Arthur Khachuyan estas konata rusa specialisto pri granda datuma prilaborado, fondinto de la kompanio Social Data Hub (nun Tazeros Global). Partnero de la National Research University Higher School of Economics. Preparis kaj prezentis, kune kun la Nacia Esplora Universitato Supera Lernejo de Ekonomiko, leĝproponon pri Grandaj Datumoj en la Federacia Konsilio.Li parolis en la Curie Instituto en Parizo, Sankt-Peterburga Ŝtata Universitato, Federacia Universitato sub la Registaro de la Rusa Federacio, ĉe Red Apple, Internacia OpenDataDay, RIW 2016, AlfaFuturePeople.
La prelego estis registrita ĉe la subĉiela festivalo "Geek Picnic" en Moskvo en 2019.
Artur Khachuyan (ĉi-poste - AH): – Se el grandega nombro da industrioj - de medicino, de konstruo, de io, io, por elekti tiun, kie plej ofte estas uzata la teknologio de grandaj datumoj, maŝinlernado, profunda lernado, tiam ĉi tio verŝajne estas merkatado. Ĉar de la lastaj tri aŭ pli da jaroj, ĉio, kio ĉirkaŭas nin en iaj reklamaj komunikadoj, nun estas ligita ĝuste al datuma analizo kaj ĝuste al tio, kion oni povas nomi artefarita inteligenteco. Tial hodiaŭ mi rakontos al vi pri tio el tiel tre malproksima historio...
Se vi imagas artefaritan inteligentecon kaj kiel ĝi aspektas, ĝi verŝajne estas io tia. La stranga bildo estas unu el la neŭralaj retoj, kiujn mi skribis antaŭ jaro por trovi la dependecon de tio, kion faras mia hundo - kiom da fojoj ŝi devas fariĝi granda, malgranda, kaj kiel ĝi ĝenerale dependas de kiom ŝi manĝas. aŭ ne?. Ĉi tio estas ŝerco pri kiel artefarita inteligenteco povus esti imagita.
Sed tamen, ni pensu pri kiel ĉio funkcias en reklamaj komunikadoj. Estas tri manieroj en kiuj modernaj algoritmoj en reklamado kaj merkatado povas interagi kun ni. Estas klare, ke la unua rakonto celas akiri kaj ĉerpi pliajn sciojn pri vi kaj mi, kaj poste uzi ĝin por iuj bonaj kaj ne tiom bonaj celoj; personecigi la aliron al ĉiu specifa persono; Kompreneble, post ĉi tio, kreu certan postulon por plenumi la ĉefan celon kaj fari certan vendon.
Uzante teknologion, ili provas solvi la problemon de efika komunikado
Se mi diras al vi, ke vi pensu pri kio Pornhub kaj M. Video”, kion vi pensas?
Komentoj de la spektantaro (ĉi-poste nomataj C): - Televido, publiko.
Ho: – Mia koncepto estas, ke ĉi tiuj estas du lokoj, kie homoj venas por certa speco de servo, aŭ ni nomu ĝin certa speco de varoj. Kaj ĉi tiu publiko estas malsama pro tio, ke ĝi volas nenion diri al la vendisto. Ŝi volas enveni kaj ricevi tion, kio interesas ŝin en iu eksplicita aŭ implica formo. Nature, neniu venanta al M. Video” ne volas komuniki kun iuj vendistoj, ne volas kompreni, ne volas respondi iujn el iliaj demandoj.
Tial el ĉio ĉi sekvas la unua rakonto.
Kiam aperis teknologioj por akiri plian scion por iel eviti komuniki kun homo. Ni ĉiuj amas ĝin kiam ni vokas la bankon kaj la banko diras al ni: “Saluton. Alexey, vi estas nia VIP-kliento. Nun iu supermanaĝero parolos kun vi.” Vi venas al ĉi tiu banko, kaj vere estas unika administranto, kiu povas paroli kun vi. Bedaŭrinde aŭ feliĉe, eĉ ne unu kompanio ankoraŭ eltrovis kiel dungi mil personajn administrantojn por mil klientoj; kaj ĉar la plej multaj el ĉi tiuj homoj nun estas interrete, la tasko estas kompreni kian homon ĉi tio estas kaj kiel ĝuste komuniki kun li antaŭ ol li venos al iu reklama rimedo. Kaj tial, fakte, aperis teknologioj, kiuj provas solvi ĉi tiun problemon.
Eltiro de datumoj estas la nova oleo
Ni imagu, ke vi estas la posedanto de florbudo. Tri homoj venas por vidi vin. La unua staras tre longe, hezitas, provas paroli kun vi, prenas ian bukedon — vi iras ĝin envolvi, eliras por fari ion tie; li forkuras de la budo kun ĉi tiu bukedo — vi perdis viajn tri mil rublojn. Kial ĝi okazis? Vi nenion scias pri ĉi tiu persono: vi ne konas lian historion de arestoj en la Ministerio pri Internaj Aferoj, vi ne scias, ke li estas kleptomano kaj estas registrita en psikiatria dispensario. Kial? Ĉar vi vidis ĝin unuafoje, kaj vi ne estas konduta analizisto.
Venas iu alia... Vitalij. Vitaly ankaŭ bezonas tre longan tempon por eltrovi ĝin, li diras, "Nu, mi bezonas ĉi tion kaj tion." Kaj vi diras al li: "Floroj por panjo, ĉu?" Kaj vi vendas al li bukedon.
La koncepto ĉi tie estas eltrovi sufiĉajn datumojn por kompreni, kion la persono efektive bezonas. Ĉiuj tuj pensis pri iaj reklamaj retoj kaj tiel plu...
Ĉiuj verŝajne aŭdis la stultan frazon, ke "datumoj estas la nova oleo" pli ol unufoje? Verŝajne ĉiuj aŭdis. Fakte, homoj lernis kolekti datumojn antaŭ sufiĉe longa tempo, sed ĉerpi datumojn el ĉi tiuj datumoj estas la tasko, kiun artefarita inteligenteco en merkatado, aŭ ia speco de statistikaj algoritmoj, nun provas solvi. Kial? Ĉar se vi parolas kun homo, li povas doni al vi ĝustan, malĝustan aŭ iel koloritan respondon. La ŝerco, kiun mi rakontas al miaj studentoj, estas kiel enketoj diferencas de statistiko. Mi rakontos al vi ĉi tion kiel anekdoto:
Ĉi tio signifas, ke en du vilaĝoj ili decidis fari studon pri la averaĝa longeco de vireco. Tio signifas, ke en la unua vilaĝo, Villaribo, la averaĝa longo estas 15 centimetroj, en la vilaĝo Villabaggio - 25. Ĉu vi scias kial? Ĉar mezuradoj estis faritaj en la unua vilaĝo, kaj enketo estis farita en la dua.
La pornindustrio estas la ĉefŝipo de rekomendaj sistemoj
Jen kial la moderna aliro estas analizi ĉiujn homojn sen escepto, eĉ se ili estas iom malpli ol 100%, sed ĉi tiuj estas la homoj, kiujn vi ne bezonas demandi, vi ne bezonas rigardi ilin. Sufiĉas analizi tion, kio nun nomiĝas cifereca spuro por kompreni, kion bezonas ĉi tiu homo, kiel ĝuste paroli kun li, kiel ĝuste krei postulon ĉirkaŭ li. Unuflanke, ĉi tio estas sensenca maŝino (sed vi kaj mi tion scias tre bone); ni ne volas komuniki kun homoj de M. Video," kaj eĉ pli, kiam ni iras al rimedoj kiel Pornhub, ni volas akiri ĝuste tion, kion ni bezonas.
Kial mi ĉiam parolas pri Pornhub? Ĉar la plenkreska industrio estas la unua, kiu venas al la analizo de tiaj teknologioj, al la efektivigo de tiaj teknologioj, al datuma analizo. Se vi prenas la tri plej popularajn bibliotekojn en ĉi tiu areo (ekzemple, TensorFlow aŭ Pandas por Python, por prilabori CSV-dosierojn, ktp), se vi malfermas ĝin sur Github, kun mallonga Guglo de ĉiuj ĉi nomoj vi trovos paro da homoj, kiuj aŭ laboris aŭ nuntempe laboras ĉe la kompanio Pornhub, kaj estis la unuaj se temas pri efektivigi rekomendajn sistemojn tie. Ĝenerale, ĉi tiu rakonto estas tre progresinta, kaj montras kiom ĉi tiu publiko, kiom multe ĉi tiu kompanio antaŭeniris.
Tri niveloj de identigo
Estas grandega aro de datumoj ĉirkaŭ homo, kiuj povas esti identigitaj. Mi kutime formale dividas ĉi tion en tri nivelojn, irante pli kaj pli profunden. Kompreneble, la kompanio havas siajn proprajn datumojn.
Se, ekzemple, ni parolas pri konstruado de rekomenda sistemo, tiam la unua nivelo estas la datumoj, kiuj troviĝas ĉe la vendejo mem (aĉethistorio, ĉiaj transakcioj, kiel homo interagis kun la interfaco).
Poste estas nivelo (relative la plej granda) - jen tio, kion oni nomas malfermaj fontoj. Ne pensu, ke mi instigas vin skrapi sociajn retojn, sed fakte, kio estas disponebla en malfermaj fontoj, malfermas grandegan aron da datumoj, kiujn vi povas, ekzemple, lerni pri homo.
Kaj la tria grava parto estas la medio de ĉi tiu persono mem. Jes, ekzistas opinio, ke se homo ne estas en sociaj retoj, tie ne ekzistas datumoj pri li (vi verŝajne jam scias, ke tio ne estas vera), sed la plej grava afero estas, ke la datumoj kiuj estas en la profilo de homo. (aŭ en iu apliko ) estas nur 40% de la scio, kiu povas esti akirita pri ĝi. La resto de la informoj estas akiritaj de lia medio. La frazo "diru al mi kiu estas via amiko kaj mi diros al vi, kiu vi estas" prenas novan signifon en la XNUMX-a jarcento ĉar grandega kvanto da datumoj povas esti akiritaj ĉirkaŭ tiu persono.
Se ni parolas pli proksime al reklamaj komunikadoj, tiam ricevi reklamajn komunikadojn ne de reklamado, sed de iu amiko, konato aŭ iel kontrolita persono estas tre bonega trajto, kiun multaj merkatistoj uzas. Kiam iu aplikaĵo subite donas al vi senpagan reklamkodon, vi faras afiŝon pri ĝi kaj tiel altiras novan publikon. Fakte, ĉi tiu promokodo por la kondiĉa "Yandex.Taxi" ne estis elektita hazarde, sed por tio, grandega kvanto da datumoj estis analizitaj pri via potencialo altiri novan publikon kaj iel interagi kun ili.
Ili eĉ analizas la konduton de televidaj serioj
Mi montros al vi tri bildojn, kaj vi diru al mi, kia estas la diferenco inter ili.
Ĉi tiun:
Ĉi tio:
Kaj ĉi tiu:
Kio estas la diferenco inter ili? Ĉio estas simpla ĉi tie. Kiel en kvantuma mekaniko, ĉi-kaze ĉi tiu kreivo estis formita de la observanto. Tio estas, la diferenco en la sama reklama kampanjo, efektivigita de la sama marko samtempe, estas nur en kiu spektis ĉi tiun kreivon. Persone, kiam mi iras al Amediateka, ili ankoraŭ montras Khal Drogon. Mi ne scias, kion pensas Amediateka pri miaj preferoj, sed ial tio okazas.
Kio nun nomiĝas personigitaj komunikadoj estas la plej populara rakonto pri altiri spektantaron kaj ĝuste interagi kun ĝi. Se en la unua etapo ni identigis homojn uzante niajn proprajn markajn datumojn, malfermfontajn datumojn kaj, ekzemple, datumojn de la medio de ĉi tiu homo, ni, analizinte lin, povas kompreni, kiu li estas, kiel ĝuste paroli kun li kaj, plej grave. , kian lingvon li parolas parolu kun li.
Ĉi tie teknologio iris tiel malproksimen ke la roluloj en televidserioj kiujn homoj spektas nun estas analizitaj. Tio estas, vi ŝatas televidseriojn - ili [ŝatoj] estas spektataj, ili rigardas kun kiu vi interagis tie, por kompreni, kian homon taŭgus por vi interagi. Ĝi sonas kiel kompleta sensencaĵo, sed nur por amuzo, provu ĝin sur unu el la rimedoj - malsamaj homoj vidas malsamajn kreaĵojn (por interagi kun ĝi ĝuste).
Ne unu moderna amaskomunikilaro aŭ iu ajn videorimedo nur montras al vi novaĵojn. Iru al la amaskomunikilaro - granda nombro da algoritmoj estas ŝarĝitaj, kiuj identigas vin, komprenas vian tutan antaŭan agadon, apelacias al la matematika modelo kaj poste montras ion al vi. En ĉi tiu kazo, estas tia stranga rakonto.
Kiel estas determinitaj bezonoj? Psikometrio. Fizionomio
Estas multaj (realaj) aliroj por determini la realajn bezonojn de homo kaj kiel ĝuste komuniki kun ili. Estas multaj aliroj, ĉio estas solvita alimaniere, estas neeble diri, kiu estas bona kaj kiu estas malbona. La ĉefaj ŝajnas scii ĉion.
Psikometrio. Post la rakonto kun Cambridge Analytics, necesis ia ŝoka, laŭ mi, ia turno, ĉar ĉiu dua politika kompanio nun venas kaj diras: "Ho, ĉu vi povas fari min kiel Trump? Mi ankaŭ volas venki, kaj tiel plu." Fakte, ĉi tio, kompreneble, estas sensencaĵo por niaj realaĵoj, ekzemple, politikaj elektoj. Sed por determini psikotipojn, tri modeloj estas uzataj:
- la unua baziĝas sur la enhavo kiun vi konsumas - la vortoj, kiujn vi skribas, iuj informoj, kiujn vi ŝatas, filmetoj ktp.;
- la dua estas ligita al kiel vi interagas kun la retinterfaco, kiel vi tajpas, kiujn butonojn vi premas - ja estas tutaj kompanioj, kiuj, surbaze de sia klavara manskribo, povas sufiĉe fidinde determini tion, kio nun nomiĝas psikotipoj.
- Mi ne estas multe da psikologo, mi ne vere komprenas kiel ĝi funkcias, sed el la vidpunkto de reklamaj komunikadoj, la publiko dividitaj en ĉi tiujn segmentojn funkcias tre bone, ĉar al iu necesas montri ruĝan ekranon kun blua. virino, oni devas montri al iu malhelan ekranon -bluan fonon kun ia abstraktaĵo, kaj ĝi funkcias tre mojosa. Je iuj malaltaj niveloj - tiom, ke homo eĉ ne pensas pri tio. Kio estas la ĉefa problemo en la reklama merkato nun? Ĉiuj estas spionagento, ĉiuj kaŝas sin, ĉiuj havas instalitajn milionon da retumiloj por ne esti identigitaj iel - vi verŝajne havas "Adblocks", "Gostrey" kaj ĉiajn aplikaĵojn, kiuj blokas spuradon. Pro tio, estas tre malfacile kompreni ion ajn pri homo. Kaj teknologio pluiris - vi devas ne nur scii, ke ĉi tiu persono revenis al via retejo por la 125-a fojo, sed ke li ankaŭ estas tia kaj tia stranga homo.
Fizionomio estas tre polemika scienco. Ĝi eĉ ne estas konsiderata scienco. Ĉi tio estas grupo de homoj, kiuj kutimis programi mensogajn detektilojn por iu Ministerio pri Internaj Aferoj, kaj nun okupiĝas pri tio, kion oni nomas personigo de kreemo. La aliro ĉi tie estas tre simpla: pluraj el viaj publikaj fotoj estas prenitaj el iuj sociaj retoj, kaj tridimensia geometrio estas konstruita el ili. Kaj se vi estas advokato, vi nun diros, ke ĉi tio estas persono kaj personaj datumoj; sed mi diros al vi, ke ĉi tiuj estas 300 mil punktoj situantaj en la spaco, kaj ĉi tio ne estas persono, kaj ne estas personaj datumoj. Jen kion ĉiuj kutime diras, kiam Roskomnadzor venas al ili.
Sed serioze, via vizaĝo aparte, se via unua kaj familia nomo ne estas subskribitaj tie, ne estas viaj personaj datumoj. La punkto estas, ke la uloj markas diversajn vizaĝajn trajtojn, kiuj influas kiel homo faras decidojn kaj kiel ĝuste interagi kun li. En iuj areoj tio funkcias malbone, en iuj reklamaj segmentoj; en kiuj segmentoj ĝi funkcias tre bone. Fine, rezultas, ke kiam oni iras al iu rimedo, oni vidas ne nur unu rubandon, kiu estas montrita al ĉiuj, sed, ekzemple... nun estas normale fari 16 aŭ 20 eblojn por malsamaj publikoj - kaj ĝi funkcias. tre mojosa. Jes, ĉi tio estas eĉ pli malĝoja el la vidpunkto de la konsumanto, ĉar homoj pli kaj pli komencas esti manipulitaj. Sed tamen el komerca vidpunkto ĝi funkcias tre bone.
La nigra skatolo de maŝina lernado
Ĉi tio estigas la sekvan problemon kun tiaj teknologioj: finfine, por la plej multaj programistoj nun tio, kio nomiĝas profunda lernado, estas "nigra skatolo". Se vi iam estis mergita en ĉi tiu rakonto kaj parolis kun la programistoj, ili ĉiam diras: "Ho, aŭskultu, nu, ni kodis ion tiel nekompreneblan tie, kaj ni ne scias kiel ĝi funkcias." Eble iu okazis tion.
Ĉi tio fakte estas malproksime de vera. Kio nun nomiĝas maŝinlernado estas malproksima de "nigra skatolo". Estas grandega nombro da aliroj por priskribi la enigajn kaj elirajn datumojn, kaj finfine la kompanio povas ĝisfunde kompreni surbaze de kiaj signoj la maŝino decidis montri al vi ĉi tiun pornografian filmeton aŭ alian. La demando estas, ke neniu el la kompanioj iam malkaŝas ĉi tion, ĉar: unue, ĝi estas komerca sekreto; due, estos grandega kvanto da datumoj pri kiuj vi eĉ ne sciis.
Ekzemple, antaŭ ĉi tio, en diskuto pri etiko, ni diskutis kiel sociaj retoj analizas personajn mesaĝojn por etikedi homojn en iaj reklamaj rakontoj. Se vi skribas ion al iu, surbaze de tio vi ricevas specifan etikedon por, fakte, iaj reklamaj komunikadoj. Kaj vi neniam pruvos ĝin, kaj verŝajne ne utilas pruvi ĝin. Tamen, se similaj ŝablonoj estus rivelitaj, ili ekzistus. Rezultas, ke la merkato por konstrui tiajn rekomendajn sistemojn ŝajnigas ne scii kial tio okazis.
Homoj ne volas scii, kion homoj scias pri ili
Kaj la dua rakonto estas, ke la kliento neniam volas scii kial li ricevis ĉi tiun apartan reklamon, ĉi tiun apartan produkton. Mi rakontos al vi ĉi tiun historion. Mia unua sperto en komerca realigo de rekomendaj sistemoj bazitaj sur similaj algoritmoj ĝuste pro esplorado estis en 2015 en tre granda reto de seksbutikoj (jes, ankaŭ ne precipe malagrabla rakonto).
Al klientoj oni proponis la jenon: ili eniras, ensalutu per sia socia reto, kaj post ĉirkaŭ 5 sekundoj ili ricevas por ili tute personigitan vendejon, tio estas, ĉiuj produktoj ŝanĝiĝis - ili falas en certan kategorion, ktp. . Ĉu vi scias kiom pligrandiĝis la konvertiĝo de ĉi tiu vendejo? Ne iel! Homoj eniris kaj tuj forkuris de ĝi. Ili envenis kaj ekkomprenis, ke oni proponis al ili ĝuste tion, pri kio ili pensis...
La problemo kun ĉi tiu testo estis, ke sub ĉiu produkto estis skribite, kial oni proponis al vi tiun apartan ("ĉar vi estas membro de la kaŝita grupo "Potenca virino serĉas viron, kiu estas pordomapo"). Tial, modernaj rekomendaj sistemoj neniam montras la datumojn surbaze de kiuj la "antaŭdiro" estis farita.
Tre populara rakonto estas la amaskomunikilaro ĉar ili ĉiuj uzas similajn rekomendajn sistemojn. Antaŭe, la algoritmoj estis tre simplaj: rigardu la kategorion "Politiko" - kaj ili montras al vi novaĵojn el la kategorio "Politiko". Nun ĉio estas tiel komplika, ke ili analizas la lokojn, kie vi haltigis la muson, pri kiuj vortoj vi koncentriĝis, kion vi kopiis, kiel vi ĝenerale interagis kun ĉi tiu paĝo. Poste li analizas la vortprovizon de la mesaĝoj mem: jes, vi ne nur legas novaĵojn pri Putin, sed laŭ certa maniero, kun certa emocia koloro. Kaj kiam homo ricevas iun novaĵon, li eĉ ne pensas pri kiel li venis ĉi tien. Tamen, li tiam interagas kun ĉi tiu enhavo.
Ĉio ĉi, nature, celas konservi la malriĉan, malfeliĉan vireton, kiu jam freneziĝas pro la grandega kvanto da informoj, kiu estas ĉirkaŭ li. Ĉi tie oni devas diri, ke estus bone uzi tiajn sistemojn por personecigi la kreaton ĉirkaŭ vi kaj kolekti iujn informojn, sed, bedaŭrinde, tiaj servoj ankoraŭ ne ekzistas.
Artefarita inteligenteco kaptas la klienton en la aero kaj kreas postulon
Kaj ĉi tie ekestas unu tre interesa filozofia demando, transirante de kreado de rekomendsistemo al kreado de postulo. Malofte iu pensas pri tio, sed kiam vi provas demandi la tiel nomatan Instagram, "Kial vi kolektas datumojn? Kial ne montri al mi absolute hazardan reklamadon?" - Instagram diros al vi: "Amiko, ĉi tio estas farita por montri al vi ĝuste kio estas interesa por vi." Kiel, ni volas koni vin tiel precize ke ni povas montri al vi precize tion, kion vi serĉas.
Sed teknologio delonge transpasis ĉi tiun teruran sojlon, kaj similaj teknologioj ne plu antaŭdiras kion vi bezonas. Ili (atentu!) kreas postulon. Ĉi tio verŝajne estas la plej timiga afero, kiu rondiras ĉirkaŭ artefarita inteligenteco en tiaj komunikadoj. La timiga afero estas, ke ĝi estas uzata preskaŭ ĉie dum la lastaj 3-5 jaroj - de Google serĉrezultoj ĝis Yandex serĉrezultoj, ĝis iuj sistemoj... Bone, mi nenion malbonan diros pri Yandex; kaj bona.
Kio estas la afero? Jam delonge tiaj reklamaj komunikadoj malproksimiĝis de la strategio, kie vi skribas "Mi volas aĉeti infanseĝon" kaj vidas cent mil milionojn da eldonaĵoj. Ili pluiris al la jena: tuj kiam la virino afiŝis foton kun apenaŭ videbla ventro, ŝia edzo tuj komencos esti sekvata de mesaĝoj: „Horo, baldaŭ venos la naskiĝo. Aĉetu infanseĝon."
Ĉi tie, vi povus prudente demandi, kial, kun tiaj gigantaj progresoj en teknologio, ni ankoraŭ vidas tian aĉan reklamadon en sociaj retoj? La problemo estas, ke en ĉi tiu merkato ĉio ankoraŭ estas decidita per mono, do en bona momento iu reklamanto kiel Koka-kolao povas veni kaj diri: "Jen 20 milionoj por vi - montru miajn aĉajn standardojn al la tuta Interreto." Kaj ili vere faros ĝin.
Sed se vi faras ian puran konton kaj testas kiom precize tiaj algoritmoj divenas vin: ili unue provas diveni vin, kaj poste ili komencas fari ion al vi anticipe. Kaj la homa cerbo funkcias tiel, ke, kiam ĝi ricevas informojn fidindajn por ĝi, ĝi eĉ ne prilaboras la momenton, kial ĝi ricevis ĉi tiun informon. La unua regulo por determini, ke vi estas en sonĝo, estas kompreni kiel vi venis ĉi tien. Homo neniam memoras la momenton, kiam li alvenis en certa ĉambro. Estas same ĉi tie.
Guglo Eble Komencu Formi Vian Mondrigardon
Tiaj studoj estis faritaj de pluraj eksterlandaj kompanioj, kiuj okupiĝas pri i-spurado. Ili instalis aparatojn sur specialaj komputiloj, kiuj registras kien rigardas la okuloj de la testsubjekto. Mi prenis de kvin ĝis sep mil volontulojn, kiuj simple rulumis la nudaĵon, interagis kun sociaj retoj, kun reklamado, kaj ili registris informojn pri kiuj partoj de la standardoj kaj kreaĵoj ĉi tiuj homoj haltis siajn okulojn.
Kaj rezultas, ke kiam homoj ricevas tian hiperpersonigitan kreaton, ili eĉ ne pensas pri tio - ili tuj antaŭeniras, komencas interagi kun ĝi. El komerca vidpunkto ĉi tio estas bona, sed el la vidpunkto de ni, kiel uzantoj, ĉi tio ne estas tre mojosa, ĉar - kion ili timas? – Ke en unu bela momento la kondiĉa “Guglo” povas komenci (aŭ, kompreneble, eble ne komenci) formi sian propran mondkoncepton. Morgaŭ, ekzemple, li povas komenci montri al homoj novaĵojn, ke la tero estas plata.
Nur ŝercas, sed ili estis kaptitaj tiom da fojoj ke dum elektoj ili komencas doni certajn informojn al certaj homoj. Ni ĉiuj kutimas, ke la serĉilo ricevas ĉion honeste. Sed, kiel mi ĉiam diras, se vi vere volas scii kiel funkcias la mondo, skribu vian propran serĉilon, sen filtriloj, sen atenti kopirajton, sen rangigi iujn viajn amikojn en serĉrezultoj. La montrado de realaj datumoj en la Interreto ĝenerale diferencas de tio, kion montras Google, Yandex, Bing, ktp. Iuj materialoj estas kaŝitaj ĉar amikoj, kolegoj, malamikoj aŭ iu alia (aŭ iama amanto kun kiu vi dormis) - ne gravas.
Kiel Trump venkis
Kiam okazis la lasta elekto en Usono, oni faris tre simplan studon. Ili prenis la samajn petojn en malsamaj lokoj, de malsamaj IP-adresoj, de malsamaj urboj, malsamaj homoj Guglodis la saman aferon. Konvencie, la peto estis en la stilo de: kiu gajnos la elektojn? Kaj mirinde, la rezultoj estis konstruitaj tiel, ke en tiuj ŝtatoj, kie la plej granda nombro da homoj provis voĉdoni por la malĝusta kandidato, ili ricevis bonajn novaĵojn pri la kandidato, kiun Google reklamis. Kiu? Nu, estas klare, kiu - tiu, kiu fariĝis prezidanto. Ĉi tio estas absolute nepruvebla rakonto, kaj ĉiuj ĉi tiuj studoj estas fingro en la akvo. Guglo povas diri: "Knaboj, ĉio ĉi estas farita por ke ni montru la plej gravan enhavon por vi."
De nun, vi devus scii, ke tio, kion oni nomas maksimume trafa, tute ne okazas. La kompanio nomas gravan ion, kio devas esti vendita al vi pro iu bona aŭ malbona kialo.
Tiuj, kiuj nun ne havas monon, jam estas pretaj por estontaj aĉetoj
Estas alia interesa punkto ĉi tie, pri kiu mi rakontos al vi. Granda nombro da aktivaj publikoj nun en sociaj retoj kaj en apoj estas junuloj. Ni nomu ĝin tiel - nesolventa junularo: infanoj 8-9-jaraj, kiuj ludas idiotajn ludojn, ĉi tiuj estas 12-13-14, kiuj ĵus registras en sociaj retoj. Kial grandegaj kompanioj elspezus enormajn buĝetojn kaj rimedojn por krei aplikojn por nepaga spektantaro, kiu neniam estas monetigita? En la momento, kiam ĉi tiu publiko iĝos solva, estos sufiĉa kvanto da datumoj pri ĝi por antaŭdiri ĝian konduton tre bone.
Nun demandu iun celologon, kio estas la plej malfacila publiko? Ili diros: tre profita. Ĉar vendi, ekzemple, apartamenton kun valoro de 150 milionoj da rubloj per sociaj retoj estas preskaŭ neeble. Estas izolitaj kazoj, kiam oni faras ian reklamadon por 10 mil homoj, oni aĉetas ĉi tiun apartamenton - la kliento estas sukceso... Sed unu el dek mil, el statistika vidpunkto, estas tute aĉa. Do, kial estas malfacile identigi alt-enspezan publikon? Ĉar la homoj, kiuj nun estas membroj de tre profita publiko, naskiĝis kiam la Interreto estis ankoraŭ tre malgranda, kiam neniu ankoraŭ konis Artemy Lebedev, kaj pri ili mankas informoj. Estas neeble antaŭdiri ilian kondutpadronon, estas neeble kompreni kiuj estas iliaj opiniestroj, kaj de kiaj fontoj de enhavo ili ricevas.
Do kiam vi ĉiuj fariĝos miliarduloj en 25 jaroj, kaj la kompanioj, kiuj vendos ion al vi, havos grandegan kvanton da datumoj. Tial ni nun havas mirindan GDPR en Eŭropo, kiu malhelpas la kolekton de datumoj de neplenaĝuloj.
Kompreneble, ĉi tio tute ne funkcias en la praktiko, ĉar ĉiuj infanoj ankoraŭ ludas sur la kontoj de sia patrino kaj patro - jen kiel informoj estas kolektitaj. Venontfoje, kiam vi donos al via infano tablojdon, pensu pri tio.
Absolute ne ia timiga, distopia estonteco, kiam ĉiuj mortos en milito kun maŝinoj - absolute reala rakonto nun. Estas grandega nombro da kompanioj, kiuj kreas algoritmojn por psiko-profilaj homoj surbaze de kiel ili ludas. Tre interesa industrio. Surbaze de ĉio ĉi, homoj tiam estas segmentitaj por iel komuniki kun ili.
Antaŭdiro de la konduto de ĉi tiuj homoj estos disponebla en 10-15 jaroj - ĝuste en la momento, kiam ili fariĝos solva publiko. Plej gravas, ke ĉi tiuj homoj jam antaŭe donis permeson prilabori siajn personajn datumojn, transdoni ĝin al triaj, kaj ĉio ĉi estas feliĉo, ktp.
Kiu perdos sian laboron?
Kaj mia lasta rakonto estas, ke ĉiuj ĉiam demandas, kio okazos post 50 jaroj: ni ĉiuj mortos, estos senlaboreco por merkatistoj... Ĉi tie estas merkatistoj, kiuj zorgas pri senlaboreco, ĉu ne? Ĝenerale, ne necesas zorgi, ĉar ĉiu tre kvalifikita persono ne perdos sian laboron.
Ne gravas kiaj algoritmoj estas kreitaj, kiom ajn proksime la maŝino proksimiĝas al tio, kion ni havas ĉi tie (montras al lia kapo), se ĝi disvolviĝas sufiĉe rapide, tiaj homoj neniam restos senakceptaj, ĉar iu devos krei ĉi tiujn kreajn aferojn. faru. Jes, ekzistas ĉiaj "ganoj", kiuj desegnas bildojn, kiuj aspektas kiel homoj kaj kreas muzikon, sed estas ankoraŭ neverŝajne, ke homoj en ĉi tiu areo iam perdos sian laboron.
Mi havas ĉion kun la rakonto, do vi povas demandi demandojn se vi havas pli. Dankon.
Plumbo: – Amikoj, ni nun iras al la bloko “Demando kaj Respondo”. Vi levas la manon — mi venas al vi.
Demando de la publiko (XNUMX): – Demando pri la “nigra skatolo”. Ili diris, ke eblas specife kompreni, kial tia kaj tia rezulto estis akirita por tia kaj tia uzanto. Ĉu ĉi tiuj estas iaj algoritmoj, aŭ ĉu ĝi devas esti ĉiufoje analizita por ĉiu modelo ad hoc (noto de la aŭtoro: "precipe por ĉi tio" - latina frazeologia unuo)? Aŭ ĉu ekzistas pretaj por ia neŭrala reto, kiu, proksimume, povas havi komercan sencon?
Ho: – Ĉi tie vi devas kompreni la jenon: estas grandega nombro da taskoj en maŝina lernado. Ekzemple, estas tasko - regreso. Por regreso, neniuj neŭralaj retoj estas bezonataj entute. Ĉio estas simpla: vi havas plurajn indikilojn, vi devas kalkuli la jenajn. Estas taskoj kie necesas recurri al tia afero kiel profunda lernado. Efektive, en profunda lernado malfacilas fidinde kompreni, kiajn pezojn oni asignis al kiuj neŭronoj, sed laŭleĝe ĉio, kion vi bezonas, estas kompreni, kiaj datumoj estis ĉe la enigo kaj kiel ĝi ludis ĉe la eligo. Ĉi tio sufiĉas laŭleĝe por patenti tian decidon kaj sufiĉas kompreni sur kiu bazo la rakonto estis farita.
Ne estas kvazaŭ vi iris al la retejo kaj estis montrita ia standardo ĉar vi faris foton kun rufa hararo sur Instagram antaŭ du monatoj. Se la programisto ne inkluzivas la kolekton de ĉi tiuj datumoj kaj la markadon de harkoloro en ĉi tiu modelo, tiam ĝi ne eliros de nenie.
Kiel vendi la rezultojn de maŝinlernado-sistemoj?
З: – Estas nur demando pri kio: ĝuste kiel klarigi, kiel vendi al iu, kiu ne komprenas maŝinlernadon. Mi volas diri: mia modelo klare kondukas de harkoloro al... nu, harkoloro ŝanĝiĝas... Ĉu tio eblas aŭ ne?
Ho: - Eble jes. Sed el venda vidpunkto, la sola skemo funkcios: vi havas reklaman kampanjon, ni anstataŭigas la spektantaron per tiu kreita de la maŝino - kaj vi nur vidas la rezulton. Ĉi tio, bedaŭrinde, estas la sola maniero fidinde konvinki la klienton, ke tia rakonto funkcias, ĉar ekzistas multaj solvoj sur la merkato, kiuj iam estis efektivigitaj kaj ne funkciis.
Pri kreado de virtuala personeco
З: - Saluton. Dankon pro la prelego. La demando estas: kian ŝancon havas homo, kiu ial ne volas sekvi la gvidadon de maŝina lernado, krei por si virtualan personecon, kiu estas radikale diferenca de sia propra personeco, per interagado kun la interfaco aŭ por iuj. alia kialo?
Ho: – Estas amaso da malsamaj kromprogramoj, kiuj traktas specife pri hazarda konduto. Estas bonega afero - Ghostery, kiu, laŭ mi, preskaŭ tute kaŝas vin de aro da malsamaj spuriloj, kiuj tiam ne povas registri ĉi tiujn informojn. Sed fakte, nun vi bezonas nur fermitan profilon en sociaj retoj, por ke neniu, neniu malbonaj skrapuloj, povu kolekti ion tie. Verŝajne estas pli bone instali ian etendon aŭ skribi ion mem.
Vi vidas, la koncepto ĉi tie estas, ke laŭleĝe, ekzemple, personaj datumoj rilatas al datumoj, per kiuj vi povas esti identigita, kaj la leĝo donas kiel ekzemplon vian loĝejon, aĝo, ktp. Nuntempe ekzistas sennombra kvanto da datumoj, per kiuj oni povas identigi vin: la sama klavara manskribo, la sama gazetaro, la cifereca subskribo de la retumilo... Pli aŭ malpli frue, homo eraras. Li povas esti ie en "kafejo" uzante "Thor", sed finfine, en bona momento, aŭ la VPN forgesos ŝalti, aŭ ion alian, kaj en tiu momento li povas esti identigita. Do la plej facila maniero estas fari privatan konton kaj instali iun etendon.
La merkato moviĝas al la punkto, kie vi nur bezonas premi unu butonon por akiri rezultojn.
З: - Dankon pro la rakonto. Kiel ĉiam, ĉiam tre interesa (mi sekvas vin). La demando estas: kia progreso estas pri kreado de sistemoj pozitivaj por uzantoj, rekomendaj sistemoj? Vi diris, ke iam vi laboris pri rekomendsistemo por trovi seksan partneron, amikon en la vivo (aŭ muzikon, kiun homo povus ŝati)... Kiom promesplena estas ĉio ĉi, kaj kiel vi vidas ĝian evoluon el tio. la vidpunkton krei sistemojn, kiujn homoj bezonas?
Ho: – Ĝenerale, la merkato moviĝas al la punkto, kie homoj bezonas premi unu butonon kaj tuj akiri tion, kion ili bezonas. Koncerne mian sperton pri kreado de rendevuaj aplikoj (cetere, ni relanĉos ĝin fine de la jaro), krom la fakto, ke 65% estis edziĝintaj viroj, la plej malfacila problemo de rekomendo estis, ke al persono oni proponis plurajn modelojn. komence de la aplikaĵo - " Amikeco ", " Sekso ", " Sekso Amikeco " kaj " Komerco ". Homoj ne elektis kion ili bezonis. Viroj venis kaj elektis "Amon", sed fakte ili ĵetis nudecon al ĉiuj, ktp.
La problemo estis identigi homon, kiu ne kongruas kun unu el ĉi tiuj modeloj, kaj iel glate preni lin kaj movi lin en la alia direkto. Pro la malgranda kvanto de datumoj, estas tre malfacile determini ĉu ĉi tio estas eraro en la prognoza algoritmo, aŭ ĉu persono ne estas en sia kategorio. Same estas kun muziko: estas nun tre malmultaj vere indaj algoritmoj, kiuj povas bone "fakadi" muzikon. Eble "Yandex.Music". Iuj homoj opinias, ke la algoritmo Yandex.Music estas malbona. Ekzemple, mi ŝatas ŝin. Mi persone, ekzemple, ne ŝatas la jutuban muzikalgoritmon ktp.
Estas, kompreneble, kelkaj subtilecoj - ĉio estas ligita al licencoj... Sed fakte, la postulo por tiaj sistemoj estas sufiĉe alta. Iam estis konata la kompanio Retail Rocket, kiu okupiĝis pri la efektivigo de rekomendaj sistemoj, sed nun ĝi iel ne tre bone fartas - ŝajne ĉar ili delonge ne disvolvis siajn algoritmojn. Ĉio iras al ĉi tio - ĝis la punkto, ke ni eniras kaj, sen premi ion ajn, ricevas tion, kion ni bezonas (kaj fariĝas tute stultaj, ĉar nia elektkapablo tute malaperis).
Influa merkatado
З: - Saluton. Mia nomo estas Konstantin. Mi ŝatus levi demandon pri influmerkatado. Ĉu vi konas iujn sistemojn, kiuj permesas al komerco elekti taŭgan blogiston por la komerco surbaze de iuj statistikaj datumoj kaj tiel plu? Kaj pro kiaj kialoj ĉi tio estas farita?
Ho: – Jes, mi komencos de malproksime kaj tuj diros, ke la problemo de ĉiuj ĉi teknologioj estas, ke ĉi tiu tuta artefarita inteligenteco en merkatado estas nun kiel ŝnuristo: maldekstre estas grandaj kompanioj, kiuj havas multe da mono, kaj en ĉiukaze ĉio estos efika por ili funkcias ĉar iliaj reklamaj kampanjoj celas simple vidojn; aliflanke, estas multaj malgrandaj entreprenoj por kiuj ĉi tio ne funkcios, ĉar ili havas multajn datumojn. Ĝis nun, la aplikebleco de ĉi tiuj rakontoj estas ie en la mezo.
Kiam jam estas bonaj buĝetoj, kaj la tasko estas ĝuste prilabori ĉi tiujn buĝetojn (kaj, principe, jam estas sufiĉe multe da datumoj)... Mi konas kelkajn servojn, ion kiel Getblogger, kiuj ŝajnas havi algoritmojn. Verdire, mi ne studis ĉi tiujn algoritmojn. Mi povas diri al vi, kian metodon ni uzas por trovi opiniestrojn, kiam ni bezonas doni donacon al iuj patrinoj.
Ni uzas metrikon nomatan Enhava Distribua Tempo. Ĝi funkcias tiel: vi prenas homon, kies publikon vi analizas, kaj vi devas sisteme (ekzemple, unufoje ĉiujn 5 minutojn) kolekti informojn pri ĉiu afiŝo, kiu ŝatis ĝin, komentis ĝin ktp. Tiel vi povas kompreni, en kiu momento ĉiu persono en via publiko interagis kun via enhavo. Ripetu ĉi tiun operacion por ĉiu reprezentanto de sia publiko, kaj tiel, uzante la metrikon de la averaĝa tempo de disvastigo de enhavo, ĝi povas, ekzemple, esti kolorigita en granda retografiko de ĉi tiuj homoj kaj uzi ĉi tiun metrikon por konstrui aretojn.
Ĉi tio funkcias sufiĉe bone, se ni volas, ekzemple, trovi 15 patrinojn, kiuj konservas sian publikan opinion pri iu virino.ru. Sed ĉi tio estas sufiĉe kompleksa teknika efektivigo (kvankam pure teorie ĝi povas esti farita en Python). La fundo estas, ke la problemo pri influmerkatado en grandaj reklam-agentejoj estas, ke ili bezonas grandajn, malvarmetajn, multekostajn blogantojn, kiuj ne laboras por merdo. Nun, aŭtomarko volas vendi iun produkton per iu opiniestro - ili bezonas uzi aŭtan blogiston kiel lastan rimedon, ĉar ilia publiko aŭ jam aĉetis aŭton, aŭ scias precize kian aŭton ili volas, nur sidas kaj rigardas bonegajn aŭtojn. Ĉi tie gravas ne maltrafi la analizon de la publiko de la persono mem.
Merkataj robotoj
З: – Diru al mi, kiom bots en sociaj retoj influas la kolekton de informoj kaj ĝian kvaliton?
Ho: – Ĝi estas tiel interesa afero kun bots. Malmultekostaj robotoj estas sufiĉe facile identigeblaj - ili aŭ havas la saman enhavon, aŭ ili estas amikoj unu kun la alia, aŭ ili estas en la sama reto. Ekzistas ankaŭ aliroj por trakti kompleksajn robotojn. Aŭ ĉu vi demandas la problemon kiel ligi homon al sia falsaĵo?
З: – Kiom altkvalita informo estos la eligo kun ĉi tiu tuta rubo?
Ho: – Ĉi tie ĝi funkcias jene: pro la fakto, ke estas grandega kvanto da datumoj (ekzemple, por ia merkata esploro), ĉio ĉi tiu rifrafo simple povas esti forĵetita. Tio estas, estas pli bone elĵeti iom pli da realaj homoj ol kapti robotojn, ĉar estas senutile por ili montri ajnan reklamadon. Sed se vi kolektas metrikojn, ekzemple, interagojn kun standardoj aŭ rekomendsistemoj, tiaj kontoj povas esti forĵetitaj.
Nun en sociaj retoj, estas ĉirkaŭ ses procentoj de virtualaj karakteroj aŭ simple forlasitaj paĝoj aŭ introvertitoj, kiujn algoritmoj "kongruas" kiel bots. Koncerne ligi homon al lia falsaĵo, ankaŭ ĉi tie ĉio estas ligita al tio, ke la persono pli aŭ malpli frue eraros, kaj la afero estas, ke la kondutmodelo estas la sama - kaj lia reala konto kaj lia falsaĵo. Pli aŭ malpli frue ili spektos la saman enhavon aŭ ion alian.
Ĉi tie ĉio dependas ne de la procento de eraro, sed de la kvanto da tempo necesa por fidinde identigi homon. Por iu, kiu loĝas kun sia Instagram, ĉi-foje por fidinda identigo estas kvin minutoj. Por iuj - de ses ĝis ok monatoj.
Al kiu kaj kiel vendi datumojn?
З: - Saluton. Mi interesiĝas scii kiel oni vendas datumojn inter kompanioj? Ekzemple, mi havas aplikaĵon en kiu vi povas ekscii (al la programisto) kien homo iras, al kiajn vendejojn li iras kaj kiom da mono li elspezas tie. Kaj mi interesiĝas scii kiel, ni diru, mi povas vendi datumojn pri mia publiko al ĉi tiuj vendejoj aŭ meti miajn datumojn en unu grandegan datumbazon kaj esti pagita por ĝi?
Ho: – Koncerne al vendado de datumoj rekte al iu, vi kaj ĉiuj aliaj estis antaŭ OFD - fiskaj datumaj operatoroj, kiuj ruze konstruis sin inter la translokigo de ĉekoj kaj la Impostoficejo kaj nun provas vendi datumojn al ĉiuj. Efektive, ili fakte kraŝis la tutan moveblan analizan merkaton. Fakte, vi povas enmeti vian aplikaĵon, ekzemple, la Facebook-pikselo, ĝia DMP-sistemo; tiam uzu ĉi tiun publikon por vendi. Ekzemple, la pikselo "Maja Celo". Mi simple ne scias kian publikon vi havas, vi devas kompreni. Sed ĉiukaze, vi povas integri aŭ en Yandex aŭ My Target, kiuj estas la plej grandaj DMP-sistemoj.
Ĉi tio estas sufiĉe interesa rakonto. La nura problemo estas, ke vi donos al ili la tutan trafikon, kaj ili, kiel interŝanĝoj, prenos sur si la monetigon de ĉi tiu trafiko. Ili eble aŭ ne diras al vi, ke 10 homoj uzis vian publikon. Sekve, aŭ vi konstruas vian propran reklaman reton, aŭ vi kapitulacas al grandaj DMPoj.
Kiu venkos - la artisto aŭ la teknikisto?
З: – Demando iom malproksima de la teknika parto. Oni diris pri la timoj de merkatistoj pri la venonta amasa senlaboreco. Ĉu ekzistas ia konkurenciva lukto inter krea merkatado (ĉi tiuj uloj kiuj elpensis kokan reklamadon, Volkswagen-reklamon, ŝajnas) kaj tiuj implikitaj en Big Data (kiuj diras: nun ni nur kolektos ĉiujn datumojn kaj liveros celitan reklamadon al? ĉiuj)? Kiel persono kiu estas rekte implikita, kia estas via opinio pri kiu gajnos - artisto, teknikisto, aŭ ĉu estos ia sinergia efiko?
Ho: – Aŭskultu, nu, ili laboras kune. Inĝenieroj ne elpensas kreivon. Tiuj, kiuj estas kreivaj, ne inventas spektantaron. Estas ia multfaka rakonto ĉi tie. La veraj problemoj nun estas por tiuj, kiuj sidas kaj premas butonojn, por tiuj, kiuj faras la "simian laboron", premante la saman aferon ĉiutage - ĉi tiuj estas la homoj, kiuj malaperos.
Sed tiuj, kiuj analizas la datumojn, nature restos, sed iu devas prilabori ĉi tiujn datumojn. Iu devos elpensi ĉi tiujn bildojn, desegni ilin. Maŝino ne povas elpensi tian kreemon! Ĉi tio estas plena frenezo! Aŭ kiel ekzemple la virala reklamado de Carprice, kiu, cetere, tre bone funkciis. Memoru, ke estis ĉi tiu en Jutubo: "Vendu ĝin ĉe Carprice", absolute freneza. Kompreneble, neniu neŭrala reto generos tian rakonton.
Ĝenerale mi subtenas la fakton, ke ne homoj perdos sian laboron, sed ili havos iom pli da libera tempo, kaj ili povos pasigi ĉi tiun liberan tempon por memedukado.
Primitiva reklamado formortos
З: - En granda parto, la reklamo montrata, la standardoj - ĝenerale, eĉ vendantaj tekstoj ne estas skribitaj tie: "Vi bezonas fenestrojn - prenu!", "Vi bezonas ion alian - prenu!", tio estas, tie tute ne estas kreemo.
Ho: – Tia reklamado estingiĝos, kompreneble, baldaŭ aŭ malfrue. Ĝi formortos ne tiom pro la evoluo de teknologio, sed pro la evoluo de vi kaj mi.
Pli bone estas miksi la gravan kun la sensigniva
З: - Mi estas ĉi tie! Mi havas demandon pri la eksperimento, kiun vi diris ne funkciis por vi (kun la rekomenda sistemo). Laŭ via opinio, ĉu la problemo estas tio, kio estis subskribita tie, kial ĝi rekomendas, aŭ ĉu ĉio, kion la uzanto vidis, ŝajnis grava al li? Ĉar mi legis eksperimenton por patrinoj, kaj ankoraŭ ne estis tiom da datumoj, kaj ne estis tiom da datumoj de la Interreto, estis nur datumoj de nutraĵvendisto, kiu antaŭdiris gravedecon (ke ili estus patrinoj). Kaj kiam ili montris elekton de produktoj por gestantaj patrinoj, patrinoj teruriĝis, ke ili eksciis pri ili antaŭ iuj oficialaj aferoj. Kaj ĝi ne funkciis. Kaj por solvi ĉi tiun problemon, ili intence miksis koncernajn produktojn kun io tute sensignifa.
Ho: "Ni specife montris al homoj la bazon sur kiu la rekomendoj estis faritaj por kompreni iliajn reagojn. Efektive, ĉi tie naskiĝis la koncepto, ke oni ne bezonas diri, ke ĉi tiuj estas iuj supertrafaj produktoj por li.
Jes, cetere, ekzistas aliro miksi ilin kun senrilataj. Sed estas la malo: foje homoj eniras kaj interagas kun ĉi tiu negrava produkto - hazardaj eksteraĵoj okazas, modeloj rompiĝas kaj aferoj eĉ pli komplikiĝas. Sed ĉi tio efektive ekzistas. Cetere, multaj kompanioj intence, se ili scias, ke iu prilaboras siajn datumojn (iu povus ŝteli tian produktaĵon de ili), ili foje miksas ĝin por ke ili poste pruvu, ke vi ne prenis la datumojn de ĝia rekomendsistemo, sed de la tiel nomata Yandex.Market.
Reklamaj blokiloj kaj retumila sekureco
З: - Saluton. Vi menciis Ghostery kaj Adblock. Ĉu vi povas diri al ni kiom efikaj tiaj spuriloj ĝenerale estas (eble surbaze de statistiko)? Kaj ĉu vi havis mendojn de kompanioj: ili diras, certigu, ke nian reklamadon ne povas esti fermita de Adblock.
Ho: – Ni ne rekte kontaktas reklamajn platformojn – ĝuste por ke ili ne petu vidigi sian reklamadon por ĉiuj. Mi persone uzas Ghostery - mi pensas, ke ĝi estas tre bonega etendaĵo. Nun ĉiuj retumiloj batalas por privateco: Mozilla publikigis amason da ĉiaj ĝisdatigoj, Google Chrome nun estas supersekura. Ili ĉiuj blokas ĉion kion ili povas. "Safaro" eĉ malŝaltis "Gyroscope" defaŭlte.
Kaj ĉi tiu tendenco, kompreneble, estas bona (ne por tiuj, kiuj kolektas datumojn, kvankam ili ankaŭ eliris el ĝi), ĉar homoj unue blokis kuketojn. Ĉiuj, kiuj posedis reklamajn retojn, memoris tian mirindan teknologion kiel retumilo-fingrospuroj - ĉi tiuj estas algoritmoj, kiuj ricevas 60 malsamajn parametrojn (ekrana rezolucio, versio, instalitaj tiparoj) kaj surbaze de ili ili kalkulas unikan "ID". Ni transiru al ĉi tio. Kaj retumiloj komencis lukti kun ĉi tio. Ĝenerale, ĉi tio estos senfina batalo de la titanoj.
La plej nova programisto Mozilla estas sufiĉe sekura. Ĝi ŝparas preskaŭ neniujn kuketojn kaj fiksas mallongan vivdaŭron. Precipe se vi ŝaltas "Inkogniton", neniu trovos vin entute. La demando estas, ke estos maloportune enigi pasvortojn en ĉiuj servoj.
Kie funkcias psikotipado kaj fizionomio kaj ne funkcias?
З: – Arturo, koran dankon pro la prelego. Mi ankaŭ ĝuas sekvi viajn prelegojn ĉe Jutubo. Vi menciis, ke merkatistoj ĉiam pli uzas psikotipadon kaj fizionomion. Mia demando estas: en kiuj markkategorioj ĉi tio funkcias? Mia kredo estas, ke ĉi tio taŭgas nur por FMCG. Ekzemple, elekti aŭton estas...
Ho: – Mi povas elŝuti kie ĝi ĝuste funkcias. Ĉi tio funkcias en ĉiaj rakontoj kiel "Amediateka", televidaj serioj, filmoj ktp. Ĉi tio bone funkcias en bankoj kaj bankaj produktoj, se ĝi ne estas la premio-segmento, sed ĉiaj studentaj kartoj, partoplanoj - tiaj aferoj. Ĉi tio vere funkcias tre bone en FMCG kaj ĉiaj iPhonoj, ŝargiloj, ĉio ĉi aĉa. Ĉi tio funkcias bone en produktoj de "panjo kaj popo". Kvankam mi scias, ke en fiŝkaptado (estas tia temo)... Plurfoje okazis kazoj kun fiŝkaptistoj - ili neniam povas esti fidinde segmentataj. Mi ne scias kial. Ia statistika eraro.
Ĉi tio ne funkcias bone kun aŭtistoj, kun juveloj aŭ kun iuj hejmaj objektoj. Fakte, ĝi ne funkcias bone kun aferoj, pri kiuj homoj neniam skribus en sociaj retoj - vi povas kontroli ĝin tiel. Konvencie, kun la aĉeto de lavmaŝino: jen kiel kompreni kiu havas lavmaŝinon kaj kiu ne? Ŝajnas, ke ĉiuj havas ĝin. Vi povas uzi OFD-datumojn - vidu kiu aĉetis kion per kvitancoj, kaj egali tiujn homojn per kvitancoj. Sed fakte, estas aferoj, pri kiuj vi neniam parolus, ekzemple en Instagram - estas malfacile labori kun tiaj aferoj.
Maŝinoj rekonas trukojn kiel statistika plenigo.
З: – Mi havas demandon pri celado. Ĉu eblas (aŭ ĉu ili subite ekzistas) de kondiĉa hazarda karaktero, kiu kontraŭdiras sin en ĉio: unue li Guglos “la plej bonaj gimnazioj”, kaj poste li Guglos “10 manieroj por fari nenion”? Kaj tiel estas en ĉio. Ĉu celado povas konservi trakon de io, kio kontraŭdiras sin?
Ho: – La sola demando ĉi tie estas jena: se vi uzas Guglon dum 2 jaroj, rakontis al ĝi ĉion, kion vi povas pri vi, kaj nun instalu por vi kromprogramon, kiu skribos similajn hazardajn demandojn, tiam, kompreneble, el la statistiko vi faros povi kompreni - kion vi faras nun estas statistika eksteraĵo, kaj ĉio ĉi estas demando pri kribri. Se vi volas, registri novan konton, sed la volumo de reklamado ne ŝanĝiĝos. Ŝi simple fariĝos stranga. Kvankam ŝi ankoraŭ estas stranga.
Kelkaj reklamoj 🙂
Dankon pro restado ĉe ni. Ĉu vi ŝatas niajn artikolojn? Ĉu vi volas vidi pli interesan enhavon? Subtenu nin farante mendon aŭ rekomendante al amikoj, , unika analogo de enirnivelaj serviloj, kiu estis inventita de ni por vi: (havebla kun RAID1 kaj RAID10, ĝis 24 kernoj kaj ĝis 40GB DDR4).
Dell R730xd 2 fojojn pli malmultekosta en Equinix Tier IV datumcentro en Amsterdamo? Nur ĉi tie en Nederlando! Dell R420 - 2x E5-2430 2.2Ghz 6C 128GB DDR3 2x960GB SSD 1Gbps 100TB - ekde $99! Legu pri
fonto: www.habr.com