Arthur Khachuyan on tunnettu venäläinen big datan käsittelyn asiantuntija, Social Data Hub -yrityksen (nykyisin Tazeros Global) perustaja. Kansallisen tutkimusyliopiston kauppakorkeakoulun yhteistyökumppani. Valmisteli ja esitteli yhdessä National Research University Higher School of Economicsin kanssa lain Big Datasta Federation Councilissa. Hän puhui Curie-instituutissa Pariisissa, Pietarin valtionyliopistossa, Venäjän federaation hallituksen alaisuudessa, Red Apple, International OpenDataDay, RIW 2016, AlfaFuturePeople.
Luento äänitettiin Geek Picnic -ulkoilmafestivaalilla Moskovassa vuonna 2019.
Artur Khachuyan (jäljempänä - AH): – Jos valtava määrä toimialoja - lääketieteestä, rakentamisesta, jostain, jostakin, valita se, jossa käytetään eniten big datan, koneoppimisen, syväoppimisen teknologiaa, niin tämä on luultavasti markkinointia. Koska viimeiset kolme vuotta kaikki, mikä meitä ympäröi jonkinlaisessa mainosviestinnässä, on nyt sidottu nimenomaan data-analyysiin ja juuri siihen, mitä voidaan kutsua tekoälyksi. Siksi tänään kerron sinulle tästä niin kaukaisesta historiasta...
Jos kuvittelet tekoälyn ja miltä se näyttää, se on luultavasti jotain sellaista. Outo kuva on yksi niistä hermoverkoista, joista kirjoitin vuosi sitten löytääkseni riippuvuuden siitä, mitä koirani tekee - kuinka monta kertaa sen täytyy mennä isoksi, pieneksi ja miten se yleensä riippuu siitä, kuinka paljon se syö. tai ei? . Tämä on vitsi siitä, kuinka tekoäly voidaan kuvitella.
Mutta silti, mietitään, miten se kaikki toimii mainosviestinnässä. On olemassa kolme tapaa, joilla modernit mainonnan ja markkinoinnin algoritmit voivat olla vuorovaikutuksessa kanssamme. On selvää, että ensimmäisen tarinan tarkoituksena on hankkia ja poimia lisätietoa sinusta ja minusta ja sitten käyttää sitä joihinkin hyviin ja ei niin hyviin tarkoituksiin; personoi lähestymistapa jokaiselle henkilölle; Luonnollisesti tämän jälkeen luo tietty kysyntä pääkohdetoiminnon suorittamiseksi ja tietyn myynnin suorittamiseksi.
Teknologian avulla he yrittävät ratkaista tehokkaan viestinnän ongelman
Jos käsken sinua miettimään, mitä Pornhub ja M. Video", mitä ajattelet?
Yleisön kommentit (jäljempänä C): - TV, yleisö.
VAI NIIN: – Käsitykseni on, että nämä ovat kaksi paikkaa, joissa ihmiset tulevat hakemaan tietyntyyppistä palvelua tai sanotaanko sitä tietyntyyppiseksi tavaraksi. Ja tämä yleisö on erilainen siinä, että se ei halua kertoa myyjälle mitään. Hän haluaa tulla sisään ja saada sen, mikä häntä kiinnostaa, jossain eksplisiittisessä tai epäsuorassa muodossa. Luonnollisesti kukaan ei tule M: lle. Video” ei halua kommunikoida minkään myyjän kanssa, ei halua ymmärtää, ei halua vastata heidän kysymyksiinsä.
Siksi ensimmäinen tarina seuraa tästä kaikesta.
Kun teknologiat lisätiedon saamiseksi ilmestyivät, jotta jollain tavalla vältyttäisiin kommunikoimasta henkilön kanssa. Me kaikki rakastamme sitä, kun soitamme pankkiin ja pankki sanoo meille: "Hei. Alexey, olet VIP-asiakkaamme. Nyt joku superjohtaja puhuu sinulle." Tulet tähän pankkiin, ja siellä on todella ainutlaatuinen johtaja, joka voi puhua sinulle. Valitettavasti tai onneksi yksikään yritys ei ole vielä keksinyt, kuinka palkata tuhat henkilökohtaista johtajaa tuhannelle asiakkaalle; ja koska suurin osa näistä ihmisistä on nyt verkossa, tehtävänä on ymmärtää, millainen henkilö tämä on ja miten hänen kanssaan kommunikoida oikein, ennen kuin hän tulee johonkin mainosresurssiin. Ja siksi itse asiassa on ilmestynyt tekniikoita, jotka yrittävät ratkaista tämän ongelman.
Tietojen talteenotto on uusi öljy
Kuvittele, että olet kukkakojun omistaja. Kolme ihmistä tulee tapaamaan sinua. Ensimmäinen seisoo hyvin pitkään, epäröi, yrittää puhua sinulle, ottaa jonkinlaisen kimpun - menet käärimään sen, menet ulos tekemään siellä jotain; hän juoksee karkuun tämän kimpun kanssa - olet menettänyt kolmetuhatta ruplaasi. Miksi se tapahtui? Et tiedä tästä henkilöstä mitään: et tiedä hänen pidätyshistoriaansa sisäasiainministeriössä, et tiedä, että hän on kleptomaniakki ja rekisteröity psykiatriseen sairaalaan. Miksi? Koska näit sen ensimmäistä kertaa, etkä ole käyttäytymisanalyytikko.
Joku muu tulee... Vitaly. Vitalylla kestää myös hyvin kauan tajuta se, hän sanoo: "No, minä tarvitsen sitä ja sitä." Ja sinä sanot hänelle: "Kukkia äidille, eikö niin?" Ja myyt hänelle kimpun.
Ideana on löytää tarpeeksi tietoa ymmärtääkseen, mitä henkilö todella tarvitsee. Kaikki ajattelivat heti jonkinlaisia mainosverkostoja ja niin edelleen...
Kaikki ovat luultavasti kuulleet tyhmän lauseen "data on uusi öljy" useammin kuin kerran? Varmasti kaikki ovat kuulleet. Itse asiassa ihmiset ovat oppineet keräämään dataa jo kauan sitten, mutta tiedon kerääminen näistä tiedoista on tehtävä, jota markkinoinnin tekoäly tai jonkinlaiset tilastolliset algoritmit nyt yrittävät ratkaista. Miksi? Koska jos puhut henkilön kanssa, hän voi antaa sinulle oikean, väärän tai jollain tavalla värillisen vastauksen. Vitsi, jonka kerron opiskelijoilleni, on se, miten kyselyt eroavat tilastoista. Kerron teille tämän anekdoottina:
Tämä tarkoittaa, että kahdessa kylässä he päättivät tehdä tutkimuksen miehisyyden keskimääräisestä pituudesta. Tämä tarkoittaa, että ensimmäisessä kylässä, Villaribossa, keskipituus on 15 senttimetriä, Villabaggion kylässä - 25. Tiedätkö miksi? Koska ensimmäisessä kylässä tehtiin mittaukset ja toisessa kysely.
Pornoteollisuus on suositusjärjestelmien lippulaiva
Siksi moderni lähestymistapa on analysoida kaikkia ihmisiä poikkeuksetta, vaikka he olisivat hieman alle 100%, mutta he ovat niitä ihmisiä, joita ei tarvitse kysyä, sinun ei tarvitse katsoa heitä. Riittää, kun analysoidaan sitä, mitä nykyään kutsutaan digitaaliseksi jalanjäljeksi, jotta ymmärrämme, mitä tämä henkilö tarvitsee, kuinka puhua hänelle oikein, kuinka oikein luoda kysyntää hänen ympärilleen. Toisaalta tämä on mieletön kone (mutta sinä ja minä tiedämme tämän erittäin hyvin); emme halua kommunikoida ihmisten kanssa M. Video”, ja vielä enemmän, kun siirrymme Pornhubin kaltaisiin resursseihin, haluamme saada juuri sen, mitä tarvitsemme.
Miksi puhun aina Pornhubista? Koska aikuisteollisuus on ensimmäinen, joka tulee tällaisten teknologioiden analysointiin, tällaisten teknologioiden toteuttamiseen, data-analyysiin. Jos otat tämän alueen kolme suosituinta kirjastoa (esimerkiksi TensorFlow tai Pandas for Python, CSV-tiedostojen käsittelyyn ja niin edelleen), jos avaat sen Githubissa, löydät lyhyellä Googlella kaikista näistä nimistä pari henkilöä, jotka joko työskentelivät tai työskentelevät tällä hetkellä Pornhub-yrityksessä ja ottivat siellä ensimmäisenä käyttöön suositusjärjestelmät. Yleisesti ottaen tämä tarina on hyvin edistynyt ja näyttää kuinka paljon tämä yleisö, kuinka paljon tämä yritys on edennyt.
Kolme tunnistustasoa
Ihmisen ympärillä on valtava määrä tietoa, joka voidaan tunnistaa. Jaan tämän yleensä muodollisesti kolmeen tasoon, syvemmälle ja syvemmälle. Yrityksellä on luonnollisesti omat tietonsa.
Jos puhumme esimerkiksi suositusjärjestelmän rakentamisesta, niin ensimmäinen taso on tiedot, jotka sijaitsevat itse kaupassa (ostohistoria, kaikenlaiset tapahtumat, kuinka henkilö oli vuorovaikutuksessa käyttöliittymän kanssa).
Seuraavaksi on taso (suhteellisesti suurin) - tätä kutsutaan avoimille lähteiksi. Älä luule, että kannustan sinua raapumaan sosiaalisia verkostoja, mutta itse asiassa avoimista lähteistä saatavilla oleva avaa valtavan määrän dataa, jonka voit esimerkiksi oppia henkilöstä.
Ja kolmas suuri osa on tämän henkilön ympäristö. Kyllä, on mielipide, että jos henkilö ei ole sosiaalisissa verkostoissa, siellä ei ole tietoja hänestä (luultavasti tiedät jo, että tämä ei ole totta), mutta tärkeintä on, että tiedot, jotka ovat henkilön profiilissa (tai jossain sovelluksessa ) on vain 40% siitä tiedosta, joka voidaan saada siitä. Loput tiedot saadaan hänen ympäristöstään. Ilmaus "kerro minulle, kuka on ystäväsi ja minä kerron sinulle, kuka olet" saa uuden merkityksen XNUMX-luvulla, koska hänen ympärillään voidaan saada valtava määrä tietoa.
Jos puhumme lähempänä mainosviestintää, niin mainosviestinnän vastaanottaminen ei mainonnasta, vaan joltain ystävältä, tutulta tai jollain tapaa varmennetulta henkilöltä on erittäin hieno ominaisuus, jota monet markkinoijat käyttävät. Kun jokin sovellus yhtäkkiä antaa sinulle ilmaisen tarjouskoodin, teet siitä postauksen ja houkuttelet siten uutta yleisöä. Itse asiassa tätä ehdollisen "Yandex.Taxin" tarjouskoodia ei valittu sattumanvaraisesti, mutta tätä varten analysoitiin valtava määrä tietoa mahdollisuuksistasi houkutella uutta yleisöä ja jollain tavalla olla vuorovaikutuksessa heidän kanssaan.
He jopa analysoivat TV-sarjan hahmojen käyttäytymistä
Näytän sinulle kolme kuvaa, ja kerrot minulle, mitä eroa niillä on.
Tämä:
Tämä:
Ja tämä:
Mitä eroa niillä on? Täällä kaikki on yksinkertaista. Kuten kvanttimekaniikassa, tässäkin tapauksessa tämän luovuuden muodosti tarkkailija. Eli ero samassa mainoskampanjassa, jonka sama tuotemerkki toteuttaa samanaikaisesti, on vain siinä, kuka katsoi tämän mainoksen. Henkilökohtaisesti, kun menen Amediatekaan, siellä näkyy edelleen Khal Drogo. En tiedä mitä Amediateka ajattelee mieltymyksistäni, mutta jostain syystä näin tapahtuu.
Se, mitä nykyään kutsutaan henkilökohtaiseksi viestinnäksi, on suosituin tarina yleisön houkuttelemisesta ja asianmukaisesta vuorovaikutuksesta sen kanssa. Jos tunnistimme ensimmäisessä vaiheessa ihmiset käyttämällä oman brändimme dataa, avoimista lähteistä peräisin olevia tietoja ja esimerkiksi tämän henkilön ympäristön tietoja, voimme hänen analysoinnin jälkeen ymmärtää, kuka hän on, kuinka puhua hänelle oikein ja mikä tärkeintä, mitä kieltä hän puhuu, puhu hänelle.
Täällä tekniikka on mennyt niin pitkälle, että ihmisten katsomien tv-sarjojen hahmoja analysoidaan nyt. Eli pidät tv-sarjoista - niitä [tykkäyksiä] katsotaan, he katsovat, kenen kanssa olet ollut siellä vuorovaikutuksessa, jotta ymmärtäisimme, millaisen ihmisen kanssa voisit olla vuorovaikutuksessa. Se kuulostaa täydelliseltä hölynpölyltä, mutta huvin vuoksi kokeile sitä jollakin resurssilla – eri ihmiset näkevät erilaisia mainoksia (jotta he voivat olla vuorovaikutuksessa sen kanssa oikein).
Yksikään moderni media tai mikään videoresurssi ei näytä sinulle vain joitain uutisia. Mene mediaan - ladataan valtava määrä algoritmeja, jotka tunnistavat sinut, ymmärtävät kaiken aiemman toimintasi, vetoavat matemaattiseen malliin ja näyttävät sitten sinulle jotain. Tässä tapauksessa on niin outo tarina.
Miten tarpeet määritellään? Psykometria. Kasvonpiirteet
On olemassa monia (todellisia) tapoja määrittää henkilön todelliset tarpeet ja kuinka kommunikoida heidän kanssaan oikein. Lähestymistapoja on monia, kaikki ratkaistaan eri tavalla, on mahdotonta sanoa mikä on hyvä ja mikä huono. Tärkeimmät näyttävät tietävän kaiken.
Psykometria. Cambridge Analyticsin tarinan jälkeen se otti jonkinlaisen järkyttävän, mielestäni jonkinlaisen käänteen, koska nyt joka toinen poliittinen yritys tulee ja sanoo: "Voi, voitko saada minut pitämään Trumpista? Haluan myös voittaa ja niin edelleen. Itse asiassa tämä on tietysti hölynpölyä todellisuutemme, esimerkiksi poliittisten vaalien, kannalta. Mutta psykotyyppien määrittämiseen käytetään kolmea mallia:
- ensimmäinen perustuu käyttämääsi sisältöön - kirjoittamiisi sanoihin, joihinkin pitämäänsi tietoihin, videoihin jne.;
- toinen on sidottu siihen, miten käytät verkkokäyttöliittymää, miten kirjoitat, mitä painikkeita painat - todellakin on kokonaisia yrityksiä, jotka voivat näppäimistön käsinkirjoituksensa perusteella määrittää melko luotettavasti sen, mitä nykyään kutsutaan psykotyypeiksi.
- En ole juurikaan psykologi, en oikein ymmärrä miten se toimii, mutta mainosviestinnän näkökulmasta näihin segmentteihin jaettu yleisö toimii erittäin hyvin, koska jollekin pitää näyttää punainen näyttö sinisellä. nainen, jollekin on näytettävä tumma näyttö -sininen tausta jollain tavalla abstraktilla, ja se toimii erittäin siististi. Joillakin matalilla tasoilla - niin paljon, että henkilö ei edes ajattele sitä. Mikä on mainosmarkkinoiden suurin ongelma tällä hetkellä? Kaikki ovat tiedusteluagentteja, kaikki piiloutuvat, jokaisella on miljoona tuhatta selainkäyttöoikeutta asennettuna, jotta niitä ei tunnistettaisi millään tavalla - sinulla on luultavasti "Adblocks", "Gostrey" ja kaikenlaisia sovelluksia, jotka estävät seurannan. Tämän vuoksi on erittäin vaikea ymmärtää ihmisestä mitään. Ja tekniikka on mennyt eteenpäin - sinun ei tarvitse vain tietää, että tämä henkilö on palannut sivustollesi 125. kerran, vaan että hän on myös sellainen ja niin outo henkilö.
Fysiognomia on hyvin kiistanalainen tiede. Sitä ei pidetä edes tieteenä. Tämä on ryhmä ihmisiä, jotka ohjelmoivat valheenpaljastimia jollekin sisäministeriölle, ja nyt harjoittavat niin sanottua luovuuden personifikaatiota. Lähestymistapa tässä on hyvin yksinkertainen: useat julkisista valokuvistasi on otettu joistakin sosiaalisista verkostoista, ja niistä rakennetaan kolmiulotteinen geometria. Ja jos olet asianajaja, sanot nyt, että tämä on henkilö ja henkilötiedot; mutta kerron teille, että nämä ovat 300 tuhatta pistettä, jotka sijaitsevat avaruudessa, ja tämä ei ole henkilö eikä henkilötietoja. Näin kaikki yleensä sanovat, kun Roskomnadzor tulee heidän luokseen.
Mutta vakavasti, kasvosi erikseen, jos etu- ja sukunimeäsi ei ole allekirjoitettu siellä, eivät ole henkilötietojasi. Asia on siinä, että kaverit merkitsevät erilaisia kasvonpiirteitä, jotka vaikuttavat siihen, kuinka henkilö tekee päätöksiä ja miten hän on vuorovaikutuksessa hänen kanssaan oikein. Joillakin alueilla tämä toimii huonosti, joillakin mainonnan segmenteillä; missä segmenteissä se toimii erittäin hyvin. Lopulta käy ilmi, että kun menee johonkin resurssiin, et näe vain yhtä banneria, joka näkyy kaikille, vaan esimerkiksi... nyt on normaalia tehdä 16 tai 20 vaihtoehtoa eri yleisöille - ja se toimii todella siistiä. Kyllä, tämä on vielä surullisempaa kuluttajan näkökulmasta, koska ihmisiä aletaan manipuloida yhä enemmän. Mutta siitä huolimatta liiketoiminnallisesti se toimii erittäin hyvin.
Koneoppimisen musta laatikko
Tämä aiheuttaa seuraavan tällaisten teknologioiden ongelman: loppujen lopuksi useimmille kehittäjille nyt niin kutsuttu syväoppiminen on "musta laatikko". Jos olet joskus uppoutunut tähän tarinaan ja keskustellut kehittäjien kanssa, he sanovat aina: "Oi, kuule, olemme koodaneet sinne jotain niin käsittämätöntä, emmekä tiedä miten se toimii." Ehkä jollekin on käynyt näin.
Tämä on itse asiassa kaukana totuudesta. Se, mitä nykyään kutsutaan koneoppimiseksi, on kaukana "mustasta laatikosta". Syöttö- ja lähtötietojen kuvaamiseen on olemassa valtava määrä lähestymistapoja, ja lopulta yritys voi hyvin ymmärtää, minkä merkkien perusteella kone päätti näyttää sinulle tämän tai muun pornografisen videon. Kysymys on siitä, ettei yksikään yhtiö koskaan paljasta tätä, koska: ensinnäkin se on liikesalaisuus; toiseksi, siellä on valtava määrä tietoa, josta et edes tiennyt.
Esimerkiksi ennen tätä etiikkakeskustelussa keskustelimme siitä, kuinka sosiaaliset verkostot analysoivat henkilökohtaisia viestejä tägätäkseen ihmisiä jonkinlaisiin mainostarinoihin. Jos kirjoitat jollekin jotain, saat tämän perusteella tietyn tunnisteen itse asiassa jonkinlaisesta mainosviestinnästä. Etkä koskaan tule todistamaan sitä, ja luultavasti ei ole mitään järkeä todistaa sitä. Jos samanlaiset mallit kuitenkin paljastettaisiin, niitä olisi olemassa. Osoittautuu, että tällaisten suositusjärjestelmien rakentamisen markkinat eivät teeskentele tietävänsä miksi näin tapahtui.
Ihmiset eivät halua tietää, mitä he tietävät
Ja toinen tarina on se, että asiakas ei koskaan halua tietää, miksi hän sai juuri tämän mainoksen, tämän tuotteen. Kerron sinulle tämän tarinan. Ensimmäinen kokemukseni vastaaviin algoritmeihin perustuvien suositusjärjestelmien kaupallisesta toteutuksesta juuri tutkimuksen vuoksi oli vuonna 2015 erittäin laajassa seksikauppojen verkostossa (kyllä, ei myöskään erityisen epämiellyttävä tarina).
Asiakkaille tarjottiin seuraavaa: he tulevat sisään, kirjautuvat sisään sosiaalisen verkostonsa kautta ja noin 5 sekunnin kuluttua he saavat heille täysin henkilökohtaisen kaupan, eli kaikki tuotteet ovat muuttuneet - ne kuuluvat tiettyyn luokkaan ja niin edelleen . Tiedätkö kuinka paljon tämän kaupan tulosprosentti on noussut? Ei mitenkään! Ihmiset tulivat sisään ja juoksivat heti karkuun. He tulivat sisään ja huomasivat, että heille tarjottiin juuri sitä, mitä he ajattelivat...
Tämän testin ongelmana oli, että jokaisen tuotteen alle kirjoitettiin, miksi sinulle tarjottiin juuri sitä ("koska olet piilevän ryhmän "Voimakas nainen etsii miestä, joka on kynnysmatto") jäsen. Siksi nykyaikaiset suositusjärjestelmät eivät koskaan näytä tietoja, joiden perusteella "ennustus" tehtiin.
Media on erittäin suosittu tarina, koska ne kaikki käyttävät samanlaisia suosittelujärjestelmiä. Aiemmin algoritmit olivat hyvin yksinkertaisia: katso "Politiikka" -kategoriaa - ja ne näyttävät sinulle uutisia kategoriasta "Politiikka". Nyt kaikki on niin monimutkaista, että he analysoivat paikkoja, joissa pysäytit hiiren, mihin sanoihin keskityit, mitä kopioit, miten olet yleisesti vuorovaikutuksessa tämän sivun kanssa. Sitten hän analysoi itse viestien sanastoa: joo, et vain lue uutisia Putinista, vaan tietyllä tavalla, tietyllä tunnevärillä. Ja kun ihminen saa joitain uutisia, hän ei edes ajattele, kuinka hän tuli tänne. Siitä huolimatta hän on vuorovaikutuksessa tämän sisällön kanssa.
Kaiken tämän tarkoituksena on luonnollisesti pitää köyhä, onneton pikkumies, joka on jo tulossa hulluksi ympärillään olevasta valtavasta tiedon määrästä. Tässä on sanottava, että olisi mukavaa käyttää tällaisia järjestelmiä ympärilläsi olevan luovan henkilökohtaistamiseen ja tietojen keräämiseen, mutta valitettavasti sellaisia palveluita ei vielä ole.
Tekoäly saa asiakkaan ilmaan ja luo kysyntää
Ja tässä herää yksi erittäin mielenkiintoinen filosofinen kysymys, joka siirtyy suositusjärjestelmän luomisesta kysynnän luomiseen. Harvoin kukaan ajattelee sitä, mutta kun yrität kysyä niin sanotusta Instagramista: ”Miksi keräät dataa? Mikset näytä minulle täysin satunnaista mainontaa?" - Instagram kertoo sinulle: "Ystävä, tämä kaikki tehdään näyttääksemme sinulle tarkalleen, mikä kiinnostaa sinua." Haluamme tuntea sinut niin tarkasti, että voimme näyttää sinulle tarkalleen mitä etsit.
Mutta tekniikka on ylittänyt tämän kauhean kynnyksen aikoja sitten, eivätkä samanlaiset tekniikat enää ennusta, mitä tarvitset. Ne (huomio!) luovat kysyntää. Tämä on luultavasti pelottavin asia, joka tällaisessa viestinnässä pyörii tekoälyn ympärillä. Pelottava asia on, että sitä on käytetty melkein kaikkialla viimeisen 3-5 vuoden ajan - Google-hakutuloksista Yandex-hakutuloksiin, joihinkin järjestelmiin... Okei, en sano mitään pahaa Yandexistä; ja hyvä.
Mitä järkeä? Siitä on pitkä aika, kun tällainen mainosviestintä on siirtynyt pois strategiasta, jossa kirjoitat "Haluan ostaa lastenistuimen" ja näet satatuhatta miljoonaa julkaisua. He siirtyivät seuraavaan: heti kun nainen julkaisi kuvan, jossa oli tuskin näkyvä vatsa, hänen miehensä alkoi heti seurata viestejä: ”Mies, synnytys on pian tulossa. Osta lastenistuin."
Täällä saatat oikeutetusti kysyä, miksi näin valtavan tekniikan kehityksen myötä näemme edelleen niin paskaa mainontaa sosiaalisessa mediassa? Ongelmana on, että näillä markkinoilla kaikki ratkaisee edelleen raha, joten yhtenä kauniina hetkenä joku mainostaja, kuten Coca-Cola, saattaa tulla ja sanoa: "Tässä on 20 miljoonaa sinulle - näytä paska bannereitani koko Internetiin." Ja he todella tekevät sen.
Mutta jos teet jonkinlaisen puhtaan tilin ja testaat kuinka tarkasti sellaiset algoritmit arvaavat sinut: ne yrittävät ensin arvata sinut ja sitten alkavat tehdä sinulle jotain etukäteen. Ja ihmisen aivot toimivat niin, että vastaanottaessaan sille luotettavaa tietoa se ei edes käsittele hetkeä, miksi se sai tämän tiedon. Ensimmäinen sääntö määrittää, että olet unessa, on ymmärtää, kuinka tulit tänne. Ihminen ei koskaan muista hetkeä, jolloin hän päätyi tiettyyn huoneeseen. Se on sama täällä.
Google saattaa alkaa muokata maailmankuvaasi
Tällaisia tutkimuksia tekivät useat ulkomaiset i-seurantaa harjoittavat yritykset. He asensivat erityisiin tietokoneisiin laitteita, jotka tallentavat, mihin koehenkilön silmät katsovat. Otin viidestä seitsemään tuhatta vapaaehtoista, jotka yksinkertaisesti rullasivat syötettä, olivat vuorovaikutuksessa sosiaalisten verkostojen ja mainonnan kanssa, ja he tallensivat tietoa siitä, mihin bannerien ja luovien osien puoleen nämä ihmiset kiinnittivät katseensa.
Ja käy ilmi, että kun ihmiset saavat tällaista hyperpersonoitua luovuutta, he eivät edes ajattele sitä - he siirtyvät heti eteenpäin, alkavat olla vuorovaikutuksessa sen kanssa. Liiketoiminnan kannalta tämä on hyvä, mutta meidän, käyttäjien, näkökulmasta tämä ei ole kovin siistiä, koska - mitä he pelkäävät? – Että yhdellä hienolla hetkellä ehdollinen "Google" voi alkaa (tai ei tietenkään ala) muodostaa omaa maailmankuvaansa. Esimerkiksi huomenna hän voi alkaa näyttää ihmisille uutisia, että maa on litteä.
Vitsi vain, mutta heidät on jäänyt kiinni niin monta kertaa, että vaalien aikana he alkavat antaa tiettyjä tietoja tietyille ihmisille. Olemme kaikki tottuneet siihen, että hakukone saa kaiken rehellisesti. Mutta kuten aina sanon, jos haluat todella tietää, kuinka maailma toimii, kirjoita oma hakukoneesi ilman suodattimia, kiinnittämättä huomiota tekijänoikeuksiin tai sijoittamatta ystäviäsi hakutuloksissa. Todellisten tietojen näyttäminen Internetissä on yleensä erilaista kuin Googlen, Yandexin, Bingin ja niin edelleen. Jotkut materiaalit piilotetaan, koska ystävät, kollegat, viholliset tai joku muu (tai entinen rakastaja, jonka kanssa nukuit) - sillä ei ole väliä.
Kuinka Trump voitti
Kun Yhdysvalloissa oli viime vaalit, tehtiin hyvin yksinkertainen tutkimus. He ottivat samat pyynnöt eri paikoista, eri IP-osoitteista, eri kaupungeista, eri ihmiset googlettivat samaa asiaa. Perinteisesti pyyntö oli tyyliin: kuka voittaa vaalit? Ja hämmästyttävää kyllä, tulokset rakennettiin siten, että niissä osavaltioissa, joissa eniten ihmisiä yritti äänestää väärää ehdokasta, he saivat hyviä uutisia Googlen edistämästä ehdokkaasta. Kumpi? No, on selvää kumpi – se, josta tuli presidentti. Tämä on täysin todistamaton tarina, ja kaikki nämä tutkimukset ovat sormi vedessä. Google voi sanoa: "Kaverit, tämä kaikki tehdään, jotta voimme näyttää sinulle osuvinta sisältöä."
Tästä eteenpäin sinun pitäisi tietää, että se, mitä kutsutaan erittäin relevantiksi, ei todellakaan pidä paikkaansa. Yritys kutsuu asiaa, joka on myytävä sinulle hyvästä tai huonosta syystä.
Ne, joilla ei ole rahaa nyt, ovat jo valmiita tuleviin ostoihin
Tässä on toinen mielenkiintoinen seikka, josta kerron sinulle. Valtava määrä aktiivisia yleisöjä sosiaalisissa verkostoissa ja sovelluksissa on nyt nuoria. Kutsutaan sitä näin - maksukyvytön nuoriso: 8-9-vuotiaat lapset, jotka pelaavat typeriä pelejä, nämä ovat 12-13-14, jotka ovat juuri rekisteröitymässä sosiaalisiin verkostoihin. Miksi suuret yritykset käyttäisivät valtavia budjetteja ja resursseja luodakseen sovelluksia maksuttomalle yleisölle, jota ei koskaan kaupata? Sillä hetkellä, kun tämä yleisö tulee maksukykyiseksi, siitä on riittävästi tietoa sen käyttäytymisen ennustamiseksi erittäin hyvin.
Kysy nyt keneltä tahansa kohdelääkäriltä, mikä on vaikein yleisö? He sanovat: erittäin kannattavaa. Koska esimerkiksi 150 miljoonan ruplan asunnon myyminen sosiaalisten verkostojen kautta on lähes mahdotonta. On yksittäisiä tapauksia, kun teet jonkinlaista mainosta 10 tuhannelle ihmiselle, yksi ostaa tämän asunnon - asiakas on menestys... Mutta yksi kymmenestä tuhannesta on tilastollisesta näkökulmasta täyttä paskaa. Miksi korkeatuloisen yleisön tunnistaminen on siis vaikeaa? Koska ihmiset, jotka ovat nyt erittäin kannattavan yleisön jäseniä, syntyivät, kun Internet oli vielä hyvin pieni, kun kukaan ei vielä tuntenut Artemy Lebedevia, eikä heistä ole tietoa. On mahdotonta ennustaa heidän käyttäytymismalliaan, on mahdotonta ymmärtää, keitä heidän mielipidejohtajansa ovat ja mistä lähteistä he saavat.
Joten kun teistä kaikista tulee miljardöörejä 25 vuodessa ja yrityksillä, jotka aikovat myydä sinulle jotain, on valtava määrä tietoa. Siksi meillä on nyt Euroopassa upea GDPR, joka estää tietojen keräämisen alaikäisiltä.
Käytännössä tämä ei tietenkään toimi ollenkaan, koska kaikki lapset pelaavat edelleen äitinsä ja isänsä tileillä - näin kerätään tietoa. Kun seuraavan kerran annat lapsellesi tabletin, mieti tätä.
Ei todellakaan mikään pelottava, dystooppinen tulevaisuus, jolloin kaikki kuolevat sodassa koneiden kanssa - täysin todellinen tarina nyt. On valtava määrä yrityksiä, jotka luovat algoritmeja ihmisten psykoprofiloimiseksi sen perusteella, miten he pelaavat. Erittäin mielenkiintoinen toimiala. Kaiken tämän perusteella ihmiset segmentoidaan, jotta he voivat jotenkin kommunikoida heidän kanssaan.
Ennuste näiden ihmisten käyttäytymisestä on saatavilla 10-15 vuoden kuluttua - juuri sillä hetkellä, kun heistä tulee maksukykyinen yleisö. Tärkeintä on, että nämä ihmiset ovat jo etukäteen antaneet luvan käsitellä henkilötietojaan, siirtää niitä kolmansille osapuolille, ja tämä kaikki on onnea ja niin edelleen.
Kuka menettää työpaikkansa?
Ja viimeinen tarinani on, että kaikki aina kysyvät, mitä tapahtuu 50 vuoden kuluttua: me kaikki kuolemme, markkinoijat jäävät työttömiksi... Täällä on markkinoijia, jotka ovat huolissaan työttömyydestä, eikö niin? Yleisesti ottaen ei ole syytä huoleen, koska kukaan korkeasti koulutettu henkilö ei menetä työtään.
Riippumatta siitä, mitä algoritmeja luodaan, ei väliä kuinka lähelle kone tulee sitä mitä meillä täällä on (osoittaa päätään), jos se kehittyy tarpeeksi nopeasti, sellaisia ihmisiä ei koskaan jätetä käyttämättä, koska jonkun on luotava nämä luovat asiat tehdä. Kyllä, on kaikenlaisia "kanuja", jotka piirtävät ihmisiltä näyttäviä kuvia ja luovat musiikkia, mutta on silti epätodennäköistä, että ihmiset tällä alueella koskaan menettäisivät työtään.
Minulla on kaikki tarinasta, joten voit kysyä kysymyksiä, jos sinulla on enemmän. Kiitos.
Moderaattori: – Ystävät, siirrymme nyt "Kysymys ja vastaus" -lohkoon. Nostat kätesi - tulen luoksesi.
Kysymys yleisöltä (XNUMX): – Kysymys "mustasta laatikosta". He sanoivat, että oli mahdollista ymmärtää erityisesti, miksi tällainen ja sellainen tulos saatiin sellaiselle ja sellaiselle käyttäjälle. Ovatko nämä jonkinlaisia algoritmeja, vai pitääkö se analysoida joka kerta jokaisen mallin kohdalla ad hoc (tekijän huomautus: "erityisesti tätä varten" - latinalainen fraseologinen yksikkö)? Vai onko jonkinlaiseen hermoverkkoon olemassa valmiita, jotka karkeasti sanottuna voivat olla liiketaloudellisia?
VAI NIIN: – Tässä pitää ymmärtää seuraavaa: koneoppimisessa on valtava määrä tehtäviä. Esimerkiksi on tehtävä - regressio. Regressiota varten ei tarvita lainkaan neuroverkkoja. Kaikki on yksinkertaista: sinulla on useita indikaattoreita, sinun on laskettava seuraavat. On tehtäviä, joissa on turvauduttava sellaiseen asiaan kuin syväoppiminen. Syväoppimisessa on todellakin vaikea ymmärtää luotettavasti, mitkä painot millekin hermosolulle on annettu, mutta juridisesti kaikki mitä sinun tarvitsee on ymmärtää, mitä dataa oli syötteessä ja miten se toimi ulostulossa. Tämä riittää juridisesti patentoimaan tällaisen päätöksen ja riittää ymmärtämään, millä perusteella tarina on tehty.
Ei ole niin, että menit sivustolle ja sinulle näytettiin jonkinlainen banneri, koska otit valokuvan punatukkaisena Instagramissa kaksi kuukautta sitten. Jos kehittäjä ei sisällytä näiden tietojen keräämistä ja hiusvärin merkintää tähän malliin, se ei tule tyhjästä.
Kuinka myydä koneoppimisjärjestelmien tuloksia?
З: – Kysymys on vain siitä, mitä: miten selittää, miten myydä henkilölle, joka ei ymmärrä koneoppimista. Haluan sanoa: mallini johtaa selkeästi hiusten väristä... no, hiusten väri muuttuu... Onko tämä mahdollista vai ei?
VAI NIIN: - Ehkä kyllä. Mutta myynnin kannalta ainoa järjestelmä toimii: sinulla on mainoskampanja, korvaamme yleisön koneen luomalla yleisöllä - ja näet vain tuloksen. Tämä on valitettavasti ainoa tapa luotettavasti vakuuttaa asiakas tällaisen tarinan toimivuudesta, koska markkinoilla on paljon ratkaisuja, jotka kerran toteutettiin eivätkä toimineet.
Tietoja virtuaalisen persoonallisuuden luomisesta
З: - Hei. Kiitos luennosta. Kysymys kuuluu: mitä mahdollisuuksia on henkilöllä, joka jostain syystä ei halua seurata koneoppimisen esimerkkiä, luoda itselleen virtuaalinen persoonallisuus, joka poikkeaa radikaalisti omasta persoonallisuudestaan vuorovaikutuksessa käyttöliittymän kanssa tai jollekin muu syy?
VAI NIIN: – On olemassa joukko erilaisia laajennuksia, jotka käsittelevät erityisesti satunnaista käyttäytymistä. On hieno asia - Ghostery, joka mielestäni piilottaa sinut melkein kokonaan erilaisilta jäljittäjiltä, jotka eivät voi sitten tallentaa näitä tietoja. Mutta itse asiassa, nyt tarvitset vain suljetun profiilin sosiaalisissa verkostoissa, jotta kukaan, ei pahat kaapijat, ei voi kerätä sieltä mitään. On luultavasti parempi asentaa jonkinlainen laajennus tai kirjoittaa jotain itse.
Näettekö, tässä on käsite, että laillisesti esimerkiksi henkilötiedoilla tarkoitetaan tietoja, joista sinut voidaan tunnistaa, ja laki antaa esimerkiksi asuinosoitteesi, ikäsi ja niin edelleen. Nykyään on olemassa lukematon määrä tietoa, josta sinut voidaan tunnistaa: sama näppäimistön käsiala, sama painallus, selaimen digitaalinen allekirjoitus... Ennemmin tai myöhemmin ihminen tekee virheen. Hän voi olla jossain "kahvilassa" käyttämällä "Thora", mutta lopulta yhdellä hienolla hetkellä joko VPN unohtuu kytkeytyä päälle tai jotain muuta, ja sillä hetkellä hänet voidaan tunnistaa. Joten helpoin tapa on luoda yksityinen tili ja asentaa jokin laajennus.
Markkinat ovat siirtymässä siihen pisteeseen, jossa sinun tarvitsee vain painaa yhtä painiketta saadaksesi tuloksia.
З: - Kiitos tarinasta. Kuten aina, aina erittäin mielenkiintoinen (seuraan sinua). Kysymys kuuluu: mitä edistystä on käyttäjien kannalta myönteisten järjestelmien, suositusjärjestelmien luomisessa? Sanoit, että työskentelitte aikoinaan suositusjärjestelmää seksikumppanin, elämänystävän (tai musiikin, josta ihminen voisi mahdollisesti pitää) löytämiseksi... Kuinka lupaavaa tämä kaikki on ja millaisena näet sen kehityksen. ihmisten tarvitsemien järjestelmien luomisen näkökulmasta?
VAI NIIN: – Yleisesti ottaen markkinat ovat siirtymässä siihen pisteeseen, että ihmisten täytyy painaa yhtä nappia ja saada heti tarvitsemansa. Mitä tulee kokemukseeni treffisovellusten luomisesta (muuten, lanseeraamme sen uudelleen vuoden lopussa), sen lisäksi, että 65% oli naimisissa olevia miehiä, vaikein suositusongelma oli se, että henkilölle tarjottiin useita malleja. hakemuksen alussa - " Ystävyys", "Seksi", "Seksiystävyys" ja "Business". Ihmiset eivät valinneet mitä he tarvitsivat. Miehet tulivat ja valitsivat "rakkauden", mutta todellisuudessa he heittivät alastomuutta kaikille ja niin edelleen.
Ongelmana oli tunnistaa henkilö, joka ei sovi yhteen näistä malleista, ja jotenkin sujuvasti ottaa hänet ja siirtää hänet toiseen suuntaan. Pienen tietomäärän vuoksi on erittäin vaikea määrittää, onko kyseessä virhe ennustusalgoritmissa vai eikö henkilö kuulu hänen kategoriaansa. Sama koskee musiikkia: nykyään on hyvin vähän todella arvokkaita algoritmeja, jotka voivat "facastoida" musiikkia hyvin. Ehkä "Yandex.Music". Jotkut ihmiset pitävät Yandex.Music-algoritmia huonona. Esimerkiksi minä pidän hänestä. Itse en esimerkiksi pidä YouTube-musiikkialgoritmista ja niin edelleen.
Tietysti on joitain hienouksia - kaikki on sidottu lisensseihin... Mutta todellisuudessa tällaisten järjestelmien kysyntä on melko korkea. Aikoinaan tunnettiin Retail Rocket -yhtiö, joka oli mukana suositusjärjestelmien toteuttamisessa, mutta nyt se ei jotenkin menesty kovin hyvin - ilmeisesti siksi, että he eivät kehittäneet algoritmejaan pitkään aikaan. Kaikki menee tätä kohti - siihen pisteeseen, että menemme sisään ja painamatta mitään saamme tarvitsemamme (ja tulemme täysin tyhmäksi, koska kykymme valita on kadonnut kokonaan).
Vaikuttaa markkinointiin
З: - Hei. Nimeni on Konstantin. Haluaisin esittää kysymyksen vaikutusmarkkinoinnista. Tiedätkö järjestelmiä, joiden avulla yritys voi valita yritykselleen sopivan bloggaajan joidenkin tilastotietojen ja niin edelleen perusteella? Ja millä perusteella tämä tehdään?
VAI NIIN: – Kyllä, aloitan kaukaa ja sanon heti, että kaikkien näiden teknologioiden ongelmana on se, että kaikki tämä markkinoinnin tekoäly on nyt kuin köydenkulkija: vasemmalla on suuret yritykset, joilla on paljon rahaa, ja joka tapauksessa kaikki on tehokasta heidän työlleen, koska heidän mainoskampanjansa on suunnattu yksinkertaisesti näkymiin; toisaalta on monia pieniä yrityksiä, joille tämä ei toimi, koska niillä on paljon dataa. Toistaiseksi näiden tarinoiden sovellettavuus on jossain puolivälissä.
Kun on jo hyvät budjetit ja tehtävänä on käsitellä nämä budjetit oikein (ja periaatteessa dataa on jo aika paljon)… Tunnen pari palvelua, kuten Getblogger, joissa näyttää olevan algoritmeja. Rehellisesti sanottuna en ole tutkinut näitä algoritmeja. Voin kertoa, mitä lähestymistapaa käytämme mielipidejohtajien etsimisessä, kun meidän on annettava lahja joillekin äideille.
Käytämme mittaria nimeltä Sisällön jakeluaika. Se toimii näin: otat henkilön, jonka yleisöä analysoit, ja sinun on kerättävä järjestelmällisesti (esimerkiksi 5 minuutin välein) tietoa jokaisesta viestistä, kuka piti siitä, kommentoi sitä ja niin edelleen. Tällä tavalla voit ymmärtää, milloin jokainen yleisösi henkilö oli vuorovaikutuksessa sisältösi kanssa. Toista tämä toimenpide jokaiselle hänen yleisönsä edustajalle, ja siten sisällön levitysajan keskimääräistä mittaria käyttämällä se voidaan esimerkiksi värittää näiden ihmisten suureen verkkokaavioon ja käyttää tätä mittaria klustereiden rakentamiseen.
Tämä toimii varsin hyvin, jos haluamme esimerkiksi löytää 15 äitiä, jotka ylläpitävät julkista mielipidettä jossain woman.ru:ssa. Mutta tämä on melko monimutkainen tekninen toteutus (vaikka puhtaasti teoreettisesti se voidaan tehdä Pythonissa). Tärkeintä on, että vaikutusmarkkinoinnin ongelma suurissa mainostoimistoissa on se, että he tarvitsevat suuria, siistejä ja kalliita bloggaajia, jotka eivät tee työtä paskan takia. Nyt automerkki haluaa myydä jotain tuotetta jonkun mielipidejohtajan kautta - heidän täytyy käyttää autobloggaajaa viimeisenä keinona, koska heidän yleisönsä on joko jo ostanut auton tai tietää tarkalleen millaisen auton haluaa, vain istuu ja katselee hienoja autoja. Tässä on tärkeää olla huomaamatta henkilön itsensä yleisön analysointia.
Markkinointibotit
З: – Kerro minulle, kuinka paljon sosiaalisten verkostojen robotit vaikuttavat tiedon keräämiseen ja laatuun?
VAI NIIN: – Se on niin mielenkiintoinen asia botien kanssa. Halvat robotit on melko helppo tunnistaa - niillä on joko sama sisältö tai ne ovat toistensa ystäviä tai ne ovat samassa verkossa. On myös lähestymistapoja monimutkaisten robottien käsittelyyn. Vai kysytkö ongelmaa, kuinka yhdistää henkilö väärennökseen?
З: – Kuinka laadukasta tietoa kaikesta tästä roskasta tulee?
VAI NIIN: – Täällä se toimii näin: koska dataa on valtavasti (esimerkiksi jonkinlaiseen markkinointitutkimukseen), kaikki tämä riffraffi voidaan yksinkertaisesti heittää pois. Eli on parempi heittää ulos vähän oikeita ihmisiä kuin vangita botteja, koska heidän on hyödytöntä näyttää mainoksia. Mutta jos keräät mittareita, esimerkiksi vuorovaikutuksia bannereiden tai suositusjärjestelmien kanssa, tällaiset tilit voidaan heittää pois.
Nyt sosiaalisissa verkostoissa on noin kuusi prosenttia virtuaalisia hahmoja tai yksinkertaisesti hylättyjä sivuja tai introverttejä, joita algoritmit ”sopivat” boteiksi. Mitä tulee ihmisen yhdistämiseen väärennökseen, myös tässä kaikki on sidottu siihen, että henkilö ennemmin tai myöhemmin tekee virheen, ja asia on, että käyttäytymismalli on sama - sekä hänen oikea tilinsä että väärennös. Ennemmin tai myöhemmin he katsovat samaa sisältöä tai jotain muuta.
Tässä kaikki ei liity virheprosenttiin, vaan siihen, kuinka paljon aikaa tarvitaan henkilön luotettavaan tunnistamiseen. Instagramin kanssa asuvalle henkilölle tämä aika luotettavaan tunnistamiseen on viisi minuuttia. Joillekin – kuudesta kahdeksaan kuukauteen.
Kenelle ja miten myydä tietoja?
З: - Hei. Olen kiinnostunut tietämään, miten tietoja myydään yritysten välillä? Esimerkiksi minulla on sovellus, josta voit selvittää (kehittäjälle), missä henkilö menee, missä kaupoissa hän käy ja kuinka paljon rahaa hän käyttää siellä. Ja olen kiinnostunut tietämään, miten voin esimerkiksi myydä yleisöäni koskevia tietoja näille myymälöille tai laittaa tietoni yhteen valtavaan tietokantaan ja saada siitä palkkaa?
VAI NIIN: – Mitä tulee tietojen myymiseen suoraan jollekin, niin sinä ja kaikki muut olivat edellä OFD:tä – verotietooperaattoreita, jotka ovelasti rakensivat itsensä sekkien siirron ja veropalvelun väliin ja yrittävät nyt myydä dataa kaikille. Itse asiassa ne kaatui koko mobiilianalytiikkamarkkinan. Itse asiassa voit upottaa sovelluksesi, esimerkiksi Facebook-pikselin, sen DMP-järjestelmän; käytä sitten tätä yleisöä myymiseen. Esimerkiksi "May Target" -pikseli. En vain tiedä, millainen yleisö sinulla on, sinun on ymmärrettävä. Mutta joka tapauksessa voit integroida joko Yandexiin tai My Targetiin, jotka ovat suurimpia DMP-järjestelmiä.
Tämä on varsin mielenkiintoinen tarina. Ainoa ongelma on, että annat heille kaiken liikenteen, ja he vaihtoina ottavat itselleen tämän liikenteen rahallistamisen. He saattavat kertoa sinulle tai eivät kerro, että 10 ihmistä on käyttänyt yleisöäsi. Siksi joko rakennat oman mainosverkostosi tai antaudut suurille DMP:ille.
Kumpi voittaa - taiteilija vai teknikko?
З: – Kysymys hieman etäällä teknisestä osasta. Siinä puhuttiin markkinoijien peloista tulevasta massatyöttömyydestä. Onko luovan markkinoinnin (nämä tyypit, jotka keksivät kanamainontaa, Volkswagen-mainontaa) ja Big Dataan osallistuvien välillä (jotka sanovat: nyt vain keräämme kaikki tiedot ja toimitamme kohdennettua mainontaa) välillä kilpailutaistelua. kaikki)? Mitä mieltä olet suoraan mukana olevana ihmisenä siitä, kuka voittaa - taiteilija, teknikko vai syntyykö jonkinlainen synergistinen vaikutus?
VAI NIIN: – Kuuntele, he työskentelevät yhdessä. Insinöörit eivät keksi luovuutta. Ne, jotka ovat luovia, eivät keksi yleisöä. Tässä on jonkinlainen monialainen tarina. Todelliset ongelmat ovat nyt niillä, jotka istuvat ja painavat painikkeita, niillä, jotka tekevät "apinatyötä" ja painavat samaa joka päivä - nämä ihmiset katoavat.
Mutta ne, jotka analysoivat dataa, pysyvät luonnollisesti, mutta jonkun on käsiteltävä nämä tiedot. Jonkun täytyy keksiä nämä kuvat, piirtää ne. Kone ei voi keksiä tällaista luovuutta! Tämä on täyttä hulluutta! Tai kuten esimerkiksi Carpricen virusmainonta, joka muuten toimi erittäin hyvin. Muista, että YouTubessa oli tämä: "Myy se Carpricessa", aivan hullua. Mikään hermoverkko ei tietenkään tuota tällaista tarinaa.
Yleisesti ottaen kannatan sitä, että ihmiset eivät menetä työtään, vaan heillä on vähän enemmän vapaa-aikaa ja he voivat käyttää tämän vapaa-ajan itseopiskeluun.
Primitiivinen mainonta kuolee pois
З: - Yleisesti ottaen näytettävä mainonta, bannerit - suurelta osin, edes myyntitekstejä ei ole kirjoitettu sinne: "Tarvitset ikkunat - ota se!", "Tarvitset jotain muuta - ota se!", eli siellä ei ole luovuutta ollenkaan.
VAI NIIN: – Sellainen mainonta häviää tietysti ennemmin tai myöhemmin. Se kuolee pois ei niinkään tekniikan kehityksen takia, vaan sinun ja minun kehityksen vuoksi.
On parempi sekoittaa oleellinen ja epäolennainen
З: - Olen täällä! Minulla on kysymys kokeesta, josta sanoit, että se ei toiminut sinulle (suositusjärjestelmän kanssa). Onko ongelma mielestäsi se, mitä siellä allekirjoitettiin, miksi sitä suositellaan, vai onko kaikki, mitä käyttäjä näki, tuntui hänelle merkitykselliseltä? Koska luin äideille tarkoitetun kokeen, eikä siellä ollut vielä niin paljon tietoa eikä Internetistä niin paljon, siellä oli vain tiedot päivittäistavarakauppiaalta, joka ennusti raskauden (että heistä tulisi äitejä). Ja kun he esittelivät valikoiman tuotteita odottaville äideille, äidit olivat kauhuissaan, kun he saivat tietää niistä ennen virallisia asioita. Ja se ei toiminut. Ja ratkaistakseen tämän ongelman, he tarkoituksella sekoittivat asiaankuuluvat tuotteet johonkin täysin epäolennaiseen.
VAI NIIN: ”Näytimme erityisesti ihmisille, millä perusteella suositukset tehtiin, jotta heidän palautteensa ymmärtäisivät. Itse asiassa tässä syntyi käsitys, että ihmisille ei tarvitse kertoa, että nämä ovat hänelle erittäin tärkeitä tuotteita.
Kyllä, muuten, on olemassa lähestymistapa sekoittaa ne merkityksettömiin. Mutta asia on päinvastoin: joskus ihmiset tulevat sisään ja ovat vuorovaikutuksessa tämän merkityksettömän tuotteen kanssa - sattuu satunnaisia poikkeamia, mallit hajoavat ja asiat muuttuvat vielä monimutkaisemmiksi. Mutta tämä on todella olemassa. Lisäksi monet yritykset tahallaan, jos he tietävät, että joku käsittelee heidän tietojaan (joku voi varastaa heiltä tällaisen tuotoksen), ne joskus sekoittavat sen, jotta he voivat myöhemmin todistaa, että et ottanut tietoja sen suositusjärjestelmästä, vaan niin sanottu Yandex.Market.
Mainosten esto ja selaimen suojaus
З: - Hei. Mainitsit Ghosteryn ja Adblockin. Voitko kertoa meille kuinka tehokkaita tällaiset seurantalaitteet ovat yleensä (ehkä tilastojen perusteella)? Ja oliko sinulla tilauksia yrityksiltä: he sanovat, varmista, että Adblock ei voi sulkea mainontaamme.
VAI NIIN: – Emme ota suoraan yhteyttä mainosalustoihin – juuri siksi, etteivät he pyydä mainontaansa näkymään kaikille. Käytän henkilökohtaisesti Ghosterya - mielestäni se on erittäin siisti laajennus. Nyt kaikki selaimet taistelevat yksityisyydestä: Mozilla on julkaissut joukon kaikenlaisia päivityksiä, Google Chrome on nyt erittäin turvallinen. He kaikki estävät kaiken, mitä voivat. "Safari" on jopa sammuttanut "Gyroskoopin" oletuksena.
Ja tämä suuntaus on tietysti hyvä (ei niille, jotka keräävät tietoja, vaikka he myös pääsivät siitä pois), koska ihmiset estivät ensin evästeet. Kaikki mainosverkostojen omistaneet muistivat niin upean tekniikan kuin selaimen sormenjäljet - nämä ovat algoritmeja, jotka vastaanottavat 60 erilaista parametria (näytön resoluutio, versio, asennetut fontit) ja laskevat niiden perusteella ainutlaatuisen "tunnuksen". Siirrytään tähän. Ja selaimet alkoivat kamppailla tämän kanssa. Yleensä tämä on loputon titaanien taistelu.
Uusin kehittäjä Mozilla on melko turvallinen. Se ei käytännössä säästä evästeitä ja asettaa lyhyen käyttöiän. Varsinkin jos otat Incognito-tilan käyttöön, kukaan ei löydä sinua ollenkaan. Kysymys on siitä, että salasanojen syöttäminen kaikissa palveluissa on hankalaa.
Missä psykotypiointi ja fysiognomia toimivat ja eivät toimi?
З: – Arthur, kiitos paljon luennosta. Seuraan myös mielelläni luentojasi YouTubessa. Mainitsit, että markkinoijat turvautuvat yhä enemmän psykotypioiden ja fysiognomian käyttöön. Kysymykseni kuuluu: missä merkkiluokissa tämä toimii? Uskon, että tämä sopii vain FMCG:lle. Esimerkiksi auton valinta on...
VAI NIIN: – Voin ladata missä se tarkalleen toimii. Tämä toimii kaikenlaisissa tarinoissa, kuten "Amediateka", TV-sarjoissa, elokuvissa ja niin edelleen. Tämä toimii hyvin pankeissa ja pankkituotteissa, jos kyseessä ei ole premium-segmentti, vaan kaikenlaiset opiskelijakortit, osamaksut - sellaset. Tämä toimii todella hyvin FMCG:ssä ja kaikenlaisissa iPhoneissa, latureissa, kaikessa tässä paskassa. Tämä toimii hyvin "mom and pop" -tuotteissa. Vaikka tiedän, että kalastuksessa (on sellainen aihe)... Kalastajien kanssa on ollut tapauksia useaan otteeseen - niitä ei voi koskaan luotettavasti segmentoida. En tiedä miksi. Eräänlainen tilastovirhe.
Tämä ei toimi hyvin autoilijoiden, korujen tai joidenkin taloustavaroiden kanssa. Itse asiassa se ei toimi hyvin sellaisten asioiden kanssa, joista ihmiset eivät koskaan kirjoittaisi sosiaalisessa mediassa – voit tarkistaa asian näin. Perinteisesti pesukoneen ostamisen yhteydessä: näin ymmärrät, kenellä on pesukone ja kenellä ei? Näyttää siltä, että kaikilla on se. Voit käyttää OFD-tietoja – katso, kuka osti mitä kuiteilla ja vertaa näitä ihmisiä kuittien avulla. Mutta itse asiassa on asioita, joista et koskaan puhuisi esimerkiksi Instagramissa - tällaisten asioiden kanssa on vaikea työskennellä.
Koneet tunnistavat temput tilastolliseksi täytteeksi.
З: – Minulla on kohdentamista koskeva kysymys. Onko mahdollista (tai ovatko niitä yhtäkkiä olemassa) ehdollinen satunnainen hahmo, joka on kaikessa ristiriidassa itsensä kanssa: ensin hän Googlettaa "parhaat kuntosalit" ja sitten "10 tapaa olla tekemättä mitään"? Ja niin se on kaikessa. Voiko kohdistaminen seurata jotain, joka on ristiriidassa itsensä kanssa?
VAI NIIN: – Ainoa kysymys tässä on tämä: jos olet käyttänyt Googlea 2 vuotta, kertonut itsestäsi kaiken mitä voit ja asennat nyt itsellesi laajennuksen, joka kirjoittaa samanlaisia satunnaisia kyselyitä, niin tietysti tilastojen perusteella pysty ymmärtämään – se, mitä teet nyt, on tilastollinen poikkeama, ja tämä kaikki on seulomista. Jos haluat, rekisteröi uusi tili, mutta mainonnan määrä ei muutu. Hänestä tulee vain outo. Vaikka hän on edelleen outo.
Muutamia mainoksia 🙂
Kiitos, että pysyt kanssamme. Pidätkö artikkeleistamme? Haluatko nähdä mielenkiintoisempaa sisältöä? Tue meitä tekemällä tilauksen tai suosittelemalla ystäville, , ainutlaatuinen lähtötason palvelimien analogi, jonka me keksimme sinulle: (saatavana RAID1:n ja RAID10:n kanssa, jopa 24 ydintä ja jopa 40 Gt DDR4-muistia).
Dell R730xd 2 kertaa halvempi Equinix Tier IV -palvelinkeskuksessa Amsterdamissa? Vain täällä Alankomaissa! Dell R420 - 2x E5-2430 2.2 Ghz 6C 128GB DDR3 2x960GB SSD 1Gbps 100TB - alkaen 99 dollaria! Lukea
Lähde: will.com