Das bedeutet, dass im ersten Dorf, Villaribo, die durchschnittliche Länge 15 Zentimeter beträgt, im Dorf Villabaggio 25. Wissen Sie, warum? Denn im ersten Dorf wurden Messungen durchgeführt, im zweiten eine Vermessung.
Die Pornoindustrie ist das Flaggschiff der Empfehlungssysteme
Aus diesem Grund besteht der moderne Ansatz darin, ausnahmslos alle Menschen zu analysieren, auch wenn sie etwas weniger als 100 % sind, aber das sind die Menschen, die man nicht fragen muss, man muss sie nicht ansehen. Es reicht aus, den sogenannten digitalen Fußabdruck zu analysieren, um zu verstehen, was diese Person braucht, wie man richtig mit ihr spricht und wie man richtig Nachfrage um sie herum erzeugt. Einerseits ist dies eine hirnlose Maschine (aber Sie und ich wissen das sehr gut); Wir wollen nicht mit Leuten aus M. kommunizieren. Video“ und noch mehr, wenn wir Ressourcen wie Pornhub nutzen, wollen wir genau das bekommen, was wir brauchen.
Warum rede ich immer über Pornhub? Denn die Erotikbranche ist die erste, die zur Analyse solcher Technologien, zur Implementierung solcher Technologien, zur Datenanalyse kommt. Wenn Sie die drei beliebtesten Bibliotheken in diesem Bereich nehmen (z. B. TensorFlow oder Pandas für Python, zum Verarbeiten von CSV-Dateien usw.), wenn Sie sie auf Github öffnen, werden Sie mit einem kurzen Google-Eintrag aller dieser Namen eine finden ein paar Leute, die entweder bei der Firma Pornhub gearbeitet haben oder derzeit arbeiten und die ersten waren, die dort Empfehlungssysteme implementierten. Im Allgemeinen ist diese Geschichte sehr weit fortgeschritten und zeigt, wie sehr dieses Publikum, wie sehr dieses Unternehmen vorangekommen ist.
Drei Ebenen der Identifikation
Es gibt eine große Menge an Daten über eine Person, die identifiziert werden kann. Normalerweise unterteile ich dies formal in drei Ebenen, die immer tiefer gehen. Selbstverständlich verfügt das Unternehmen über eigene Daten.
Wenn wir beispielsweise über den Aufbau eines Empfehlungssystems sprechen, dann sind die Daten, die sich im Geschäft selbst befinden (Kaufhistorie, alle Arten von Transaktionen, wie eine Person mit der Schnittstelle interagiert), die erste Ebene.
Als nächstes gibt es eine Ebene (relativ die größte) – diese wird Open Source genannt. Denken Sie nicht, dass ich Sie dazu ermutige, soziale Netzwerke zu durchforsten, aber tatsächlich eröffnet das, was in offenen Quellen verfügbar ist, einen riesigen Datensatz, den Sie beispielsweise über eine Person erfahren können.
Und der dritte große Teil ist das Umfeld dieser Person selbst. Ja, es gibt die Meinung, dass, wenn eine Person nicht in sozialen Netzwerken ist, dort keine Daten über sie vorhanden sind (Sie wissen wahrscheinlich bereits, dass dies nicht stimmt), aber das Wichtigste sind die Daten, die sich im Profil einer Person befinden (oder in manchen Anwendungen) macht nur 40 % des Wissens aus, das darüber erlangt werden kann. Die restlichen Informationen erhält er aus seinem Umfeld. Der Satz „Sag mir, wer dein Freund ist, und ich sage dir, wer du bist“ erhält im XNUMX. Jahrhundert eine neue Bedeutung, da über diese Person riesige Datenmengen erfasst werden können.
Wenn wir näher auf Werbemitteilungen eingehen, dann ist der Empfang von Werbemitteilungen nicht von der Werbung, sondern von einem Freund, Bekannten oder einer irgendwie verifizierten Person eine sehr coole Funktion, die viele Vermarkter nutzen. Wenn Ihnen eine Anwendung plötzlich einen kostenlosen Promo-Code gibt, verfassen Sie einen Beitrag darüber und ziehen so ein neues Publikum an. Tatsächlich wurde dieser Promo-Code für das bedingte „Yandex.Taxi“ nicht zufällig ausgewählt, sondern dafür wurde eine riesige Datenmenge über Ihr Potenzial analysiert, ein neues Publikum anzuziehen und irgendwie mit ihm zu interagieren.
Sie analysieren sogar das Verhalten von Fernsehseriencharakteren
Ich zeige Ihnen drei Bilder und Sie sagen mir, was der Unterschied zwischen ihnen ist.
Dieses hier:
Das:
Und das hier:
Was ist der Unterschied zwischen ihnen? Hier ist alles einfach. Wie in der Quantenmechanik wurde diese Kreativität auch in diesem Fall vom Beobachter geformt. Das heißt, der Unterschied zwischen derselben Werbekampagne, die von derselben Marke zur gleichen Zeit durchgeführt wird, besteht nur darin, wer sich dieses Motiv angesehen hat. Wenn ich persönlich zur Amediateka gehe, wird dort immer noch Khal Drogo gezeigt. Ich weiß nicht, was Amediateka über meine Vorlieben denkt, aber aus irgendeinem Grund passiert das.
Was heute als personalisierte Kommunikation bezeichnet wird, ist die beliebteste Geschichte, bei der es darum geht, ein Publikum anzulocken und richtig mit ihm zu interagieren. Wenn wir im ersten Schritt Personen mithilfe unserer eigenen Markendaten, Open-Source-Daten und beispielsweise Daten aus der Umgebung dieser Person identifiziert haben, können wir nach der Analyse verstehen, wer sie ist, wie wir richtig mit ihr sprechen und, was am wichtigsten ist , welche Sprache er spricht, sprich mit ihm.
Hier ist die Technologie so weit fortgeschritten, dass die Charaktere in Fernsehserien, die Menschen sehen, jetzt analysiert werden. Das heißt, Sie mögen Fernsehserien – sie [Liken] werden angeschaut, sie schauen sich an, mit wem Sie dort interagiert haben, um zu verstehen, mit welcher Art von Person Sie interagieren könnten. Es klingt nach völligem Unsinn, aber probieren Sie es einfach zum Spaß mit einer der Ressourcen aus – verschiedene Leute sehen unterschiedliche Creatives (um richtig damit zu interagieren).
Kein einziges modernes Medium oder irgendeine Videoressource zeigt Ihnen nur ein paar Neuigkeiten. Gehen Sie zu den Medien – eine große Anzahl von Algorithmen wird geladen, die Sie identifizieren, alle Ihre bisherigen Aktivitäten verstehen, sich auf das mathematische Modell berufen und Ihnen dann etwas zeigen. In diesem Fall gibt es so eine seltsame Geschichte.
Wie werden Bedürfnisse ermittelt? Psychometrie. Physiognomie
Es gibt viele (reale) Ansätze, die tatsächlichen Bedürfnisse einer Person zu ermitteln und richtig mit ihr zu kommunizieren. Es gibt viele Ansätze, alles wird anders gelöst, man kann nicht sagen, was gut und was schlecht ist. Die wichtigsten scheinen alles zu wissen.
Psychometrie. Nach der Geschichte mit Cambridge Analytics hat es meiner Meinung nach eine schockierende Wendung genommen, denn jetzt kommt jedes zweite politische Unternehmen und sagt: „Oh, können Sie mich dazu bringen, Trump zu mögen?“ Ich möchte auch gewinnen und so weiter.“ Tatsächlich ist das natürlich Unsinn für unsere Realitäten, zum Beispiel politische Wahlen. Um Psychotypen zu bestimmen, werden jedoch drei Modelle verwendet:
- Die erste basiert auf den Inhalten, die Sie konsumieren – die Wörter, die Sie schreiben, einige Informationen, die Ihnen gefallen, Videos usw.;
- Die zweite hängt damit zusammen, wie Sie mit der Weboberfläche interagieren, wie Sie tippen, welche Tasten Sie drücken – tatsächlich gibt es ganze Unternehmen, die anhand ihrer Tastaturhandschrift ziemlich zuverlässig bestimmen können, was man heute Psychotypen nennt.
- Ich bin kein großer Psychologe, ich verstehe nicht wirklich, wie das funktioniert, aber aus der Sicht der Werbekommunikation funktionieren Zielgruppen, die in diese Segmente unterteilt sind, sehr gut, weil jemandem ein roter Bildschirm mit einem blauen angezeigt werden muss Frau, jemandem muss ein dunkler Bildschirm gezeigt werden – ein blauer Hintergrund mit einer Art Abstraktion, und das funktioniert sehr cool. Auf einigen niedrigen Niveaus – so sehr, dass man nicht einmal darüber nachdenkt. Was ist derzeit das Hauptproblem auf dem Werbemarkt? Jeder ist ein Geheimdienstagent, jeder versteckt sich, jeder hat eine Million tausend Browser-Berechtigungen installiert, um in keiner Weise identifiziert zu werden – Sie haben wahrscheinlich „Adblocks“, „Gostrey“ und alle möglichen Anwendungen, die das Tracking blockieren. Aus diesem Grund ist es sehr schwierig, etwas über eine Person zu verstehen. Und die Technologie hat sich weiterentwickelt – Sie müssen nicht nur wissen, dass diese Person zum 125. Mal auf Ihre Website zurückgekehrt ist, sondern auch, dass es sich um eine so oder so seltsame Person handelt.
Physiognomie ist eine sehr umstrittene Wissenschaft. Es wird nicht einmal als Wissenschaft betrachtet. Hierbei handelt es sich um eine Gruppe von Menschen, die früher für ein Innenministerium Lügendetektoren programmierten und sich nun mit der sogenannten Personifizierung der Kreativität beschäftigen. Der Ansatz hier ist sehr einfach: Mehrere Ihrer öffentlichen Fotos stammen aus einigen sozialen Netzwerken und daraus wird eine dreidimensionale Geometrie erstellt. Und wenn Sie Anwalt sind, werden Sie jetzt sagen, dass es sich dabei um eine Person und personenbezogene Daten handelt; Aber ich sage Ihnen, dass es sich hierbei um 300 Punkte im Weltraum handelt und dass es sich hierbei nicht um eine Person und keine personenbezogenen Daten handelt. Das sagen normalerweise alle, wenn Roskomnadzor zu ihnen kommt.
Aber im Ernst: Ihr Gesicht einzeln, wenn Ihr Vor- und Nachname dort nicht unterschrieben sind, ist nicht Ihre personenbezogenen Daten. Der Punkt ist, dass die Jungs verschiedene Gesichtszüge markieren, die Einfluss darauf haben, wie eine Person Entscheidungen trifft und wie man richtig mit ihr interagiert. In manchen Bereichen funktioniert das schlecht, in manchen Werbesegmenten; In welchen Segmenten funktioniert es sehr gut? Am Ende stellt sich heraus, dass Sie beim Aufrufen einer Ressource nicht nur ein Banner sehen, das allen angezeigt wird, sondern beispielsweise ... jetzt ist es normal, 16 oder 20 Optionen für verschiedene Zielgruppen festzulegen – und es funktioniert sehr cool. Ja, aus Verbrauchersicht ist das noch trauriger, denn die Menschen werden immer mehr manipuliert. Aber dennoch funktioniert es aus geschäftlicher Sicht sehr gut.
Die Blackbox des maschinellen Lernens
Daraus ergibt sich bei solchen Technologien folgendes Problem: Denn für die meisten Entwickler ist das sogenannte Deep Learning mittlerweile eine „Black Box“. Wenn Sie jemals in diese Geschichte eingetaucht sind und mit den Entwicklern gesprochen haben, sagen sie immer: „Oh, hören Sie, wir haben da etwas so Unverständliches programmiert, und wir wissen nicht, wie es funktioniert.“ Vielleicht ist das jemandem passiert.
Das ist eigentlich alles andere als wahr. Was heute als maschinelles Lernen bezeichnet wird, ist alles andere als eine „Black Box“. Es gibt eine Vielzahl von Ansätzen zur Beschreibung der Eingabe- und Ausgabedaten, und am Ende kann das Unternehmen anhand der Zeichen, die die Maschine beschlossen hat, Ihnen dieses oder ein anderes pornografisches Video zu zeigen, genau nachvollziehen. Die Frage ist, dass keines der Unternehmen dies jemals preisgibt, denn erstens handelt es sich um ein Geschäftsgeheimnis; Zweitens wird es eine riesige Menge an Daten geben, von denen Sie noch nicht einmal wussten.
Zuvor haben wir beispielsweise in einer Diskussion über Ethik darüber gesprochen, wie soziale Netzwerke persönliche Nachrichten analysieren, um Menschen in Werbegeschichten zu markieren. Wenn Sie jemandem etwas schreiben, erhalten Sie auf dieser Grundlage einen bestimmten Tag für tatsächlich eine Art Werbemitteilung. Und Sie werden es nie beweisen, und es hat wahrscheinlich keinen Sinn, es zu beweisen. Wenn jedoch ähnliche Muster aufgedeckt würden, würden sie existieren. Es stellt sich heraus, dass der Markt für den Aufbau solcher Empfehlungssysteme vorgibt, nicht zu wissen, warum dies geschah.
Die Leute wollen nicht wissen, was die Leute über sie wissen
Und die zweite Geschichte ist, dass der Kunde nie wissen möchte, warum er diese spezielle Anzeige, dieses spezielle Produkt erhalten hat. Ich erzähle dir diese Geschichte. Meine ersten Erfahrungen mit der kommerziellen Umsetzung von Empfehlungssystemen, die auf ähnlichen Algorithmen basieren, gerade zu Forschungszwecken, machte ich 2015 in einem sehr großen Netzwerk von Sexshops (ja, auch keine besonders unangenehme Geschichte).
Den Kunden wurde Folgendes angeboten: Sie kommen herein, melden sich mit ihrem sozialen Netzwerk an und nach etwa 5 Sekunden erhalten sie einen vollständig personalisierten Shop für sie, d. h. alle Produkte haben sich geändert – sie fallen in eine bestimmte Kategorie und so weiter . Wissen Sie, wie stark die Conversion-Rate dieses Shops gestiegen ist? Auf keinen Fall! Die Leute kamen herein und rannten sofort davon. Sie kamen herein und stellten fest, dass ihnen genau das angeboten wurde, woran sie dachten ...
Das Problem bei diesem Test bestand darin, dass unter jedem Produkt stand, warum Ihnen genau dieses Produkt angeboten wurde („weil Sie Mitglied der versteckten Gruppe „Mächtige Frau sucht einen Mann, der eine Fußmatte ist“) sind. Daher zeigen moderne Empfehlungssysteme niemals die Daten an, auf deren Grundlage die „Vorhersage“ getroffen wurde.
Eine sehr beliebte Geschichte sind die Medien, da sie alle ähnliche Empfehlungssysteme verwenden. Bisher waren die Algorithmen sehr einfach: Schauen Sie sich die Kategorie „Politik“ an – und sie zeigen Ihnen Nachrichten aus der Kategorie „Politik“. Jetzt ist alles so kompliziert, dass sie analysieren, an welchen Stellen Sie die Maus angehalten haben, auf welche Wörter Sie sich konzentriert haben, was Sie kopiert haben und wie Sie im Allgemeinen mit dieser Seite interagiert haben. Dann analysiert er das Vokabular der Nachrichten selbst: Ja, Sie lesen nicht nur Nachrichten über Putin, sondern auf eine bestimmte Weise, mit einer bestimmten emotionalen Färbung. Und wenn jemand eine Nachricht erhält, denkt er nicht einmal darüber nach, wie er hierher gekommen ist. Dennoch interagiert er dann mit diesen Inhalten.
All dies zielt natürlich darauf ab, den armen, unglücklichen kleinen Mann, der bereits verrückt wird, von der riesigen Menge an Informationen fernzuhalten, die ihn umgibt. Hier muss gesagt werden, dass es schön wäre, solche Systeme zu nutzen, um die Kreativität um Sie herum zu personalisieren und einige Informationen zu sammeln, aber leider gibt es solche Dienste noch nicht.
Künstliche Intelligenz fängt den Kunden ein und schafft Nachfrage
Und hier stellt sich eine sehr interessante philosophische Frage: Von der Schaffung eines Empfehlungssystems zur Schaffung von Nachfrage. Selten denkt jemand darüber nach, aber wenn man versucht, das sogenannte Instagram zu fragen: „Warum sammelt ihr Daten?“ Warum zeigst du mir nicht völlig zufällige Werbung?“ – Instagram wird dir sagen: „Freund, das alles wird gemacht, um dir genau zu zeigen, was dich interessiert.“ Denn wir wollen Sie so genau kennen, dass wir Ihnen genau zeigen können, was Sie suchen.
Aber die Technologie hat diese schreckliche Schwelle längst überschritten und ähnliche Technologien können nicht mehr vorhersagen, was Sie brauchen. Sie (Achtung!) schaffen Nachfrage. Das ist wahrscheinlich das Schrecklichste, was sich bei solchen Kommunikationen um künstliche Intelligenz dreht. Das Beängstigende ist, dass es in den letzten drei bis fünf Jahren fast überall verwendet wurde – von den Google-Suchergebnissen über die Yandex-Suchergebnisse bis hin zu einigen Systemen … Okay, ich werde nichts Schlechtes über Yandex sagen; und gut.
Was ist der Punkt? Es ist schon lange her, dass sich solche Werbekommunikation von der Strategie entfernt hat, „Ich möchte einen Kindersitz kaufen“ zu schreiben und hunderttausend Millionen Veröffentlichungen zu sehen. Sie gingen zu Folgendem über: Sobald die Frau ein Foto mit kaum sichtbarem Bauch postete, folgten ihrem Mann sofort Nachrichten: „Mann, die Geburt steht bald bevor.“ Kaufen Sie einen Kindersitz.
Hier könnte man sich berechtigterweise fragen: Warum sehen wir angesichts solch gigantischer Fortschritte in der Technologie immer noch so beschissene Werbung in sozialen Netzwerken? Das Problem ist, dass in diesem Markt immer noch alles vom Geld abhängt, und so könnte eines schönen Augenblicks ein Werbetreibender wie Coca-Cola kommen und sagen: „Hier sind 20 Millionen für Sie – zeigen Sie meine beschissenen Banner dem gesamten Internet.“ Und sie werden es wirklich tun.
Aber wenn Sie eine Art sauberes Konto erstellen und testen, wie genau solche Algorithmen Sie erraten: Sie versuchen zuerst, Sie zu erraten, und beginnen dann, im Voraus etwas mit Ihnen zu tun. Und das menschliche Gehirn funktioniert so, dass es beim Empfang einer für es zuverlässigen Information nicht einmal den Moment verarbeitet, warum es diese Information erhalten hat. Die erste Regel, um festzustellen, ob Sie sich in einem Traum befinden, besteht darin, zu verstehen, wie Sie hierher gekommen sind. Ein Mensch erinnert sich nie an den Moment, in dem er in einem bestimmten Raum gelandet ist. Hier ist es das Gleiche.
Google könnte beginnen, Ihr Weltbild zu prägen
Solche Studien wurden von mehreren ausländischen Unternehmen durchgeführt, die sich mit i-Tracking befassen. Sie installierten Geräte auf speziellen Computern, die aufzeichnen, wohin die Augen der Testperson schauen. Ich nahm fünf- bis siebentausend Freiwillige mit, die einfach durch den Feed scrollten, mit sozialen Netzwerken und Werbung interagierten und Informationen darüber aufzeichneten, welche Teile der Banner und Creatives diese Leute nicht mehr im Auge behielten.
Und es stellt sich heraus, dass Menschen, wenn sie solch hyperpersonalisierte Werbemittel erhalten, nicht einmal darüber nachdenken – sie gehen sofort weiter und beginnen, damit zu interagieren. Aus geschäftlicher Sicht ist das gut, aber aus Sicht von uns als Nutzern ist das nicht sehr cool, denn – wovor haben sie Angst? – Dass das bedingte „Google“ in einem schönen Moment beginnen kann (oder natürlich auch nicht), seine eigene Weltanschauung zu formen. Morgen kann er beispielsweise damit beginnen, den Menschen die Nachricht zu zeigen, dass die Erde flach ist.
Nur ein Scherz, aber sie wurden so oft erwischt, dass sie bei Wahlen anfingen, bestimmte Informationen an bestimmte Personen weiterzugeben. Wir sind alle daran gewöhnt, dass die Suchmaschine alles ehrlich bekommt. Aber wie ich immer sage: Wenn Sie wirklich wissen wollen, wie die Welt funktioniert, schreiben Sie Ihre eigene Suchmaschine, ohne Filter, ohne auf das Urheberrecht zu achten, ohne einige Ihrer Freunde in den Suchergebnissen zu platzieren. Die Darstellung realer Daten im Internet unterscheidet sich grundsätzlich von der Darstellung bei Google, Yandex, Bing usw. Einige Materialien sind versteckt, weil Freunde, Kollegen, Feinde oder jemand anderes (oder ein ehemaliger Liebhaber, mit dem Sie geschlafen haben) – es spielt keine Rolle.
Wie Trump gewann
Als in den Vereinigten Staaten die letzten Wahlen stattfanden, wurde eine sehr einfache Studie durchgeführt. Sie nahmen dieselben Anfragen an verschiedenen Orten entgegen, von verschiedenen IP-Adressen, aus verschiedenen Städten, verschiedene Leute googelten dasselbe. Konventionell lautete die Frage: Wer wird die Wahlen gewinnen? Und erstaunlicherweise waren die Ergebnisse so konstruiert, dass sie in den Bundesstaaten, in denen die meisten Menschen versuchten, für den falschen Kandidaten zu stimmen, gute Nachrichten über den von Google beworbenen Kandidaten erhielten. Welcher? Nun, es ist klar, wer – derjenige, der Präsident wurde. Das ist eine absolut unbeweisbare Geschichte, und all diese Studien sind nur ein Finger im Wasser. Google kann sagen: „Leute, das alles geschieht, damit wir euch die relevantesten Inhalte zeigen.“
Von nun an sollten Sie wissen, dass das, was als maximal relevant bezeichnet wird, absolut nicht der Fall ist. Das Unternehmen bezeichnet als relevant etwas, das aus gutem oder schlechtem Grund an Sie verkauft werden muss.
Wer jetzt kein Geld hat, bereitet sich bereits auf künftige Anschaffungen vor
Hier gibt es noch einen weiteren interessanten Punkt, über den ich Ihnen berichten werde. Eine große Zahl aktiver Zielgruppen in sozialen Netzwerken und Apps sind mittlerweile junge Menschen. Nennen wir es so: zahlungsunfähige Jugendliche: Kinder im Alter von 8 bis 9 Jahren, die schwachsinnige Spiele spielen, das sind 12-13-14-Jährige, die sich gerade in sozialen Netzwerken registrieren. Warum sollten große Unternehmen riesige Budgets und Ressourcen ausgeben, um Anwendungen für ein nicht zahlendes Publikum zu erstellen, das nie monetarisiert wird? In dem Moment, in dem dieses Publikum zahlungsfähig wird, wird es genügend Daten über es geben, um sein Verhalten sehr gut vorherzusagen.
Fragen Sie nun einen Zielologen: Welche Zielgruppe ist am schwierigsten? Sie werden sagen: hochprofitabel. Denn der Verkauf beispielsweise einer Wohnung im Wert von 150 Millionen Rubel über soziale Netzwerke ist nahezu unmöglich. Es gibt Einzelfälle, in denen man Werbung für 10 Menschen macht, einer kauft diese Wohnung – der Kunde ist ein Erfolg... Aber einer von zehntausend ist aus statistischer Sicht völliger Mist. Warum ist es also schwierig, ein Publikum mit hohem Einkommen zu identifizieren? Denn die Menschen, die heute zu einem hochprofitablen Publikum gehören, wurden geboren, als das Internet noch sehr klein war, als noch niemand Artemy Lebedev kannte und es keine Informationen über sie gibt. Es ist unmöglich, ihr Verhaltensmuster vorherzusagen, es ist unmöglich zu verstehen, wer ihre Meinungsführer sind und aus welchen Quellen sie Inhalte beziehen.
Wenn Sie also in 25 Jahren alle Milliardäre werden und die Unternehmen, die Ihnen etwas verkaufen, über riesige Datenmengen verfügen. Deshalb haben wir jetzt in Europa eine wunderbare DSGVO, die das Sammeln von Daten von Minderjährigen verhindert.
In der Praxis funktioniert das natürlich überhaupt nicht, da alle Kinder immer noch auf den Konten ihrer Mutter und ihres Vaters spielen – so werden Informationen gesammelt. Denken Sie darüber nach, wenn Sie Ihrem Kind das nächste Mal eine Tablette geben.
Absolut keine gruselige, dystopische Zukunft, in der jeder in einem Krieg mit Maschinen sterben wird – eine absolut reale Geschichte. Es gibt eine große Anzahl von Unternehmen, die Algorithmen für die Psychoprofilierung von Menschen entwickeln, die auf der Art und Weise basieren, wie sie Spiele spielen. Eine sehr interessante Branche. Basierend auf all dem werden die Menschen dann segmentiert, um irgendwie mit ihnen zu kommunizieren.
Vorhersagen über das Verhalten dieser Menschen werden in 10 bis 15 Jahren möglich sein – genau in dem Moment, in dem sie zu einem zahlungsfähigen Publikum werden. Am wichtigsten ist, dass diese Personen bereits im Voraus ihre Einwilligung zur Verarbeitung ihrer personenbezogenen Daten, zur Weitergabe an Dritte erteilt haben, und das alles ist ein Glücksfall und so weiter.
Wer wird seinen Job verlieren?
Und meine letzte Geschichte ist, dass jeder immer fragt, was in 50 Jahren passieren wird: Wir werden alle sterben, es wird Arbeitslosigkeit für Vermarkter geben ... Es gibt hier Vermarkter, die sich Sorgen um die Arbeitslosigkeit machen, oder? Generell besteht kein Grund zur Sorge, denn kein hochqualifizierter Mensch wird seinen Job verlieren.
Какие бы алгоритмы ни были созданы, насколько бы сильно машина не подобралась к тому, что у нас находится здесь (указывает на голову), если это будет развиваться достаточно быстро, подобные люди никогда не останутся без дела, потому что креативы эти кому-то придётся machen. Ja, es gibt alle Arten von „Gans“, die Bilder zeichnen, die wie Menschen aussehen, und Musik machen, aber es ist immer noch unwahrscheinlich, dass Menschen in diesem Bereich jemals ihren Job verlieren.
Ich habe alles zur Geschichte, Sie können also Fragen stellen, wenn Sie mehr haben. Danke.
Moderator: – Freunde, wir kommen jetzt zum Block „Frage und Antwort“. Du hebst deine Hand – ich komme auf dich zu.
Frage aus dem Publikum (XNUMX): – Frage zur „Black Box“. Sie sagten, dass es möglich sei, konkret zu verstehen, warum für diesen und jenen Benutzer dieses oder jenes Ergebnis erzielt wurde. Handelt es sich hierbei um eine Art Algorithmus oder muss es jedes Mal für jedes Modell ad hoc analysiert werden (Anmerkung des Autors: „speziell dafür“ – eine lateinische Ausdruckseinheit)? Oder gibt es fertige Lösungen für eine Art neuronales Netzwerk, die grob gesagt wirtschaftlich sinnvoll sein können?
OH: – Hier müssen Sie Folgendes verstehen: Beim maschinellen Lernen gibt es eine Vielzahl von Aufgaben. Es gibt zum Beispiel eine Aufgabe – Regression. Für die Regression werden überhaupt keine neuronalen Netze benötigt. Alles ist einfach: Sie haben mehrere Indikatoren, Sie müssen Folgendes berechnen. Es gibt Aufgaben, bei denen es notwendig ist, auf so etwas wie Deep Learning zurückzugreifen. Tatsächlich ist es beim Deep Learning schwierig, zuverlässig zu verstehen, welche Gewichtungen welchen Neuronen zugewiesen wurden, aber rechtlich gesehen muss man lediglich verstehen, welche Daten am Eingang waren und wie sie am Ausgang abgespielt wurden. Dies reicht rechtlich aus, um eine solche Entscheidung zu patentieren, und es reicht aus, um zu verstehen, auf welcher Grundlage die Geschichte gemacht wurde.
Es ist nicht so, dass Sie auf die Website gegangen sind und eine Art Banner angezeigt wurde, weil Sie vor zwei Monaten auf Instagram ein Foto mit roten Haaren gemacht haben. Wenn der Entwickler die Erfassung dieser Daten und die Markierung der Haarfarbe nicht in dieses Modell einbezieht, wird es nicht von ungefähr kommen.
Wie verkauft man die Ergebnisse maschineller Lernsysteme?
З: – Es geht nur darum, was: wie man es genau erklärt, wie man es jemandem verkauft, der sich mit maschinellem Lernen nicht auskennt. Ich möchte sagen: Mein Modell führt eindeutig von der Haarfarbe zu ... nun ja, zu Veränderungen der Haarfarbe ... Ist das möglich oder nicht?
OH: - Vielleicht ja. Aber aus Vertriebssicht funktioniert nur das Schema: Sie haben eine Werbekampagne, wir ersetzen die Zielgruppe durch die von der Maschine generierte – und Sie sehen einfach das Ergebnis. Leider ist dies die einzige Möglichkeit, den Kunden zuverlässig davon zu überzeugen, dass eine solche Geschichte funktioniert, denn es gibt viele Lösungen auf dem Markt, die einmal umgesetzt wurden und nicht funktionierten.
Über die Schaffung einer virtuellen Persönlichkeit
З: - Guten Tag. Danke für den Vortrag. Die Frage ist: Welche Chance hat ein Mensch, der aus irgendeinem Grund nicht dem Beispiel des maschinellen Lernens folgen möchte, sich durch Interaktion mit der Schnittstelle oder für einige eine virtuelle Persönlichkeit zu erschaffen, die sich radikal von seiner eigenen Persönlichkeit unterscheidet? anderer Grund?
OH: – Es gibt eine Reihe verschiedener Plugins, die sich speziell mit dem Randomisierungsverhalten befassen. Es gibt eine coole Sache – Ghostery, das Sie meiner Meinung nach fast vollständig vor einer Reihe verschiedener Tracker verbirgt, die diese Informationen dann nicht aufzeichnen können. Aber eigentlich brauchen Sie jetzt nur noch ein geschlossenes Profil in sozialen Netzwerken, damit niemand, keine bösen Schaber, dort etwas sammeln kann. Es ist wahrscheinlich besser, eine Erweiterung zu installieren oder selbst etwas zu schreiben.
Sehen Sie, hier geht es um das Konzept, dass sich rechtlich gesehen beispielsweise personenbezogene Daten auf Daten beziehen, anhand derer Sie identifiziert werden können, und das Gesetz gibt als Beispiele Ihre Wohnadresse, Ihr Alter usw. an. Heutzutage gibt es unzählige Daten, anhand derer Sie identifiziert werden können: die gleiche Tastaturhandschrift, der gleiche Tastendruck, die digitale Signatur des Browsers ... Früher oder später macht ein Mensch einen Fehler. Er kann mit „Thor“ irgendwo in einem „Café“ sein, aber am Ende vergisst entweder das VPN, sich einzuschalten, oder etwas anderes, und in diesem Moment kann er identifiziert werden. Am einfachsten ist es also, ein privates Konto zu erstellen und eine Erweiterung zu installieren.
Der Markt bewegt sich auf den Punkt zu, an dem Sie nur noch einen Knopf drücken müssen, um Ergebnisse zu erzielen.
З: - Danke für die Geschichte. Wie immer immer sehr interessant (ich folge dir). Die Frage ist: Welche Fortschritte gibt es bei der Schaffung nutzerpositiver Systeme, Empfehlungssystemen? Sie sagten, dass Sie einmal an einem Empfehlungssystem gearbeitet haben, um einen Sexualpartner, einen Freund im Leben (oder Musik, die einer Person möglicherweise gefallen könnte) zu finden ... Wie vielversprechend das alles ist und wie sehen Sie die Entwicklung? der Standpunkt, Systeme zu schaffen, die Menschen brauchen?
OH: – Im Allgemeinen bewegt sich der Markt so weit, dass Menschen nur noch einen Knopf drücken müssen, um sofort das zu bekommen, was sie brauchen. Was meine Erfahrungen mit der Erstellung von Dating-Anwendungen betrifft (wir werden sie übrigens Ende des Jahres neu starten), war neben der Tatsache, dass 65 % verheiratete Männer waren, das schwierigste Empfehlungsproblem, dass einer Person mehrere Modelle angeboten wurden am Anfang der Bewerbung - „Freundschaft“, „Sex“, „Sex-Freundschaft“ und „Geschäftlich“. Die Leute haben sich nicht ausgesucht, was sie brauchten. Männer kamen und wählten „Liebe“, aber in Wirklichkeit warfen sie allen Nacktheit zu und so weiter.
Das Problem bestand darin, eine Person zu identifizieren, die nicht zu einem dieser Modelle passt, und sie irgendwie reibungslos zu nehmen und in die andere Richtung zu bewegen. Aufgrund der geringen Datenmenge ist es sehr schwierig festzustellen, ob es sich um einen Fehler im Prognosealgorithmus handelt oder ob eine Person nicht zu ihrer Kategorie gehört. Mit der Musik ist es genauso: Es gibt mittlerweile nur noch sehr wenige wirklich brauchbare Algorithmen, die Musik gut „facasten“ können. Vielleicht „Yandex.Music“. Manche Leute halten den Yandex.Music-Algorithmus für schlecht. Ich mag sie zum Beispiel. Mir persönlich gefällt zum Beispiel der YouTube-Musikalgorithmus usw. nicht.
Natürlich gibt es einige Feinheiten – alles ist an Lizenzen gebunden... Aber in Wirklichkeit ist die Nachfrage nach solchen Systemen recht hoch. Früher war die Firma Retail Rocket bekannt, die sich mit der Implementierung von Empfehlungssystemen beschäftigte, doch nun geht es ihr irgendwie nicht so gut – offenbar weil sie ihre Algorithmen schon lange nicht mehr entwickelt hat. Alles geht in diese Richtung – bis zu dem Punkt, an dem wir hineingehen und, ohne auf etwas zu drücken, das bekommen, was wir brauchen (und völlig dumm werden, weil unsere Fähigkeit zu wählen völlig verschwunden ist).
Einflussmarketing
З: - Guten Tag. Mein Name ist Konstantin. Ich möchte eine Frage zum Influencer-Marketing stellen. Kennen Sie Systeme, die es einem Unternehmen ermöglichen, anhand einiger statistischer Daten usw. einen geeigneten Blogger für das Unternehmen auszuwählen? Und aus welchen Gründen geschieht dies?
OH: – Ja, ich fange mal aus der Ferne an und sage gleich, das Problem bei all diesen Technologien ist, dass diese ganze künstliche Intelligenz im Marketing mittlerweile wie ein Seiltänzer ist: Auf der linken Seite gibt es große Unternehmen, die viel Geld haben, und in Auf jeden Fall wird alles für sie effektiv sein, weil ihre Werbekampagnen einfach auf Zuschauer ausgerichtet sind; Andererseits gibt es viele kleine Unternehmen, bei denen dies nicht funktionieren wird, weil sie über viele Daten verfügen. Bisher liegt die Anwendbarkeit dieser Geschichten irgendwo in der Mitte.
Wenn es bereits gute Budgets gibt und die Aufgabe darin besteht, diese Budgets korrekt zu verarbeiten (und im Prinzip schon ziemlich viele Daten vorhanden sind) … Ich kenne ein paar Dienste, etwa Getblogger, die anscheinend über Algorithmen verfügen. Ehrlich gesagt habe ich diese Algorithmen nicht studiert. Ich kann Ihnen sagen, welchen Ansatz wir verfolgen, um Meinungsführer zu finden, wenn wir einigen Müttern ein Geschenk machen müssen.
Wir verwenden eine Metrik namens Content Distribution Time. Das funktioniert so: Sie nehmen eine Person, deren Zielgruppe Sie analysieren, und müssen systematisch (z. B. alle 5 Minuten) Informationen zu jedem Beitrag sammeln, wem er gefallen hat, wer ihn kommentiert hat und so weiter. Auf diese Weise können Sie nachvollziehen, zu welchem Zeitpunkt jede Person in Ihrem Publikum mit Ihren Inhalten interagiert hat. Wiederholen Sie diesen Vorgang für jeden Vertreter seines Publikums. Mithilfe der Metrik der durchschnittlichen Zeit der Inhaltsverbreitung können Sie beispielsweise diese Personen in einem großen Netzwerkdiagramm einfärben und diese Metrik zum Aufbau von Clustern verwenden.
Das funktioniert ganz gut, wenn wir beispielsweise 15 Mütter finden wollen, die ihre öffentliche Meinung auf some woman.ru vertreten. Dies ist jedoch eine recht komplexe technische Implementierung (obwohl sie rein theoretisch in Python möglich ist). Unterm Strich besteht das Problem beim Influencer-Marketing in großen Werbeagenturen darin, dass sie große, coole und teure Blogger brauchen, die nicht für Scheiße arbeiten. Nun möchte eine Automarke ein Produkt über einen Meinungsführer verkaufen – sie muss als letzten Ausweg einen Autoblogger nutzen, weil ihr Publikum entweder bereits ein Auto gekauft hat oder genau weiß, was für ein Auto sie möchte, und einfach da sitzt schaut sich coole Autos an. Hier ist es wichtig, die Analyse des Publikums der Person selbst nicht zu verpassen.
Marketing-Bots
З: – Sagen Sie mir, wie stark beeinflussen Bots in sozialen Netzwerken die Sammlung von Informationen und deren Qualität?
OH: – Es ist so eine interessante Sache mit Bots. Billige Bots sind recht einfach zu identifizieren – sie haben entweder den gleichen Inhalt, sind miteinander befreundet oder befinden sich im selben Netzwerk. Auch für den Umgang mit komplexen Bots gibt es Ansätze. Oder stellen Sie sich das Problem, wie man eine Person mit ihrer Fälschung in Verbindung bringt?
З: – Wie hochwertig werden die Informationen bei all dem Müll sein?
OH: – Hier funktioniert es so: Aufgrund der Tatsache, dass es eine große Menge an Daten gibt (zum Beispiel für irgendeine Art von Marktforschung), kann dieses ganze Gesindel einfach weggeworfen werden. Das heißt, es ist besser, etwas mehr echte Menschen rauszuwerfen, als Bots zu fangen, weil es für sie nutzlos ist, Werbung zu zeigen. Wenn Sie jedoch Metriken sammeln, beispielsweise Interaktionen mit Bannern oder Empfehlungssystemen, können solche Konten verworfen werden.
Mittlerweile gibt es in sozialen Netzwerken etwa sechs Prozent virtuelle Charaktere oder einfach verlassene Seiten oder Introvertierte, die von Algorithmen als Bots „zuordnen“ werden. Was die Verknüpfung einer Person mit ihrer Fälschung angeht, hängt auch hier alles davon ab, dass die Person früher oder später einen Fehler machen wird, und die Sache ist, dass das Verhaltensmodell dasselbe ist – sowohl sein echtes Konto als auch sein Fake. Früher oder später werden sie sich denselben oder einen anderen Inhalt ansehen.
Hier kommt es nicht auf die Fehlerquote an, sondern auf die Zeit, die benötigt wird, um eine Person zuverlässig zu identifizieren. Für jemanden, der mit seinem Instagram lebt, beträgt die Zeit für eine zuverlässige Identifizierung nur fünf Minuten. Bei manchen sogar um sechs bis acht Monate.
An wen und wie werden Daten verkauft?
З: - Guten Tag. Mich interessiert, wie Daten zwischen Unternehmen verkauft werden? Ich habe zum Beispiel eine Anwendung, mit der Sie (für den Entwickler) herausfinden können, wohin eine Person geht, in welche Geschäfte sie geht und wie viel Geld sie dort ausgibt. Und ich möchte wissen, wie ich beispielsweise Daten über mein Publikum an diese Geschäfte verkaufen oder meine Daten in einer riesigen Datenbank speichern und dafür bezahlt werden kann?
OH: – Was den direkten Verkauf von Daten an jemanden betrifft, waren Sie und alle anderen vor OFD – Steuerdatenbetreibern, die sich geschickt zwischen der Scheckübertragung und dem Finanzamt aufgebaut haben und nun versuchen, Daten an jedermann zu verkaufen. Tatsächlich haben sie den gesamten Markt für mobile Analysen zum Absturz gebracht. Tatsächlich können Sie Ihre Anwendung beispielsweise mit dem Facebook-Pixel und seinem DMP-System einbetten; Dann nutzen Sie diese Zielgruppe zum Verkaufen. Zum Beispiel das „May Target“-Pixel. Ich weiß einfach nicht, was für ein Publikum Sie haben, das müssen Sie verstehen. Aber in jedem Fall können Sie entweder in Yandex oder My Target integrieren, die die größten DMP-Systeme sind.
Das ist eine ziemlich interessante Geschichte. Das einzige Problem besteht darin, dass Sie ihnen den gesamten Datenverkehr überlassen und sie als Börsen die Monetarisierung dieses Datenverkehrs auf sich nehmen. Sie können Ihnen sagen oder auch nicht, dass 10 Personen Ihr Publikum genutzt haben. Daher bauen Sie entweder Ihr eigenes Werbenetzwerk auf oder geben sich großen DMPs hin.
Wer wird gewinnen – der Künstler oder der Technikfreak?
З: – Eine Frage, die etwas vom technischen Teil entfernt ist. Es wurde über die Befürchtungen der Vermarkter vor der kommenden Massenarbeitslosigkeit gesprochen. Gibt es eine Art Konkurrenzkampf zwischen kreativem Marketing (diese Leute, die anscheinend Hühnerwerbung erfunden haben, Volkswagen-Werbung) und denen, die sich mit Big Data beschäftigen (die sagen: Jetzt sammeln wir einfach alle Daten und liefern ihnen gezielte Werbung?) alle )? Was denken Sie als direkt Beteiligter darüber, wer gewinnen wird – ein Künstler, ein Techniker, oder wird es irgendeine Art von Synergieeffekt geben?
OH: – Hören Sie, nun ja, sie arbeiten zusammen. Ingenieure erfinden keine Kreativität. Wer kreativ ist, erfindet kein Publikum. Es handelt sich hier um eine Art multidisziplinäre Geschichte. Die wirklichen Probleme sind jetzt diejenigen, die sitzen und Knöpfe drücken, diejenigen, die den „Affenjob“ machen und jeden Tag das Gleiche drücken – das sind die Menschen, die verschwinden werden.
Aber diejenigen, die die Daten analysieren, werden natürlich bleiben, aber jemand muss diese Daten verarbeiten. Jemand muss sich diese Bilder ausdenken und sie zeichnen. So viel Kreativität kann eine Maschine nicht hervorbringen! Das ist völliger Wahnsinn! Oder wie zum Beispiel die virale Werbung von Carprice, die übrigens sehr gut funktioniert hat. Denken Sie daran, es gab diesen Beitrag auf YouTube: „Sell it at Carprice“, absolut verrückt. Natürlich wird kein neuronales Netzwerk eine solche Geschichte generieren.
Generell bin ich ein Befürworter dafür, dass nicht die Menschen ihren Job verlieren, sondern dass sie etwas mehr Freizeit haben und diese Freizeit für die Selbstbildung nutzen können.
Primitive Werbung wird aussterben
З: - Im Großen und Ganzen sind die Werbung, die gezeigt wird, die Banner - im Großen und Ganzen nicht einmal Verkaufstexte dort geschrieben: „Du brauchst Fenster – nimm es!“, „Du brauchst etwas anderes – nimm es!“, das heißt, Da gibt es überhaupt keine Kreativität.
OH: – Solche Werbung wird natürlich früher oder später aussterben. Es wird nicht so sehr aufgrund der Entwicklung der Technologie aussterben, sondern aufgrund der Entwicklung von Ihnen und mir.
Es ist besser, das Relevante mit dem Irrelevanten zu vermischen
З: - Ich bin hier! Ich habe eine Frage zu dem Experiment, von dem Sie sagten, dass es bei Ihnen (mit dem Empfehlungssystem) nicht geklappt hat. Liegt Ihrer Meinung nach das Problem darin, was dort unterschrieben wurde, warum wird es empfohlen oder liegt es daran, dass alles, was der Benutzer gesehen hat, für ihn relevant erschien? Weil ich ein Experiment für Mütter gelesen habe und es noch nicht so viele Daten gab, und es gab auch nicht so viele Daten aus dem Internet, es gab nur Daten von einem Lebensmittelhändler, der eine Schwangerschaft vorhersagte (dass sie Mütter werden würden). Und als sie eine Auswahl an Produkten für werdende Mütter zeigten, waren die Mütter entsetzt, dass sie vor offiziellen Dingen davon erfahren hatten. Und es hat nicht funktioniert. Und um dieses Problem zu lösen, haben sie bewusst relevante Produkte mit etwas völlig Unrelevantem vermischt.
OH: „Wir haben den Menschen gezielt die Grundlage der Empfehlungen aufgezeigt, um ihr Feedback zu verstehen. Tatsächlich entstand hier das Konzept, dass den Leuten nicht gesagt werden muss, dass es sich um einige äußerst relevante Produkte für ihn handelt.
Ja, es gibt übrigens einen Ansatz, sie mit irrelevanten zu vermischen. Aber es gibt das Gegenteil: Manchmal kommen Leute herein und interagieren mit diesem irrelevanten Produkt – zufällige Ausreißer treten auf, Modelle gehen kaputt und die Dinge werden noch komplizierter. Aber das gibt es tatsächlich. Darüber hinaus verwechseln viele Unternehmen absichtlich, wenn sie wissen, dass jemand ihre Daten verarbeitet (jemand könnte ihnen solche Ausgaben stehlen), diese manchmal, um später nachweisen zu können, dass Sie die Daten nicht aus ihrem Empfehlungssystem, sondern aus dem Empfehlungssystem entnommen haben der sogenannte Yandex.Market.
Werbeblocker und Browsersicherheit
З: - Hallo. Sie haben Ghostery und Adblock erwähnt. Können Sie uns sagen, wie effektiv solche Tracker im Allgemeinen sind (vielleicht basierend auf Statistiken)? Und hatten Sie irgendwelche Anweisungen von Unternehmen: Sie sagen, stellen Sie sicher, dass unsere Werbung nicht durch Adblock geschlossen werden kann.
OH: – Wir kontaktieren Werbeplattformen nicht direkt – gerade damit diese nicht darum bitten, ihre Werbung für alle sichtbar zu machen. Ich persönlich verwende Ghostery – ich finde, es ist eine sehr coole Erweiterung. Mittlerweile kämpfen alle Browser um den Datenschutz: Mozilla hat jede Menge Updates veröffentlicht, Google Chrome ist jetzt supersicher. Sie alle blockieren alles, was sie können. „Safari“ hat „Gyroskop“ sogar standardmäßig deaktiviert.
Und dieser Trend ist natürlich gut (nicht für diejenigen, die Daten sammeln, obwohl sie auch rausgekommen sind), weil die Leute zuerst Cookies blockiert haben. Jeder, der Werbenetzwerke besaß, erinnerte sich an eine so wunderbare Technologie wie Browser-Fingerabdrücke – das sind Algorithmen, die 60 verschiedene Parameter (Bildschirmauflösung, Version, installierte Schriftarten) empfangen und auf dieser Grundlage eine eindeutige „ID“ berechnen. Kommen wir dazu. Und Browser begannen damit zu kämpfen. Im Allgemeinen wird dies ein endloser Kampf der Titanen sein.
Der neueste Entwickler Mozilla ist ziemlich sicher. Es speichert praktisch keine Cookies und stellt eine kurze Lebensdauer ein. Vor allem, wenn Sie „Inkognito“ einschalten, wird Sie überhaupt niemand finden. Die Frage ist, dass es umständlich sein wird, bei allen Diensten Passwörter einzugeben.
Wo funktionieren Psychotypisierung und Physiognomie und wo nicht?
З: – Arthur, vielen Dank für den Vortrag. Ich verfolge deine Vorträge auch gerne auf YouTube. Sie haben erwähnt, dass Vermarkter zunehmend auf Psychotypisierung und Physiognomie zurückgreifen. Meine Frage ist: In welchen Markenkategorien funktioniert das? Meiner Meinung nach ist dies nur für FMCG geeignet. Die Wahl eines Autos ist zum Beispiel...
OH: – Ich kann herunterladen, wo es genau funktioniert. Das funktioniert in allen möglichen Geschichten wie „Amediateka“, Fernsehserien, Filmen und so weiter. Das funktioniert bei Banken und Bankprodukten gut, wenn es nicht um das Premium-Segment geht, sondern um alle möglichen Studentenkarten, Ratenzahlungspläne und dergleichen. Das funktioniert wirklich sehr gut bei FMCG und allen möglichen iPhones, Ladegeräten und all dem Mist. Dies funktioniert gut bei „Mom-and-Pop“-Produkten. Obwohl ich weiß, dass es in der Fischerei (es gibt so ein Thema)... Fälle mit Fischern gab es schon mehrfach – die lassen sich nie zuverlässig segmentieren. Ich weiß nicht warum. Irgendein statistischer Fehler.
Dies funktioniert nicht gut bei Autofahrern, bei Schmuck oder bei manchen Haushaltsgegenständen. Tatsächlich funktioniert es nicht gut mit Dingen, über die die Leute niemals in den sozialen Medien schreiben würden – Sie können es auf diese Weise überprüfen. Konventionell beim Kauf einer Waschmaschine: So erkennen Sie, wer eine Waschmaschine hat und wer nicht? Es scheint, als hätte es jeder. Sie können OFD-Daten verwenden – anhand von Quittungen sehen, wer was gekauft hat, und diese Personen anhand von Quittungen zuordnen. Aber tatsächlich gibt es Dinge, über die man zum Beispiel auf Instagram nie reden würde – es ist schwierig, mit solchen Dingen zu arbeiten.
Maschinen erkennen Tricks als statistisches Füllmaterial.
З: – Ich habe eine Frage zum Targeting. Ist es möglich (oder gibt es sie plötzlich), dass ein bedingter Zufallscharakter sich selbst in allem widerspricht: Zuerst googelt er „die besten Fitnessstudios“ und dann googelt er „10 Möglichkeiten, nichts zu tun“? Und so ist es in allem. Kann Targeting etwas verfolgen, das sich selbst widerspricht?
OH: – Hier stellt sich nur die Frage: Wenn Sie Google seit 2 Jahren nutzen, alles über sich erzählen, was Sie können, und sich jetzt ein Plugin installieren, das ähnliche zufällige Abfragen schreibt, dann werden Sie das natürlich anhand der Statistiken tun Seien Sie in der Lage zu verstehen – was Sie jetzt tun, ist ein statistischer Ausreißer, und das ist alles eine Frage der Aussortierung. Wenn Sie möchten, registrieren Sie ein neues Konto, das Werbevolumen ändert sich jedoch nicht. Sie wird einfach komisch werden. Obwohl sie immer noch seltsam ist.
Einige Anzeigen 🙂
Vielen Dank, dass Sie bei uns geblieben sind. Gefallen Ihnen unsere Artikel? Möchten Sie weitere interessante Inhalte sehen? Unterstützen Sie uns, indem Sie eine Bestellung aufgeben oder an Freunde weiterempfehlen. , ein einzigartiges Analogon von Einstiegsservern, das von uns für Sie erfunden wurde: (verfügbar mit RAID1 und RAID10, bis zu 24 Kerne und bis zu 40 GB DDR4).
Dell R730xd 2-mal günstiger im Equinix Tier IV-Rechenzentrum in Amsterdam? Nur hier in den Niederlanden! Dell R420 – 2x E5-2430 2.2 GHz 6C 128 GB DDR3 2 x 960 GB SSD 1 Gbit/s 100 TB – ab 99 $! Lesen über
Source: habr.com