Arthur Khachuyan es un conocido especialista ruso en procesamiento de big data, fundador de la empresa Social Data Hub (ahora Tazeros Global). Socio de la Escuela Superior de Economía de la Universidad Nacional de Investigación. Preparó y presentó, junto con la Escuela Superior de Economía de la Universidad Nacional de Investigación, un proyecto de ley sobre Big Data en el Consejo de la Federación. Habló en el Instituto Curie de París, la Universidad Estatal de San Petersburgo, la Universidad Federal bajo el Gobierno de la Federación de Rusia, en Red Apple, International OpenDataDay, RIW 2016, AlfaFuturePeople.
La conferencia fue grabada en el festival al aire libre “Geek Picnic” en Moscú en 2019.
Artur Khachuyan (en adelante, AH): – Si de una gran cantidad de industrias, desde la medicina, desde la construcción, desde algo, algo, se elige aquella donde se usa con mayor frecuencia la tecnología de big data, aprendizaje automático y aprendizaje profundo, entonces probablemente se trate de marketing. Porque desde hace unos tres años todo lo que nos rodea en algún tipo de comunicación publicitaria está ligado precisamente al análisis de datos y precisamente a lo que se puede llamar inteligencia artificial. Por eso, hoy les contaré esto desde una historia tan lejana...
Si imaginas la inteligencia artificial y cómo se ve, probablemente sea algo así. La imagen extraña es una de las redes neuronales que escribí hace un año para encontrar la dependencia de lo que hace mi perro: cuántas veces necesita ser grande, pequeño y cómo depende generalmente de cuánto come. ¿o no?. Esto es una broma sobre cómo se podría imaginar la inteligencia artificial.
Pero aún así, pensemos en cómo funciona todo en las comunicaciones publicitarias. Hay tres formas en que los algoritmos modernos de publicidad y marketing pueden interactuar con nosotros. Está claro que la primera historia tiene como objetivo obtener y extraer conocimientos adicionales sobre usted y sobre mí, y luego usarlos para propósitos buenos y no tan buenos; personalizar el enfoque para cada persona específica; Naturalmente, después de esto, cree una cierta demanda para realizar la acción objetivo principal y realizar una determinada venta.
Utilizando la tecnología, intentan resolver el problema de la comunicación efectiva.
Si te digo que pienses en lo que Pornhub y M. Vídeo”, ¿qué estás pensando?
Comentarios de la audiencia (en adelante C): - Televisión, audiencia.
OH: – Mi concepto es que estos son dos lugares donde la gente viene por un determinado tipo de servicio, o llamémoslo un determinado tipo de producto. Y esta audiencia se diferencia en que no quiere decirle nada al vendedor. Quiere entrar y conseguir lo que le interesa de alguna forma explícita o implícita. Naturalmente, nadie viene a ver a M. Video” no quiere comunicarse con ningún vendedor, no quiere entender, no quiere responder ninguna de sus preguntas.
Por tanto, de todo esto se desprende la primera historia.
Cuando aparecieron tecnologías para obtener conocimientos adicionales para evitar de alguna manera comunicarse con una persona. A todos nos encanta cuando llamamos al banco y el banco nos dice: “Hola. Alexey, eres nuestro cliente VIP. Ahora algún supergerente hablará contigo”. Cuando vienes a este banco, realmente hay un gerente único que puede hablar contigo. Desafortunadamente o afortunadamente, ni una sola empresa ha descubierto todavía cómo contratar mil gerentes personales para mil clientes; y dado que la mayoría de estas personas ahora están en línea, la tarea es comprender qué tipo de persona es y cómo comunicarse correctamente con él antes de que recurra a algún recurso publicitario. Y por eso, de hecho, han aparecido tecnologías que están intentando solucionar este problema.
La extracción de datos es el nuevo petróleo
Imaginemos que eres el dueño de un puesto de flores. Tres personas vienen a verte. El primero se queda mucho tiempo, duda, intenta hablar contigo, toma una especie de ramo, vas a envolverlo, sales a hacer algo allí; Se escapa del puesto con este ramo: has perdido tus tres mil rublos. ¿Por qué sucedió? No sabes nada sobre esta persona: no conoces su historial de arrestos en el Ministerio del Interior, no sabes que es cleptómano y está registrado en un dispensario psiquiátrico. ¿Por qué? Porque lo viste por primera vez y no eres un analista de comportamiento.
Alguien más viene... Vitaly. Vitaly también tarda mucho en resolverlo y dice: "Bueno, necesito esto y aquello". Y le dices: “Flores para mamá, ¿no?” Y le vendes un ramo.
El concepto aquí es encontrar suficientes datos para comprender lo que la persona realmente necesita. Todos inmediatamente pensaron en algún tipo de redes publicitarias y demás...
¿Probablemente todo el mundo ha oído más de una vez la estúpida frase de que “los datos son el nuevo petróleo”? Seguro que todo el mundo lo ha oído. De hecho, la gente aprendió a recopilar datos hace bastante tiempo, pero extraer datos de estos datos es la tarea que la inteligencia artificial en marketing, o algún tipo de algoritmo estadístico, está tratando de resolver ahora. ¿Por qué? Porque si hablas con una persona, te puede dar una respuesta correcta, incorrecta o de alguna manera coloreada. El chiste que les cuento a mis alumnos es en qué se diferencian las encuestas de las estadísticas, les cuento esto a modo de anécdota:
Esto significa que en dos pueblos decidieron realizar un estudio sobre la duración media de la edad adulta. Esto significa que en el primer pueblo, Villaribo, la longitud media es de 15 centímetros, en el pueblo de Villabaggio, de 25. ¿Sabes por qué? Porque se realizaron mediciones en el primer pueblo y se realizó una encuesta en el segundo.
La industria del porno es el buque insignia de los sistemas de recomendación
Por eso el enfoque moderno es analizar a todas las personas sin excepción, incluso si son un poco menos del 100%, pero a estas son las personas a las que no es necesario preguntar, no es necesario mirarlas. Basta analizar lo que ahora se llama huella digital para comprender qué necesita esa persona, cómo hablarle correctamente, cómo crear correctamente la demanda a su alrededor. Por un lado, se trata de una máquina sin sentido (pero usted y yo lo sabemos muy bien); No queremos comunicarnos con gente de M. Video”, y más aún, cuando acudimos a recursos como Pornhub, queremos obtener exactamente lo que necesitamos.
¿Por qué siempre hablo de Pornhub? Porque la industria adulta es la primera en llegar al análisis de tales tecnologías, a la implementación de tales tecnologías, al análisis de datos. Si toma las tres bibliotecas más populares en esta área (por ejemplo, TensorFlow o Pandas para Python, para procesar archivos CSV, etc.), si las abre en Github, con un breve Google de todos estos nombres encontrará una Un par de personas que trabajaron o trabajan actualmente en la empresa Pornhub y fueron los primeros en implementar sistemas de recomendación allí. En general, esta historia es muy avanzada y muestra cuánto ha avanzado esta audiencia, cuánto ha avanzado esta empresa.
Tres niveles de identificación
Existe un enorme conjunto de datos sobre una persona que se puede identificar. Normalmente lo divido formalmente en tres niveles, profundizando cada vez más. Naturalmente, la empresa tiene sus propios datos.
Si, digamos, estamos hablando de construir un sistema de recomendación, entonces el primer nivel son los datos que se encuentran en la propia tienda (historial de compras, todo tipo de transacciones, cómo una persona interactuó con la interfaz).
A continuación hay un nivel (relativamente el más grande): esto es lo que se llama fuentes abiertas. No creas que te animo a que rastrees las redes sociales, pero de hecho, lo que está disponible en fuentes abiertas abre un enorme conjunto de datos que puedes, por ejemplo, aprender sobre una persona.
Y la tercera parte importante es el entorno de esta persona misma. Sí, existe la opinión de que si una persona no está en las redes sociales, allí no hay datos sobre ella (probablemente ya sepas que esto no es cierto), pero lo más importante es que los datos que están en el perfil de una persona. (o en alguna aplicación) es sólo el 40% del conocimiento que se puede obtener sobre él. El resto de la información la obtiene de su entorno. La frase “dime quién es tu amigo y te diré quién eres” cobra un nuevo significado en el siglo XXI porque se puede obtener una enorme cantidad de datos en torno a esa persona.
Si hablamos más de cerca de las comunicaciones publicitarias, entonces recibir comunicaciones publicitarias no de publicidad, sino de algún amigo, conocido o persona verificada de alguna manera es una característica muy interesante que utilizan muchos especialistas en marketing. Cuando alguna aplicación de repente te ofrece un código promocional gratuito, publicas una publicación al respecto y así atraes a una nueva audiencia. De hecho, este código promocional para el condicional “Yandex.Taxi” no fue elegido al azar, sino que para ello se analizó una gran cantidad de datos sobre su potencial para atraer una nueva audiencia y de alguna manera interactuar con ella.
Incluso analizan el comportamiento de personajes de series de televisión
Te mostraré tres fotos y tú me dirás cuál es la diferencia entre ellas.
Este:
Esto:
Y éste:
¿Cual es la diferencia entre ellos? Aquí todo es sencillo. Como en la mecánica cuántica, en este caso esta creatividad la formaba el observador. Es decir, la diferencia en una misma campaña publicitaria, realizada por la misma marca al mismo tiempo, está únicamente en quién vio esa creatividad. Personalmente, cuando voy a Amediateka, todavía muestran a Khal Drogo. No sé qué piensa Amediateka sobre mis preferencias, pero por alguna razón esto sucede.
Lo que ahora se llama comunicación personalizada es la historia más popular sobre cómo atraer una audiencia e interactuar adecuadamente con ella. Si en la primera etapa identificamos a las personas utilizando datos de nuestra propia marca, datos de código abierto y, por ejemplo, datos del entorno de esta persona, nosotros, después de analizarlo, podemos entender quién es, cómo hablar con él correctamente y, lo más importante. , qué idioma habla habla con él.
Aquí la tecnología ha llegado tan lejos que ahora se analizan los personajes de las series de televisión que la gente ve. Es decir, te gustan las series de televisión: se ven [me gusta], miran con quién interactuaste allí para comprender con qué tipo de persona sería adecuada para ti interactuar. Parece una completa tontería, pero solo por diversión, pruébelo en uno de los recursos: diferentes personas ven diferentes creatividades (para poder interactuar con ellas correctamente).
Ningún medio moderno ni ningún recurso de vídeo muestra simplemente algunas noticias. Vaya a los medios: se cargan una gran cantidad de algoritmos que lo identifican, comprenden toda su actividad anterior, recurren a un modelo matemático y luego le muestran algo. En este caso, hay una historia tan extraña.
¿Cómo se determinan las necesidades? Psicometría. Fisonomía
Existen muchos enfoques (reales) para determinar las necesidades reales de una persona y cómo comunicarse con ella correctamente. Hay muchos enfoques, todo se resuelve de diferentes maneras, es imposible decir cuál es bueno y cuál es malo. Los principales parecen saberlo todo.
Psicometría. Después de la historia con Cambridge Analytics, hubo algún tipo de giro impactante, en mi opinión, porque una de cada dos compañías políticas ahora viene y dice: “Oh, ¿puedes hacer que me parezca a Trump? Yo también quiero ganar, y así sucesivamente”. De hecho, esto, por supuesto, no tiene sentido para nuestras realidades, por ejemplo, las elecciones políticas. Pero para determinar los psicotipos se utilizan tres modelos:
- el primero se basa en el contenido que consumes: las palabras que escribes, alguna información que te gusta, vídeos, etc.;
- el segundo está relacionado con cómo interactúa con la interfaz web, cómo escribe, qué botones presiona; de hecho, hay empresas enteras que, basándose en la escritura de su teclado, pueden determinar de manera bastante confiable lo que ahora se llama psicotipos.
- No soy un gran psicólogo, no entiendo muy bien cómo funciona, pero desde el punto de vista de la comunicación publicitaria, las audiencias divididas en estos segmentos funcionan muy bien, porque a alguien hay que mostrarle una pantalla roja con una azul. Mujer, a alguien se le necesita mostrar una pantalla oscura, un fondo azul con algún tipo de abstracción, y funciona muy bien. En algunos niveles bajos, hasta el punto de que una persona ni siquiera piensa en ello. ¿Cuál es el principal problema en el mercado publicitario ahora? Todos son agentes de inteligencia, todos se esconden, todos tienen un millón de miles de permisos de navegador instalados para no ser identificados de ninguna manera; probablemente tenga "Adblocks", "Gostrey" y todo tipo de aplicaciones que bloquean el seguimiento. Debido a esto, es muy difícil entender algo sobre una persona. Y la tecnología ha avanzado: no sólo es necesario saber que esta persona ha regresado a su sitio por 125ª vez, sino que también es una persona tal o cual extraña.
La fisonomía es una ciencia muy controvertida. Ni siquiera se considera ciencia. Se trata de un grupo de personas que antes programaban detectores de mentiras para algún Ministerio del Interior y ahora se dedican a lo que se llama la personificación de la creatividad. El planteamiento aquí es muy sencillo: varias de tus fotografías públicas están tomadas de algunas redes sociales, y a partir de ellas se construye una geometría tridimensional. Y si usted es abogado, ahora dirá que se trata de una persona y datos personales; pero les diré que son 300 mil puntos ubicados en el espacio, y esto no es una persona, ni son datos personales. Esto es lo que suele decir todo el mundo cuando Roskomnadzor acude a ellos.
Pero en serio, tu rostro por separado, si tu nombre y apellido no están firmados allí, no son tus datos personales. El caso es que los chicos distinguen varios rasgos faciales que influyen en cómo una persona toma decisiones y cómo interactuar correctamente con él. En algunas áreas esto funciona mal, en algunos segmentos publicitarios; en qué segmentos funciona muy bien. Al final resulta que cuando vas a algún recurso, no ves solo un banner que se muestra a todos, sino que, por ejemplo... ahora es normal hacer 16 o 20 opciones para diferentes públicos - y funciona muy genial. Sí, esto es aún más triste desde el punto de vista del consumidor, porque la gente empieza a ser cada vez más manipulada. Sin embargo, desde el punto de vista empresarial funciona muy bien.
La caja negra del aprendizaje automático
Esto genera el siguiente problema con este tipo de tecnologías: después de todo, para la mayoría de los desarrolladores lo que ahora se llama aprendizaje profundo es una "caja negra". Si alguna vez te sumergiste en esta historia y hablaste con los desarrolladores, siempre te dirán: "Oh, escucha, bueno, hemos codificado algo tan incomprensible allí y no sabemos cómo funciona". Quizás a alguien le haya pasado esto.
En realidad, esto está lejos de ser cierto. Lo que ahora se llama aprendizaje automático está lejos de ser una “caja negra”. Hay una gran cantidad de métodos para describir los datos de entrada y salida y, al final, la empresa puede comprender perfectamente en función de qué señales la máquina decidió mostrarle este u otro vídeo pornográfico. La cuestión es que ninguna de las empresas lo revela nunca porque: en primer lugar, es un secreto comercial; en segundo lugar, habrá una gran cantidad de datos que ni siquiera conocías.
Por ejemplo, antes de esto, en una discusión sobre ética, discutimos cómo las redes sociales analizan los mensajes personales para etiquetar personas en algún tipo de historias publicitarias. Si le escribe algo a alguien, en base a esto recibirá una etiqueta específica para, de hecho, algún tipo de comunicación publicitaria. Y nunca lo probarás, y probablemente no tenga sentido probarlo. Sin embargo, si se revelaran patrones similares, existirían. Resulta que el mercado para la construcción de este tipo de sistemas de recomendación finge no saber por qué sucedió esto.
La gente no quiere saber lo que la gente sabe sobre ellos.
Y la segunda historia es que el cliente nunca quiere saber por qué recibió este anuncio en particular, este producto en particular. Te contaré esta historia. Mi primera experiencia en la implementación comercial de sistemas de recomendación basados en algoritmos similares precisamente con fines de investigación fue en 2015 en una red muy grande de sex-shops (sí, tampoco es una historia particularmente desagradable).
A los clientes se les ofreció lo siguiente: entran, inician sesión en su red social y después de unos 5 segundos reciben una tienda completamente personalizada para ellos, es decir, todos los productos han cambiado, entran en una determinada categoría, etc. . ¿Sabes cuánto ha aumentado la tasa de conversión de esta tienda? ¡De ninguna manera! La gente entró e inmediatamente huyó. Entraron y se dieron cuenta de que les ofrecían exactamente lo que estaban pensando...
El problema de esta prueba era que debajo de cada producto estaba escrito por qué te ofrecían ese en particular (“porque eres miembro del grupo oculto “Mujer poderosa busca un hombre que sea felpudo”). Por lo tanto, los sistemas de recomendación modernos nunca muestran los datos a partir de los cuales se realizó la “predicción”.
Una historia muy popular son los medios de comunicación porque todos utilizan sistemas de recomendación similares. Anteriormente, los algoritmos eran muy simples: mira la categoría "Política" y te mostrarán noticias de la categoría "Política". Ahora todo es tan complicado que analizan los lugares donde detuviste el mouse, en qué palabras te concentraste, qué copiaste, cómo interactuaste en general con esta página. Luego analiza el vocabulario de los mensajes mismos: sí, no estás leyendo sólo noticias sobre Putin, sino de cierta manera, con cierto matiz emocional. Y cuando una persona recibe alguna noticia, ni siquiera piensa en cómo llegó aquí. Sin embargo, luego interactúa con este contenido.
Todo esto, por supuesto, tiene como objetivo mantener al pobre y desafortunado hombrecito que ya se está volviendo loco por la enorme cantidad de información que lo rodea. Aquí hay que decir que sería bueno utilizar este tipo de sistemas para personalizar la creatividad que le rodea y recopilar cierta información, pero, lamentablemente, todavía no existen tales servicios.
La inteligencia artificial atrapa al cliente en el aire y crea demanda
Y aquí surge una cuestión filosófica muy interesante: pasar de la creación de un sistema de recomendación a la creación de demanda. Rara vez alguien piensa en ello, pero cuando intentas preguntarle al llamado Instagram: “¿Por qué recopilas datos? ¿Por qué no mostrarme publicidad absolutamente aleatoria?" - Instagram te dirá: "Amigo, todo esto se hace para mostrarte exactamente lo que te interesa". Queremos conocerte con tanta precisión que podamos mostrarte exactamente lo que estás buscando.
Pero hace tiempo que la tecnología cruzó este terrible umbral y tecnologías similares ya no predicen lo que necesitas. Ellos (¡atención!) crean demanda. Esto es probablemente lo más aterrador que gira en torno a la inteligencia artificial en este tipo de comunicaciones. Lo aterrador es que se ha utilizado en casi todas partes durante los últimos 3 a 5 años, desde los resultados de búsqueda de Google hasta los resultados de búsqueda de Yandex, pasando por algunos sistemas... Bueno, no diré nada malo sobre Yandex; y bueno.
¿Cuál es el punto de? Hace tiempo que este tipo de comunicaciones publicitarias se alejan de la estrategia de escribir “quiero comprar una silla para niños” y ver cien mil millones de publicaciones. Pasaron a lo siguiente: apenas la mujer publicaba una foto con la barriga apenas visible, inmediatamente su marido comenzaba a recibir mensajes: “Hombre, el parto se acerca. Compra un asiento para niños."
Aquí, uno podría preguntarse razonablemente, ¿por qué, con avances tecnológicos tan gigantescos, todavía vemos publicidad de mierda en las redes sociales? El problema es que en este mercado todo se decide todavía por dinero, por lo que en un buen momento puede venir un anunciante como Coca-Cola y decir: "Aquí tienes 20 millones: muestra mis banners de mierda a todo Internet". Y realmente lo harán.
Pero si creas una cuenta limpia y pruebas con qué precisión te adivinan dichos algoritmos: primero intentarán adivinarte y luego comenzarán a hacerte algo por adelantado. Y el cerebro humano funciona de tal manera que, al recibir información que le resulta fiable, ni siquiera procesa el momento por el que recibió esa información. La primera regla para determinar que estás en un sueño es comprender cómo llegaste aquí. Una persona nunca recuerda el momento en que se encontró en una determinada habitación. Es lo mismo aqui.
Google puede comenzar a darle forma a su visión del mundo
Estos estudios fueron realizados por varias empresas extranjeras que se dedican al i-tracking. Instalaron dispositivos en computadoras especiales que registran hacia dónde miran los ojos del sujeto de prueba. Tomé de cinco a siete mil voluntarios que simplemente se desplazaron por el feed, interactuaron con las redes sociales, con la publicidad y registraron información sobre en qué partes de los banners y creatividades se fijaron estas personas.
Y resulta que cuando las personas reciben una creatividad tan hiperpersonalizada, ni siquiera piensan en ello: inmediatamente siguen adelante y comienzan a interactuar con ella. Desde un punto de vista empresarial, esto es bueno, pero desde el punto de vista de nosotros, como usuarios, no es muy bueno, porque: ¿a qué le tienen miedo? – Que en algún momento el condicional “Google” pueda comenzar (o, por supuesto, puede que no comience) a formar su propia visión del mundo. Mañana, por ejemplo, podrá empezar a mostrarle a la gente la noticia de que la Tierra es plana.
Es broma, pero los han pillado tantas veces que durante las elecciones empiezan a dar cierta información a determinadas personas. Todos estamos acostumbrados a que el motor de búsqueda obtenga todo de forma honesta. Pero, como siempre digo, si realmente quieres saber cómo funciona el mundo, escribe tu propio buscador, sin filtros, sin prestar atención a los derechos de autor, sin clasificar a algunos de tus amigos en los resultados de búsqueda. La visualización de datos reales en Internet es generalmente diferente de la que muestran Google, Yandex, Bing, etc. Algunos materiales están ocultos porque amigos, colegas, enemigos o alguien más (o un ex amante con quien te acostaste), no importa.
Cómo ganó Trump
Cuando hubo las últimas elecciones en Estados Unidos, se realizó un estudio muy sencillo. Tomaron las mismas solicitudes en diferentes lugares, desde diferentes direcciones IP, desde diferentes ciudades, diferentes personas buscaron en Google lo mismo. Convencionalmente, la petición era del estilo: ¿quién ganará las elecciones? Y sorprendentemente, los resultados se construyeron de tal manera que en aquellos estados donde el mayor número de personas intentaron votar por el candidato equivocado, recibieron buenas noticias sobre el candidato que promovió Google. ¿Cuál? Bueno, está claro cuál: el que llegó a ser presidente. Esta es una historia absolutamente indemostrable, y todos estos estudios son un dedo en el agua. Google puede decir: "Chicos, todo esto se hace para que les mostremos el contenido más relevante".
De ahora en adelante, debes saber que lo que se llama máxima relevancia no es así en absoluto. La empresa considera relevante algo que debe venderse por alguna buena o mala razón.
Los que ahora no tienen dinero ya se están preparando para futuras compras
Hay otro punto interesante aquí del que les hablaré. Una gran cantidad de audiencias activas ahora en las redes sociales y en las aplicaciones son jóvenes. Llamémoslo así: jóvenes insolventes: niños de 8 a 9 años que juegan juegos estúpidos, estos son 12-13-14 que recién se están registrando en las redes sociales. ¿Por qué las grandes empresas gastarían enormes presupuestos y recursos para crear aplicaciones para una audiencia gratuita que nunca se monetiza? En el momento en que esta audiencia se vuelva solvente, habrá suficiente cantidad de datos sobre ella para predecir muy bien su comportamiento.
Ahora pregúntele a cualquier targetólogo, ¿cuál es el público más difícil? Dirán: muy rentable. Porque vender, por ejemplo, un apartamento por valor de 150 millones de rublos a través de las redes sociales es casi imposible. Hay casos aislados en los que haces algún tipo de publicidad para 10 mil personas, uno compra este apartamento, el cliente es un éxito... Pero uno entre diez mil, desde un punto de vista estadístico, es una completa mierda. Entonces, ¿por qué es difícil identificar una audiencia de altos ingresos? Porque las personas que ahora forman parte de una audiencia altamente rentable nacieron cuando Internet aún era muy pequeño, cuando todavía nadie conocía a Artemy Lebedev y no hay información sobre ellos. Es imposible predecir su patrón de comportamiento, es imposible entender quiénes son sus líderes de opinión y de qué fuentes de contenido reciben.
Entonces, cuando todos se conviertan en multimillonarios dentro de 25 años, las empresas que les van a vender algo tendrán una enorme cantidad de datos. Por eso ahora tenemos un maravilloso RGPD en Europa que impide la recopilación de datos de menores.
Naturalmente, en la práctica esto no funciona en absoluto, ya que todos los niños siguen jugando en las cuentas de sus padres y de sus madres; así es como se recopila la información. La próxima vez que le des una tableta a tu hijo, piensa en esto.
En absoluto, no es un futuro distópico y aterrador, en el que todos morirán en una guerra con las máquinas; ahora es una historia absolutamente real. Hay una gran cantidad de empresas que están creando algoritmos para elaborar perfiles psicológicos de las personas en función de cómo juegan. Una industria muy interesante. En base a todo esto, luego se segmenta a las personas para poder comunicarse de alguna manera con ellas.
La predicción del comportamiento de estas personas estará disponible dentro de 10 a 15 años, precisamente en el momento en que se conviertan en una audiencia solvente. Lo más importante es que estas personas ya han dado permiso de antemano para procesar sus datos personales, transferirlos a terceros, y todo esto es felicidad, etc.
¿Quién perderá su trabajo?
Y mi última historia es que todo el mundo siempre pregunta qué pasará dentro de 50 años: todos moriremos, habrá desempleo para los especialistas en marketing... Aquí hay especialistas en marketing que están preocupados por el desempleo, ¿no? En general, no hay de qué preocuparse, porque cualquier persona altamente cualificada no perderá su puesto de trabajo.
No importa qué algoritmos se creen, no importa qué tan cerca se acerque la máquina a lo que tenemos aquí (señala su cabeza), si se desarrolla lo suficientemente rápido, esas personas nunca quedarán inactivas, porque alguien tendrá que crear estas cosas creativas. hacer. Sí, hay todo tipo de “gans” que hacen dibujos que parecen personas y crean música, pero todavía es poco probable que la gente en esta área pierda su trabajo.
Tengo todo con la historia, así que puedes hacer preguntas si tienes más. Gracias.
Moderador: – Amigos, ahora pasamos al bloque “Preguntas y respuestas”. Levantas la mano, me acerco a ti.
Pregunta de la audiencia (XNUMX): – Pregunta sobre la “caja negra”. Dijeron que era posible comprender específicamente por qué se obtuvo tal o cual resultado para tal o cual usuario. ¿Se trata de algún tipo de algoritmo o es necesario analizarlos cada vez para cada modelo ad hoc (nota del autor: "especialmente para esto", una unidad fraseológica latina)? ¿O existen ya preparados para algún tipo de red neuronal que, en términos generales, pueda tener sentido desde el punto de vista empresarial?
OH: – Aquí es necesario comprender lo siguiente: hay una gran cantidad de tareas en el aprendizaje automático. Por ejemplo, hay una tarea: la regresión. Para la regresión, no se necesita ninguna red neuronal. Todo es simple: tienes varios indicadores, necesitas calcular lo siguiente. Hay tareas en las que es necesario recurrir al aprendizaje profundo. De hecho, en el aprendizaje profundo es difícil comprender de manera confiable qué pesos se asignaron a qué neuronas, pero legalmente todo lo que se necesita es comprender qué datos había en la entrada y cómo se desarrollaron en la salida. Esto es suficiente legalmente para patentar tal decisión y para comprender sobre qué base se hizo la historia.
No es que entraste al sitio y te mostraron algún tipo de banner porque te tomaste una foto con el pelo rojo en Instagram hace dos meses. Si el desarrollador no incluye la recopilación de estos datos y la marca del color del cabello en este modelo, entonces no surgirá de la nada.
¿Cómo vender los resultados de los sistemas de aprendizaje automático?
З: – Es sólo una cuestión de qué: exactamente cómo explicar, cómo venderle a alguien que no entiende el aprendizaje automático. Quiero decir: mi modelo claramente pasa del color del cabello a... bueno, el color del cabello cambia... ¿Es esto posible o no?
OH: - Tal vez sí. Pero desde el punto de vista de las ventas, el único esquema funcionará: tienes una campaña publicitaria, reemplazamos la audiencia por la generada por la máquina y simplemente ves el resultado. Desafortunadamente, esta es la única manera de convencer de manera confiable al cliente de que esta historia funciona, porque hay muchas soluciones en el mercado que alguna vez se implementaron y no funcionaron.
Sobre la creación de una personalidad virtual
З: - Hola. Gracias por la conferencia. La pregunta es: ¿qué posibilidades tiene una persona, que por alguna razón no quiere seguir el ejemplo del aprendizaje automático, de crearse una personalidad virtual que sea radicalmente diferente de su propia personalidad, a través de la interacción con la interfaz o por alguna razón? ¿otra razon?
OH: – Hay muchos complementos diferentes que se ocupan específicamente del comportamiento aleatorio. Hay algo interesante: Ghostery, que, en mi opinión, te oculta casi por completo de un montón de rastreadores diferentes que luego no pueden registrar esta información. Pero, de hecho, ahora todo lo que necesitas es un perfil cerrado en las redes sociales para que nadie, ni los malvados raspadores, puedan recolectar nada allí. Probablemente sea mejor instalar algún tipo de extensión o escribir algo usted mismo.
Verás, el concepto aquí es que legalmente, por ejemplo, datos personales se refiere a datos mediante los cuales se te puede identificar, y la ley da como ejemplo tu dirección de residencia, edad, etcétera. Hoy en día existe una infinidad de datos por los que podemos identificarnos: la misma letra del teclado, la misma pulsación, la firma digital del navegador... Tarde o temprano, una persona comete un error. Puede estar en algún lugar de un "café" usando "Thor", pero al final, en un buen momento, o la VPN se olvida de encenderse, o algo más, y en ese momento pueden identificarlo. Entonces, la forma más sencilla es crear una cuenta privada e instalar alguna extensión.
El mercado se está moviendo hacia el punto en el que sólo es necesario presionar un botón para obtener resultados.
З: - Gracias por la historia. Como siempre, siempre muy interesante (os sigo). La pregunta es: ¿qué avances hay en cuanto a la creación de sistemas positivos para los usuarios, sistemas de recomendación? Usted dijo que en algún momento estuvo trabajando en un sistema de recomendación para encontrar una pareja sexual, un amigo en la vida (o música que potencialmente podría gustarle a una persona)... ¡Qué prometedor es todo esto y cómo ve su desarrollo a partir de ahora! ¿El punto de vista de crear sistemas que la gente necesita?
OH: – En general, el mercado se está moviendo hasta el punto en que la gente necesita presionar un botón e inmediatamente obtener lo que necesita. En cuanto a mi experiencia en la creación de aplicaciones de citas (por cierto, la relanzaremos a finales de año), además de que el 65% eran hombres casados, el problema de recomendación más difícil fue que a una persona le ofrecían varios modelos. al inicio de la aplicación - " Amistad", "Sexo", "Sexo Amistad" y "Negocios". La gente no eligió lo que necesitaba. Los hombres vinieron y eligieron "Amor", pero en realidad arrojaron desnudos a todos, y así sucesivamente.
El problema era identificar a una persona que no encajaba en uno de estos modelos y, de alguna manera, tomarla suavemente y llevarla en la otra dirección. Debido a la pequeña cantidad de datos, es muy difícil determinar si se trata de un error en el algoritmo de pronóstico o si una persona no está en su categoría. Lo mismo ocurre con la música: ahora hay muy pocos algoritmos realmente valiosos que puedan "facastear" bien la música. Quizás "Yandex.Music". Algunas personas piensan que el algoritmo de Yandex.Music es malo. Por ejemplo, ella me gusta. A mí personalmente, por ejemplo, no me gusta el algoritmo de música de YouTube y demás.
Por supuesto, hay algunas sutilezas: todo está ligado a licencias... Pero, en realidad, la demanda de este tipo de sistemas es bastante alta. Hubo un tiempo en que se conocía la empresa Retail Rocket, que se dedicaba a la implementación de sistemas de recomendación, pero ahora de alguna manera no le va muy bien, aparentemente porque no desarrollaron sus algoritmos durante mucho tiempo. Todo va hacia esto, hasta el punto de que entramos y, sin presionar nada, conseguimos lo que necesitamos (y nos volvemos completamente estúpidos, porque nuestra capacidad de elegir ha desaparecido por completo).
marketing de influencia
З: - Hola. Mi nombre es Konstantin. Me gustaría plantear una pregunta sobre el marketing de influencia. ¿Conoce algún sistema que permita a una empresa seleccionar un blogger adecuado para la empresa en función de algunos datos estadísticos, etc.? ¿Y por qué motivos se hace esto?
OH: – Sí, empezaré desde lejos e inmediatamente diré que el problema con todas estas tecnologías es que toda esta inteligencia artificial en marketing es ahora como un equilibrista: en la izquierda hay grandes empresas que tienen mucho dinero, y en la izquierda hay grandes empresas que tienen mucho dinero, y en en cualquier caso todo será efectivo para su trabajo porque sus campañas publicitarias están dirigidas simplemente a las vistas; por otro lado, hay muchas pequeñas empresas a las que esto no les funcionará porque tienen muchos datos. Hasta ahora, la aplicabilidad de estas historias se encuentra en algún punto intermedio.
Cuando ya hay buenos presupuestos, y la tarea es procesar esos presupuestos correctamente (y, en principio, ya hay bastantes datos)… Conozco un par de servicios, algo así como Getblogger, que parecen tener algoritmos. Para ser honesto, no he estudiado estos algoritmos. Puedo decirles qué enfoque utilizamos para encontrar líderes de opinión cuando necesitamos hacer un regalo a algunas madres.
Usamos una métrica llamada Tiempo de distribución de contenido. Funciona así: tomas a una persona cuya audiencia estás analizando y necesitas recopilar sistemáticamente (por ejemplo, una vez cada 5 minutos) información sobre cada publicación, a quién le gustó, a quién comentó, etc. De esta manera, podrás comprender en qué momento cada persona de tu audiencia interactuó con tu contenido. Repita esta operación para cada representante de su audiencia y, por lo tanto, utilizando la métrica del tiempo promedio de difusión de contenido, puede, por ejemplo, colorear en un gran gráfico de red de estas personas y usar esta métrica para construir grupos.
Esto funciona bastante bien si queremos, por ejemplo, encontrar 15 madres que mantengan su opinión pública en algún woman.ru. Pero esta es una implementación técnica bastante compleja (aunque, en teoría, se puede realizar en Python). La conclusión es que el problema con el marketing de influencia en las grandes agencias de publicidad es que necesitan blogueros grandes, interesantes y caros que no trabajen por una mierda. Ahora, una marca de automóviles quiere vender algún producto a través de algún líder de opinión; necesita usar un blogger de automóviles al final, porque su audiencia ya ha comprado un automóvil o sabe exactamente qué tipo de automóvil quieren, simplemente se sienta y mira. en autos geniales. Aquí es importante no perderse el análisis de la audiencia de la propia persona.
robots de marketing
З: – Dime, ¿cuánto afectan los bots en las redes sociales a la recopilación de información y su calidad?
OH: – Es algo muy interesante con los bots. Los bots baratos son bastante fáciles de identificar: tienen el mismo contenido, son amigos entre sí o están en la misma red. También existen enfoques para lidiar con robots complejos. ¿O te preguntas el problema de cómo conectar a una persona con su falsificación?
З: – ¿Qué calidad de información se obtendrá con toda esta basura?
OH: – Aquí funciona de esta manera: debido al hecho de que hay una gran cantidad de datos (por ejemplo, para algún tipo de investigación de mercados), toda esta gentuza puede simplemente desecharse. Es decir, es mejor descartar un poco más de personas reales que capturar bots, porque de nada sirve que muestren publicidad. Pero si recopila métricas, por ejemplo, interacciones con banners o sistemas de recomendación, dichas cuentas pueden descartarse.
Ahora en las redes sociales hay alrededor del seis por ciento de personajes virtuales o simplemente páginas abandonadas o introvertidas, a quienes los algoritmos “emparejan” como bots. En cuanto a vincular a una persona con su cuenta falsa, aquí también todo está ligado al hecho de que la persona tarde o temprano cometerá un error, y el caso es que el modelo de comportamiento es el mismo, tanto su cuenta real como su cuenta falsa. Tarde o temprano verán el mismo contenido o algo más.
Aquí todo se reduce no al porcentaje de error, sino a la cantidad de tiempo necesario para identificar de forma fiable a una persona. Para alguien que vive con su Instagram, este tiempo para una identificación confiable se reduce a cinco minutos. Para algunos, entre seis y ocho meses.
¿A quién y cómo vender datos?
З: - Hola. ¿Me interesa saber cómo se venden los datos entre empresas? Por ejemplo, tengo una aplicación en la que puedes saber (al desarrollador) dónde va una persona, a qué tiendas va y cuánto dinero gasta allí. Y me interesa saber cómo, digamos, puedo vender datos sobre mi audiencia a estas tiendas o poner mis datos en una base de datos enorme y recibir un pago por ello.
OH: – En cuanto a vender datos directamente a alguien, usted y todos los demás estaban por delante de OFD, los operadores de datos fiscales, que astutamente se construyeron entre la transferencia de cheques y el Servicio de Impuestos y ahora están tratando de vender datos a todos. De hecho, colapsaron todo el mercado de análisis móvil. De hecho, puedes incrustar tu aplicación, por ejemplo, el píxel de Facebook, su sistema DMP; luego utilice esta audiencia para vender. Por ejemplo, el píxel "Objetivo de mayo". Simplemente no sé qué tipo de audiencia tienes, debes entenderlo. Pero en cualquier caso, puedes integrarlo en Yandex o My Target, que son los sistemas DMP más grandes.
Esta es una historia bastante interesante. El único problema es que les darás todo el tráfico y ellos, como intercambios, se encargarán de monetizar este tráfico. Es posible que le digan o no que 10 personas han utilizado su audiencia. Por lo tanto, o construye su propia red publicitaria o se entrega a las grandes DMP.
¿Quién ganará: el artista o el técnico?
З: – Una pregunta un poco alejada de la parte técnica. Se habló de los temores de los especialistas en marketing sobre el desempleo masivo que se avecina. ¿Existe algún tipo de lucha competitiva entre el marketing creativo (estos tipos que idearon la publicidad del pollo, al parecer la publicidad de Volkswagen) y los involucrados en Big Data (que dicen: ahora simplemente recopilaremos todos los datos y entregaremos publicidad dirigida a todos)? Como persona directamente involucrada, ¿cuál es su opinión sobre quién ganará: un artista, un técnico o habrá algún tipo de efecto sinérgico?
OH: – Escucha, bueno, trabajan juntos. A los ingenieros no se les ocurre creatividad. Quienes son creativos no inventan una audiencia. Hay una especie de historia multidisciplinaria aquí. Los verdaderos problemas ahora son para aquellos que se sientan y presionan botones, para aquellos que hacen el “trabajo del mono”, presionando lo mismo todos los días: ésas son las personas que desaparecerán.
Pero quienes analizan los datos, naturalmente, permanecerán, pero alguien debe procesar estos datos. Alguien tendrá que idear estos dibujos, dibujarlos. ¡Una máquina no puede generar tanta creatividad! ¡Esto es una completa locura! O como, por ejemplo, la publicidad viral de Carprice, que, por cierto, funcionó muy bien. Recuerde, había este en YouTube: "Véndelo en Carprice", absolutamente loco. Por supuesto, ninguna red neuronal generará una historia así.
En general, soy partidario del hecho de que no son las personas las que perderán su trabajo, sino que tendrán un poco más de tiempo libre y podrán dedicar este tiempo libre a la autoeducación.
La publicidad primitiva desaparecerá
З: - En general, la publicidad que se muestra, los carteles, en general, ni siquiera los textos de venta están escritos allí: "Necesitas ventanas, ¡tómalo!", "Necesitas algo más, ¡tómalo!", es decir, No hay creatividad allí en absoluto.
OH: – Esta publicidad, por supuesto, tarde o temprano desaparecerá. Se extinguirá no tanto por el desarrollo de la tecnología, sino por el desarrollo de usted y de mí.
Es mejor mezclar lo relevante con lo irrelevante
З: - ¡Estoy aquí! Tengo una pregunta sobre el experimento que dijiste que no funcionó para ti (con el sistema de recomendación). ¿En tu opinión el problema es lo que allí se firmó, por qué se recomienda o es que todo lo que vio el usuario le pareció relevante? Porque leí un experimento para madres y no había muchos datos todavía, y no había tantos datos de Internet, solo había datos de un minorista de comestibles que predijo el embarazo (que serían madres). Y cuando mostraron una selección de productos para mujeres embarazadas, las madres se horrorizaron al enterarse de ellos antes de cualquier evento oficial. Y no funcionó. Y para solucionar este problema, mezclaron deliberadamente productos relevantes con algo completamente irrelevante.
OH: “Mostramos específicamente a las personas la base sobre la cual se hicieron las recomendaciones para poder comprender sus comentarios. En realidad, aquí nació el concepto de que la gente no necesita que le digan que estos son productos súper relevantes para él.
Sí, por cierto, existe una forma de mezclarlos con otros irrelevantes. Pero ocurre lo contrario: a veces la gente entra e interactúa con este producto irrelevante: se producen valores atípicos aleatorios, los modelos se rompen y las cosas se complican aún más. Pero esto realmente existe. Además, muchas empresas deliberadamente, si saben que alguien está procesando sus datos (alguien podría robarles dichos resultados), a veces los mezclan para luego poder demostrar que no tomaron los datos de su sistema de recomendación, sino de el llamado Yandex.Market.
Bloqueadores de publicidad y seguridad del navegador
З: - Hola. Mencionaste Ghostery y Adblock. ¿Puede decirnos qué tan efectivos son estos rastreadores en general (quizás basándose en estadísticas)? ¿Y recibió algún pedido de las empresas? Dicen: asegúrese de que Adblock no pueda cerrar nuestra publicidad.
OH: – No contactamos directamente con las plataformas publicitarias, precisamente para que no soliciten que su publicidad sea visible para todos. Yo personalmente uso Ghostery; creo que es una extensión genial. Ahora todos los navegadores luchan por la privacidad: Mozilla ha lanzado un montón de actualizaciones de todo tipo y Google Chrome ahora es súper seguro. Todos bloquean todo lo que pueden. “Safari” incluso ha desactivado “Giroscopio” de forma predeterminada.
Y esta tendencia, por supuesto, es buena (no para quienes recopilan datos, aunque también salieron de ella), porque la gente primero bloqueó las cookies. Todos los propietarios de redes publicitarias recordaron una tecnología tan maravillosa como las huellas digitales del navegador: estos son algoritmos que reciben 60 parámetros diferentes (resolución de pantalla, versión, fuentes instaladas) y, en base a ellos, calculan una "ID" única. Pasemos a esto. Y los navegadores empezaron a tener problemas con esto. En general, esta será una batalla interminable de titanes.
El último desarrollador, Mozilla, es bastante seguro. Prácticamente no guarda cookies y establece una vida útil corta. Especialmente si activas "Incógnito", nadie te encontrará. La cuestión es que será un inconveniente introducir contraseñas en todos los servicios.
¿Dónde funciona y dónde no funciona el psicotipo y la fisonomía?
З: – Arthur, muchas gracias por la conferencia. También disfruto siguiendo tus conferencias en YouTube. Usted mencionó que los especialistas en marketing recurren cada vez más al uso de psicotipos y fisonomía. Mi pregunta es: ¿en qué categorías de marcas funciona esto? Creo que esto sólo es adecuado para bienes de consumo. Por ejemplo, elegir un coche es...
OH: – Puedo descargar donde funciona exactamente. Esto funciona en todo tipo de historias como “Amediateka”, series de televisión, películas, etc. Esto funciona bien en bancos y productos bancarios, si no se trata del segmento premium, sino de todo tipo de tarjetas de estudiantes, planes de pago a plazos, ese tipo de cosas. Esto realmente funciona muy bien en bienes de consumo y todo tipo de iPhones, cargadores, toda esa basura. Esto funciona bien en productos "familiares". Aunque sé que en la pesca (existe ese tema)... Ha habido casos con pescadores varias veces; nunca se pueden segmentar de manera confiable. Yo no sé por qué. Algún tipo de error estadístico.
Esto no funciona bien con los automovilistas, con las joyas o con algunos artículos del hogar. De hecho, no funciona bien con cosas sobre las que la gente nunca escribiría en las redes sociales; puedes comprobarlo de esta manera. Convencionalmente, con la compra de una lavadora: ¿cómo saber quién tiene una lavadora y quién no? Parece que todo el mundo lo tiene. Puede utilizar datos OFD: ver quién compró qué mediante recibos y relacionar a estas personas mediante recibos. Pero, de hecho, hay cosas de las que nunca hablarías, por ejemplo, en Instagram; es difícil trabajar con esas cosas.
Las máquinas reconocen los trucos como relleno estadístico.
З: – Tengo una pregunta sobre la orientación. ¿Es posible (o de repente existe) un personaje aleatorio condicional que se contradice en todo: primero busca en Google "los mejores gimnasios" y luego busca en Google "10 formas de no hacer nada"? Y así es en todo. ¿Puede la segmentación realizar un seguimiento de algo que se contradice?
OH: – La única pregunta aquí es la siguiente: si ha estado usando Google durante 2 años, le ha contado todo lo que puede sobre usted y ahora instala un complemento que escribirá consultas aleatorias similares, entonces, por supuesto, a partir de las estadísticas podrá ser capaz de entender: lo que están haciendo ahora es un valor estadístico atípico, y todo esto es una cuestión de cribado. Si lo desea, registre una nueva cuenta, pero el volumen de publicidad no cambiará. Ella simplemente se pondrá rara. Aunque ella sigue siendo extraña.
Algunos anuncios 🙂
Gracias por estar con nosotros. ¿Te gustan nuestros artículos? ¿Quieres ver más contenido interesante? Apóyanos haciendo un pedido o recomendándonos a amigos, , un análogo único de servidores de nivel de entrada, que fue inventado por nosotros para usted: (disponible con RAID1 y RAID10, hasta 24 núcleos y hasta 40GB DDR4).
Dell R730xd 2 veces más barato en el centro de datos Equinix Tier IV en Amsterdam? Solo aqui ¡en los Paises Bajos! Dell R420 - 2x E5-2430 2.2Ghz 6C 128GB DDR3 2x960GB SSD 1Gbps 100TB - ¡desde $99! Leer acerca de
Fuente: habr.com