અમે જાહેરાતોને કેવી રીતે નિયંત્રિત કરીએ છીએ

દરેક સેવા કે જેના યુઝર્સ પોતાનું કન્ટેન્ટ બનાવી શકે છે (UGC - યુઝર-જનરેટેડ કન્ટેન્ટ) માત્ર વ્યાપારી સમસ્યાઓ ઉકેલવા માટે જ નહીં, પણ UGCમાં વસ્તુઓને વ્યવસ્થિત કરવા માટે પણ ફરજ પાડવામાં આવે છે. નબળી અથવા નિમ્ન-ગુણવત્તાવાળી સામગ્રી મધ્યસ્થતા આખરે વપરાશકર્તાઓ માટે સેવાના આકર્ષણને ઘટાડી શકે છે, તેની કામગીરીને સમાપ્ત પણ કરી શકે છે.

આજે અમે તમને યુલા અને ઓડનોક્લાસ્નીકી વચ્ચેની સિનર્જી વિશે જણાવીશું, જે અમને યુલામાં જાહેરાતોને અસરકારક રીતે નિયંત્રિત કરવામાં મદદ કરે છે.

સામાન્ય રીતે સિનર્જી એ ખૂબ જ ઉપયોગી વસ્તુ છે, અને આધુનિક વિશ્વમાં, જ્યારે તકનીકો અને વલણો ખૂબ જ ઝડપથી બદલાય છે, ત્યારે તે જીવન બચાવનારમાં ફેરવાઈ શકે છે. શા માટે દુર્લભ સંસાધનો અને સમયનો બગાડ કોઈ એવી વસ્તુની શોધ કરવામાં કે જેની શોધ થઈ ગઈ છે અને તમારા મનમાં લાવવામાં આવી છે?

અમે તે જ વિચાર્યું જ્યારે અમે વપરાશકર્તા સામગ્રીને મધ્યસ્થી કરવાના સંપૂર્ણ કાર્યનો સામનો કર્યો - ચિત્રો, ટેક્સ્ટ અને લિંક્સ. અમારા વપરાશકર્તાઓ યુલા પર દરરોજ લાખો સામગ્રીના ટુકડાઓ અપલોડ કરે છે, અને સ્વયંસંચાલિત પ્રક્રિયા વિના આ તમામ ડેટાને મેન્યુઅલી નિયંત્રિત કરવું સંપૂર્ણપણે અશક્ય છે.

તેથી, અમે તૈયાર મધ્યસ્થતા પ્લેટફોર્મનો ઉપયોગ કર્યો, જે તે સમય સુધીમાં ઓડનોક્લાસ્નીકીના અમારા સાથીઓએ "લગભગ સંપૂર્ણતા" ની સ્થિતિમાં પૂર્ણ કરી લીધું હતું.

શા માટે ઓડનોક્લાસ્નીકી?

દરરોજ, લાખો વપરાશકર્તાઓ સોશિયલ નેટવર્ક પર આવે છે અને સામગ્રીના અબજો ટુકડાઓ પ્રકાશિત કરે છે: ફોટાથી વિડિઓઝ અને ટેક્સ્ટ્સ. ઓડનોક્લાસ્નીકી મોડરેશન પ્લેટફોર્મ ડેટાના ખૂબ મોટા જથ્થાને તપાસવામાં અને સ્પામર્સ અને બૉટોનો સામનો કરવામાં મદદ કરે છે.

OK મધ્યસ્થતા ટીમે ઘણો અનુભવ મેળવ્યો છે, કારણ કે તે 12 વર્ષથી તેના સાધનને સુધારી રહી છે. તે મહત્વનું છે કે તેઓ ફક્ત તેમના તૈયાર ઉકેલો જ શેર કરી શકતા નથી, પરંતુ અમારા ચોક્કસ કાર્યોને અનુરૂપ તેમના પ્લેટફોર્મના આર્કિટેક્ચરને પણ કસ્ટમાઇઝ કરી શકે છે.

હવેથી, સંક્ષિપ્તતા માટે, અમે ફક્ત OK મધ્યસ્થતા પ્લેટફોર્મને "પ્લેટફોર્મ" કહીશું.

તે બધું કેવી રીતે કાર્ય કરે છે

યુલા અને ઓડનોક્લાસ્નીકી વચ્ચે ડેટા એક્સચેન્જ દ્વારા સ્થાપિત થાય છે અપાચે કાફકા.

શા માટે અમે આ સાધન પસંદ કર્યું:

• યુલામાં, બધી જાહેરાતો પોસ્ટ-મૉડરેટેડ છે, તેથી શરૂઆતમાં સિંક્રનસ પ્રતિસાદની જરૂર નહોતી.
• જો કોઈ ખરાબ ફકરો થાય છે અને યુલા અથવા ઓડનોક્લાસ્નીકી અનુપલબ્ધ છે, જેમાં કેટલાક પીક લોડને કારણે શામેલ છે, તો પછી કાફકાનો ડેટા ક્યાંય અદૃશ્ય થશે નહીં અને પછીથી વાંચી શકાય છે.
• પ્લેટફોર્મ પહેલેથી જ કાફકા સાથે સંકલિત હતું, તેથી મોટાભાગની સુરક્ષા સમસ્યાઓ ઉકેલાઈ ગઈ હતી.

યુલામાં વપરાશકર્તા દ્વારા બનાવેલ અથવા સંશોધિત દરેક જાહેરાત માટે, ડેટા સાથેનો JSON જનરેટ થાય છે, જે અનુગામી મધ્યસ્થતા માટે કાફ્કામાં મૂકવામાં આવે છે. કાફકા તરફથી, ઘોષણાઓ પ્લેટફોર્મ પર લોડ કરવામાં આવે છે, જ્યાં તે આપમેળે અથવા મેન્યુઅલી નક્કી કરવામાં આવે છે. ખરાબ જાહેરાતોને કારણ સાથે બ્લૉક કરવામાં આવે છે અને જેમાં પ્લેટફોર્મને ઉલ્લંઘન જોવા મળતું નથી તેને "સારી" તરીકે ચિહ્નિત કરવામાં આવે છે. પછી બધા નિર્ણયો યુલાને પાછા મોકલવામાં આવે છે અને સેવામાં લાગુ કરવામાં આવે છે.

અંતે, યુલા માટે તે બધું સરળ ક્રિયાઓ પર આવે છે: ઓડનોક્લાસ્નીકી પ્લેટફોર્મ પર એક જાહેરાત મોકલો અને "ઓકે" અથવા શા માટે "ઓકે" ના રિઝોલ્યુશન મેળવો.

સ્વચાલિત પ્રક્રિયા

જાહેરાત પ્લેટફોર્મ પર આવે પછી તેનું શું થાય છે? દરેક જાહેરાત અનેક સંસ્થાઓમાં વહેંચાયેલી છે:

• નામ,
• વર્ણન,
• ફોટા
• વપરાશકર્તા દ્વારા પસંદ કરેલ કેટેગરી અને જાહેરાતની પેટાશ્રેણી,
• કિંમત.

પ્લેટફોર્મ પછી ડુપ્લિકેટ્સ શોધવા માટે દરેક એન્ટિટી માટે ક્લસ્ટરિંગ કરે છે. તદુપરાંત, ટેક્સ્ટ અને ફોટોગ્રાફ્સ વિવિધ યોજનાઓ અનુસાર ક્લસ્ટર કરવામાં આવે છે.

ક્લસ્ટરિંગ પહેલાં, ખાસ અક્ષરો, બદલાયેલ અક્ષરો અને અન્ય કચરો દૂર કરવા માટે ટેક્સ્ટને સામાન્ય કરવામાં આવે છે. પ્રાપ્ત ડેટાને એન-ગ્રામમાં વિભાજિત કરવામાં આવે છે, જેમાંથી દરેકને હેશ કરવામાં આવે છે. પરિણામ ઘણા અનન્ય હેશ છે. ગ્રંથો વચ્ચેની સમાનતા દ્વારા નક્કી કરવામાં આવે છે જેકાર્ડનું માપ બે પરિણામી સમૂહો વચ્ચે. જો સમાનતા થ્રેશોલ્ડ કરતા વધારે હોય, તો ગ્રંથોને એક ક્લસ્ટરમાં મર્જ કરવામાં આવે છે. સમાન ક્લસ્ટરોની શોધને ઝડપી બનાવવા માટે, MinHash અને Locality-sensitive hashing નો ઉપયોગ કરવામાં આવે છે.

ફોટોગ્રાફ્સ માટે ગ્લુઇંગ ઈમેજીસ માટેના વિવિધ વિકલ્પોની શોધ કરવામાં આવી છે, જેમાં pHash ચિત્રોની સરખામણી કરવાથી લઈને ન્યુરલ નેટવર્કનો ઉપયોગ કરીને ડુપ્લિકેટ શોધવા સુધી.

છેલ્લી પદ્ધતિ સૌથી "ગંભીર" છે. મોડેલને તાલીમ આપવા માટે, છબીઓના ત્રિપુટીઓ (N, A, P) પસંદ કરવામાં આવ્યા હતા જેમાં N એ A જેવું નથી, અને P એ A જેવું જ છે (અર્ધ-ડુપ્લિકેટ છે). પછી ન્યુરલ નેટવર્ક A અને P ને શક્ય તેટલું નજીક અને A અને N ને બને ત્યાં સુધી બનાવવાનું શીખ્યા. આના પરિણામે પૂર્વ-પ્રશિક્ષિત નેટવર્કમાંથી એમ્બેડિંગ્સ લેવાની સરખામણીમાં ઓછા ખોટા હકારાત્મક પરિણામો આવે છે.

જ્યારે ન્યુરલ નેટવર્ક ઈનપુટ તરીકે ઈમેજો મેળવે છે, ત્યારે તે દરેક માટે N(128)-પરિમાણીય વેક્ટર જનરેટ કરે છે અને ઈમેજની નિકટતાનું મૂલ્યાંકન કરવા વિનંતી કરવામાં આવે છે. આગળ, થ્રેશોલ્ડની ગણતરી કરવામાં આવે છે કે જેના પર નજીકની છબીઓને ડુપ્લિકેટ ગણવામાં આવે છે.

મોડેલ કુશળતાપૂર્વક એવા સ્પામર્સને શોધવામાં સક્ષમ છે કે જેઓ pHash સરખામણીને બાયપાસ કરવા માટે અલગ-અલગ એંગલથી એક જ પ્રોડક્ટનો ખાસ ફોટોગ્રાફ લે છે.

ડુપ્લિકેટ તરીકે ન્યુરલ નેટવર્ક દ્વારા એકસાથે ગુંદર ધરાવતા સ્પામ ફોટાનું ઉદાહરણ.

અંતિમ તબક્કે, ડુપ્લિકેટ જાહેરાતોને ટેક્સ્ટ અને ઇમેજ બંને દ્વારા વારાફરતી શોધવામાં આવે છે.

જો ક્લસ્ટરમાં બે કે તેથી વધુ જાહેરાતો એકસાથે અટવાઇ જાય, તો સિસ્ટમ આપોઆપ બ્લોક કરવાનું શરૂ કરે છે, જે ચોક્કસ અલ્ગોરિધમનો ઉપયોગ કરીને, કયા ડુપ્લિકેટ્સ કાઢી નાખવા અને કયા છોડવા તે પસંદ કરે છે. ઉદાહરણ તરીકે, જો બે વપરાશકર્તાઓની જાહેરાતમાં સમાન ફોટા હોય, તો સિસ્ટમ વધુ તાજેતરની જાહેરાતને અવરોધિત કરશે.

એકવાર બનાવ્યા પછી, બધા ક્લસ્ટર ઓટોમેટિક ફિલ્ટર્સની શ્રેણીમાંથી પસાર થાય છે. દરેક ફિલ્ટર ક્લસ્ટરને સ્કોર અસાઇન કરે છે: આ ફિલ્ટર ઓળખે છે તે ખતરો તે ધરાવે છે તેની કેટલી સંભાવના છે.

ઉદાહરણ તરીકે, સિસ્ટમ જાહેરાતમાં વર્ણનનું વિશ્લેષણ કરે છે અને તેના માટે સંભવિત શ્રેણીઓ પસંદ કરે છે. પછી તે મહત્તમ સંભાવના સાથે એક લે છે અને જાહેરાતના લેખક દ્વારા ઉલ્લેખિત શ્રેણી સાથે તેની તુલના કરે છે. જો તેઓ મેળ ખાતા નથી, તો ખોટી શ્રેણી માટે જાહેરાતને અવરોધિત કરવામાં આવે છે. અને અમે દયાળુ અને પ્રમાણિક હોવાથી, અમે વપરાશકર્તાને સીધું જ કહીએ છીએ કે જાહેરાતને મધ્યસ્થતામાં પાસ કરવા માટે તેણે કઈ શ્રેણી પસંદ કરવાની જરૂર છે.

ખોટી શ્રેણી માટે અવરોધિત કરવાની સૂચના.

મશીન લર્નિંગ અમારા પ્લેટફોર્મમાં ઘરે જ યોગ્ય લાગે છે. ઉદાહરણ તરીકે, તેની મદદથી અમે રશિયન ફેડરેશનમાં પ્રતિબંધિત માલના નામ અને વર્ણનો શોધીએ છીએ. અને ન્યુરલ નેટવર્ક મૉડલ્સ ઇમેજની કાળજીપૂર્વક "તપાસ" કરે છે તે જોવા માટે કે તેમાં URL, સ્પામ ટેક્સ્ટ, ટેલિફોન નંબર અને સમાન "પ્રતિબંધિત" માહિતી છે કે નહીં.

એવા કિસ્સાઓ માટે કે જ્યાં તેઓ કાયદેસરના વેશમાં પ્રતિબંધિત ઉત્પાદન વેચવાનો પ્રયાસ કરી રહ્યાં છે, અને શીર્ષક અથવા વર્ણનમાં કોઈ ટેક્સ્ટ નથી, અમે ઇમેજ ટેગિંગનો ઉપયોગ કરીએ છીએ. દરેક ઇમેજ માટે, 11 હજાર જેટલા વિવિધ ટૅગ્સ ઉમેરી શકાય છે જે ઇમેજમાં શું છે તેનું વર્ણન કરે છે.

તેઓ હુક્કાને સમોવરના વેશમાં વેચવાનો પ્રયાસ કરી રહ્યા છે.

જટિલ ફિલ્ટર્સ સાથે સમાંતર, સરળ પણ કામ કરે છે, ટેક્સ્ટ સંબંધિત સ્પષ્ટ સમસ્યાઓ હલ કરે છે:

• એન્ટિમેટ
• URL અને ફોન નંબર ડિટેક્ટર;
• ઇન્સ્ટન્ટ મેસેન્જર્સ અને અન્ય સંપર્કોનો ઉલ્લેખ;
• ઘટાડો કિંમત;
• જાહેરાતો જેમાં વેચાણ માટે કંઈ નથી, વગેરે.

આજે, દરેક જાહેરાત 50 થી વધુ સ્વચાલિત ફિલ્ટર્સની સરસ ચાળણીમાંથી પસાર થાય છે જે જાહેરાતમાં કંઈક ખરાબ શોધવાનો પ્રયાસ કરે છે.

જો કોઈ પણ ડિટેક્ટર કામ કરતું નથી, તો યુલાને જવાબ મોકલવામાં આવે છે કે જાહેરાત સંપૂર્ણ ક્રમમાં "મોટા ભાગે" છે. અમે આ જવાબનો ઉપયોગ જાતે કરીએ છીએ, અને જે વપરાશકર્તાઓએ વિક્રેતાને સબ્સ્ક્રાઇબ કર્યું છે તેઓને નવા ઉત્પાદનની ઉપલબ્ધતા વિશે સૂચના પ્રાપ્ત થાય છે.

નોટિફિકેશન કે વિક્રેતા પાસે નવું ઉત્પાદન છે.

પરિણામે, દરેક જાહેરાત મેટાડેટા સાથે "વધારે વૃદ્ધિ પામેલ" હોય છે, જેમાંથી કેટલીક જાહેરાત બનાવવામાં આવે ત્યારે જનરેટ થાય છે (લેખકનું IP સરનામું, વપરાશકર્તા-એજન્ટ, પ્લેટફોર્મ, ભૌગોલિક સ્થાન, વગેરે), અને બાકીનો દરેક ફિલ્ટર દ્વારા જારી કરાયેલ સ્કોર છે. .

જાહેરાતની કતારો

જ્યારે કોઈ જાહેરાત પ્લેટફોર્મ પર આવે છે, ત્યારે સિસ્ટમ તેને કતારોમાંની એકમાં મૂકે છે. દરેક કતાર એક ગાણિતિક સૂત્રનો ઉપયોગ કરીને બનાવવામાં આવે છે જે જાહેરાત મેટાડેટાને એવી રીતે જોડે છે જે કોઈપણ ખરાબ પેટર્નને શોધી કાઢે છે.

ઉદાહરણ તરીકે, તમે સેન્ટ પીટર્સબર્ગના યુલા વપરાશકર્તાઓ પાસેથી “સેલ ફોન” શ્રેણીમાં જાહેરાતોની કતાર બનાવી શકો છો, પરંતુ તેમના IP સરનામાઓ મોસ્કો અથવા અન્ય શહેરોના છે.

વિવિધ શહેરોમાં એક વપરાશકર્તા દ્વારા પોસ્ટ કરવામાં આવેલી જાહેરાતોનું ઉદાહરણ.

અથવા તમે ન્યુરલ નેટવર્ક જાહેરાતોને અસાઇન કરે છે તે સ્કોર્સના આધારે કતાર બનાવી શકો છો, તેને ઉતરતા ક્રમમાં ગોઠવી શકો છો.

દરેક કતાર, તેના પોતાના સૂત્ર અનુસાર, જાહેરાતને અંતિમ સ્કોર સોંપે છે. પછી તમે વિવિધ રીતે આગળ વધી શકો છો:

• થ્રેશોલ્ડનો ઉલ્લેખ કરો કે જેના પર જાહેરાત ચોક્કસ પ્રકારનું બ્લોકિંગ પ્રાપ્ત કરશે;
• મેન્યુઅલ સમીક્ષા માટે કતારમાં તમામ જાહેરાતો મધ્યસ્થીઓને મોકલો;
• અથવા અગાઉના વિકલ્પોને જોડો: આપોઆપ અવરોધિત થ્રેશોલ્ડનો ઉલ્લેખ કરો અને મધ્યસ્થીઓને તે જાહેરાતો મોકલો જે આ થ્રેશોલ્ડ સુધી પહોંચી નથી.

શા માટે આ કતારોની જરૂર છે? જણાવી દઈએ કે એક યુઝરે હથિયારનો ફોટો અપલોડ કર્યો છે. ન્યુરલ નેટવર્ક તેને 95 થી 100 સુધીનો સ્કોર સોંપે છે અને 99 ટકા ચોકસાઈ સાથે નક્કી કરે છે કે ચિત્રમાં કોઈ શસ્ત્ર છે. પરંતુ જો સ્કોર મૂલ્ય 95% ની નીચે હોય, તો મોડેલની ચોકસાઈ ઘટવા લાગે છે (આ ન્યુરલ નેટવર્ક મોડલ્સનું લક્ષણ છે).

પરિણામે, સ્કોર મોડેલના આધારે એક કતાર રચાય છે, અને 95 અને 100 ની વચ્ચે પ્રાપ્ત થયેલી જાહેરાતો "પ્રતિબંધિત પ્રોડક્ટ્સ" તરીકે આપમેળે અવરોધિત થઈ જાય છે. 95 થી નીચેના સ્કોરવાળી જાહેરાતો મેન્યુઅલ પ્રોસેસિંગ માટે મધ્યસ્થીઓને મોકલવામાં આવે છે.

કારતુસ સાથે ચોકલેટ બેરેટા. ફક્ત મેન્યુઅલ મધ્યસ્થતા માટે! 🙂

મેન્યુઅલ મધ્યસ્થતા

2019 ની શરૂઆતમાં, યુલામાં લગભગ 94% બધી જાહેરાતો આપમેળે નિયંત્રિત થાય છે.

જો પ્લેટફોર્મ કેટલીક જાહેરાતો પર નિર્ણય લઈ શકતું નથી, તો તે તેમને મેન્યુઅલ મધ્યસ્થતા માટે મોકલે છે. ઓડનોક્લાસ્નિકીએ તેમનું પોતાનું સાધન વિકસાવ્યું: મધ્યસ્થીઓ માટેના કાર્યો તરત જ ઝડપી નિર્ણય લેવા માટે તમામ જરૂરી માહિતી પ્રદર્શિત કરે છે - જાહેરાત યોગ્ય છે અથવા તેને અવરોધિત કરવી જોઈએ, કારણ સૂચવે છે.

અને જેથી મેન્યુઅલ મધ્યસ્થતા દરમિયાન સેવાની ગુણવત્તાને નુકસાન ન થાય, લોકોના કાર્યનું સતત નિરીક્ષણ કરવામાં આવે છે. ઉદાહરણ તરીકે, ટાસ્ક સ્ટ્રીમમાં, મધ્યસ્થીને "ટ્રેપ્સ" બતાવવામાં આવે છે—જાહેરાતો કે જેના માટે પહેલેથી જ તૈયાર ઉકેલો છે. જો મધ્યસ્થીનો નિર્ણય સમાપ્ત થયેલ નિર્ણય સાથે મેળ ખાતો નથી, તો મધ્યસ્થને ભૂલ આપવામાં આવે છે.

સરેરાશ, મધ્યસ્થી એક જાહેરાત તપાસવામાં 10 સેકન્ડનો સમય વિતાવે છે. તદુપરાંત, ભૂલોની સંખ્યા તમામ ચકાસાયેલ જાહેરાતોના 0,5% કરતા વધુ નથી.

લોકોની મધ્યસ્થતા

ઓડનોક્લાસ્નીકીના સહકાર્યકરો હજી પણ આગળ ગયા અને "પ્રેક્ષકોની સહાય" નો લાભ લીધો: તેઓએ સોશિયલ નેટવર્ક માટે એક ગેમ એપ્લિકેશન લખી જેમાં તમે ઝડપથી મોટી માત્રામાં ડેટાને ચિહ્નિત કરી શકો છો, કેટલાક ખરાબ સંકેતને પ્રકાશિત કરી શકો છો - ઓડનોક્લાસ્નીકી મોડરેટર (https://ok.ru/app/moderator). સામગ્રીને વધુ આનંદપ્રદ બનાવવાનો પ્રયાસ કરી રહેલા ઓકે વપરાશકર્તાઓની મદદનો લાભ લેવાની એક સારી રીત છે.

એક રમત જેમાં વપરાશકર્તાઓ ફોન નંબર ધરાવતા ફોટાને ટેગ કરે છે.

પ્લેટફોર્મમાં જાહેરાતોની કોઈપણ કતારને ઓડનોક્લાસ્નીકી મોડરેટર ગેમ પર રીડાયરેક્ટ કરી શકાય છે. રમત વપરાશકર્તાઓ જે માર્ક કરે છે તે બધું પછી ચકાસણી માટે આંતરિક મધ્યસ્થીઓને મોકલવામાં આવે છે. આ યોજના તમને એવી જાહેરાતોને અવરોધિત કરવાની મંજૂરી આપે છે કે જેના માટે ફિલ્ટર્સ હજી સુધી બનાવવામાં આવ્યા નથી, અને સાથે સાથે તાલીમ નમૂનાઓ પણ બનાવી શકે છે.

મધ્યસ્થતાના પરિણામોનો સંગ્રહ

અમે મધ્યસ્થતા દરમિયાન લીધેલા તમામ નિર્ણયોને સાચવીએ છીએ જેથી અમે તે જાહેરાતો પર ફરીથી પ્રક્રિયા ન કરીએ કે જેના પર અમે પહેલેથી નિર્ણય લીધો છે.

જાહેરાતોના આધારે દરરોજ લાખો ક્લસ્ટર બનાવવામાં આવે છે. સમય જતાં, દરેક ક્લસ્ટરને "સારા" અથવા "ખરાબ" તરીકે લેબલ કરવામાં આવે છે. દરેક નવી જાહેરાત અથવા તેનું પુનરાવર્તન, ચિહ્ન સાથે ક્લસ્ટરમાં દાખલ થવાથી, ક્લસ્ટરમાંથી જ આપમેળે એક રીઝોલ્યુશન પ્રાપ્ત થાય છે. દરરોજ લગભગ 20 હજાર આવા સ્વચાલિત રીઝોલ્યુશન છે.

જો ક્લસ્ટરમાં કોઈ નવી જાહેરાત ન આવે, તો તે મેમરીમાંથી દૂર કરવામાં આવે છે અને તેના હેશ અને સોલ્યુશનને અપાચે કસાન્ડ્રા પર લખવામાં આવે છે.

જ્યારે પ્લેટફોર્મ નવી જાહેરાત મેળવે છે, ત્યારે તે પહેલાથી બનાવેલા લોકો વચ્ચે સમાન ક્લસ્ટર શોધવાનો પ્રયાસ કરે છે અને તેમાંથી ઉકેલ લે છે. જો એવું કોઈ ક્લસ્ટર ન હોય, તો પ્લેટફોર્મ કસાન્ડ્રા પર જાય છે અને ત્યાં જુએ છે. શું તમને મળ્યું? સરસ, ક્લસ્ટર પર સોલ્યુશન લાગુ કરે છે અને તેને યુલાને મોકલે છે. દરરોજ સરેરાશ 70 હજાર આવા "પુનરાવર્તિત" નિર્ણયો લેવામાં આવે છે - કુલના 8%.

અપ સમજી

અમે અઢી વર્ષથી ઓડનોક્લાસ્નીકી મોડરેશન પ્લેટફોર્મનો ઉપયોગ કરી રહ્યા છીએ. અમને પરિણામો ગમે છે:

• અમે દરરોજ તમામ જાહેરાતોના 94% ઑટોમૅટિક રીતે મૉડરેટ કરીએ છીએ.
• એક જાહેરાતને મધ્યસ્થ કરવાની કિંમત 2 રુબેલ્સથી ઘટાડીને 7 કોપેક્સ કરવામાં આવી હતી.
• તૈયાર ટૂલ માટે આભાર, અમે મધ્યસ્થીઓનું સંચાલન કરવાની સમસ્યાઓ વિશે ભૂલી ગયા છીએ.
• અમે સમાન સંખ્યામાં મધ્યસ્થીઓ અને બજેટ સાથે મેન્યુઅલી પ્રોસેસ કરેલી જાહેરાતોની સંખ્યામાં 2,5 ગણો વધારો કર્યો છે. સ્વયંસંચાલિત નિયંત્રણને કારણે મેન્યુઅલ મધ્યસ્થતાની ગુણવત્તામાં પણ વધારો થયો છે, અને લગભગ 0,5% ભૂલોમાં વધઘટ થાય છે.
• અમે ફિલ્ટર્સ વડે નવા પ્રકારના સ્પામને ઝડપથી આવરી લઈએ છીએ.
• અમે ઝડપથી નવા વિભાગોને મધ્યસ્થતા સાથે જોડીએ છીએ "યુલા વર્ટિકલ્સ". 2017 થી, યુલાએ રિયલ એસ્ટેટ, ખાલી જગ્યાઓ અને ઓટો વર્ટિકલ્સ ઉમેર્યા છે.

સોર્સ: www.habr.com