આર્થર ખાચુયાન: માર્કેટિંગમાં કૃત્રિમ બુદ્ધિ

આર્થર ખાચુયાન મોટા ડેટા પ્રોસેસિંગના જાણીતા રશિયન નિષ્ણાત છે, જે સોશિયલ ડેટા હબ કંપની (હવે ટેઝેરોસ ગ્લોબલ)ના સ્થાપક છે. નેશનલ રિસર્ચ યુનિવર્સિટી હાયર સ્કૂલ ઓફ ઈકોનોમિક્સના ભાગીદાર. નેશનલ રિસર્ચ યુનિવર્સિટી હાયર સ્કૂલ ઓફ ઈકોનોમિક્સ સાથે મળીને, ફેડરેશન કાઉન્સિલમાં બિગ ડેટા પરનું બિલ તૈયાર અને પ્રસ્તુત કર્યું. તેમણે પેરિસમાં ક્યુરી ઈન્સ્ટિટ્યૂટ, સેન્ટ પીટર્સબર્ગ સ્ટેટ યુનિવર્સિટી, રશિયન ફેડરેશનની સરકાર હેઠળની ફેડરલ યુનિવર્સિટી, Red Apple, International OpenDataDay, RIW 2016, AlfaFuturePeople ખાતે.

આ વ્યાખ્યાન 2019 માં મોસ્કોમાં ઓપન-એર ફેસ્ટિવલ "ગીક પિકનિક" માં રેકોર્ડ કરવામાં આવ્યું હતું.

આર્થર ખાચુયાન (ત્યારબાદ - એએચ): - જો મોટી સંખ્યામાં ઉદ્યોગોમાંથી - દવામાંથી, બાંધકામમાંથી, કંઈકમાંથી, કંઈકમાંથી, મોટા ડેટા, મશીન લર્નિંગ, ડીપ લર્નિંગની તકનીકનો મોટાભાગે ઉપયોગ કરવામાં આવે છે તે પસંદ કરવા માટે, તો આ કદાચ માર્કેટિંગ છે. કારણ કે છેલ્લા ત્રણ કે તેથી વધુ વર્ષોથી, દરેક વસ્તુ જે આપણને અમુક પ્રકારની જાહેરાત સંચારમાં ઘેરી લે છે તે હવે ડેટા વિશ્લેષણ સાથે ચોક્કસ રીતે જોડાયેલી છે અને જેને આર્ટિફિશિયલ ઈન્ટેલિજન્સ કહી શકાય. તેથી, આજે હું તમને આ વિશે ખૂબ દૂરના ઇતિહાસમાંથી કહીશ ...

જો તમે આર્ટિફિશિયલ ઇન્ટેલિજન્સ અને તે કેવું દેખાય છે તેની કલ્પના કરો છો, તો કદાચ એવું જ કંઈક હશે. વિચિત્ર ચિત્ર એ ન્યુરલ નેટવર્ક્સમાંનું એક છે જે મેં એક વર્ષ પહેલાં મારો કૂતરો શું કરે છે તેની નિર્ભરતા શોધવા માટે લખ્યું હતું - તેણીને કેટલી વાર મોટી, નાની જવાની જરૂર છે અને તે સામાન્ય રીતે તે કેટલું ખાય છે તેના પર કેવી રીતે આધાર રાખે છે કે નહીં? આર્ટિફિશિયલ ઇન્ટેલિજન્સ કેવી રીતે કલ્પી શકાય તેની આ એક મજાક છે.

પરંતુ હજુ પણ, ચાલો વિચારીએ કે જાહેરાત સંચારમાં તે બધું કેવી રીતે કાર્ય કરે છે. જાહેરાત અને માર્કેટિંગમાં આધુનિક અલ્ગોરિધમ્સ અમારી સાથે ક્રિયાપ્રતિક્રિયા કરી શકે તેવી ત્રણ રીતો છે. તે સ્પષ્ટ છે કે પ્રથમ વાર્તાનો હેતુ તમારા અને મારા વિશે વધારાનું જ્ઞાન મેળવવા અને કાઢવાનો છે, અને પછી તેનો ઉપયોગ કેટલાક સારા અને એટલા સારા હેતુઓ માટે કરવાનો છે; દરેક ચોક્કસ વ્યક્તિ માટે અભિગમ વ્યક્તિગત કરો; સ્વાભાવિક રીતે, આ પછી, મુખ્ય લક્ષ્ય ક્રિયા કરવા અને ચોક્કસ વેચાણ કરવા માટે ચોક્કસ માંગ બનાવો.

ટેક્નોલોજીનો ઉપયોગ કરીને, તેઓ અસરકારક સંચારની સમસ્યાને હલ કરવાનો પ્રયાસ કરી રહ્યાં છે

જો હું તમને કહું કે શું પોર્નહબ અને એમ. વિડિઓ", તમે શું વિચારી રહ્યા છો?

પ્રેક્ષકોની ટિપ્પણીઓ (ત્યારબાદ C તરીકે ઓળખવામાં આવે છે): - ટીવી, પ્રેક્ષકો.

ઓહ: - મારો ખ્યાલ એ છે કે આ બે સ્થાનો છે જ્યાં લોકો ચોક્કસ પ્રકારની સેવા માટે આવે છે, અથવા ચાલો તેને ચોક્કસ પ્રકારનો માલ કહીએ. અને આ પ્રેક્ષકો અલગ છે કે તે વેચનારને કંઈપણ કહેવા માંગતો નથી. તેણી અંદર આવવા માંગે છે અને તેને અમુક સ્પષ્ટ અથવા ગર્ભિત સ્વરૂપમાં જે રુચિ છે તે મેળવવા માંગે છે. સ્વાભાવિક રીતે, એમ. વિડિઓ” કોઈપણ વિક્રેતા સાથે વાતચીત કરવા માંગતો નથી, સમજવા માંગતો નથી, તેમના કોઈપણ પ્રશ્નોના જવાબ આપવા માંગતો નથી.

તેથી, પ્રથમ વાર્તા આ બધામાંથી અનુસરે છે.

જ્યારે કોઈક વ્યક્તિ સાથે વાતચીત કરવાનું ટાળવા માટે વધારાના જ્ઞાન મેળવવા માટેની તકનીકો દેખાઈ. જ્યારે અમે બેંકને કૉલ કરીએ છીએ અને બેંક અમને કહે છે: "હેલો. એલેક્સી, તમે અમારા વીઆઈપી ક્લાયંટ છો. હવે કોઈ સુપર મેનેજર તમારી સાથે વાત કરશે.” તમે આ બેંકમાં આવો છો, અને ત્યાં ખરેખર એક અનન્ય મેનેજર છે જે તમારી સાથે વાત કરી શકે છે. કમનસીબે કે સદભાગ્યે, એક પણ કંપનીએ હજુ સુધી એક હજાર ક્લાયન્ટ માટે એક હજાર પર્સનલ મેનેજરને કેવી રીતે હાયર કરવા તે શોધી શક્યું નથી; અને આમાંના મોટાભાગના લોકો હવે ઓનલાઈન હોવાથી, કાર્ય એ સમજવાનું છે કે આ કેવા પ્રકારની વ્યક્તિ છે અને તેઓ કોઈ જાહેરાત સંસાધન પર આવે તે પહેલાં તેની સાથે યોગ્ય રીતે કેવી રીતે વાતચીત કરવી. અને તેથી, હકીકતમાં, તકનીકીઓ દેખાઈ છે જે આ સમસ્યાને હલ કરવાનો પ્રયાસ કરી રહી છે.

ડેટા નિષ્કર્ષણ એ નવું તેલ છે

ચાલો કલ્પના કરીએ કે તમે ફૂલ સ્ટોલના માલિક છો. ત્રણ લોકો તમને મળવા આવે છે. પહેલો ખૂબ લાંબો સમય ઉભો રહે છે, અચકાય છે, તમારી સાથે વાત કરવાનો પ્રયાસ કરે છે, કોઈ પ્રકારનો કલગી લે છે - તમે તેને લપેટવા જાઓ છો, ત્યાં કંઈક કરવા જાઓ છો; તે આ કલગી સાથે સ્ટોલથી ભાગી જાય છે - તમે તમારા ત્રણ હજાર રુબેલ્સ ગુમાવ્યા છે. કેમ થયું? તમે આ વ્યક્તિ વિશે કંઈપણ જાણતા નથી: આંતરિક બાબતોના મંત્રાલયમાં તેની ધરપકડનો ઈતિહાસ તમે જાણતા નથી, તમે જાણતા નથી કે તે ક્લેપ્ટોમેનિયાક છે અને મનોચિકિત્સક દવાખાનામાં નોંધાયેલ છે. શા માટે? કારણ કે તમે તેને પ્રથમ વખત જોયું છે, અને તમે વર્તન વિશ્લેષક નથી.

બીજું કોઈ આવે છે... વિટાલી. વિટાલીને પણ તે શોધવામાં ઘણો સમય લાગે છે, તે કહે છે, "સારું, મને આ અને તે જોઈએ છે." અને તમે તેને કહો, "મમ્મી માટે ફૂલો, બરાબર?" અને તમે તેને કલગી વેચો છો.

અહીં ખ્યાલ એ છે કે વ્યક્તિને ખરેખર શું જોઈએ છે તે સમજવા માટે પૂરતો ડેટા શોધવાનો છે. દરેક વ્યક્તિએ તરત જ અમુક પ્રકારના જાહેરાત નેટવર્ક વિશે વિચાર્યું અને તેથી વધુ...

દરેક વ્યક્તિએ કદાચ મૂર્ખ વાક્ય સાંભળ્યું છે કે "ડેટા એ નવું તેલ છે" એક કરતા વધુ વાર? ચોક્કસ બધાએ સાંભળ્યું હશે. વાસ્તવમાં, લોકો ઘણા લાંબા સમય પહેલા ડેટા એકત્રિત કરવાનું શીખ્યા હતા, પરંતુ આ ડેટામાંથી ડેટા કાઢવો એ એક કાર્ય છે જે માર્કેટિંગમાં કૃત્રિમ બુદ્ધિ, અથવા અમુક પ્રકારના આંકડાકીય અલ્ગોરિધમ્સ, હવે હલ કરવાનો પ્રયાસ કરી રહી છે. શા માટે? કારણ કે જો તમે કોઈ વ્યક્તિ સાથે વાત કરો છો, તો તે તમને સાચો, ખોટો અથવા કોઈક રીતે રંગીન જવાબ આપી શકે છે. હું મારા વિદ્યાર્થીઓને જે મજાક કહું છું તે એ છે કે સર્વેક્ષણો આંકડાઓથી કેવી રીતે અલગ પડે છે. હું તમને ટુચકાઓ તરીકે કહીશ:

આનો અર્થ એ થયો કે બે ગામોમાં તેઓએ પુરુષત્વની સરેરાશ લંબાઈ પર અભ્યાસ હાથ ધરવાનું નક્કી કર્યું. આનો અર્થ એ છે કે પ્રથમ ગામ, વિલારિબોમાં, સરેરાશ લંબાઈ 15 સેન્ટિમીટર છે, વિલાબેગિયો ગામમાં - 25. શું તમે જાણો છો શા માટે? કારણ કે પહેલા ગામમાં માપણી કરવામાં આવી હતી અને બીજા ગામમાં સર્વે કરવામાં આવ્યો હતો.

પોર્ન ઉદ્યોગ ભલામણ પ્રણાલીનો મુખ્ય છે

તેથી જ આધુનિક અભિગમ અપવાદ વિના તમામ લોકોનું વિશ્લેષણ કરવાનો છે, ભલે તેઓ 100% કરતા થોડા ઓછા હોય, પરંતુ આ એવા લોકો છે જેને તમારે પૂછવાની જરૂર નથી, તમારે તેમને જોવાની જરૂર નથી. આ વ્યક્તિને શું જોઈએ છે, તેની સાથે કેવી રીતે યોગ્ય રીતે વાત કરવી, તેની આસપાસ યોગ્ય રીતે માંગ કેવી રીતે બનાવવી તે સમજવા માટે હવે જેને ડિજિટલ ફૂટપ્રિન્ટ કહેવામાં આવે છે તેનું વિશ્લેષણ કરવા માટે તે પૂરતું છે. એક તરફ, આ એક બુદ્ધિહીન મશીન છે (પરંતુ તમે અને હું આ સારી રીતે જાણીએ છીએ); અમે M ના લોકો સાથે વાતચીત કરવા માંગતા નથી. વિડીયો," અને તેથી પણ વધુ, જ્યારે આપણે પોર્નહબ જેવા સંસાધનોમાં જઈએ છીએ, ત્યારે આપણને જે જોઈએ છે તે જ મેળવવા માંગીએ છીએ.

શા માટે હું હંમેશા પોર્નહબ વિશે વાત કરું છું? કારણ કે આવી તકનીકોના વિશ્લેષણ માટે, આવી તકનીકોના અમલીકરણ માટે, ડેટા વિશ્લેષણ માટે પુખ્ત ઉદ્યોગ પ્રથમ છે. જો તમે આ વિસ્તારની ત્રણ સૌથી લોકપ્રિય લાઇબ્રેરીઓ લો (ઉદાહરણ તરીકે, TensorFlow અથવા Python માટે Pandas, CSV ફાઇલો પર પ્રક્રિયા કરવા માટે, અને તેથી વધુ), જો તમે તેને Github પર ખોલો છો, તો આ બધા નામોના ટૂંકા Google સાથે તમને મળશે. કેટલાક લોકો કે જેઓ પોર્નહબ કંપનીમાં કામ કરતા હતા અથવા હાલમાં કામ કરતા હતા, અને ત્યાં ભલામણ પ્રણાલી અમલમાં મૂકનારા પ્રથમ હતા. સામાન્ય રીતે, આ વાર્તા ખૂબ જ અદ્યતન છે, અને બતાવે છે કે આ પ્રેક્ષકો, આ કંપની કેટલી આગળ વધી છે.

ઓળખના ત્રણ સ્તર

વ્યક્તિની આસપાસ ડેટાનો વિશાળ સમૂહ છે જેને ઓળખી શકાય છે. હું સામાન્ય રીતે ઔપચારિક રીતે આને ત્રણ સ્તરોમાં વિભાજિત કરું છું, ઊંડા અને ઊંડા જઈને. સ્વાભાવિક રીતે, કંપની પાસે તેનો પોતાનો ડેટા છે.

જો, કહો, અમે ભલામણ સિસ્ટમ બનાવવા વિશે વાત કરી રહ્યા છીએ, તો પ્રથમ સ્તર એ ડેટા છે જે સ્ટોર પર સ્થિત છે (ખરીદીનો ઇતિહાસ, તમામ પ્રકારના વ્યવહારો, વ્યક્તિએ ઇન્ટરફેસ સાથે કેવી રીતે ક્રિયાપ્રતિક્રિયા કરી).

આગળ એક સ્તર છે (પ્રમાણમાં સૌથી મોટું) - આને ઓપન સોર્સ કહેવામાં આવે છે. એવું વિચારશો નહીં કે હું તમને સામાજિક નેટવર્ક્સને સ્ક્રેપ કરવા માટે પ્રોત્સાહિત કરું છું, પરંતુ હકીકતમાં, ખુલ્લા સ્ત્રોતોમાં જે ઉપલબ્ધ છે તે ડેટાનો વિશાળ સમૂહ ખોલે છે જે તમે એક વ્યક્તિ વિશે જાણી શકો છો.

અને ત્રીજો મોટો ભાગ આ વ્યક્તિનું પોતાનું વાતાવરણ છે. હા, એવો અભિપ્રાય છે કે જો કોઈ વ્યક્તિ સોશિયલ નેટવર્ક પર નથી, તો ત્યાં તેના વિશે કોઈ ડેટા નથી (તમે કદાચ પહેલાથી જ જાણતા હશો કે આ સાચું નથી), પરંતુ સૌથી મહત્વની બાબત એ છે કે વ્યક્તિની પ્રોફાઇલ પરનો ડેટા (અથવા અમુક એપ્લિકેશનમાં) એ માત્ર 40% જ્ઞાન છે જે તેના વિશે મેળવી શકાય છે. બાકીની માહિતી તેના વાતાવરણમાંથી મળે છે. શબ્દસમૂહ "મને કહો કે તમારો મિત્ર કોણ છે અને હું તમને કહીશ કે તમે કોણ છો" XNUMXમી સદીમાં એક નવો અર્થ લે છે કારણ કે તે વ્યક્તિની આસપાસ મોટી માત્રામાં ડેટા મેળવી શકાય છે.

જો આપણે જાહેરાત સંદેશાવ્યવહારની નજીકથી વાત કરીએ, તો પછી જાહેરાત સંદેશાવ્યવહાર જાહેરાતથી નહીં, પરંતુ કોઈ મિત્ર, પરિચિત અથવા કોઈક રીતે ચકાસાયેલ વ્યક્તિ પાસેથી મેળવવો એ એક ખૂબ જ સરસ સુવિધા છે જેનો ઘણા માર્કેટર્સ ઉપયોગ કરે છે. જ્યારે કોઈ એપ્લિકેશન તમને અચાનક મફત પ્રોમો કોડ આપે છે, ત્યારે તમે તેના વિશે એક પોસ્ટ કરો છો અને તેના દ્વારા નવા પ્રેક્ષકોને આકર્ષિત કરો છો. વાસ્તવમાં, શરતી "Yandex.Taxi" માટેનો આ પ્રોમો કોડ રેન્ડમ પર પસંદ કરવામાં આવ્યો ન હતો, પરંતુ આ માટે, નવા પ્રેક્ષકોને આકર્ષિત કરવા અને કોઈક રીતે તેમની સાથે ક્રિયાપ્રતિક્રિયા કરવાની તમારી સંભવિતતા વિશે મોટી માત્રામાં ડેટાનું વિશ્લેષણ કરવામાં આવ્યું હતું.

તેઓ ટીવી શ્રેણીના પાત્રોના વર્તનનું પણ વિશ્લેષણ કરે છે

હું તમને ત્રણ ચિત્રો બતાવીશ, અને તમે મને કહો કે તેમની વચ્ચે શું તફાવત છે.

આ એક:

આ:

અને આ એક:

તેમની વચ્ચે શું તફાવત છે? અહીં બધું સરળ છે. ક્વોન્ટમ મિકેનિક્સની જેમ, આ કિસ્સામાં આ સર્જનાત્મકતા નિરીક્ષક દ્વારા બનાવવામાં આવી હતી. એટલે કે, સમાન બ્રાન્ડ દ્વારા એક જ સમયે હાથ ધરવામાં આવેલા સમાન જાહેરાત ઝુંબેશમાં તફાવત ફક્ત આ સર્જનાત્મકને કોણે જોયો તેમાં છે. અંગત રીતે, જ્યારે હું Amediateka પર જાઉં છું, ત્યારે તેઓ હજુ પણ ખાલ ડ્રોગો બતાવે છે. મને ખબર નથી કે Amediateka મારી પસંદગીઓ વિશે શું વિચારે છે, પરંતુ કેટલાક કારણોસર આવું થાય છે.

જેને હવે વ્યક્તિગત સંચાર કહેવામાં આવે છે તે પ્રેક્ષકોને આકર્ષિત કરવાની અને તેની સાથે યોગ્ય રીતે ક્રિયાપ્રતિક્રિયા કરવાની સૌથી લોકપ્રિય વાર્તા છે. જો પ્રથમ તબક્કે અમે અમારા પોતાના બ્રાંડ ડેટા, ઓપન સોર્સ ડેટા અને ઉદાહરણ તરીકે, આ વ્યક્તિના પર્યાવરણમાંથી ડેટાનો ઉપયોગ કરીને લોકોને ઓળખી કાઢ્યા હોય, તો અમે તેનું વિશ્લેષણ કર્યા પછી સમજી શકીએ છીએ કે તે કોણ છે, તેની સાથે કેવી રીતે યોગ્ય રીતે વાત કરવી અને સૌથી અગત્યનું. , તે કઈ ભાષા બોલે છે તેની સાથે વાત કરો.

અહીં ટેક્નોલોજી એટલી આગળ વધી ગઈ છે કે ટીવી સિરીઝમાં જે પાત્રો લોકો જુએ છે તેનું હવે વિશ્લેષણ થઈ રહ્યું છે. એટલે કે, તમને ટીવી શ્રેણી ગમે છે - તે [પસંદો] જોવામાં આવે છે, તેઓ તે જુએ છે કે તમે ત્યાં કોની સાથે ક્રિયાપ્રતિક્રિયા કરી છે, તે સમજવા માટે કે તમારી સાથે ક્રિયાપ્રતિક્રિયા કરવા માટે કયા પ્રકારની વ્યક્તિ યોગ્ય છે. તે સંપૂર્ણ નોનસેન્સ જેવું લાગે છે, પરંતુ માત્ર મનોરંજન માટે, તેને કોઈ એક સંસાધન પર અજમાવો - જુદા જુદા લોકો વિવિધ રચનાઓ જુએ છે (તેની સાથે યોગ્ય રીતે ક્રિયાપ્રતિક્રિયા કરવા માટે).

એક પણ આધુનિક મીડિયા અથવા કોઈપણ વિડિયો સંસાધન તમને અમુક સમાચાર બતાવતું નથી. મીડિયા પર જાઓ - મોટી સંખ્યામાં અલ્ગોરિધમ્સ લોડ થયેલ છે જે તમને ઓળખે છે, તમારી અગાઉની બધી પ્રવૃત્તિને સમજે છે, ગાણિતિક મોડેલને અપીલ કરે છે અને પછી તમને કંઈક બતાવે છે. આ કિસ્સામાં, આવી વિચિત્ર વાર્તા છે.

જરૂરિયાતો કેવી રીતે નક્કી કરવામાં આવે છે? સાયકોમેટ્રી. શરીરવિજ્ઞાન

વ્યક્તિની વાસ્તવિક જરૂરિયાતો અને તેની સાથે યોગ્ય રીતે કેવી રીતે વાતચીત કરવી તે નક્કી કરવા માટે ઘણા (વાસ્તવિક) અભિગમો છે. ત્યાં ઘણા અભિગમો છે, બધું અલગ રીતે ઉકેલવામાં આવે છે, તે કહેવું અશક્ય છે કે શું સારું છે અને શું ખરાબ છે. મુખ્ય લોકો બધું જ જાણે છે.

સાયકોમેટ્રી. કેમ્બ્રિજ એનાલિટિક્સ સાથેની વાર્તા પછી, તે એક પ્રકારનો આઘાતજનક, મારા મતે, એક પ્રકારનો વળાંક લીધો, કારણ કે હવે દરેક બીજી રાજકીય કંપની આવે છે અને કહે છે: "ઓહ, તમે મને ટ્રમ્પ જેવો બનાવી શકો છો? હું પણ જીતવા માંગુ છું, વગેરે." હકીકતમાં, આ, અલબત્ત, આપણી વાસ્તવિકતાઓ માટે નોનસેન્સ છે, ઉદાહરણ તરીકે, રાજકીય ચૂંટણી. પરંતુ સાયકોટાઇપ્સ નક્કી કરવા માટે, ત્રણ મોડેલોનો ઉપયોગ કરવામાં આવે છે:

• પ્રથમ તમે ઉપયોગ કરો છો તે સામગ્રી પર આધારિત છે - તમે લખો છો તે શબ્દો, તમને ગમતી કેટલીક માહિતી, વિડિઓઝ વગેરે;
• બીજું તમે વેબ ઈન્ટરફેસ સાથે કેવી રીતે ક્રિયાપ્રતિક્રિયા કરો છો, તમે કેવી રીતે ટાઈપ કરો છો, તમે કયા બટનો દબાવો છો તેની સાથે જોડાયેલું છે - ખરેખર, એવી સંપૂર્ણ કંપનીઓ છે કે જેઓ તેમના કીબોર્ડ હસ્તાક્ષર પર આધારિત છે, તે તદ્દન વિશ્વસનીય રીતે નક્કી કરી શકે છે કે જેને હવે સાયકોટાઈપ્સ કહેવામાં આવે છે.
• હું મનોવૈજ્ઞાનિક નથી, હું ખરેખર સમજી શકતો નથી કે તે કેવી રીતે કાર્ય કરે છે, પરંતુ જાહેરાત સંદેશાવ્યવહારના દૃષ્ટિકોણથી, આ સેગમેન્ટ્સમાં વિભાજિત પ્રેક્ષકો ખૂબ સારી રીતે કાર્ય કરે છે, કારણ કે કોઈને વાદળી સાથે લાલ સ્ક્રીન બતાવવાની જરૂર છે. સ્ત્રી, કોઈને કોઈ પ્રકારની અમૂર્તતા સાથે ઘેરી સ્ક્રીન-વાદળી પૃષ્ઠભૂમિ બતાવવાની જરૂર છે, અને તે ખૂબ જ સરસ કામ કરે છે. કેટલાક નીચા સ્તરે - એટલું બધું કે વ્યક્તિ તેના વિશે વિચારતો પણ નથી. હવે જાહેરાત બજારમાં મુખ્ય સમસ્યા શું છે? દરેક વ્યક્તિ એક ઇન્ટેલિજન્સ એજન્ટ છે, દરેક જણ છુપાયેલ છે, દરેકની પાસે એક મિલિયન હજાર બ્રાઉઝર પરવાનગીઓ ઇન્સ્ટોલ કરેલી છે, કોઈપણ રીતે ઓળખી ન શકાય તે માટે - તમારી પાસે કદાચ "એડબ્લૉક્સ", "ગોસ્ટ્રે" અને તમામ પ્રકારની એપ્લિકેશનો છે જે ટ્રેકિંગને અવરોધિત કરે છે. આ કારણે, વ્યક્તિ વિશે કંઈપણ સમજવું ખૂબ મુશ્કેલ છે. અને ટેક્નોલોજી આગળ વધી છે - તમારે માત્ર એ જાણવાની જરૂર નથી કે આ વ્યક્તિ તમારી સાઇટ પર 125મી વખત પાછો ફર્યો છે, પરંતુ તે પણ આવો અને આવો વિચિત્ર વ્યક્તિ છે.

ફિઝિયોગ્નોમી એ ખૂબ જ વિવાદાસ્પદ વિજ્ઞાન છે. તેને વિજ્ઞાન પણ માનવામાં આવતું નથી. આ એવા લોકોનું એક જૂથ છે જેઓ આંતરિક બાબતોના કેટલાક મંત્રાલય માટે જૂઠાણું શોધનારાઓને પ્રોગ્રામ કરતા હતા, અને હવે સર્જનાત્મકતાના અવતાર તરીકે ઓળખાતા કામમાં રોકાયેલા છે. અહીં અભિગમ ખૂબ જ સરળ છે: તમારા ઘણા સાર્વજનિક ફોટોગ્રાફ્સ કેટલાક સામાજિક નેટવર્ક્સમાંથી લેવામાં આવ્યા છે, અને ત્રિ-પરિમાણીય ભૂમિતિ તેમાંથી બનાવવામાં આવી છે. અને જો તમે વકીલ છો, તો તમે હવે કહેશો કે આ એક વ્યક્તિ અને વ્યક્તિગત ડેટા છે; પરંતુ હું તમને કહીશ કે આ અવકાશમાં સ્થિત 300 હજાર પોઇન્ટ છે, અને આ કોઈ વ્યક્તિ નથી, અને વ્યક્તિગત ડેટા નથી. જ્યારે રોસ્કોમનાડઝોર તેમની પાસે આવે છે ત્યારે દરેક જણ સામાન્ય રીતે આ કહે છે.

પરંતુ ગંભીરતાપૂર્વક, તમારો ચહેરો અલગથી, જો તમારું પ્રથમ અને છેલ્લું નામ ત્યાં સહી કરેલ નથી, તો તે તમારો વ્યક્તિગત ડેટા નથી. મુદ્દો એ છે કે છોકરાઓ ચહેરાના વિવિધ લક્ષણોને ચિહ્નિત કરે છે જે વ્યક્તિ કેવી રીતે નિર્ણયો લે છે અને તેની સાથે યોગ્ય રીતે કેવી રીતે સંપર્ક કરવો તે પ્રભાવિત કરે છે. કેટલાક વિસ્તારોમાં આ ખરાબ રીતે કામ કરે છે, કેટલાક જાહેરાત સેગમેન્ટમાં; કયા સેગમેન્ટમાં તે ખૂબ જ સારી રીતે કામ કરે છે. અંતે, તે તારણ આપે છે કે જ્યારે તમે કોઈ સંસાધન પર જાઓ છો, ત્યારે તમે માત્ર એક જ બેનર જોશો નહીં જે દરેકને બતાવવામાં આવે છે, પરંતુ, ઉદાહરણ તરીકે... હવે વિવિધ પ્રેક્ષકો માટે 16 અથવા 20 વિકલ્પો બનાવવા સામાન્ય છે - અને તે કામ કરે છે ખૂબ જ ઠંડી. હા, ગ્રાહકના દૃષ્ટિકોણથી આ વધુ ઉદાસી છે, કારણ કે લોકો વધુને વધુ હેરફેર થવા લાગ્યા છે. પરંતુ તેમ છતાં, વ્યવસાયના દૃષ્ટિકોણથી તે ખૂબ જ સારી રીતે કાર્ય કરે છે.

મશીન લર્નિંગનું બ્લેક બોક્સ

આ આવી તકનીકો સાથે નીચેની સમસ્યાને જન્મ આપે છે: છેવટે, મોટાભાગના વિકાસકર્તાઓ માટે હવે જેને ડીપ લર્નિંગ કહેવામાં આવે છે તે "બ્લેક બોક્સ" છે. જો તમે ક્યારેય આ વાર્તામાં ડૂબી ગયા હોવ અને વિકાસકર્તાઓ સાથે વાત કરી હોય, તો તેઓ હંમેશા કહે છે: "ઓહ, સાંભળો, સારું, અમે ત્યાં કંઈક અગમ્ય કોડ કર્યું છે, અને અમને ખબર નથી કે તે કેવી રીતે કાર્ય કરે છે." કદાચ કોઈને આવું થયું હશે.

આ વાસ્તવમાં સત્યથી દૂર છે. જેને હવે મશીન લર્નિંગ કહેવામાં આવે છે તે "બ્લેક બોક્સ"થી દૂર છે. ઇનપુટ અને આઉટપુટ ડેટાનું વર્ણન કરવા માટે વિશાળ સંખ્યામાં અભિગમો છે, અને અંતે કંપનીએ તમને આ અશ્લીલ વિડિયો અથવા અન્ય બતાવવાનું નક્કી કર્યું છે તે સંકેતોના આધારે કંપની સંપૂર્ણપણે સમજી શકે છે. પ્રશ્ન એ છે કે કોઈ પણ કંપની આનો ખુલાસો કરતી નથી, કારણ કે: પ્રથમ, તે એક વેપાર રહસ્ય છે; બીજું, ત્યાં મોટી સંખ્યામાં ડેટા હશે જેના વિશે તમે જાણતા પણ ન હતા.

ઉદાહરણ તરીકે, આ પહેલાં, નૈતિકતા પરની ચર્ચામાં, અમે ચર્ચા કરી હતી કે સામાજિક નેટવર્ક્સ અમુક પ્રકારની જાહેરાત વાર્તાઓમાં લોકોને ટેગ કરવા માટે વ્યક્તિગત સંદેશાઓનું વિશ્લેષણ કેવી રીતે કરે છે. જો તમે કોઈને કંઈક લખો છો, તો તેના આધારે તમને અમુક પ્રકારના જાહેરાત સંચાર માટે ચોક્કસ ટેગ પ્રાપ્ત થાય છે. અને તમે તેને ક્યારેય સાબિત કરશો નહીં, અને કદાચ તેને સાબિત કરવાનો કોઈ અર્થ નથી. જો કે, જો સમાન પેટર્ન જાહેર કરવામાં આવે, તો તેઓ અસ્તિત્વમાં હશે. તે તારણ આપે છે કે આવી ભલામણ પ્રણાલીઓ બનાવવાનું બજાર આ કેમ થયું તે જાણતા નથી.

લોકો તેમના વિશે શું જાણે છે તે જાણવા માંગતા નથી

અને બીજી વાર્તા એ છે કે ગ્રાહક ક્યારેય જાણવા માંગતો નથી કે તેને આ વિશિષ્ટ જાહેરાત, આ વિશિષ્ટ ઉત્પાદન શા માટે મળ્યું. હું તમને આ વાર્તા કહીશ. સંશોધન ખાતર ચોક્કસપણે સમાન અલ્ગોરિધમ્સ પર આધારિત ભલામણ પ્રણાલીઓના વ્યાવસાયિક અમલીકરણનો મારો પ્રથમ અનુભવ 2015 માં સેક્સ શોપ્સના ખૂબ મોટા નેટવર્કમાં હતો (હા, ખાસ કરીને અપ્રિય વાર્તા પણ નથી).

ગ્રાહકોને નીચેની ઓફર કરવામાં આવી હતી: તેઓ આવે છે, તેમના સોશિયલ નેટવર્કથી લૉગ ઇન થાય છે, અને લગભગ 5 સેકન્ડ પછી તેઓ તેમના માટે સંપૂર્ણ વ્યક્તિગત સ્ટોર મેળવે છે, એટલે કે, તમામ ઉત્પાદનો બદલાઈ ગયા છે - તેઓ ચોક્કસ શ્રેણીમાં આવે છે, અને તેથી વધુ. . શું તમે જાણો છો કે આ સ્ટોરનો કન્વર્ઝન રેટ કેટલો વધ્યો છે? કોઈપણ રીતે નહીં! લોકો અંદર આવ્યા અને તરત જ તેમાંથી ભાગી ગયા. તેઓ અંદર આવ્યા અને સમજાયું કે તેઓ જે વિચારી રહ્યા હતા તે જ ઓફર કરવામાં આવી હતી...

આ પરીક્ષણમાં સમસ્યા એ હતી કે દરેક ઉત્પાદનની નીચે લખેલું હતું કે તમને તે ચોક્કસ એકની ઓફર કેમ કરવામાં આવી હતી ("કારણ કે તમે છુપાયેલા જૂથના સભ્ય છો "શક્તિશાળી સ્ત્રી એક એવા પુરુષની શોધમાં છે જે ડોરમેટ છે"). તેથી, આધુનિક ભલામણ પ્રણાલીઓ ક્યારેય ડેટા બતાવતી નથી કે જેના આધારે "આગાહી" કરવામાં આવી હતી.

એક ખૂબ જ લોકપ્રિય વાર્તા મીડિયા છે કારણ કે તે બધા સમાન ભલામણ સિસ્ટમનો ઉપયોગ કરે છે. પહેલાં, એલ્ગોરિધમ્સ ખૂબ જ સરળ હતા: "રાજકારણ" શ્રેણી જુઓ - અને તે તમને "રાજકારણ" શ્રેણીમાંથી સમાચાર બતાવે છે. હવે બધું એટલું જટિલ છે કે તેઓ તે સ્થાનોનું વિશ્લેષણ કરે છે જ્યાં તમે માઉસ રોક્યો હતો, તમે કયા શબ્દો પર ધ્યાન કેન્દ્રિત કર્યું હતું, તમે શું કૉપિ કર્યું હતું, તમે સામાન્ય રીતે આ પૃષ્ઠ સાથે કેવી રીતે ક્રિયાપ્રતિક્રિયા કરી હતી. પછી તે સંદેશાઓની શબ્દભંડોળનું વિશ્લેષણ કરે છે: હા, તમે માત્ર પુતિન વિશેના સમાચારો જ નહીં, પરંતુ ચોક્કસ રીતે, ચોક્કસ ભાવનાત્મક રંગ સાથે વાંચી રહ્યાં છો. અને જ્યારે કોઈ વ્યક્તિને કોઈ સમાચાર મળે છે, ત્યારે તે અહીં કેવી રીતે આવ્યો તે વિશે વિચારતો પણ નથી. તેમ છતાં, તે પછી આ સામગ્રી સાથે સંપર્ક કરે છે.

આ બધું, સ્વાભાવિક રીતે, ગરીબ, કમનસીબ નાના માણસને રાખવાનો છે જે પહેલેથી જ તેની આસપાસની વિશાળ માહિતીથી પાગલ થઈ રહ્યો છે. અહીં તે કહેવું આવશ્યક છે કે તમારી આસપાસના સર્જનાત્મકને વ્યક્તિગત કરવા અને કેટલીક માહિતી એકત્રિત કરવા માટે આવી સિસ્ટમોનો ઉપયોગ કરવો સરસ રહેશે, પરંતુ, કમનસીબે, હજી સુધી આવી કોઈ સેવાઓ નથી.

આર્ટિફિશિયલ ઇન્ટેલિજન્સ ક્લાયન્ટને હવામાં પકડી લે છે અને માંગ ઊભી કરે છે

અને અહીં એક ખૂબ જ રસપ્રદ દાર્શનિક પ્રશ્ન ઊભો થાય છે, ભલામણ સિસ્ટમ બનાવવાથી માંગ બનાવવા તરફ આગળ વધે છે. ભાગ્યે જ કોઈ તેના વિશે વિચારે છે, પરંતુ જ્યારે તમે કહેવાતા ઇન્સ્ટાગ્રામને પૂછવાનો પ્રયાસ કરો છો, “તમે ડેટા કેમ એકત્રિત કરો છો? મને એકદમ રેન્ડમ જાહેરાત કેમ ન બતાવો?" - ઇન્સ્ટાગ્રામ તમને કહેશે: "મિત્ર, આ બધું તમને બરાબર બતાવવા માટે કરવામાં આવ્યું છે કે તમારા માટે શું રસપ્રદ છે." જેમ કે, અમે તમને એટલું ચોક્કસ જાણવા માંગીએ છીએ કે તમે જે શોધી રહ્યાં છો તે અમે તમને બરાબર બતાવી શકીએ.

પરંતુ ટેક્નોલોજી લાંબા સમયથી આ ભયંકર થ્રેશોલ્ડને પાર કરી ગઈ છે, અને સમાન તકનીકો હવે તમને શું જોઈએ છે તેની આગાહી કરતી નથી. તેઓ (ધ્યાન!) માંગ બનાવે છે. આવા સંદેશાવ્યવહારમાં કૃત્રિમ બુદ્ધિની આસપાસ ફરતી આ કદાચ સૌથી ડરામણી વસ્તુ છે. ડરામણી વાત એ છે કે તેનો ઉપયોગ છેલ્લા 3-5 વર્ષથી લગભગ દરેક જગ્યાએ થઈ રહ્યો છે - Google શોધ પરિણામોથી લઈને યાન્ડેક્ષ શોધ પરિણામો સુધી, કેટલીક સિસ્ટમો સુધી... ઠીક છે, હું યાન્ડેક્સ વિશે કંઈપણ ખરાબ નહીં કહું; અને સારું.

શું વાત છે? લાંબો સમય થઈ ગયો છે જ્યારે આવા જાહેરાત સંચાર વ્યૂહરચનાથી દૂર થઈ ગયા છે જ્યાં તમે લખો છો કે "હું ચાઈલ્ડ સીટ ખરીદવા માંગુ છું" અને એક લાખ મિલિયન પ્રકાશનો જુઓ. તેઓ નીચેની તરફ આગળ વધ્યા: જલદી જ સ્ત્રીએ ભાગ્યે જ દેખાતા પેટ સાથેનો ફોટો પોસ્ટ કર્યો, તેના પતિ તરત જ સંદેશાઓ દ્વારા અનુસરવાનું શરૂ કરશે: “માણસ, જન્મ ટૂંક સમયમાં આવી રહ્યો છે. ચાઇલ્ડ સીટ ખરીદો."

અહીં, તમે વ્યાજબી રીતે પૂછી શકો છો કે, શા માટે, ટેક્નોલોજીમાં આટલી વિશાળ પ્રગતિ સાથે, શું આપણે હજી પણ સોશિયલ નેટવર્ક પર આવી ખરાબ જાહેરાતો જોઈએ છીએ? સમસ્યા એ છે કે આ માર્કેટમાં હજી પણ બધું પૈસા દ્વારા નક્કી કરવામાં આવે છે, તેથી એક સરસ ક્ષણ કોકા-કોલા જેવા કેટલાક જાહેરાતકર્તા આવી શકે છે અને કહી શકે છે: "આ રહ્યાં તમારા માટે 20 મિલિયન - સમગ્ર ઇન્ટરનેટ પર મારા ખરાબ બેનરો બતાવો." અને તેઓ ખરેખર તે કરશે.

પરંતુ જો તમે કોઈ પ્રકારનું સ્વચ્છ એકાઉન્ટ બનાવો છો અને પરીક્ષણ કરો કે આવા અલ્ગોરિધમ્સ તમારું અનુમાન કેટલું સચોટ રીતે કરે છે: તેઓ પહેલા તમારું અનુમાન લગાવવાનો પ્રયાસ કરે છે, અને પછી તેઓ તમારી સાથે અગાઉથી કંઈક કરવાનું શરૂ કરે છે. અને માનવ મગજ એવી રીતે કામ કરે છે કે, તેના માટે વિશ્વસનીય માહિતી પ્રાપ્ત કરતી વખતે, તે આ માહિતી શા માટે પ્રાપ્ત થઈ તે ક્ષણ પર પણ પ્રક્રિયા કરતું નથી. તમે સ્વપ્નમાં છો તે નક્કી કરવા માટેનો પ્રથમ નિયમ એ છે કે તમે અહીં કેવી રીતે આવ્યા છો તે સમજવું. એક વ્યક્તિ ક્યારેય યાદ નથી રાખતો કે તે ચોક્કસ રૂમમાં ક્યારે સમાપ્ત થયો. અહીં પણ એવું જ છે.

Google તમારા વિશ્વ દૃષ્ટિકોણને આકાર આપવાનું શરૂ કરી શકે છે

આઈ-ટ્રેકિંગ સાથે સંકળાયેલી કેટલીક વિદેશી કંપનીઓ દ્વારા આવા અભ્યાસ હાથ ધરવામાં આવ્યા હતા. તેઓએ વિશિષ્ટ કમ્પ્યુટર્સ પર ઉપકરણો ઇન્સ્ટોલ કર્યા જે રેકોર્ડ કરે છે કે પરીક્ષણ વિષયની આંખો ક્યાં જોઈ રહી છે. મેં પાંચથી સાત હજાર સ્વયંસેવકો લીધા જેઓ ફક્ત ફીડને સ્ક્રોલ કરે છે, સોશિયલ નેટવર્ક્સ સાથે, જાહેરાતો સાથે સંપર્ક કરે છે, અને તેઓએ માહિતી રેકોર્ડ કરી છે કે આ લોકોએ બેનરો અને ક્રિએટિવ્સના કયા ભાગો પર તેમની આંખો બંધ કરી છે.

અને તે તારણ આપે છે કે જ્યારે લોકો આવા અતિ-વ્યક્તિગત સર્જનાત્મક મેળવે છે, ત્યારે તેઓ તેના વિશે વિચારતા પણ નથી - તેઓ તરત જ આગળ વધે છે, તેની સાથે ક્રિયાપ્રતિક્રિયા કરવાનું શરૂ કરે છે. વ્યવસાયના દૃષ્ટિકોણથી, આ સારું છે, પરંતુ અમારા દૃષ્ટિકોણથી, વપરાશકર્તાઓ તરીકે, આ ખૂબ સરસ નથી, કારણ કે - તેઓ શેનાથી ડરતા હોય છે? - તે એક સરસ ક્ષણે શરતી "Google" તેના પોતાના વિશ્વ દૃષ્ટિકોણ બનાવવા માટે શરૂ થઈ શકે છે (અથવા, અલબત્ત, તે શરૂ થઈ શકશે નહીં). આવતીકાલે, ઉદાહરણ તરીકે, તે લોકોને સમાચાર બતાવવાનું શરૂ કરી શકે છે કે પૃથ્વી સપાટ છે.

મજાક કરો છો, પરંતુ તેઓ એટલી વાર પકડાયા છે કે ચૂંટણી દરમિયાન તેઓ ચોક્કસ લોકોને ચોક્કસ માહિતી આપવા લાગે છે. આપણે બધા એ હકીકત માટે ટેવાયેલા છીએ કે સર્ચ એન્જિન બધું પ્રામાણિકપણે મેળવે છે. પરંતુ, જેમ હું હંમેશા કહું છું, જો તમે ખરેખર જાણવા માંગતા હોવ કે વિશ્વ કેવી રીતે કાર્ય કરે છે, તો તમારું પોતાનું સર્ચ એન્જિન લખો, ફિલ્ટર વિના, કૉપિરાઇટ પર ધ્યાન આપ્યા વિના, શોધ પરિણામોમાં તમારા કેટલાક મિત્રોને રેન્કિંગ આપ્યા વિના. ઇન્ટરનેટ પર વાસ્તવિક ડેટાનું પ્રદર્શન સામાન્ય રીતે Google, Yandex, Bing અને તેથી વધુ દ્વારા બતાવવામાં આવે છે તેનાથી અલગ છે. કેટલીક સામગ્રી છુપાયેલી છે કારણ કે મિત્રો, સાથીદારો, દુશ્મનો અથવા કોઈ અન્ય (અથવા ભૂતપૂર્વ પ્રેમી જેની સાથે તમે સૂઈ ગયા છો) - તેનાથી કોઈ ફરક પડતો નથી.

ટ્રમ્પ કેવી રીતે જીત્યા

યુનાઇટેડ સ્ટેટ્સમાં છેલ્લી ચૂંટણી હતી ત્યારે ખૂબ જ સરળ અભ્યાસ હાથ ધરવામાં આવ્યો હતો. તેઓએ અલગ-અલગ જગ્યાએ, અલગ-અલગ IP એડ્રેસ પરથી, અલગ-અલગ શહેરોમાંથી, અલગ-અલગ લોકોએ એક જ વસ્તુ Google કરી હતી. પરંપરાગત રીતે, વિનંતી શૈલીમાં હતી: કોણ ચૂંટણી જીતશે? અને આશ્ચર્યજનક રીતે, પરિણામો એવી રીતે બનાવવામાં આવ્યા હતા કે તે રાજ્યોમાં જ્યાં સૌથી વધુ સંખ્યામાં લોકોએ ખોટા ઉમેદવારને મત આપવાનો પ્રયાસ કર્યો હતો, તેમને Google દ્વારા પ્રમોટ કરાયેલ ઉમેદવાર વિશે કેટલાક સારા સમાચાર મળ્યા હતા. કયો? ઠીક છે, તે સ્પષ્ટ છે કે કયો - પ્રમુખ બન્યો. આ એક તદ્દન અયોગ્ય વાર્તા છે, અને આ બધા અભ્યાસો પાણીમાં આંગળી છે. Google કહી શકે છે: "ગાય્સ, આ બધું એટલા માટે કરવામાં આવ્યું છે કે અમે તમારા માટે સૌથી સુસંગત સામગ્રી બતાવીએ."

હવેથી, તમારે જાણવું જોઈએ કે જેને મહત્તમ સુસંગત કહેવામાં આવે છે તે બિલકુલ એવું નથી. કંપની એવી સંબંધિત વસ્તુને કૉલ કરે છે જે તમને સારા કે ખરાબ કારણોસર વેચવાની જરૂર છે.

જેની પાસે અત્યારે પૈસા નથી તેઓ ભવિષ્યની ખરીદી માટે પહેલેથી જ તૈયાર થઈ રહ્યા છે

અહીં એક અન્ય રસપ્રદ મુદ્દો છે જેના વિશે હું તમને જણાવીશ. સોશિયલ નેટવર્ક અને એપ્સમાં હવે મોટી સંખ્યામાં સક્રિય પ્રેક્ષકો યુવાનો છે. ચાલો તેને કહીએ - નાદાર યુવા: 8-9 વર્ષનાં બાળકો જે મોરોનિક રમતો રમે છે, આ 12-13-14 છે જેઓ હમણાં જ સોશિયલ નેટવર્ક પર નોંધણી કરી રહ્યાં છે. શા માટે વિશાળ કંપનીઓ પૈસા ચૂકવતા ન હોય તેવા પ્રેક્ષકો માટે એપ્લિકેશન બનાવવા માટે વિશાળ બજેટ અને સંસાધનો ખર્ચ કરશે જેનું ક્યારેય મુદ્રીકરણ થતું નથી? આ ક્ષણે જ્યારે આ પ્રેક્ષકો દ્રાવક બની જાય છે, ત્યારે તેની વર્તણૂકની ખૂબ સારી રીતે આગાહી કરવા માટે તેના વિશે પર્યાપ્ત માત્રામાં ડેટા હશે.

હવે કોઈપણ ટાર્ગેટોલોજીસ્ટને પૂછો કે સૌથી મુશ્કેલ પ્રેક્ષકો શું છે? તેઓ કહેશે: ખૂબ નફાકારક. કારણ કે વેચાણ, ઉદાહરણ તરીકે, સામાજિક નેટવર્ક્સ દ્વારા 150 મિલિયન રુબેલ્સની કિંમતનું એપાર્ટમેન્ટ લગભગ અશક્ય છે. એવા કિસ્સાઓ છે કે જ્યારે તમે 10 હજાર લોકો માટે કોઈ પ્રકારની જાહેરાત કરો છો, ત્યારે એક આ એપાર્ટમેન્ટ ખરીદે છે - ક્લાયંટ સફળ છે... પરંતુ આંકડાકીય દૃષ્ટિકોણથી, દસ હજારમાંથી એક, સંપૂર્ણ વાહિયાત છે. તો, શા માટે ઉચ્ચ આવક ધરાવતા પ્રેક્ષકોને ઓળખવું મુશ્કેલ છે? કારણ કે જે લોકો હવે ખૂબ નફાકારક પ્રેક્ષકોના સભ્યો છે તેઓનો જન્મ ત્યારે થયો હતો જ્યારે ઇન્ટરનેટ હજી ખૂબ નાનું હતું, જ્યારે આર્ટેમી લેબેદેવને હજી સુધી કોઈ જાણતું ન હતું, અને તેમના વિશે કોઈ માહિતી નથી. તેમની વર્તણૂક પેટર્નની આગાહી કરવી અશક્ય છે, તેમના અભિપ્રાયના નેતાઓ કોણ છે અને તેઓ સામગ્રીના કયા સ્ત્રોતોમાંથી પ્રાપ્ત કરે છે તે સમજવું અશક્ય છે.

તેથી જ્યારે તમે બધા 25 વર્ષમાં અબજોપતિ બની જાઓ છો, અને જે કંપનીઓ તમને કંઈક વેચવા જઈ રહી છે તેમની પાસે મોટી માત્રામાં ડેટા હશે. તેથી જ હવે અમારી પાસે યુરોપમાં એક અદ્ભુત GDPR છે જે સગીરોના ડેટાના સંગ્રહને અટકાવે છે.

સ્વાભાવિક રીતે, આ વ્યવહારમાં બિલકુલ કામ કરતું નથી, કારણ કે બધા બાળકો હજી પણ તેમની માતા અને પિતાના ખાતા પર રમે છે - આ રીતે માહિતી એકત્રિત કરવામાં આવે છે. આગલી વખતે તમે તમારા બાળકને ટેબ્લેટ આપો ત્યારે આ વિશે વિચારો.

બિલકુલ ડરામણી, ડાયસ્ટોપિયન ભવિષ્ય નથી, જ્યારે દરેક વ્યક્તિ મશીનો સાથેના યુદ્ધમાં મરી જશે - હવે એકદમ વાસ્તવિક વાર્તા. એવી મોટી સંખ્યામાં કંપનીઓ છે જે સાયકો-પ્રોફાઈલિંગ લોકો માટે કેવી રીતે ગેમ રમે છે તેના આધારે એલ્ગોરિધમ્સ બનાવી રહી છે. ખૂબ જ રસપ્રદ ઉદ્યોગ. આ બધાના આધારે, લોકોને કોઈક રીતે તેમની સાથે વાતચીત કરવા માટે વિભાજિત કરવામાં આવે છે.

આ લોકોની વર્તણૂકની આગાહી 10-15 વર્ષમાં ઉપલબ્ધ થશે - ચોક્કસ ક્ષણે જ્યારે તેઓ દ્રાવ્ય પ્રેક્ષક બનશે. સૌથી અગત્યની બાબત એ છે કે આ લોકોએ તેમના અંગત ડેટાને પ્રોસેસ કરવા, તેને તૃતીય પક્ષોને ટ્રાન્સફર કરવા માટે અગાઉથી જ પરવાનગી આપી દીધી છે અને આ બધું સુખ છે, વગેરે.

કોણ તેમની નોકરી ગુમાવશે?

અને મારી છેલ્લી વાર્તા એ છે કે દરેક વ્યક્તિ હંમેશા પૂછે છે કે 50 વર્ષમાં શું થશે: આપણે બધા મરી જઈશું, માર્કેટર્સ માટે બેરોજગારી હશે... અહીં માર્કેટર્સ છે જેઓ બેરોજગારી વિશે ચિંતિત છે, ખરું ને? સામાન્ય રીતે, ચિંતા કરવાની કોઈ જરૂર નથી, કારણ કે કોઈપણ ઉચ્ચ ગુણવત્તાવાળું વ્યક્તિ તેની નોકરી ગુમાવશે નહીં.

ભલે ગમે તે અલ્ગોરિધમ્સ બનાવવામાં આવે, મશીન આપણી પાસે જે છે તેની નજીક આવે તે મહત્વનું નથી (તેના માથા તરફ નિર્દેશ કરે છે), જો તે ઝડપથી વિકાસ પામે છે, તો આવા લોકો ક્યારેય નિષ્ક્રિય રહેશે નહીં, કારણ કે કોઈએ આ સર્જનાત્મક વસ્તુઓ બનાવવી પડશે. કરવું હા, ત્યાં તમામ પ્રકારના "ગેન્સ" છે જે લોકો જેવા દેખાતા ચિત્રો દોરે છે અને સંગીત બનાવે છે, પરંતુ હજુ પણ આ વિસ્તારના લોકો ક્યારેય તેમની નોકરી ગુમાવશે તેવી શક્યતા નથી.

મારી પાસે વાર્તા સાથેનું બધું છે, તેથી જો તમારી પાસે વધુ હોય તો તમે પ્રશ્નો પૂછી શકો છો. આભાર.

લીડ: – મિત્રો, હવે આપણે “પ્રશ્ન અને જવાબ” બ્લોક પર આગળ વધી રહ્યા છીએ. તમે તમારો હાથ ઊંચો કરો - હું તમારી પાસે આવું છું.

પ્રેક્ષકો તરફથી પ્રશ્ન (XNUMX): - "બ્લેક બોક્સ" વિશે પ્રશ્ન. તેઓએ કહ્યું કે આવા અને આવા વપરાશકર્તા માટે આવા અને આવા પરિણામ શા માટે પ્રાપ્ત થયા તે ખાસ રીતે સમજવું શક્ય છે. શું આ અમુક પ્રકારના અલ્ગોરિધમ્સ છે, અથવા દરેક મોડેલ એડહોક (લેખકની નોંધ: "ખાસ કરીને આ માટે" - લેટિન શબ્દસમૂહશાસ્ત્રીય એકમ) માટે દર વખતે તેનું વિશ્લેષણ કરવાની જરૂર છે? અથવા ત્યાં કોઈ પ્રકારના ન્યુરલ નેટવર્ક માટે તૈયાર છે જે, લગભગ કહીએ તો, વ્યવસાયિક અર્થમાં હોઈ શકે?

ઓહ: - અહીં તમારે નીચેનાને સમજવાની જરૂર છે: મશીન લર્નિંગમાં મોટી સંખ્યામાં કાર્યો છે. ઉદાહરણ તરીકે, એક કાર્ય છે - રીગ્રેશન. રીગ્રેસન માટે, કોઈ ન્યુરલ નેટવર્કની જરૂર નથી. બધું સરળ છે: તમારી પાસે ઘણા સૂચકાંકો છે, તમારે નીચેની ગણતરી કરવાની જરૂર છે. એવા કાર્યો છે જ્યાં ઊંડા શિક્ષણ જેવી વસ્તુનો આશરો લેવો જરૂરી છે. ખરેખર, ઊંડા શિક્ષણમાં કયા ન્યુરોન્સને કયા વજન સોંપવામાં આવ્યા હતા તે વિશ્વસનીય રીતે સમજવું મુશ્કેલ છે, પરંતુ કાયદેસર રીતે તમારે ફક્ત એ સમજવાની જરૂર છે કે ઇનપુટ પર કયો ડેટા હતો અને તે આઉટપુટ પર કેવી રીતે વગાડવામાં આવ્યો હતો. આવા નિર્ણયને પેટન્ટ કરવા માટે આ કાયદેસર રીતે પૂરતું છે અને વાર્તા કયા આધારે બનાવવામાં આવી હતી તે સમજવા માટે તે પૂરતું છે.

એવું નથી કે તમે સાઇટ પર ગયા હતા અને તમને કોઈ પ્રકારનું બેનર બતાવવામાં આવ્યું હતું કારણ કે તમે બે મહિના પહેલા Instagram પર લાલ વાળ સાથેનો ફોટો લીધો હતો. જો વિકાસકર્તા આ ડેટાના સંગ્રહને અને આ મોડેલમાં વાળના રંગનું માર્કિંગ શામેલ કરતું નથી, તો તે ક્યાંય બહાર આવશે નહીં.

મશીન લર્નિંગ સિસ્ટમ્સના પરિણામો કેવી રીતે વેચવા?

З: - તે માત્ર એક પ્રશ્ન છે કે શું: બરાબર કેવી રીતે સમજાવવું, મશીન લર્નિંગ ન સમજતા વ્યક્તિને કેવી રીતે વેચવું. હું કહેવા માંગુ છું: મારું મોડેલ સ્પષ્ટપણે વાળના રંગથી... સારું, વાળનો રંગ બદલાય છે... શું આ શક્ય છે કે નહીં?

ઓહ: - કદાચ હા. પરંતુ વેચાણના દૃષ્ટિકોણથી, એકમાત્ર યોજના કામ કરશે: તમારી પાસે એક જાહેરાત ઝુંબેશ છે, અમે પ્રેક્ષકોને મશીન દ્વારા જનરેટ કરેલા એક સાથે બદલીએ છીએ - અને તમે ફક્ત પરિણામ જોશો. કમનસીબે, ગ્રાહકને વિશ્વાસપૂર્વક સમજાવવાનો આ એકમાત્ર રસ્તો છે કે આવી વાર્તા કામ કરે છે, કારણ કે બજારમાં ઘણા બધા ઉકેલો છે જે એકવાર અમલમાં મૂકાયા હતા અને કામ કરતા ન હતા.

વર્ચ્યુઅલ વ્યક્તિત્વ બનાવવા વિશે

З: - નમસ્તે. વ્યાખ્યાન માટે આભાર. પ્રશ્ન એ છે કે: વ્યક્તિ પાસે કઈ તક હોય છે, જે કોઈ કારણોસર મશીન લર્નિંગની આગેવાનીને અનુસરવા માંગતો નથી, પોતાના માટે એક વર્ચ્યુઅલ વ્યક્તિત્વ બનાવવા માંગતો હોય જે તેના પોતાના વ્યક્તિત્વથી ધરમૂળથી અલગ હોય, ઇન્ટરફેસ સાથેની ક્રિયાપ્રતિક્રિયા દ્વારા અથવા કેટલાક માટે અન્ય કારણ?

ઓહ: - ત્યાં વિવિધ પ્લગિન્સનો સમૂહ છે જે ખાસ કરીને રેન્ડમાઇઝિંગ વર્તન સાથે વ્યવહાર કરે છે. ત્યાં એક સરસ વસ્તુ છે - ઘોસ્ટરી, જે મારા મતે, લગભગ સંપૂર્ણપણે તમને જુદા જુદા ટ્રેકર્સના સમૂહથી છુપાવે છે જે પછી આ માહિતીને રેકોર્ડ કરી શકતા નથી. પરંતુ વાસ્તવમાં, હવે તમારે સોશિયલ નેટવર્ક પર એક બંધ પ્રોફાઇલની જરૂર છે જેથી કોઈ પણ વ્યક્તિ, કોઈ દુષ્ટ સ્ક્રેપર, ત્યાં કંઈપણ એકત્રિત કરી શકે નહીં. કોઈ પ્રકારનું એક્સ્ટેંશન ઇન્સ્ટોલ કરવું અથવા જાતે કંઈક લખવું કદાચ વધુ સારું છે.

તમે જુઓ, અહીં ખ્યાલ એ છે કે કાયદેસર રીતે, ઉદાહરણ તરીકે, વ્યક્તિગત ડેટા એ ડેટાનો સંદર્ભ આપે છે જેના દ્વારા તમને ઓળખી શકાય છે, અને કાયદો ઉદાહરણ તરીકે તમારું રહેઠાણ, ઉંમર, વગેરેનું સરનામું આપે છે. આજકાલ અસંખ્ય ડેટા છે જેના દ્વારા તમે ઓળખી શકો છો: સમાન કીબોર્ડ હસ્તાક્ષર, સમાન પ્રેસ, બ્રાઉઝરની ડિજિટલ હસ્તાક્ષર... વહેલા કે પછી, વ્યક્તિ ભૂલ કરે છે. તે "થોર" નો ઉપયોગ કરીને "કૅફે" માં ક્યાંક હોઈ શકે છે, પરંતુ અંતે, એક સરસ ક્ષણે, કાં તો VPN ચાલુ કરવાનું ભૂલી જશે, અથવા બીજું કંઈક, અને તે ક્ષણે તેની ઓળખ થઈ શકે છે. તેથી સૌથી સહેલો રસ્તો એ છે કે ખાનગી ખાતું બનાવવું અને અમુક એક્સટેન્શન ઇન્સ્ટોલ કરવું.

બજાર એ બિંદુ તરફ આગળ વધી રહ્યું છે જ્યાં તમારે પરિણામો મેળવવા માટે માત્ર એક બટન દબાવવાની જરૂર છે.

З: - વાર્તા માટે આભાર. હંમેશની જેમ, હંમેશા ખૂબ જ રસપ્રદ (હું તમને અનુસરું છું). પ્રશ્ન એ છે કે: વપરાશકર્તાઓ, ભલામણ સિસ્ટમો માટે સકારાત્મક સિસ્ટમો બનાવવાની દ્રષ્ટિએ કઈ પ્રગતિ છે? તમે કહ્યું હતું કે એક સમયે તમે જાતીય જીવનસાથી, જીવનના મિત્ર (અથવા વ્યક્તિને ગમતું સંગીત) શોધવા માટેની ભલામણ પ્રણાલી પર કામ કરતા હતા... આ બધું કેટલું આશાસ્પદ છે, અને તમે તેના વિકાસને કેવી રીતે જુઓ છો? લોકોને જરૂર હોય તેવી સિસ્ટમ બનાવવાનો દૃષ્ટિકોણ?

ઓહ: - સામાન્ય રીતે, બજાર એવા બિંદુ તરફ આગળ વધી રહ્યું છે જ્યાં લોકોને એક બટન દબાવવાની જરૂર છે અને તરત જ તેઓને જે જોઈએ છે તે મેળવવું પડશે. ડેટિંગ એપ્લીકેશન બનાવવાના મારા અનુભવની વાત કરીએ તો (માર્ગ દ્વારા, અમે તેને વર્ષના અંતે ફરીથી લોંચ કરીશું), એ હકીકત ઉપરાંત કે 65% પરિણીત પુરુષો હતા, ભલામણની સૌથી મુશ્કેલ સમસ્યા એ હતી કે વ્યક્તિને ઘણા મોડેલો ઓફર કરવામાં આવ્યા હતા. એપ્લિકેશનની શરૂઆતમાં - " મિત્રતા", "સેક્સ", "સેક્સ ફ્રેન્ડશિપ" અને "બિઝનેસ". લોકોએ તેમને જે જોઈએ છે તે પસંદ કર્યું નથી. પુરુષો આવ્યા અને "પ્રેમ" પસંદ કર્યો, પરંતુ વાસ્તવમાં તેઓએ દરેક પર નગ્નતા ફેંકી, વગેરે.

સમસ્યા એવી વ્યક્તિને ઓળખવાની હતી કે જે આમાંના એક મોડેલમાં ફિટ ન હોય, અને કોઈક રીતે તેને સરળતાથી લઈ જાય અને તેને બીજી દિશામાં લઈ જાય. ડેટાની નાની માત્રાને લીધે, તે નક્કી કરવું ખૂબ જ મુશ્કેલ છે કે શું આ આગાહી અલ્ગોરિધમમાં ભૂલ છે, અથવા કોઈ વ્યક્તિ તેની શ્રેણીમાં નથી. તે સંગીત સાથે સમાન છે: હવે ખરેખર ખૂબ જ લાયક અલ્ગોરિધમ્સ છે જે સંગીતને સારી રીતે "ફેકાસ્ટ" કરી શકે છે. કદાચ “Yandex.Music”. કેટલાક લોકોને લાગે છે કે Yandex.Music અલ્ગોરિધમ ખરાબ છે. ઉદાહરણ તરીકે, મને તેણી ગમે છે. મને વ્યક્તિગત રીતે, ઉદાહરણ તરીકે, YouTube મ્યુઝિક અલ્ગોરિધમ વગેરે પસંદ નથી.

ત્યાં, અલબત્ત, કેટલીક સૂક્ષ્મતા છે - બધું લાઇસન્સ સાથે જોડાયેલું છે... પરંતુ વાસ્તવમાં, આવી સિસ્ટમોની માંગ ઘણી વધારે છે. એક સમયે, રિટેલ રોકેટ કંપની જાણીતી હતી, જે ભલામણ પ્રણાલીઓના અમલીકરણમાં સામેલ હતી, પરંતુ હવે તે કોઈક રીતે ખૂબ સારી રીતે કામ કરતી નથી - દેખીતી રીતે કારણ કે તેઓએ લાંબા સમયથી તેમના અલ્ગોરિધમ્સ વિકસાવ્યા નથી. બધું આ તરફ જાય છે - તે બિંદુ સુધી કે આપણે અંદર જઈએ છીએ અને, કંઈપણ દબાવ્યા વિના, આપણને જે જોઈએ છે તે મેળવીએ છીએ (અને સંપૂર્ણપણે મૂર્ખ બનીએ છીએ, કારણ કે અમારી પસંદ કરવાની ક્ષમતા સંપૂર્ણપણે અદૃશ્ય થઈ ગઈ છે).

માર્કેટિંગને પ્રભાવિત કરો

З: - નમસ્તે. મારું નામ કોન્સ્ટેન્ટિન છે. હું પ્રભાવ માર્કેટિંગ વિશે એક પ્રશ્ન ઉઠાવવા માંગુ છું. શું તમે એવી કોઈ પ્રણાલી જાણો છો જે વ્યવસાયને અમુક આંકડાકીય માહિતીના આધારે વ્યવસાય માટે યોગ્ય બ્લોગર પસંદ કરવાની મંજૂરી આપે છે. અને આ કયા આધારે કરવામાં આવે છે?

ઓહ: – હા, હું દૂરથી શરૂ કરીશ અને તરત જ કહીશ કે આ બધી તકનીકીઓની સમસ્યા એ છે કે માર્કેટિંગમાં આ બધી કૃત્રિમ બુદ્ધિ હવે એક ટાઈટરોપ વૉકર જેવી છે: ડાબી બાજુ એવી મોટી કંપનીઓ છે કે જેની પાસે પુષ્કળ પૈસા છે, અને કોઈ પણ સંજોગોમાં તેમના કામ માટે બધું જ અસરકારક રહેશે કારણ કે તેમની જાહેરાત ઝુંબેશ ફક્ત દૃશ્યોને ધ્યાનમાં રાખીને કરવામાં આવે છે; બીજી બાજુ, ઘણા નાના વ્યવસાયો છે જેના માટે આ કામ કરશે નહીં, કારણ કે તેમની પાસે ઘણો ડેટા છે. અત્યાર સુધી, આ વાર્તાઓની પ્રયોજ્યતા ક્યાંક મધ્યમાં છે.

જ્યારે પહેલાથી જ સારા બજેટ હોય છે, અને કાર્ય આ બજેટને યોગ્ય રીતે પ્રક્રિયા કરવાનું છે (અને, સૈદ્ધાંતિક રીતે, ત્યાં પહેલેથી જ ઘણો ડેટા છે)… હું કેટલીક સેવાઓને જાણું છું, ગેટબ્લોગર જેવી, જેમાં અલ્ગોરિધમ્સ હોય તેવું લાગે છે. પ્રમાણિક બનવા માટે, મેં આ અલ્ગોરિધમ્સનો અભ્યાસ કર્યો નથી. હું તમને કહી શકું છું કે જ્યારે આપણે કેટલીક માતાઓને ભેટ આપવાની જરૂર હોય ત્યારે અભિપ્રાયના નેતાઓને શોધવા માટે અમે કયા અભિગમનો ઉપયોગ કરીએ છીએ.

અમે સામગ્રી વિતરણ સમય નામના મેટ્રિકનો ઉપયોગ કરીએ છીએ. તે આના જેવું કાર્ય કરે છે: તમે એવા વ્યક્તિને લો છો કે જેના પ્રેક્ષકોનું તમે વિશ્લેષણ કરી રહ્યાં છો, અને તમારે વ્યવસ્થિત રીતે (ઉદાહરણ તરીકે, દર 5 મિનિટે એકવાર) દરેક પોસ્ટ પર માહિતી એકત્રિત કરવાની જરૂર છે, જેણે તેને પસંદ કર્યું, તેના પર ટિપ્પણી કરી, વગેરે. આ રીતે, તમે સમજી શકો છો કે તમારા પ્રેક્ષકોમાંના દરેક વ્યક્તિએ તમારી સામગ્રી સાથે કયા સમયે સંપર્ક કર્યો. તેના પ્રેક્ષકોના દરેક પ્રતિનિધિ માટે આ ક્રિયાને પુનરાવર્તિત કરો, અને આમ, સામગ્રી પ્રસારના સરેરાશ સમયના મેટ્રિકનો ઉપયોગ કરીને, તે, ઉદાહરણ તરીકે, આ લોકોના મોટા નેટવર્ક ગ્રાફમાં રંગીન થઈ શકે છે અને ક્લસ્ટરો બનાવવા માટે આ મેટ્રિકનો ઉપયોગ કરી શકે છે.

જો આપણે ઇચ્છીએ તો આ ખૂબ સારી રીતે કાર્ય કરે છે, ઉદાહરણ તરીકે, 15 માતાઓને શોધવા જેઓ અમુક woman.ru પર તેમના જાહેર અભિપ્રાય જાળવી રાખે છે. પરંતુ આ એક જટિલ તકનીકી અમલીકરણ છે (જોકે સૈદ્ધાંતિક રીતે તે પાયથોનમાં થઈ શકે છે). બોટમ લાઇન એ છે કે મોટી જાહેરાત એજન્સીઓમાં પ્રભાવ માર્કેટિંગની સમસ્યા એ છે કે તેમને મોટા, શાનદાર, ખર્ચાળ બ્લોગર્સની જરૂર છે જેઓ છી માટે કામ કરતા નથી. હવે, એક કાર બ્રાન્ડ અમુક ઓપિનિયન લીડર દ્વારા અમુક પ્રોડક્ટ વેચવા માંગે છે - તેઓએ છેલ્લે ઓટો બ્લોગરનો ઉપયોગ કરવાની જરૂર છે, કારણ કે આવા પ્રેક્ષકોએ કાં તો પહેલેથી જ કાર ખરીદી છે, અથવા તેઓને બરાબર ખબર છે કે તેઓને કઈ કાર જોઈએ છે, બસ બેસીને જુએ છે. ઠંડી કાર પર. અહીં એ મહત્વનું છે કે વ્યક્તિ પોતે જ પ્રેક્ષકોનું વિશ્લેષણ ચૂકી ન જાય.

માર્કેટિંગ બૉટો

З: - મને કહો, સામાજિક નેટવર્ક્સ પરના બૉટો માહિતીના સંગ્રહ અને તેની ગુણવત્તાને કેટલી અસર કરે છે?

ઓહ: - બૉટો સાથે આ એક રસપ્રદ બાબત છે. સસ્તા બૉટ્સ ઓળખવા માટે એકદમ સરળ છે - તેઓ કાં તો સમાન સામગ્રી ધરાવે છે, અથવા તેઓ એકબીજાના મિત્રો છે, અથવા તેઓ સમાન નેટવર્કમાં છે. જટિલ બૉટો સાથે વ્યવહાર કરવા માટેના અભિગમો પણ છે. અથવા તમે સમસ્યાને પૂછી રહ્યા છો કે વ્યક્તિને તેના નકલી સાથે કેવી રીતે જોડવું?

З: - આ બધા કચરા સાથે કેટલી ઉચ્ચ-ગુણવત્તાવાળી માહિતી આઉટપુટ હશે?

ઓહ: - અહીં તે આ રીતે કાર્ય કરે છે: એ હકીકતને કારણે કે ત્યાં મોટી માત્રામાં ડેટા છે (ઉદાહરણ તરીકે, અમુક પ્રકારના માર્કેટિંગ સંશોધન માટે), આ તમામ રિફ્રાફ ખાલી ફેંકી શકાય છે. એટલે કે, બૉટોને પકડવા કરતાં થોડા વધુ વાસ્તવિક લોકોને ફેંકી દેવાનું વધુ સારું છે, કારણ કે તેમના માટે કોઈપણ જાહેરાત બતાવવાનું નકામું છે. પરંતુ જો તમે મેટ્રિક્સ એકત્રિત કરો છો, ઉદાહરણ તરીકે, બેનરો અથવા ભલામણ સિસ્ટમ્સ સાથેની ક્રિયાપ્રતિક્રિયાઓ, તો આવા એકાઉન્ટ્સ બહાર ફેંકી શકાય છે.

હવે સામાજિક નેટવર્ક્સ પર, લગભગ છ ટકા વર્ચ્યુઅલ પાત્રો અથવા ફક્ત ત્યજી દેવાયેલા પૃષ્ઠો અથવા અંતર્મુખો છે, જેમને અલ્ગોરિધમ્સ બૉટો તરીકે "મેળ" કરે છે. વ્યક્તિને તેના નકલી સાથે લિંક કરવા માટે, અહીં પણ, બધું એ હકીકત સાથે જોડાયેલું છે કે વ્યક્તિ વહેલા કે પછીથી ભૂલ કરશે, અને વાત એ છે કે વર્તનનું મોડેલ સમાન છે - તેનું વાસ્તવિક એકાઉન્ટ અને તેનું બનાવટી બંને. વહેલા કે પછી તેઓ સમાન સામગ્રી અથવા બીજું કંઈક જોશે.

અહીં તે બધું ભૂલની ટકાવારી પર નહીં, પરંતુ વ્યક્તિને વિશ્વસનીય રીતે ઓળખવા માટે જરૂરી સમયની માત્રા પર આવે છે. જેઓ તેમના Instagram સાથે રહે છે તેમના માટે, વિશ્વસનીય ઓળખ માટે આ સમય પાંચ મિનિટનો છે. કેટલાક માટે - છ થી આઠ મહિના સુધી.

ડેટા કોને અને કેવી રીતે વેચવો?

З: - નમસ્તે. મને એ જાણવામાં રસ છે કે કંપનીઓ વચ્ચે ડેટા કેવી રીતે વેચાય છે? ઉદાહરણ તરીકે, મારી પાસે એક એપ્લિકેશન છે જેમાં તમે શોધી શકો છો (વિકાસકર્તાને) વ્યક્તિ ક્યાં જાય છે, તે કયા સ્ટોરમાં જાય છે અને તે ત્યાં કેટલા પૈસા ખર્ચે છે. અને મને એ જાણવામાં રસ છે કે, ચાલો કહીએ કે, હું આ સ્ટોર્સને મારા પ્રેક્ષકો વિશેનો ડેટા કેવી રીતે વેચી શકું અથવા મારા ડેટાને એક વિશાળ ડેટાબેઝમાં મૂકી શકું અને તેના માટે ચૂકવણી કરી શકું?

ઓહ: – કોઈને સીધો ડેટા વેચવા માટે, તમે અને બીજા બધા OFD – ફિસ્કલ ડેટા ઓપરેટર્સ કરતા આગળ હતા, જેમણે ચતુરાઈપૂર્વક ચેકના ટ્રાન્સફર અને ટેક્સ સર્વિસ વચ્ચે પોતાને બાંધ્યા હતા અને હવે દરેકને ડેટા વેચવાનો પ્રયાસ કરી રહ્યા છે. ખરેખર, તેઓએ ખરેખર સમગ્ર મોબાઇલ એનાલિટિક્સ માર્કેટને ક્રેશ કર્યું. હકીકતમાં, તમે તમારી એપ્લિકેશનને એમ્બેડ કરી શકો છો, ઉદાહરણ તરીકે, ફેસબુક પિક્સેલ, તેની DMP સિસ્ટમ; પછી વેચવા માટે આ પ્રેક્ષકોનો ઉપયોગ કરો. ઉદાહરણ તરીકે, “મે ટાર્ગેટ” પિક્સેલ. મને ખબર નથી કે તમારી પાસે કેવા પ્રકારના પ્રેક્ષકો છે, તમારે સમજવાની જરૂર છે. પરંતુ કોઈ પણ સંજોગોમાં, તમે યાન્ડેક્સ અથવા માય ટાર્ગેટમાં એકીકૃત કરી શકો છો, જે સૌથી મોટી DMP સિસ્ટમ્સ છે.

આ એકદમ રસપ્રદ વાર્તા છે. એકમાત્ર સમસ્યા એ છે કે તમે તેમને બધો ટ્રાફિક આપશો, અને તેઓ, વિનિમય તરીકે, આ ટ્રાફિકનું મુદ્રીકરણ પોતાના પર લેશે. તેઓ તમને કહી શકે છે કે 10 લોકોએ તમારા પ્રેક્ષકોનો ઉપયોગ કર્યો છે. તેથી, કાં તો તમે તમારું પોતાનું એડવર્ટાઈઝીંગ નેટવર્ક બનાવો, અથવા તમે મોટા DMP ને શરણાગતિ આપો.

કોણ જીતશે - કલાકાર કે ટેકની?

З: - તકનીકી ભાગથી થોડો દૂરનો પ્રશ્ન. તે આવનારી સામૂહિક બેરોજગારી વિશે માર્કેટર્સના ભય વિશે કહેવામાં આવ્યું હતું. શું ક્રિએટિવ માર્કેટિંગ (ચિકન એડવર્ટાઈઝિંગ, ફોક્સવેગન એડવર્ટાઈઝિંગ, એવું લાગે છે કે આ લોકો) અને બિગ ડેટા સાથે સંકળાયેલા લોકો વચ્ચે કોઈ પ્રકારનો સ્પર્ધાત્મક સંઘર્ષ છે (જેઓ કહે છે: હવે અમે ફક્ત તમામ ડેટા એકત્રિત કરીશું અને લક્ષ્યાંકિત જાહેરાતો પહોંચાડીશું. દરેક વ્યક્તિ)? એક વ્યક્તિ તરીકે જે સીધી રીતે સંકળાયેલી છે, તે વિશે તમારો શું અભિપ્રાય છે કે કોણ જીતશે - એક કલાકાર, ટેકનિશિયન અથવા કોઈ પ્રકારની સિનર્જિસ્ટિક અસર હશે?

ઓહ: - સાંભળો, સારું, તેઓ સાથે કામ કરે છે. એન્જિનિયરો સર્જનાત્મકતા સાથે આવતા નથી. જેઓ સર્જનાત્મક છે તેઓ પ્રેક્ષકોની શોધ કરતા નથી. અહીં અમુક પ્રકારની બહુશાખાકીય વાર્તા છે. ખરી સમસ્યાઓ હવે તે લોકો માટે છે જેઓ બેસીને બટન દબાવતા હોય છે, જેઓ “વાનરની નોકરી” કરે છે, દરરોજ એક જ વસ્તુ દબાવતા હોય છે - આ એવા લોકો છે જેઓ અદૃશ્ય થઈ જશે.

પરંતુ જેઓ ડેટાનું વિશ્લેષણ કરે છે તે સ્વાભાવિક રીતે જ રહેશે, પરંતુ કોઈએ આ ડેટા પર પ્રક્રિયા કરવી જોઈએ. કોઈએ આ ચિત્રો સાથે આવવું પડશે, તેમને દોરવા પડશે. મશીન આવી સર્જનાત્મકતા સાથે આવી શકતું નથી! આ સંપૂર્ણ ગાંડપણ છે! અથવા જેમ કે, ઉદાહરણ તરીકે, કાર્પ્રાઈસની વાયરલ જાહેરાત, જે, માર્ગ દ્વારા, ખૂબ સારી રીતે કામ કરી. યાદ રાખો, YouTube પર આ એક હતું: "તેને કાર કિંમતે વેચો," એકદમ ક્રેઝી. અલબત્ત, કોઈ ન્યુરલ નેટવર્ક આવી વાર્તા જનરેટ કરશે નહીં.
સામાન્ય રીતે, હું એ હકીકતનો સમર્થક છું કે તે લોકો નથી કે જેઓ તેમની નોકરી ગુમાવશે, પરંતુ તેમની પાસે થોડો વધુ મફત સમય હશે, અને તેઓ આ મફત સમય સ્વ-શિક્ષણ પર પસાર કરી શકશે.

આદિમ જાહેરાતો નાશ પામશે

З: - મોટાભાગે, જે જાહેરાત બતાવવામાં આવે છે, બેનરો - મોટા પ્રમાણમાં, વેચાણ લખાણો પણ ત્યાં લખેલા નથી: "તમને વિંડોઝની જરૂર છે - તે લો!", "તમને બીજું કંઈક જોઈએ છે - તે લો!", એટલે કે, ત્યાં કોઈ સર્જનાત્મકતા નથી.

ઓહ: - આવી જાહેરાતો, અલબત્ત, વહેલા અથવા પછીના સમયમાં નાશ પામશે. તે ટેક્નોલોજીના વિકાસને કારણે નહીં, પણ તમારા અને મારા વિકાસને કારણે મરી જશે.

સંબંધિતને અપ્રસ્તુત સાથે મિશ્રિત કરવું વધુ સારું છે

З: - હુ અહિયા છુ! મને પ્રયોગ વિશે એક પ્રશ્ન છે જે તમે કહ્યું હતું કે તે તમારા માટે કામ કરતું નથી (આગ્રહકર્તા સિસ્ટમ સાથે). તમારા મતે, ત્યાં શું સહી કરવામાં આવી હતી તે સમસ્યા છે, શા માટે તેની ભલામણ કરવામાં આવે છે, અથવા શું વપરાશકર્તાએ જે જોયું તે બધું તેને સુસંગત લાગતું હતું? કારણ કે મેં માતાઓ માટેનો એક પ્રયોગ વાંચ્યો હતો, અને હજી સુધી આટલો ડેટા ન હતો, અને ઇન્ટરનેટ પરથી તેટલો ડેટા ન હતો, ત્યાં માત્ર એક કરિયાણાના રિટેલરનો ડેટા હતો જેણે ગર્ભાવસ્થાની આગાહી કરી હતી (તેઓ માતા હશે). અને જ્યારે તેઓએ સગર્ભા માતાઓ માટે ઉત્પાદનોની પસંદગી બતાવી, ત્યારે માતાઓ ભયભીત થઈ ગયા કે તેઓને કોઈપણ સત્તાવાર વસ્તુઓ પહેલાં તેમના વિશે જાણવા મળ્યું. અને તે કામ ન કર્યું. અને આ સમસ્યાને ઉકેલવા માટે, તેઓએ ઇરાદાપૂર્વક સંબંધિત ઉત્પાદનોને સંપૂર્ણપણે અપ્રસ્તુત કંઈક સાથે મિશ્રિત કર્યા.

ઓહ: “અમે ખાસ કરીને લોકોને તેમના પ્રતિસાદને સમજવા માટે ભલામણો કયા આધારે કરવામાં આવી હતી તે દર્શાવ્યું. વાસ્તવમાં, અહીંથી જ ખ્યાલનો જન્મ થયો હતો કે લોકોને કહેવાની જરૂર નથી કે આ તેના માટે કેટલાક સુપર-પ્રાસંગિક ઉત્પાદનો છે.

હા, માર્ગ દ્વારા, તેમને અપ્રસ્તુત લોકો સાથે મિશ્રિત કરવાનો અભિગમ છે. પરંતુ ત્યાં વિપરીત વસ્તુ છે: કેટલીકવાર લોકો આવે છે અને આ અપ્રસ્તુત ઉત્પાદન સાથે ક્રિયાપ્રતિક્રિયા કરે છે - રેન્ડમ આઉટલાયર્સ થાય છે, મોડેલો તૂટી જાય છે અને વસ્તુઓ વધુ જટિલ બને છે. પરંતુ આ વાસ્તવમાં અસ્તિત્વમાં છે. તદુપરાંત, ઘણી કંપનીઓ જાણીજોઈને, જો તેઓ જાણતા હોય કે કોઈ તેમના ડેટા પર પ્રક્રિયા કરી રહ્યું છે (કોઈ વ્યક્તિ તેમની પાસેથી આવા આઉટપુટ ચોરી શકે છે), તો તેઓ ક્યારેક તેને મિશ્રિત કરે છે જેથી તેઓ પછીથી સાબિત કરી શકે કે તમે તેની ભલામણ સિસ્ટમમાંથી ડેટા નથી લીધો, પરંતુ કહેવાતા Yandex.Market.

એડ બ્લોકર્સ અને બ્રાઉઝર સુરક્ષા

З: - નમસ્તે. તમે Ghostery અને Adblock નો ઉલ્લેખ કર્યો છે. શું તમે અમને કહી શકો છો કે આવા ટ્રેકર્સ સામાન્ય રીતે કેટલા અસરકારક છે (કદાચ આંકડા પર આધારિત)? અને શું તમારી પાસે કંપનીઓ તરફથી કોઈ ઓર્ડર છે: તેઓ કહે છે, ખાતરી કરો કે અમારી જાહેરાત એડબ્લોક દ્વારા બંધ કરી શકાતી નથી.

ઓહ: - અમે જાહેરાત પ્લેટફોર્મનો સીધો સંપર્ક કરતા નથી - ચોક્કસ જેથી તેઓ તેમની જાહેરાત દરેકને દૃશ્યક્ષમ બનાવવા માટે ન કહે. હું અંગત રીતે ઘોસ્ટરીનો ઉપયોગ કરું છું - મને લાગે છે કે તે ખૂબ જ સરસ એક્સ્ટેંશન છે. હવે બધા બ્રાઉઝર્સ ગોપનીયતા માટે લડી રહ્યા છે: મોઝિલાએ તમામ પ્રકારના અપડેટ્સનો સમૂહ બહાર પાડ્યો છે, ગૂગલ ક્રોમ હવે સુપર-સિક્યોર છે. તેઓ બધા તેઓ કરી શકે તે બધું અવરોધિત કરે છે. "સફારી" એ ડિફોલ્ટ રૂપે "જાયરોસ્કોપ" ને પણ બંધ કરી દીધું છે.
અને આ વલણ, અલબત્ત, સારું છે (જેઓ ડેટા એકત્રિત કરે છે તેમના માટે નહીં, જો કે તેઓ પણ તેમાંથી બહાર નીકળી ગયા છે), કારણ કે લોકોએ પ્રથમ કૂકીઝને અવરોધિત કરી હતી. જાહેરાત નેટવર્કની માલિકી ધરાવતા દરેકને બ્રાઉઝર ફિંગરપ્રિન્ટ્સ જેવી અદ્ભુત તકનીક યાદ છે - આ એલ્ગોરિધમ્સ છે જે 60 વિવિધ પરિમાણો (સ્ક્રીન રીઝોલ્યુશન, સંસ્કરણ, ઇન્સ્ટોલ કરેલા ફોન્ટ્સ) પ્રાપ્ત કરે છે અને તેના આધારે તેઓ અનન્ય "ID" ની ગણતરી કરે છે. ચાલો આ તરફ આગળ વધીએ. અને બ્રાઉઝર્સ આ સાથે સંઘર્ષ કરવાનું શરૂ કર્યું. સામાન્ય રીતે, આ ટાઇટન્સની અનંત યુદ્ધ હશે.

નવીનતમ વિકાસકર્તા મોઝિલા એકદમ સુરક્ષિત છે. તે વર્ચ્યુઅલ રીતે કોઈ કૂકીઝ સાચવતું નથી અને ટૂંકા જીવનકાળ સેટ કરે છે. ખાસ કરીને જો તમે "છુપા" ચાલુ કરો છો, તો કોઈ તમને બિલકુલ શોધી શકશે નહીં. પ્રશ્ન એ છે કે બધી સેવાઓમાં પાસવર્ડ દાખલ કરવા માટે તે અસુવિધાજનક હશે.

સાયકોટાઇપિંગ અને ફિઝિયોગ્નોમી ક્યાં કામ કરે છે અને કામ કરતું નથી?

З: - આર્થર, વ્યાખ્યાન માટે ખૂબ ખૂબ આભાર. મને યુટ્યુબ પર તમારા પ્રવચનો અનુસરવાની પણ મજા આવે છે. તમે ઉલ્લેખ કર્યો છે કે માર્કેટર્સ વધુને વધુ સાયકોટાઇપિંગ અને ફિઝિયોગ્નોમીનો ઉપયોગ કરી રહ્યાં છે. મારો પ્રશ્ન છે: આ કઈ બ્રાન્ડ કેટેગરીમાં કામ કરે છે? મારું માનવું છે કે આ માત્ર FMCG માટે યોગ્ય છે. ઉદાહરણ તરીકે, કાર પસંદ કરવાનું છે...

ઓહ: - હું ડાઉનલોડ કરી શકું છું જ્યાં તે બરાબર કામ કરે છે. આ તમામ પ્રકારની વાર્તાઓ જેવી કે “Amediateka”, ટીવી શ્રેણી, ફિલ્મો વગેરેમાં કામ કરે છે. આ બેંકો અને બેંકિંગ ઉત્પાદનોમાં સારી રીતે કાર્ય કરે છે, જો તે પ્રીમિયમ સેગમેન્ટ નથી, પરંતુ તમામ પ્રકારના સ્ટુડન્ટ કાર્ડ્સ, હપ્તા યોજનાઓ - તે પ્રકારની વસ્તુઓ. આ ખરેખર FMCG અને તમામ પ્રકારના iPhones, ચાર્જર્સ, આ બધી બકવાસમાં ખૂબ જ સારી રીતે કામ કરે છે. આ "મમ્મી અને પૉપ" ઉત્પાદનોમાં સારી રીતે કાર્ય કરે છે. જોકે હું જાણું છું કે માછીમારીમાં (આવો વિષય છે)... માછીમારો સાથે ઘણી વખત એવા કિસ્સાઓ બન્યા છે - તેઓ ક્યારેય વિશ્વસનીય રીતે વિભાજિત કરી શકાતા નથી. મને નથી ખબર કેમ. અમુક પ્રકારની આંકડાકીય ભૂલ.

આ વાહનચાલકો સાથે, ઘરેણાં સાથે અથવા ઘરની કેટલીક વસ્તુઓ સાથે સારી રીતે કામ કરતું નથી. વાસ્તવમાં, તે એવી વસ્તુઓ સાથે સારી રીતે કામ કરતું નથી કે જેના વિશે લોકો ક્યારેય સોશિયલ મીડિયા પર લખશે નહીં - તમે તેને આ રીતે ચકાસી શકો છો. પરંપરાગત રીતે, વોશિંગ મશીનની ખરીદી સાથે: અહીં કેવી રીતે સમજવું કે કોની પાસે વોશિંગ મશીન છે અને કોની પાસે નથી? એવું લાગે છે કે દરેક પાસે તે છે. તમે OFD ડેટાનો ઉપયોગ કરી શકો છો - રસીદોનો ઉપયોગ કરીને કોણે શું ખરીદ્યું તે જુઓ અને રસીદોનો ઉપયોગ કરીને આ લોકોને મેચ કરો. પરંતુ હકીકતમાં, એવી વસ્તુઓ છે કે જેના વિશે તમે ક્યારેય વાત કરશો નહીં, ઉદાહરણ તરીકે, Instagram પર - આવી વસ્તુઓ સાથે કામ કરવું મુશ્કેલ છે.

મશીનો યુક્તિઓને આંકડાકીય ભરણ તરીકે ઓળખે છે.

З: - મને લક્ષ્યીકરણ વિશે એક પ્રશ્ન છે. શું તે શરતી રેન્ડમ પાત્રનું શક્ય છે (અથવા શું તેઓ અચાનક અસ્તિત્વમાં છે) જે દરેક બાબતમાં પોતાનો વિરોધાભાસ કરે છે: પહેલા તે "શ્રેષ્ઠ જિમ" ગૂગલ કરે છે, અને પછી તે "કંઈ કરવાની 10 રીતો" ગૂગલ કરે છે? અને તેથી તે દરેક વસ્તુમાં છે. શું ટાર્ગેટીંગ એવી વસ્તુનો ટ્રૅક રાખી શકે છે જે પોતે વિરોધાભાસી છે?

ઓહ: - અહીં માત્ર એક જ પ્રશ્ન છે: જો તમે 2 વર્ષથી Google નો ઉપયોગ કરી રહ્યાં છો, તો તમે તમારા વિશે જે કરી શકો તે બધું તેને કહ્યું છે, અને હવે તમારા માટે એક પ્લગઇન ઇન્સ્ટોલ કરો જે સમાન રેન્ડમ ક્વેરીઝ લખશે, પછી, અલબત્ત, તમે આંકડાઓમાંથી સમજવામાં સમર્થ થાઓ - તમે અત્યારે જે કરી રહ્યા છો તે આંકડાકીય આઉટલીયર છે, અને આ બધું બહાર કાઢવાની બાબત છે. જો તમે ઇચ્છો તો, નવું એકાઉન્ટ રજીસ્ટર કરો, પરંતુ જાહેરાતનું પ્રમાણ બદલાશે નહીં. તેણી ફક્ત વિચિત્ર થઈ જશે. જોકે તેણી હજુ પણ વિચિત્ર છે.

કેટલીક જાહેરાતો 🙂

અમારી સાથે રહેવા બદલ આભાર. શું તમને અમારા લેખો ગમે છે? વધુ રસપ્રદ સામગ્રી જોવા માંગો છો? ઓર્ડર આપીને અથવા મિત્રોને ભલામણ કરીને અમને ટેકો આપો, $4.99 થી વિકાસકર્તાઓ માટે ક્લાઉડ VPS, એન્ટ્રી-લેવલ સર્વર્સનું એક અનન્ય એનાલોગ, જેની શોધ અમારા દ્વારા તમારા માટે કરવામાં આવી છે: VPS (KVM) E5-2697 v3 (6 Cores) 10GB DDR4 480GB SSD 1Gbps વિશેનું સંપૂર્ણ સત્ય $19 થી અથવા સર્વર કેવી રીતે શેર કરવું? (RAID1 અને RAID10 સાથે ઉપલબ્ધ, 24 કોરો સુધી અને 40GB DDR4 સુધી).

એમ્સ્ટરડેમમાં ઇક્વિનિક્સ ટાયર IV ડેટા સેન્ટરમાં ડેલ R730xd 2 ગણું સસ્તું? માત્ર અહીં 2 x ઇન્ટેલ ટેટ્રાડેકા-કોર Xeon 2x E5-2697v3 2.6GHz 14C 64GB DDR4 4x960GB SSD 1Gbps 100 ટીવી $199 થી નેધરલેન્ડમાં! Dell R420 - 2x E5-2430 2.2Ghz 6C 128GB DDR3 2x960GB SSD 1Gbps 100TB - $99 થી! વિશે વાંચો ઇન્ફ્રાસ્ટ્રક્ચર કોર્પોરેશન કેવી રીતે બનાવવું. ડેલ R730xd E5-2650 v4 સર્વર્સના ઉપયોગ સાથેનો વર્ગ એક પેની માટે 9000 યુરોના મૂલ્યના છે?

સોર્સ: www.habr.com