आर्थर खाचुयान: विपणन में कृत्रिम बुद्धिमत्ता

आर्थर खाचुयान बड़े डेटा प्रोसेसिंग में एक प्रसिद्ध रूसी विशेषज्ञ हैं, जो सोशल डेटा हब कंपनी (अब टैज़ेरोस ग्लोबल) के संस्थापक हैं। नेशनल रिसर्च यूनिवर्सिटी हायर स्कूल ऑफ इकोनॉमिक्स के भागीदार। नेशनल रिसर्च यूनिवर्सिटी हायर स्कूल ऑफ इकोनॉमिक्स के साथ मिलकर फेडरेशन काउंसिल में बिग डेटा पर एक बिल तैयार किया और प्रस्तुत किया। उन्होंने पेरिस में क्यूरी इंस्टीट्यूट, सेंट पीटर्सबर्ग स्टेट यूनिवर्सिटी, रूसी संघ की सरकार के तहत संघीय विश्वविद्यालय में बात की। रेड एप्पल, इंटरनेशनल ओपनडेटाडे, आरआईडब्ल्यू 2016, अल्फाफ्यूचरपीपल पर।

व्याख्यान 2019 में मॉस्को में ओपन-एयर फेस्टिवल "गीक पिकनिक" में रिकॉर्ड किया गया था।

आर्थर खाचुयान (इसके बाद - एएच): - यदि बड़ी संख्या में उद्योगों से - चिकित्सा से, निर्माण से, कुछ से, कुछ से, उसे चुनें जहां बड़े डेटा, मशीन लर्निंग, डीप लर्निंग की तकनीक का सबसे अधिक उपयोग किया जाता है, तो यह संभवतः विपणन है। क्योंकि पिछले तीन या इतने वर्षों से, किसी न किसी प्रकार के विज्ञापन संचार में जो कुछ भी हमें घेरता है, वह अब सटीक रूप से डेटा विश्लेषण और जिसे कृत्रिम बुद्धिमत्ता कहा जा सकता है, से बंधा हुआ है। इसलिए आज मैं आपको इतने दूर के इतिहास के बारे में बताऊंगा...

यदि आप कृत्रिम बुद्धिमत्ता की कल्पना करें और यह कैसी दिखती है, तो यह संभवतः कुछ ऐसी ही है। अजीब तस्वीर तंत्रिका नेटवर्क में से एक है जिसे मैंने एक साल पहले लिखा था कि मेरा कुत्ता क्या करता है उसकी निर्भरता का पता लगाने के लिए - उसे कितनी बार बड़े, छोटे जाने की ज़रूरत है, और यह आम तौर पर इस बात पर निर्भर करता है कि वह कितना खाता है या नहीं? यह एक मज़ाक है कि कृत्रिम बुद्धिमत्ता की कल्पना कैसे की जा सकती है।

लेकिन फिर भी, आइए सोचें कि विज्ञापन संचार में यह सब कैसे काम करता है। ऐसे तीन तरीके हैं जिनसे विज्ञापन और विपणन में आधुनिक एल्गोरिदम हमारे साथ बातचीत कर सकते हैं। यह स्पष्ट है कि पहली कहानी का उद्देश्य आपके और मेरे बारे में अतिरिक्त ज्ञान प्राप्त करना और निकालना है, और फिर इसे कुछ अच्छे और कुछ अच्छे उद्देश्यों के लिए उपयोग करना है; प्रत्येक विशिष्ट व्यक्ति के लिए दृष्टिकोण को वैयक्तिकृत करें; स्वाभाविक रूप से, इसके बाद, मुख्य लक्ष्य कार्रवाई करने और एक निश्चित बिक्री करने के लिए एक निश्चित मांग बनाएं।

प्रौद्योगिकी का उपयोग करके वे प्रभावी संचार की समस्या को हल करने का प्रयास कर रहे हैं

अगर मैं आपसे कहूं कि पोर्नहब और एम क्या सोचते हैं। वीडियो", आप क्या सोच रहे हैं?

दर्शकों की टिप्पणियाँ (बाद में सी के रूप में संदर्भित): - टीवी, दर्शक।

ओह: - मेरी अवधारणा यह है कि ये दो स्थान हैं जहां लोग एक निश्चित प्रकार की सेवा के लिए आते हैं, या मान लें कि इसे एक निश्चित प्रकार का सामान कहते हैं। और यह श्रोता इस मायने में अलग है कि यह विक्रेता को कुछ भी बताना नहीं चाहता। वह अंदर आना चाहती है और स्पष्ट या परोक्ष रूप में वह पाना चाहती है जिसमें उसकी रुचि है। स्वाभाविक रूप से, एम के पास कोई नहीं आ रहा। वीडियो” किसी भी विक्रेता से संवाद नहीं करना चाहता, समझना नहीं चाहता, उनके किसी भी प्रश्न का उत्तर नहीं देना चाहता।

इसलिए, पहली कहानी इन सब से मिलती है।

जब किसी व्यक्ति के साथ संचार से बचने के लिए अतिरिक्त ज्ञान प्राप्त करने की तकनीकें सामने आईं। हम सभी को अच्छा लगता है जब हम बैंक को कॉल करते हैं और बैंक हमसे कहता है: “हैलो। एलेक्सी, आप हमारे वीआईपी ग्राहक हैं। अब कोई सुपर मैनेजर आपसे बात करेगा।” आप इस बैंक में आते हैं, और वास्तव में एक अनोखा प्रबंधक होता है जो आपसे बात कर सकता है। दुर्भाग्य से या सौभाग्य से, एक भी कंपनी अभी तक यह पता नहीं लगा पाई है कि एक हजार ग्राहकों के लिए एक हजार व्यक्तिगत प्रबंधकों को कैसे नियुक्त किया जाए; और चूँकि इनमें से अधिकांश लोग अब ऑनलाइन हैं, कार्य यह समझना है कि यह किस प्रकार का व्यक्ति है और किसी विज्ञापन संसाधन पर आने से पहले उसके साथ सही ढंग से कैसे संवाद किया जाए। और इसलिए, वास्तव में, ऐसी प्रौद्योगिकियां सामने आई हैं जो इस समस्या को हल करने की कोशिश कर रही हैं।

डेटा निष्कर्षण नया तेल है

आइए कल्पना करें कि आप एक फूल की दुकान के मालिक हैं। तीन लोग आपसे मिलने आते हैं। पहला बहुत देर तक खड़ा रहता है, झिझकता है, आपसे बात करने की कोशिश करता है, किसी तरह का गुलदस्ता लेता है - आप उसे लपेटने जाते हैं, वहां कुछ करने के लिए बाहर जाते हैं; वह इस गुलदस्ते के साथ स्टाल से भाग जाता है - आपने अपने तीन हजार रूबल खो दिए हैं। यह क्यों होता है? आप इस व्यक्ति के बारे में कुछ भी नहीं जानते हैं: आप आंतरिक मामलों के मंत्रालय में उसकी गिरफ्तारी का इतिहास नहीं जानते हैं, आप नहीं जानते हैं कि वह एक क्लेप्टोमैनियाक है और एक मनोरोग औषधालय में पंजीकृत है। क्यों? क्योंकि आपने इसे पहली बार देखा, और आप व्यवहार विश्लेषक नहीं हैं।

कोई और आता है... विटाली। विटाली को भी इसका पता लगाने में बहुत लंबा समय लगता है, वह कहते हैं, "ठीक है, मुझे इसकी और उसकी ज़रूरत है।" और आप उससे कहते हैं, "माँ के लिए फूल, है ना?" और तुम उसे एक गुलदस्ता बेचते हो।

यहां अवधारणा यह समझने के लिए पर्याप्त डेटा ढूंढना है कि व्यक्ति को वास्तव में क्या चाहिए। सभी ने तुरंत किसी प्रकार के विज्ञापन नेटवर्क वगैरह के बारे में सोचा...

हर किसी ने शायद यह मूर्खतापूर्ण वाक्यांश सुना है कि "डेटा नया तेल है" एक से अधिक बार? निश्चित ही सभी ने सुना होगा. वास्तव में, लोगों ने बहुत पहले ही डेटा एकत्र करना सीख लिया था, लेकिन इस डेटा से डेटा निकालना वह कार्य है जिसे विपणन में कृत्रिम बुद्धिमत्ता, या कुछ प्रकार के सांख्यिकीय एल्गोरिदम, अब हल करने का प्रयास कर रहे हैं। क्यों? क्योंकि यदि आप किसी व्यक्ति से बात करते हैं, तो वह आपको सही, गलत या किसी भी तरह से रंगीन उत्तर दे सकता है। मैं अपने छात्रों को जो चुटकुला सुनाता हूं वह यह है कि सर्वेक्षण आंकड़ों से कैसे भिन्न होते हैं। मैं आपको इसे एक किस्से के रूप में बताऊंगा:

इसका मतलब यह है कि दो गांवों में उन्होंने मर्दानगी की औसत लंबाई पर एक अध्ययन करने का फैसला किया। इसका मतलब है कि पहले गांव, विलारिबो में, औसत लंबाई 15 सेंटीमीटर है, विलाबैगियो गांव में - 25। क्या आप जानते हैं क्यों? क्योंकि पहले गांव में मापी हुई थी और दूसरे में सर्वे हुआ था.

पोर्न उद्योग अनुशंसा प्रणालियों का प्रमुख है

यही कारण है कि आधुनिक दृष्टिकोण बिना किसी अपवाद के सभी लोगों का विश्लेषण करना है, भले ही वे 100% से थोड़ा कम हों, लेकिन ये वे लोग हैं जिनसे आपको पूछने की ज़रूरत नहीं है, आपको उन्हें देखने की ज़रूरत नहीं है। यह समझने के लिए कि इस व्यक्ति को क्या चाहिए, उससे सही तरीके से कैसे बात की जाए, उसके चारों ओर सही ढंग से मांग कैसे पैदा की जाए, इसका विश्लेषण करना ही पर्याप्त है जिसे अब डिजिटल फ़ुटप्रिंट कहा जाता है। एक ओर, यह एक नासमझ मशीन है (लेकिन आप और मैं इसे अच्छी तरह से जानते हैं); हम एम से लोगों के साथ संवाद नहीं करना चाहते हैं। वीडियो,'' और इससे भी अधिक, जब हम पोर्नहब जैसे संसाधनों पर जाते हैं, तो हम वही प्राप्त करना चाहते हैं जो हमें चाहिए।

मैं हमेशा पोर्नहब के बारे में क्यों बात करता हूँ? क्योंकि वयस्क उद्योग ऐसी प्रौद्योगिकियों के विश्लेषण, ऐसी प्रौद्योगिकियों के कार्यान्वयन, डेटा विश्लेषण के लिए सबसे पहले आता है। यदि आप इस क्षेत्र में तीन सबसे लोकप्रिय पुस्तकालयों को लेते हैं (उदाहरण के लिए, सीएसवी फ़ाइलों को संसाधित करने के लिए पायथॉन के लिए टेन्सरफ्लो या पांडा, और इसी तरह), यदि आप इसे जीथब पर खोलते हैं, तो इन सभी नामों के संक्षिप्त Google के साथ आपको एक मिलेगा कुछ लोग जो या तो पोर्नहब कंपनी में काम करते थे या वर्तमान में काम करते हैं, और वहां अनुशंसा प्रणाली लागू करने वाले पहले व्यक्ति थे। सामान्य तौर पर, यह कहानी बहुत उन्नत है, और दिखाती है कि यह दर्शक वर्ग कितना आगे बढ़ चुका है, यह कंपनी कितना आगे बढ़ चुकी है।

पहचान के तीन स्तर

किसी व्यक्ति के आसपास डेटा का एक विशाल समूह होता है जिसे पहचाना जा सकता है। मैं आमतौर पर इसे औपचारिक रूप से तीन स्तरों में विभाजित करता हूं, और गहराई तक जाता हूं। स्वाभाविक रूप से, कंपनी के पास अपना डेटा है।

यदि, कहें, हम एक अनुशंसा प्रणाली बनाने के बारे में बात कर रहे हैं, तो पहला स्तर वह डेटा है जो स्टोर पर ही स्थित है (खरीद इतिहास, सभी प्रकार के लेनदेन, एक व्यक्ति ने इंटरफ़ेस के साथ कैसे बातचीत की)।

अगला एक स्तर है (अपेक्षाकृत सबसे बड़ा) - इसे ही खुला स्रोत कहा जाता है। यह मत सोचिए कि मैं आपको सामाजिक नेटवर्क को खंगालने के लिए प्रोत्साहित करता हूं, लेकिन वास्तव में, खुले स्रोतों में जो उपलब्ध है वह डेटा का एक बड़ा सेट खोलता है जिसे आप किसी व्यक्ति के बारे में जान सकते हैं।

और तीसरा प्रमुख भाग है इस व्यक्ति का स्वयं का वातावरण। हां, एक राय है कि अगर कोई व्यक्ति सोशल नेटवर्क पर नहीं है, तो उसके बारे में वहां कोई डेटा नहीं है (आप शायद पहले से ही जानते हैं कि यह सच नहीं है), लेकिन सबसे महत्वपूर्ण बात यह है कि वह डेटा जो किसी व्यक्ति की प्रोफ़ाइल पर है (या किसी अनुप्रयोग में) इसके बारे में केवल 40% ज्ञान ही प्राप्त किया जा सकता है। बाकी जानकारी उसके परिवेश से प्राप्त होती है। वाक्यांश "मुझे बताओ कि तुम्हारा दोस्त कौन है और मैं तुम्हें बताऊंगा कि तुम कौन हो" XNUMXवीं सदी में एक नया अर्थ लेता है क्योंकि उस व्यक्ति के आसपास भारी मात्रा में डेटा प्राप्त किया जा सकता है।

यदि हम विज्ञापन संचार के बारे में करीब से बात करें, तो विज्ञापन संचार विज्ञापन से नहीं, बल्कि किसी मित्र, परिचित या किसी तरह से सत्यापित व्यक्ति से प्राप्त करना एक बहुत अच्छी सुविधा है जिसका उपयोग बहुत सारे विपणक करते हैं। जब कोई एप्लिकेशन आपको अचानक एक मुफ्त प्रोमो कोड देता है, तो आप उसके बारे में एक पोस्ट बनाते हैं और इस तरह नए दर्शकों को आकर्षित करते हैं। वास्तव में, सशर्त "यांडेक्स.टैक्सी" के लिए यह प्रोमो कोड यादृच्छिक रूप से नहीं चुना गया था, बल्कि इसके लिए, नए दर्शकों को आकर्षित करने और किसी तरह उनके साथ बातचीत करने की आपकी क्षमता के बारे में बड़ी मात्रा में डेटा का विश्लेषण किया गया था।

वे टीवी श्रृंखला के पात्रों के व्यवहार का भी विश्लेषण करते हैं

मैं आपको तीन तस्वीरें दिखाऊंगा, और आप मुझे बताएं कि उनमें क्या अंतर है।

यह एक:

यह:

और यह एक:

उनमें क्या अंतर है? यहां सब कुछ सरल है. जैसा कि क्वांटम यांत्रिकी में होता है, इस मामले में यह रचनात्मकता पर्यवेक्षक द्वारा बनाई गई थी। यानी, एक ही ब्रांड द्वारा एक ही समय में चलाए गए एक ही विज्ञापन अभियान में अंतर केवल इस बात में है कि इस क्रिएटिव को किसने देखा। निजी तौर पर, जब मैं अमीडियाटेका जाता हूं, तब भी वे खल ड्रोगो दिखाते हैं। मुझे नहीं पता कि अमीडियाटेका मेरी प्राथमिकताओं के बारे में क्या सोचती है, लेकिन किसी कारण से ऐसा होता है।

जिसे अब वैयक्तिकृत संचार कहा जाता है वह दर्शकों को आकर्षित करने और उनके साथ उचित तरीके से बातचीत करने की सबसे लोकप्रिय कहानी है। यदि पहले चरण में हमने अपने स्वयं के ब्रांड डेटा, ओपन सोर्स डेटा और, उदाहरण के लिए, इस व्यक्ति के वातावरण से डेटा का उपयोग करके लोगों की पहचान की है, तो हम उसका विश्लेषण करने के बाद समझ सकते हैं कि वह कौन है, उससे सही तरीके से कैसे बात करें और, सबसे महत्वपूर्ण बात , वह कौन सी भाषा बोलता है उससे बात करें।

यहां तकनीक इतनी आगे बढ़ गई है कि लोग जो टीवी सीरीज देखते हैं, उनमें अब किरदारों का विश्लेषण किया जाने लगा है। यानी, आपको टीवी सीरीज़ पसंद हैं - उन्हें [पसंद] देखा जाता है, वे यह देखते हैं कि आपने वहां किसके साथ बातचीत की, यह समझने के लिए कि किस तरह का व्यक्ति आपके साथ बातचीत करने के लिए उपयुक्त होगा। यह पूरी तरह से बकवास लगता है, लेकिन केवल मनोरंजन के लिए, इसे किसी एक संसाधन पर आज़माएँ - अलग-अलग लोग अलग-अलग क्रिएटिव देखते हैं (इसके साथ सही ढंग से बातचीत करने के लिए)।

एक भी आधुनिक मीडिया या कोई भी वीडियो संसाधन आपको बस कुछ समाचार नहीं दिखाता। मीडिया पर जाएँ - बड़ी संख्या में एल्गोरिदम भरे हुए हैं जो आपकी पहचान करते हैं, आपकी पिछली सभी गतिविधियों को समझते हैं, गणितीय मॉडल के लिए अपील करते हैं और फिर आपको कुछ दिखाते हैं। इस मामले में बड़ी अजीब कहानी है.

आवश्यकताएँ कैसे निर्धारित की जाती हैं? साइकोमेट्री। मुख का आकृति

किसी व्यक्ति की वास्तविक ज़रूरतों को निर्धारित करने और उनके साथ सही ढंग से संवाद करने के कई (वास्तविक) दृष्टिकोण हैं। कई दृष्टिकोण हैं, हर चीज़ को अलग-अलग तरीके से हल किया जाता है, यह कहना असंभव है कि कौन सा अच्छा है और कौन सा बुरा है। मुख्य लोग तो जैसे सब कुछ जानते हैं।

साइकोमेट्री। कैम्ब्रिज एनालिटिक्स के साथ कहानी के बाद, मेरी राय में, इसमें कुछ चौंकाने वाला मोड़ आया, क्योंकि अब हर दूसरी राजनीतिक कंपनी आती है और कहती है: "ओह, क्या आप मुझे ट्रम्प जैसा बना सकते हैं? मैं भी जीतना चाहता हूं, इत्यादि।” वास्तव में, यह, निश्चित रूप से, हमारी वास्तविकताओं के लिए बकवास है, उदाहरण के लिए, राजनीतिक चुनाव। लेकिन मनोविज्ञान निर्धारित करने के लिए, तीन मॉडलों का उपयोग किया जाता है:

• पहला आपके द्वारा उपभोग की जाने वाली सामग्री पर आधारित है - आपके द्वारा लिखे गए शब्द, कुछ जानकारी जो आपको पसंद है, वीडियो, आदि;
• दूसरा इस बात से जुड़ा है कि आप वेब इंटरफ़ेस के साथ कैसे इंटरैक्ट करते हैं, आप कैसे टाइप करते हैं, कौन से बटन दबाते हैं - वास्तव में, ऐसी पूरी कंपनियाँ हैं, जो अपने कीबोर्ड लिखावट के आधार पर, काफी विश्वसनीय रूप से यह निर्धारित कर सकती हैं कि अब साइकोटाइप्स क्या कहा जाता है।
• मैं बहुत अधिक मनोवैज्ञानिक नहीं हूं, मैं वास्तव में नहीं समझता कि यह कैसे काम करता है, लेकिन विज्ञापन संचार के दृष्टिकोण से, इन खंडों में विभाजित दर्शक बहुत अच्छा काम करते हैं, क्योंकि किसी को नीले रंग के साथ लाल स्क्रीन दिखाने की आवश्यकता होती है महिला, किसी को किसी प्रकार की अमूर्तता के साथ गहरे रंग की स्क्रीन-नीली पृष्ठभूमि दिखानी होगी, और यह बहुत अच्छा काम करता है। कुछ निम्न स्तरों पर - इतना कि कोई व्यक्ति इसके बारे में सोचता भी नहीं है। विज्ञापन बाज़ार में अब मुख्य समस्या क्या है? हर कोई एक ख़ुफ़िया एजेंट है, हर कोई छिप रहा है, हर किसी के पास एक लाख हज़ार ब्राउज़र अनुमतियाँ स्थापित हैं, ताकि किसी भी तरह से पहचाना न जा सके - आपके पास संभवतः "एडब्लॉक", "गोस्ट्रे" और सभी प्रकार के एप्लिकेशन हैं जो ट्रैकिंग को रोकते हैं। इस वजह से किसी व्यक्ति के बारे में कुछ भी समझना बहुत मुश्किल होता है। और प्रौद्योगिकी आगे बढ़ गई है - आपको न केवल यह जानना होगा कि यह व्यक्ति 125वीं बार आपकी साइट पर लौटा है, बल्कि यह भी जानना होगा कि वह ऐसा और इतना अजीब व्यक्ति है।

फिजियोलॉजी एक बहुत ही विवादास्पद विज्ञान है। इसे विज्ञान भी नहीं माना जाता. यह उन लोगों का एक समूह है जो आंतरिक मामलों के कुछ मंत्रालयों के लिए झूठ पकड़ने वालों को प्रोग्राम करते थे, और अब उस काम में लगे हुए हैं जिसे रचनात्मकता का मानवीकरण कहा जाता है। यहां दृष्टिकोण बहुत सरल है: आपकी कई सार्वजनिक तस्वीरें कुछ सामाजिक नेटवर्क से ली गई हैं, और उनसे त्रि-आयामी ज्यामिति बनाई गई है। और यदि आप एक वकील हैं, तो अब आप कहेंगे कि यह एक व्यक्ति और व्यक्तिगत डेटा है; लेकिन मैं आपको बताऊंगा कि ये अंतरिक्ष में स्थित 300 हजार बिंदु हैं, और यह कोई व्यक्ति नहीं है, और व्यक्तिगत डेटा नहीं है। जब रोसकोम्नाडज़ोर उनके पास आता है तो आमतौर पर हर कोई यही कहता है।

लेकिन गंभीरता से, आपका चेहरा अलग से, यदि आपका पहला और अंतिम नाम वहां हस्ताक्षरित नहीं है, तो यह आपका व्यक्तिगत डेटा नहीं है। मुद्दा यह है कि लोग चेहरे की विभिन्न विशेषताओं को चिह्नित करते हैं जो प्रभावित करती हैं कि कोई व्यक्ति कैसे निर्णय लेता है और उसके साथ सही तरीके से कैसे बातचीत की जाए। कुछ क्षेत्रों में यह खराब काम करता है, कुछ विज्ञापन क्षेत्रों में; यह किस सेगमेंट में बहुत अच्छा काम करता है। अंत में, यह पता चलता है कि जब आप किसी संसाधन पर जाते हैं, तो आपको केवल एक बैनर नहीं दिखता है जो सभी को दिखाया जाता है, बल्कि, उदाहरण के लिए... अब विभिन्न दर्शकों के लिए 16 या 20 विकल्प बनाना सामान्य है - और यह काम करता है बहुत ही शांत। हां, उपभोक्ता के दृष्टिकोण से यह और भी दुखद है, क्योंकि लोगों को अधिक से अधिक हेरफेर किया जाने लगा है। लेकिन फिर भी व्यापारिक दृष्टिकोण से यह बहुत अच्छा काम करता है।

मशीन लर्निंग का ब्लैक बॉक्स

यह ऐसी तकनीकों के साथ निम्नलिखित समस्या को जन्म देता है: आखिरकार, अधिकांश डेवलपर्स के लिए अब जिसे गहन शिक्षण कहा जाता है वह एक "ब्लैक बॉक्स" है। यदि आप कभी इस कहानी में डूबे हैं और डेवलपर्स से बात की है, तो वे हमेशा कहते हैं: "ओह, सुनो, ठीक है, हमने वहां कुछ समझ से बाहर की चीज़ को कोड किया है, और हम नहीं जानते कि यह कैसे काम करता है।" शायद किसी के साथ ऐसा हुआ हो.

यह वास्तव में सत्य से बहुत दूर है। जिसे अब मशीन लर्निंग कहा जाता है वह "ब्लैक बॉक्स" से बहुत दूर है। इनपुट और आउटपुट डेटा का वर्णन करने के लिए बड़ी संख्या में दृष्टिकोण हैं, और अंत में कंपनी पूरी तरह से समझ सकती है कि मशीन ने किन संकेतों के आधार पर आपको यह अश्लील वीडियो या कोई अन्य दिखाने का निर्णय लिया है। सवाल यह है कि कोई भी कंपनी इसका खुलासा नहीं करती, क्योंकि: सबसे पहले, यह एक व्यापार रहस्य है; दूसरे, बड़ी मात्रा में डेटा होगा जिसके बारे में आपको पता भी नहीं होगा।

उदाहरण के लिए, इससे पहले, नैतिकता पर एक चर्चा में, हमने चर्चा की थी कि कैसे सामाजिक नेटवर्क किसी प्रकार की विज्ञापन कहानियों में लोगों को टैग करने के लिए व्यक्तिगत संदेशों का विश्लेषण करते हैं। यदि आप किसी को कुछ लिखते हैं, तो इसके आधार पर आपको वास्तव में, किसी प्रकार के विज्ञापन संचार के लिए एक विशिष्ट टैग प्राप्त होता है। और आप इसे कभी भी साबित नहीं कर पाएंगे, और इसे साबित करने का शायद कोई मतलब भी नहीं है। हालाँकि, यदि समान पैटर्न सामने आते, तो वे मौजूद होते। यह पता चला है कि ऐसी अनुशंसा प्रणाली बनाने का बाजार यह नहीं जानने का दिखावा करता है कि ऐसा क्यों हुआ।

लोग यह नहीं जानना चाहते कि लोग उनके बारे में क्या जानते हैं

और दूसरी कहानी यह है कि ग्राहक कभी यह नहीं जानना चाहता कि उसे यह विशेष विज्ञापन, यह विशेष उत्पाद क्यों प्राप्त हुआ। मैं तुम्हें यह कहानी सुनाता हूँ. अनुसंधान के लिए समान एल्गोरिदम पर आधारित अनुशंसा प्रणालियों के व्यावसायिक कार्यान्वयन में मेरा पहला अनुभव 2015 में सेक्स दुकानों के एक बहुत बड़े नेटवर्क में था (हाँ, यह कोई विशेष अप्रिय कहानी भी नहीं है)।

ग्राहकों को निम्नलिखित की पेशकश की गई: वे अंदर आते हैं, अपने सोशल नेटवर्क से लॉग इन करते हैं, और लगभग 5 सेकंड के बाद उन्हें उनके लिए एक पूरी तरह से वैयक्तिकृत स्टोर प्राप्त होता है, यानी, सभी उत्पाद बदल गए हैं - वे एक निश्चित श्रेणी में आते हैं, और इसी तरह। . क्या आप जानते हैं कि इस स्टोर की रूपांतरण दर कितनी बढ़ गई है? किसी भी तरह से नहीं! लोग अंदर आए और तुरंत वहां से भाग गए। वे अंदर आए और महसूस किया कि उन्हें बिल्कुल वही पेश किया गया था जिसके बारे में वे सोच रहे थे...

इस परीक्षण के साथ समस्या यह थी कि प्रत्येक उत्पाद के नीचे यह लिखा था कि आपको उस विशेष उत्पाद की पेशकश क्यों की गई थी ("क्योंकि आप छिपे हुए समूह के सदस्य हैं" शक्तिशाली महिला एक ऐसे पुरुष की तलाश में है जो डोरमैट हो)। इसलिए, आधुनिक अनुशंसा प्रणाली कभी भी वह डेटा नहीं दिखाती जिसके आधार पर "भविष्यवाणी" की गई थी।

एक बहुत लोकप्रिय कहानी मीडिया है क्योंकि वे सभी समान अनुशंसा प्रणाली का उपयोग करते हैं। पहले, एल्गोरिदम बहुत सरल थे: "राजनीति" श्रेणी को देखें - और वे आपको "राजनीति" श्रेणी से समाचार दिखाते हैं। अब सब कुछ इतना जटिल है कि वे उन स्थानों का विश्लेषण करते हैं जहां आपने माउस को रोका था, आपने किन शब्दों पर ध्यान केंद्रित किया था, आपने क्या कॉपी किया था, आपने आम तौर पर इस पृष्ठ के साथ कैसे बातचीत की थी। फिर वह स्वयं संदेशों की शब्दावली का विश्लेषण करता है: हाँ, आप केवल पुतिन के बारे में समाचार नहीं पढ़ रहे हैं, बल्कि एक निश्चित तरीके से, एक निश्चित भावनात्मक रंग के साथ पढ़ रहे हैं। और जब किसी व्यक्ति को कोई समाचार मिलता है तो वह यह भी नहीं सोचता कि वह यहां कैसे आया। फिर भी, वह इस सामग्री के साथ इंटरैक्ट करता है।

यह सब, स्वाभाविक रूप से, गरीब, दुर्भाग्यशाली छोटे आदमी को दूर रखने के उद्देश्य से है जो पहले से ही अपने आस-पास मौजूद भारी मात्रा में जानकारी से पागल हो रहा है। यहां यह कहा जाना चाहिए कि अपने आस-पास के क्रिएटिव को निजीकृत करने और कुछ जानकारी एकत्र करने के लिए ऐसी प्रणालियों का उपयोग करना अच्छा होगा, लेकिन, दुर्भाग्य से, अभी तक ऐसी कोई सेवाएं नहीं हैं।

कृत्रिम बुद्धिमत्ता ग्राहक को हवा में पकड़ लेती है और मांग पैदा करती है

और यहां एक बहुत ही दिलचस्प दार्शनिक प्रश्न उठता है, जो एक सिफारिश प्रणाली बनाने से लेकर मांग पैदा करने की ओर बढ़ता है। शायद ही कोई इसके बारे में सोचता हो, लेकिन जब आप तथाकथित इंस्टाग्राम से पूछने की कोशिश करते हैं, "आप डेटा क्यों एकत्र कर रहे हैं?" मुझे बिल्कुल बेतरतीब विज्ञापन क्यों नहीं दिखाते?" - इंस्टाग्राम आपको बताएगा: "दोस्त, यह सब आपको वही दिखाने के लिए किया गया है जो आपके लिए दिलचस्प है।" जैसे, हम आपको इतना सटीक रूप से जानना चाहते हैं कि हम आपको वही दिखा सकें जो आप खोज रहे हैं।

लेकिन प्रौद्योगिकी लंबे समय से इस भयानक सीमा को पार कर चुकी है, और इसी तरह की प्रौद्योगिकियां अब यह अनुमान नहीं लगाती हैं कि आपको क्या चाहिए। वे (ध्यान दें!) मांग पैदा करते हैं। यह शायद सबसे डरावनी चीज़ है जो ऐसे संचार में कृत्रिम बुद्धिमत्ता के इर्द-गिर्द घूमती है। डरावनी बात यह है कि इसका उपयोग पिछले 3-5 वर्षों से लगभग हर जगह किया जा रहा है - Google खोज परिणामों से लेकर Yandex खोज परिणामों तक, कुछ प्रणालियों तक... ठीक है, मैं Yandex के बारे में कुछ भी बुरा नहीं कहूंगा; और अच्छा।

क्या बात है? काफी समय हो गया है जब से इस तरह के विज्ञापन संचार उस रणनीति से दूर चले गए हैं जहां आप लिखते हैं "मैं एक बच्चे की सीट खरीदना चाहता हूं" और एक लाख मिलियन प्रकाशन देखें। वे निम्नलिखित पर चले गए: जैसे ही महिला ने बमुश्किल दिखाई देने वाले पेट के साथ एक तस्वीर पोस्ट की, उसके पति को तुरंत संदेश मिलने शुरू हो गए: "यार, जन्म जल्द ही होने वाला है। एक बच्चे की सीट खरीदें।"

यहां, आप उचित रूप से पूछ सकते हैं कि प्रौद्योगिकी में इतनी बड़ी प्रगति के बावजूद, क्या हम अभी भी सोशल नेटवर्क पर ऐसे घटिया विज्ञापन देखते हैं? समस्या यह है कि इस बाज़ार में अभी भी सब कुछ पैसे से तय होता है, इसलिए एक क्षण में कोका-कोला जैसा कोई विज्ञापनदाता आ सकता है और कह सकता है: "यहां आपके लिए 20 मिलियन हैं - मेरे घटिया बैनर पूरे इंटरनेट पर दिखाओ।" और वे सचमुच ऐसा करेंगे.

लेकिन यदि आप किसी प्रकार का साफ-सुथरा खाता बनाते हैं और परीक्षण करते हैं कि ऐसे एल्गोरिदम आपका कितना सटीक अनुमान लगाते हैं: तो वे पहले आपका अनुमान लगाने की कोशिश करते हैं, और फिर वे आपके साथ पहले से कुछ करना शुरू कर देते हैं। और मानव मस्तिष्क इस तरह से काम करता है कि, जब वह ऐसी जानकारी प्राप्त करता है जो उसके लिए विश्वसनीय होती है, तो वह उस क्षण को भी संसाधित नहीं करता है कि उसे यह जानकारी क्यों प्राप्त हुई। यह निर्धारित करने का पहला नियम कि आप सपने में हैं, यह समझना है कि आप यहां कैसे आए। एक व्यक्ति को वह क्षण कभी याद नहीं रहता जब वह एक निश्चित कमरे में समाप्त हुआ था। यहाँ भी वैसा ही है.

Google आपके विश्वदृष्टिकोण को आकार देना शुरू कर सकता है

इस तरह के अध्ययन आई-ट्रैकिंग में संलग्न कई विदेशी कंपनियों द्वारा किए गए थे। उन्होंने विशेष कंप्यूटरों पर उपकरण स्थापित किए जो यह रिकॉर्ड करते हैं कि परीक्षण विषय की आँखें कहाँ देख रही हैं। मैंने पाँच से सात हज़ार स्वयंसेवकों को लिया, जिन्होंने बस फ़ीड को स्क्रॉल किया, सोशल नेटवर्क के साथ विज्ञापन के साथ बातचीत की, और उन्होंने जानकारी दर्ज की कि इन लोगों ने बैनर और क्रिएटिव के किन हिस्सों पर अपनी आँखें बंद कर लीं।

और यह पता चला है कि जब लोगों को ऐसा अति-वैयक्तिकृत रचनात्मक प्राप्त होता है, तो वे इसके बारे में सोचते भी नहीं हैं - वे तुरंत आगे बढ़ जाते हैं, इसके साथ बातचीत करना शुरू कर देते हैं। व्यावसायिक दृष्टिकोण से, यह अच्छा है, लेकिन उपयोगकर्ताओं के रूप में हमारे दृष्टिकोण से, यह बहुत अच्छा नहीं है, क्योंकि - वे किससे डरते हैं? - कि एक अच्छे क्षण में सशर्त "Google" अपना स्वयं का विश्वदृष्टिकोण बनाना शुरू कर सकता है (या, निश्चित रूप से, यह शुरू नहीं हो सकता है)। उदाहरण के लिए, कल वह लोगों को यह खबर दिखाना शुरू कर सकता है कि पृथ्वी चपटी है।

मजाक कर रहे हैं, लेकिन ये इतनी बार पकड़े जा चुके हैं कि चुनाव के दौरान ये कुछ खास लोगों को कुछ सूचनाएं देने लगते हैं। हम सभी इस बात के आदी हैं कि सर्च इंजन को सबकुछ ईमानदारी से मिल जाता है। लेकिन, जैसा कि मैं हमेशा कहता हूं, यदि आप वास्तव में जानना चाहते हैं कि दुनिया कैसे काम करती है, तो अपना स्वयं का खोज इंजन लिखें, बिना फ़िल्टर के, कॉपीराइट पर ध्यान दिए बिना, खोज परिणामों में अपने कुछ दोस्तों को रैंक किए बिना। इंटरनेट पर वास्तविक डेटा का प्रदर्शन आम तौर पर Google, Yandex, Bing, इत्यादि द्वारा दिखाए जाने वाले डेटा से भिन्न होता है। कुछ सामग्रियाँ इसलिए छिपाई जाती हैं क्योंकि मित्र, सहकर्मी, शत्रु या कोई और (या कोई पूर्व प्रेमी जिसके साथ आप सोए थे) - इससे कोई फर्क नहीं पड़ता।

ट्रंप कैसे जीते

जब संयुक्त राज्य अमेरिका में पिछला चुनाव हुआ था, तो एक बहुत ही सरल अध्ययन किया गया था। उन्होंने अलग-अलग जगहों से, अलग-अलग आईपी पते से, अलग-अलग शहरों से एक ही अनुरोध लिया, अलग-अलग लोगों ने एक ही चीज़ को गूगल पर खोजा। परंपरागत रूप से, अनुरोध इस शैली में होता था: चुनाव कौन जीतेगा? और आश्चर्यजनक रूप से, परिणाम इस तरह से तैयार किए गए थे कि उन राज्यों में जहां सबसे बड़ी संख्या में लोगों ने गलत उम्मीदवार को वोट देने की कोशिश की, उन्हें उस उम्मीदवार के बारे में कुछ अच्छी खबर मिली जिसे Google ने प्रचारित किया था। कौन सा? खैर, यह स्पष्ट है कि कौन - वह जो राष्ट्रपति बना। यह बिल्कुल अप्रमाणित कहानी है, और ये सभी अध्ययन पानी में उंगली हैं। Google कह सकता है: "दोस्तों, यह सब इसलिए किया गया है ताकि हम आपके लिए सबसे अधिक प्रासंगिक सामग्री दिखा सकें।"

अब से, आपको यह जान लेना चाहिए कि जिसे अधिकतम प्रासंगिक कहा जाता है, वह बिल्कुल भी मामला नहीं है। कंपनी किसी ऐसी चीज़ को प्रासंगिक कहती है जिसे आपको किसी अच्छे या बुरे कारण से बेचने की आवश्यकता होती है।

जिनके पास अभी पैसे नहीं हैं वे भविष्य की खरीदारी के लिए पहले से ही तैयारी कर रहे हैं

यहां एक और दिलचस्प बात है जिसके बारे में मैं आपको बताऊंगा। अब सोशल नेटवर्क और ऐप्स पर सक्रिय दर्शकों की एक बड़ी संख्या युवा लोग हैं। चलिए इसे कहते हैं - दिवालिया युवा: 8-9 साल के बच्चे जो मूर्खतापूर्ण गेम खेलते हैं, ये 12-13-14 हैं जो सिर्फ सोशल नेटवर्क पर पंजीकरण कर रहे हैं। बड़ी कंपनियाँ गैर-भुगतान करने वाले दर्शकों के लिए एप्लिकेशन बनाने के लिए भारी बजट और संसाधन क्यों खर्च करेंगी, जिनका कभी मुद्रीकरण नहीं किया जाता है? जिस समय यह श्रोता विलायक हो जाएगा, उसके व्यवहार की अच्छी तरह से भविष्यवाणी करने के लिए इसके बारे में पर्याप्त मात्रा में डेटा होगा।

अब किसी लक्ष्यविज्ञानी से पूछें, सबसे कठिन श्रोता कौन सा है? वे कहेंगे: अत्यधिक लाभदायक। क्योंकि, उदाहरण के लिए, सामाजिक नेटवर्क के माध्यम से 150 मिलियन रूबल का एक अपार्टमेंट बेचना लगभग असंभव है। ऐसे अलग-अलग मामले हैं जब आप 10 हजार लोगों के लिए किसी प्रकार का विज्ञापन करते हैं, कोई इस अपार्टमेंट को खरीदता है - ग्राहक सफल होता है... लेकिन सांख्यिकीय दृष्टिकोण से, दस हजार में से एक पूरी तरह से बकवास है। तो, उच्च आय वाले दर्शकों की पहचान करना मुश्किल क्यों है? क्योंकि जो लोग अब अत्यधिक लाभदायक दर्शकों के सदस्य हैं, उनका जन्म तब हुआ था जब इंटरनेट अभी भी बहुत छोटा था, जब आर्टेमी लेबेडेव को अभी तक कोई नहीं जानता था, और उनके बारे में कोई जानकारी नहीं है। उनके व्यवहार पैटर्न की भविष्यवाणी करना असंभव है, यह समझना असंभव है कि उनके राय नेता कौन हैं, और उन्हें सामग्री के कौन से स्रोत प्राप्त होते हैं।

इसलिए जब आप सभी 25 वर्षों में अरबपति बन जाएंगे, और जो कंपनियां आपको कुछ बेचने जा रही हैं, उनके पास भारी मात्रा में डेटा होगा। यही कारण है कि अब हमारे पास यूरोप में एक अद्भुत जीडीपीआर है जो नाबालिगों से डेटा के संग्रह को रोकता है।

स्वाभाविक रूप से, यह व्यवहार में बिल्कुल भी काम नहीं करता है, क्योंकि सभी बच्चे अभी भी अपनी माँ और पिता के खातों पर खेलते हैं - इस तरह से जानकारी एकत्र की जाती है। अगली बार जब आप अपने बच्चे को टैबलेट दें, तो इस बारे में सोचें।

बिल्कुल कोई डरावना, मनहूस भविष्य नहीं, जब हर कोई मशीनों के साथ युद्ध में मर जाएगा - अब एक बिल्कुल वास्तविक कहानी। बड़ी संख्या में ऐसी कंपनियां हैं जो गेम खेलने के तरीके के आधार पर लोगों की मनो-प्रोफ़ाइलिंग के लिए एल्गोरिदम बना रही हैं। एक बहुत ही दिलचस्प उद्योग. इन सबके आधार पर, लोगों को किसी तरह उनके साथ संवाद करने के लिए विभाजित किया जाता है।

इन लोगों के व्यवहार की भविष्यवाणी 10-15 वर्षों में उपलब्ध होगी - ठीक उसी समय जब वे एक विलायक दर्शक बन जाएंगे। सबसे महत्वपूर्ण बात यह है कि इन लोगों ने पहले ही अपने व्यक्तिगत डेटा को संसाधित करने, इसे तीसरे पक्ष को स्थानांतरित करने की अनुमति दे दी है, और यह सब खुशी की बात है, इत्यादि।

किसकी नौकरी जाएगी?

और मेरी आखिरी कहानी यह है कि हर कोई हमेशा पूछता है कि 50 वर्षों में क्या होगा: हम सभी मर जाएंगे, विपणक के लिए बेरोजगारी होगी... यहां विपणक हैं जो बेरोजगारी के बारे में चिंतित हैं, है ना? सामान्य तौर पर, चिंता करने की कोई ज़रूरत नहीं है, क्योंकि किसी भी उच्च योग्य व्यक्ति की नौकरी नहीं जाएगी।

इससे कोई फर्क नहीं पड़ता कि कौन से एल्गोरिदम बनाए गए हैं, इससे कोई फर्क नहीं पड़ता कि मशीन हमारे पास जो कुछ है (उसके सिर की ओर इशारा करती है) के कितनी करीब पहुंचती है, अगर यह तेजी से विकसित होती है, तो ऐसे लोगों को कभी भी निष्क्रिय नहीं छोड़ा जाएगा, क्योंकि किसी को ये रचनात्मक चीजें बनानी होंगी। हां, सभी प्रकार के "गण" हैं जो लोगों की तरह दिखने वाले चित्र बनाते हैं और संगीत बनाते हैं, लेकिन यह अभी भी संभावना नहीं है कि इस क्षेत्र में लोग कभी भी अपनी नौकरी खो देंगे।

मेरे पास कहानी के साथ सब कुछ है, इसलिए यदि आपके पास अधिक है तो आप प्रश्न पूछ सकते हैं। धन्यवाद।

संचालक: - दोस्तों, अब हम "प्रश्न और उत्तर" ब्लॉक की ओर बढ़ रहे हैं। तुम अपना हाथ उठाओ - मैं तुम्हारे पास आता हूँ।

दर्शकों से प्रश्न (XNUMX): - "ब्लैक बॉक्स" के बारे में प्रश्न। उन्होंने कहा कि यह विशेष रूप से समझना संभव है कि अमुक उपयोगकर्ता के लिए अमुक परिणाम क्यों प्राप्त किया गया। क्या ये किसी प्रकार के एल्गोरिदम हैं, या क्या प्रत्येक मॉडल के लिए हर बार तदर्थ (लेखक का नोट: "विशेष रूप से इसके लिए" - एक लैटिन वाक्यांशवैज्ञानिक इकाई) का विश्लेषण करने की आवश्यकता है? या क्या किसी प्रकार के तंत्रिका नेटवर्क के लिए तैयार किए गए नेटवर्क हैं, जो मोटे तौर पर कहें तो, व्यावसायिक समझ में आ सकते हैं?

ओह: - यहां आपको निम्नलिखित समझने की आवश्यकता है: मशीन लर्निंग में बड़ी संख्या में कार्य होते हैं। उदाहरण के लिए, एक कार्य है - प्रतिगमन। प्रतिगमन के लिए, किसी तंत्रिका नेटवर्क की बिल्कुल भी आवश्यकता नहीं है। सब कुछ सरल है: आपके पास कई संकेतक हैं, आपको निम्नलिखित की गणना करने की आवश्यकता है। ऐसे कार्य हैं जहाँ गहन शिक्षण जैसी चीज़ का सहारा लेना आवश्यक है। वास्तव में, गहन शिक्षण में यह विश्वसनीय रूप से समझना मुश्किल है कि किस न्यूरॉन को क्या भार सौंपा गया था, लेकिन कानूनी तौर पर आपको यह समझने की ज़रूरत है कि इनपुट पर कौन सा डेटा था और आउटपुट पर यह कैसे काम करता था। यह कानूनी तौर पर ऐसे निर्णय को पेटेंट कराने के लिए पर्याप्त है और यह समझने के लिए भी पर्याप्त है कि कहानी किस आधार पर बनाई गई थी।

ऐसा नहीं है कि आप साइट पर गए और आपको किसी प्रकार का बैनर दिखाया गया क्योंकि आपने दो महीने पहले इंस्टाग्राम पर लाल बालों के साथ एक तस्वीर ली थी। यदि डेवलपर इस मॉडल में इस डेटा के संग्रह और बालों के रंग के अंकन को शामिल नहीं करता है, तो यह कहीं से भी सामने नहीं आएगा।

मशीन लर्निंग सिस्टम के परिणाम कैसे बेचें?

जेड: - यह सिर्फ एक सवाल है कि: वास्तव में कैसे समझाया जाए, किसी ऐसे व्यक्ति को कैसे बेचा जाए जो मशीन लर्निंग को नहीं समझता है। मैं कहना चाहता हूं: मेरा मॉडल स्पष्ट रूप से बालों के रंग से लेकर... खैर, बालों का रंग बदलता है... क्या यह संभव है या नहीं?

ओह: - शायद हाँ। लेकिन बिक्री के दृष्टिकोण से, एकमात्र योजना काम करेगी: आपके पास एक विज्ञापन अभियान है, हम दर्शकों को मशीन द्वारा उत्पन्न दर्शकों से बदल देते हैं - और आप बस परिणाम देखते हैं। दुर्भाग्य से, यह ग्राहक को विश्वसनीय रूप से आश्वस्त करने का एकमात्र तरीका है कि ऐसी कहानी काम करती है, क्योंकि बाजार में बहुत सारे समाधान हैं जो एक बार लागू किए गए थे और काम नहीं करते थे।

एक आभासी व्यक्तित्व बनाने के बारे में

जेड: - नमस्ते। व्याख्यान के लिए धन्यवाद. सवाल यह है कि किसी व्यक्ति के पास क्या मौका है, जो किसी कारण से मशीन लर्निंग के नेतृत्व का पालन नहीं करना चाहता है, इंटरफ़ेस के साथ बातचीत के माध्यम से या कुछ के लिए अपने लिए एक आभासी व्यक्तित्व बना सकता है जो उसके अपने व्यक्तित्व से मौलिक रूप से अलग है। कोई और वजह?

ओह: - विभिन्न प्लगइन्स का एक समूह है जो विशेष रूप से यादृच्छिक व्यवहार से निपटते हैं। एक अच्छी चीज़ है - घोस्टरी, जो, मेरी राय में, आपको लगभग पूरी तरह से विभिन्न ट्रैकर्स के समूह से छुपाती है जो इस जानकारी को रिकॉर्ड नहीं कर सकते हैं। लेकिन वास्तव में, अब आपको सोशल नेटवर्क पर एक बंद प्रोफ़ाइल की आवश्यकता है ताकि कोई भी, कोई दुष्ट स्क्रैपर, वहां कुछ भी एकत्र न कर सके। किसी प्रकार का एक्सटेंशन इंस्टॉल करना या स्वयं कुछ लिखना संभवतः बेहतर है।

आप देखिए, यहां अवधारणा यह है कि कानूनी तौर पर, उदाहरण के लिए, व्यक्तिगत डेटा उस डेटा को संदर्भित करता है जिसके द्वारा आपकी पहचान की जा सकती है, और कानून उदाहरण के तौर पर आपके निवास का पता, उम्र इत्यादि देता है। आजकल अनगिनत मात्रा में डेटा मौजूद है जिसके द्वारा आपको पहचाना जा सकता है: वही कीबोर्ड लिखावट, वही प्रेस, ब्राउज़र का डिजिटल हस्ताक्षर... देर-सबेर, एक व्यक्ति गलती करता है। वह कहीं "कैफ़े" में "थोर" का उपयोग कर सकता है, लेकिन अंत में, एक अच्छे क्षण में, या तो वीपीएन चालू करना भूल जाएगा, या कुछ और, और उस क्षण उसे पहचाना जा सकता है। तो सबसे आसान तरीका है एक प्राइवेट अकाउंट बनाना और कुछ एक्सटेंशन इंस्टॉल करना।

बाज़ार उस बिंदु की ओर बढ़ रहा है जहाँ आपको परिणाम प्राप्त करने के लिए केवल एक बटन दबाने की आवश्यकता है।

जेड: - कहानी के लिए धन्यवाद. हमेशा की तरह, हमेशा बहुत दिलचस्प (मैं आपका अनुसरण कर रहा हूं)। सवाल यह है कि उपयोगकर्ताओं, अनुशंसा प्रणालियों के लिए सकारात्मक सिस्टम बनाने के मामले में क्या प्रगति हुई है? आपने कहा कि एक समय आप एक यौन साथी, जीवन में एक दोस्त (या एक व्यक्ति को संभावित रूप से पसंद आने वाला संगीत) ढूंढने के लिए एक अनुशंसा प्रणाली पर काम कर रहे थे... यह सब कितना आशाजनक है, और आप इसके विकास को कैसे देखते हैं ऐसी प्रणालियाँ बनाने का दृष्टिकोण जिनकी लोगों को आवश्यकता है?

ओह: - सामान्य तौर पर, बाजार उस बिंदु की ओर बढ़ रहा है जहां लोगों को एक बटन दबाने की जरूरत है और उन्हें जो चाहिए वह तुरंत मिल जाएगा। डेटिंग एप्लिकेशन बनाने में मेरे अनुभव के लिए (वैसे, हम इसे वर्ष के अंत में फिर से लॉन्च करेंगे), इस तथ्य के अलावा कि 65% विवाहित पुरुष थे, सबसे कठिन अनुशंसा समस्या यह थी कि एक व्यक्ति को कई मॉडल पेश किए गए थे एप्लिकेशन की शुरुआत में - " मैत्री", "सेक्स", "सेक्स मैत्री" और "व्यवसाय"। लोगों ने वह नहीं चुना जिसकी उन्हें आवश्यकता थी। पुरुष आए और उन्होंने "प्रेम" को चुना, लेकिन वास्तव में उन्होंने सभी पर नग्नता फेंकी, इत्यादि।

समस्या यह थी कि ऐसे व्यक्ति की पहचान की जाए जो इनमें से किसी एक मॉडल में फिट नहीं बैठता, और किसी तरह आसानी से उसे पकड़कर दूसरी दिशा में ले जाया जाए। डेटा की छोटी मात्रा के कारण, यह निर्धारित करना बहुत मुश्किल है कि क्या यह पूर्वानुमान एल्गोरिथ्म में कोई त्रुटि है, या क्या कोई व्यक्ति उसकी श्रेणी में नहीं है। संगीत के साथ भी ऐसा ही है: अब बहुत कम योग्य एल्गोरिदम हैं जो संगीत को अच्छी तरह से "फ़ेकास्ट" कर सकते हैं। शायद "यांडेक्स.म्यूजिक"। कुछ लोग सोचते हैं कि Yandex.Music एल्गोरिथम ख़राब है। उदाहरण के लिए, मुझे वह पसंद है. उदाहरण के लिए, मैं व्यक्तिगत रूप से YouTube संगीत एल्गोरिथम इत्यादि को पसंद नहीं करता।

बेशक, कुछ बारीकियाँ हैं - सब कुछ लाइसेंस से जुड़ा हुआ है... लेकिन वास्तव में, ऐसी प्रणालियों की मांग काफी अधिक है। एक समय में, रिटेल रॉकेट कंपनी जानी जाती थी, जो अनुशंसा प्रणालियों के कार्यान्वयन में शामिल थी, लेकिन अब यह किसी तरह बहुत अच्छा प्रदर्शन नहीं करती है - जाहिर तौर पर क्योंकि उन्होंने लंबे समय तक अपने एल्गोरिदम विकसित नहीं किए हैं। सब कुछ इसी ओर जाता है - इस हद तक कि हम अंदर जाते हैं और, बिना कुछ दबाव डाले, वह प्राप्त कर लेते हैं जिसकी हमें आवश्यकता होती है (और पूरी तरह से मूर्ख बन जाते हैं, क्योंकि चुनने की हमारी क्षमता पूरी तरह से गायब हो जाती है)।

मार्केटिंग को प्रभावित करें

जेड: - नमस्ते। मेरा नाम कॉन्स्टेंटिन है. मैं प्रभाव विपणन के बारे में एक प्रश्न उठाना चाहूँगा। क्या आप ऐसी किसी प्रणाली के बारे में जानते हैं जो किसी व्यवसाय को कुछ सांख्यिकीय आंकड़ों आदि के आधार पर व्यवसाय के लिए एक उपयुक्त ब्लॉगर का चयन करने की अनुमति देती है? और ऐसा किस आधार पर किया गया है?

ओह: - हां, मैं दूर से शुरू करूंगा और तुरंत कहूंगा कि इन सभी प्रौद्योगिकियों के साथ समस्या यह है कि विपणन में यह सारी कृत्रिम बुद्धिमत्ता अब रस्सी पर चलने वाली रस्सी की तरह है: बाईं ओर बड़ी कंपनियां हैं जिनके पास बहुत सारा पैसा है, और अंदर किसी भी स्थिति में उनके काम के लिए सब कुछ प्रभावी होगा क्योंकि उनके विज्ञापन अभियान केवल विचारों पर लक्षित होते हैं; दूसरी ओर, बहुत सारे छोटे व्यवसाय हैं जिनके लिए यह काम नहीं करेगा, क्योंकि उनके पास बहुत सारा डेटा है। अब तक, इन कहानियों की प्रयोज्यता कहीं बीच में है।

जब पहले से ही अच्छे बजट होते हैं, और कार्य इन बजटों को सही ढंग से संसाधित करना है (और, सिद्धांत रूप में, पहले से ही काफी डेटा है) ... मैं कुछ सेवाओं को जानता हूं, गेटब्लॉगर जैसी कुछ, जिनमें एल्गोरिदम प्रतीत होते हैं। सच कहूँ तो, मैंने इन एल्गोरिदम का अध्ययन नहीं किया है। मैं आपको बता सकता हूं कि जब हमें कुछ माताओं को उपहार देने की आवश्यकता होती है तो हम राय देने वाले नेताओं को ढूंढने के लिए किस दृष्टिकोण का उपयोग करते हैं।

हम सामग्री वितरण समय नामक मीट्रिक का उपयोग करते हैं। यह इस तरह काम करता है: आप एक ऐसे व्यक्ति को लेते हैं जिसके दर्शकों का आप विश्लेषण कर रहे हैं, और आपको व्यवस्थित रूप से (उदाहरण के लिए, हर 5 मिनट में एक बार) प्रत्येक पोस्ट पर जानकारी एकत्र करने की आवश्यकता होती है, जिसने इसे पसंद किया, इस पर टिप्पणी की, इत्यादि। इस तरह, आप समझ सकते हैं कि आपके दर्शकों में से प्रत्येक व्यक्ति ने किस समय आपकी सामग्री के साथ इंटरैक्ट किया। अपने दर्शकों के प्रत्येक प्रतिनिधि के लिए इस ऑपरेशन को दोहराएं, और इस प्रकार, सामग्री प्रसार के औसत समय के मीट्रिक का उपयोग करके, उदाहरण के लिए, इन लोगों के एक बड़े नेटवर्क ग्राफ़ में रंगीन किया जा सकता है और क्लस्टर बनाने के लिए इस मीट्रिक का उपयोग किया जा सकता है।

यह बहुत अच्छी तरह से काम करता है अगर हम चाहें, उदाहरण के लिए, 15 माताओं को ढूंढें जो किसी Woman.ru पर अपनी सार्वजनिक राय बनाए रखती हैं। लेकिन यह एक जटिल तकनीकी कार्यान्वयन है (हालाँकि विशुद्ध रूप से सैद्धांतिक रूप से इसे पायथन में किया जा सकता है)। लब्बोलुआब यह है कि बड़ी विज्ञापन एजेंसियों में प्रभाव विपणन के साथ समस्या यह है कि उन्हें बड़े, अच्छे, महंगे ब्लॉगर्स की आवश्यकता होती है जो बेकार के लिए काम नहीं करते हैं। अब, एक कार ब्रांड किसी ओपिनियन लीडर के माध्यम से कुछ उत्पाद बेचना चाहता है - उन्हें अंतिम उपाय के रूप में एक कार ब्लॉगर का उपयोग करने की आवश्यकता है, क्योंकि उनके दर्शकों ने या तो पहले ही एक कार खरीद ली है, या जानते हैं कि उन्हें किस तरह की कार चाहिए, बस बैठते हैं और शानदार कारों को देखता है. यहां यह महत्वपूर्ण है कि स्वयं व्यक्ति के दर्शकों का विश्लेषण करने से न चूकें।

मार्केटिंग बॉट

जेड: – मुझे बताएं, सोशल नेटवर्क पर बॉट सूचना के संग्रह और उसकी गुणवत्ता को कितना प्रभावित करते हैं?

ओह: - बॉट्स के साथ यह बहुत दिलचस्प बात है। सस्ते बॉट्स को पहचानना काफी आसान है - या तो उनकी सामग्री समान है, या वे एक-दूसरे के मित्र हैं, या वे एक ही नेटवर्क में हैं। जटिल बॉट्स से निपटने के लिए भी दृष्टिकोण हैं। या आप यह समस्या पूछ रहे हैं कि किसी व्यक्ति को उसके नकली से कैसे जोड़ा जाए?

जेड: – इस सारे कचरे के साथ कितनी उच्च गुणवत्ता वाली जानकारी आउटपुट होगी?

ओह: - यहां यह इस तरह से काम करता है: इस तथ्य के कारण कि बड़ी मात्रा में डेटा है (उदाहरण के लिए, किसी प्रकार के विपणन अनुसंधान के लिए), यह सब रिफ़्राफ़ आसानी से बाहर निकाला जा सकता है। अर्थात्, बॉट्स को पकड़ने की तुलना में थोड़े अधिक वास्तविक लोगों को बाहर फेंकना बेहतर है, क्योंकि उनके लिए कोई भी विज्ञापन दिखाना बेकार है। लेकिन यदि आप मेट्रिक्स एकत्र करते हैं, उदाहरण के लिए, बैनर या अनुशंसा प्रणालियों के साथ इंटरैक्शन, तो ऐसे खातों को बाहर किया जा सकता है।

अब सोशल नेटवर्क पर, लगभग छह प्रतिशत आभासी पात्र या बस छोड़े गए पृष्ठ या अंतर्मुखी हैं, जिन्हें एल्गोरिदम बॉट के रूप में "मिलान" करते हैं। जहां तक ​​किसी व्यक्ति को उसके नकली से जोड़ने की बात है, यहां भी, सब कुछ इस तथ्य से जुड़ा है कि व्यक्ति देर-सबेर गलती करेगा, और बात यह है कि व्यवहार मॉडल एक ही है - उसका असली खाता और नकली दोनों। देर-सवेर वे वही सामग्री या कुछ और देखेंगे।

यहां यह सब त्रुटि के प्रतिशत पर नहीं, बल्कि किसी व्यक्ति की विश्वसनीय पहचान के लिए आवश्यक समय पर निर्भर करता है। जो व्यक्ति अपने इंस्टाग्राम पर रहता है, उसके लिए विश्वसनीय पहचान का समय घटकर पांच मिनट रह जाता है। कुछ के लिए - छह से आठ महीने तक।

डेटा किसे और कैसे बेचें?

जेड: - नमस्ते। मुझे यह जानने में दिलचस्पी है कि कंपनियों के बीच डेटा कैसे बेचा जाता है? उदाहरण के लिए, मेरे पास एक एप्लिकेशन है जिसमें आप पता लगा सकते हैं (डेवलपर को) कि कोई व्यक्ति कहां जाता है, किन दुकानों में जाता है और वहां कितना पैसा खर्च करता है। और मुझे यह जानने में दिलचस्पी है कि, मान लीजिए, मैं अपने दर्शकों का डेटा इन स्टोर्स को कैसे बेच सकता हूं या अपना डेटा एक विशाल डेटाबेस में डाल सकता हूं और इसके लिए भुगतान कैसे प्राप्त कर सकता हूं?

ओह: - जहां तक ​​किसी को सीधे डेटा बेचने की बात है, तो आप और बाकी सभी लोग ओएफडी - राजकोषीय डेटा ऑपरेटरों से आगे थे, जिन्होंने चालाकी से चेक के हस्तांतरण और कर कार्यालय के बीच खुद को खड़ा कर लिया और अब हर किसी को डेटा बेचने की कोशिश कर रहे हैं। दरअसल, उन्होंने वास्तव में पूरे मोबाइल एनालिटिक्स बाजार को ध्वस्त कर दिया। वास्तव में, आप अपने एप्लिकेशन को एम्बेड कर सकते हैं, उदाहरण के लिए, फेसबुक पिक्सेल, इसका डीएमपी सिस्टम; फिर बेचने के लिए इस ऑडियंस का उपयोग करें। उदाहरण के लिए, "मई लक्ष्य" पिक्सेल. मैं नहीं जानता कि आपके पास किस प्रकार के दर्शक हैं, आपको समझने की आवश्यकता है। लेकिन किसी भी स्थिति में, आप या तो Yandex या My Target में एकीकृत कर सकते हैं, जो सबसे बड़े DMP सिस्टम हैं।

ये काफी दिलचस्प कहानी है. एकमात्र समस्या यह है कि आप उन्हें सारा ट्रैफ़िक दे देंगे, और वे, एक्सचेंज के रूप में, इस ट्रैफ़िक का मुद्रीकरण अपने ऊपर ले लेंगे। वे आपको बता भी सकते हैं और नहीं भी कि 10 लोगों ने आपके दर्शकों का उपयोग किया है। इसलिए, या तो आप अपना स्वयं का विज्ञापन नेटवर्क बनाएं, या आप बड़े डीएमपी के सामने आत्मसमर्पण कर दें।

कौन जीतेगा - कलाकार या तकनीकी विशेषज्ञ?

जेड: - तकनीकी भाग से थोड़ा दूर का प्रश्न। यह आने वाली सामूहिक बेरोजगारी के बारे में विपणक की आशंकाओं के बारे में कहा गया था। क्या रचनात्मक विपणन (ये लोग जो चिकन विज्ञापन, वोक्सवैगन विज्ञापन के साथ आए थे, ऐसा लगता है) और बिग डेटा में शामिल लोगों (जो कहते हैं: अब हम केवल सभी डेटा एकत्र करेंगे और लक्षित विज्ञापन वितरित करेंगे) के बीच किसी प्रकार का प्रतिस्पर्धी संघर्ष है हर कोई )? एक ऐसे व्यक्ति के रूप में जो सीधे तौर पर शामिल है, इस बारे में आपकी क्या राय है कि कौन जीतेगा - एक कलाकार, एक तकनीशियन, या किसी प्रकार का सहक्रियात्मक प्रभाव होगा?

ओह: - सुनो, ठीक है, वे एक साथ काम करते हैं। इंजीनियर रचनात्मकता के साथ नहीं आते। जो लोग रचनात्मक हैं वे दर्शकों का आविष्कार नहीं करते हैं। यहां कुछ प्रकार की बहुविषयक कहानी है। अब असली समस्याएँ उन लोगों के लिए हैं जो बैठकर बटन दबाते हैं, उनके लिए जो "बंदर का काम" करते हैं, हर दिन एक ही चीज़ दबाते हैं - ये वे लोग हैं जो गायब हो जायेंगे।

लेकिन जो लोग डेटा का विश्लेषण करते हैं वे स्वाभाविक रूप से बने रहेंगे, लेकिन किसी को इस डेटा को संसाधित करना होगा। किसी को इन चित्रों के साथ आना होगा, उन्हें बनाना होगा। कोई मशीन ऐसी रचनात्मकता नहीं ला सकती! यह पूर्ण पागलपन है! या, उदाहरण के लिए, कारप्राइस का वायरल विज्ञापन, जो, वैसे, बहुत अच्छा काम करता था। याद रखें, यूट्यूब पर यह था: "इसे कारप्राइस पर बेचें," बिल्कुल पागल। बेशक, कोई भी तंत्रिका नेटवर्क ऐसी कहानी उत्पन्न नहीं करेगा।
सामान्य तौर पर, मैं इस बात का समर्थक हूं कि ऐसे लोग नहीं हैं जो अपनी नौकरी खो देंगे, बल्कि उनके पास थोड़ा और खाली समय होगा, और वे इस खाली समय को स्व-शिक्षा पर खर्च करने में सक्षम होंगे।

आदिम विज्ञापन ख़त्म हो जायेंगे

जेड: - कुल मिलाकर, जो विज्ञापन दिखाया जाता है, बैनर - कुल मिलाकर, यहाँ तक कि बिक्री पाठ भी वहाँ नहीं लिखे जाते हैं: "आपको विंडोज़ चाहिए - इसे ले लो!", "आपको कुछ और चाहिए - इसे ले लो!", यानी, वहां बिल्कुल भी रचनात्मकता नहीं है.

ओह: - ऐसे विज्ञापन निश्चित रूप से देर-सबेर ख़त्म हो जाएँगे। यह प्रौद्योगिकी के विकास के कारण नहीं, बल्कि आपके और मेरे विकास के कारण समाप्त होगा।

प्रासंगिक को अप्रासंगिक के साथ मिलाना बेहतर है

जेड: - मैं यहाँ हूँ! मेरे पास उस प्रयोग के बारे में एक प्रश्न है जिसके बारे में आपने कहा था कि वह आपके लिए काम नहीं आया (सिफारिशकर्ता प्रणाली के साथ)। आपकी राय में, क्या समस्या यह है कि वहां क्या हस्ताक्षर किया गया था, इसकी अनुशंसा क्यों की गई है, या यह है कि उपयोगकर्ता ने जो कुछ भी देखा वह उसे प्रासंगिक लग रहा था? क्योंकि मैंने माताओं के लिए एक प्रयोग पढ़ा था, और अभी तक उतना डेटा नहीं था, और इंटरनेट से उतना डेटा नहीं था, बस एक किराने के खुदरा विक्रेता का डेटा था जिसने गर्भावस्था की भविष्यवाणी की थी (कि वे माँ होंगी)। और जब उन्होंने गर्भवती माताओं के लिए उत्पादों का चयन दिखाया, तो माताएँ भयभीत हो गईं कि उन्हें किसी भी आधिकारिक चीज़ से पहले उनके बारे में पता चला। और यह काम नहीं किया. और इस समस्या को हल करने के लिए, उन्होंने जानबूझकर प्रासंगिक उत्पादों को पूरी तरह से अप्रासंगिक चीज़ के साथ मिलाया।

ओह: “हमने लोगों को उनकी प्रतिक्रिया को समझने के लिए विशेष रूप से वह आधार दिखाया जिसके आधार पर सिफारिशें की गई थीं। दरअसल, यहीं पर इस अवधारणा का जन्म हुआ कि लोगों को यह बताने की जरूरत नहीं है कि ये उनके लिए कुछ अति-प्रासंगिक उत्पाद हैं।

हां, वैसे, उन्हें अप्रासंगिक लोगों के साथ मिलाने का एक तरीका है। लेकिन इसके विपरीत बात है: कभी-कभी लोग आते हैं और इस अप्रासंगिक उत्पाद के साथ बातचीत करते हैं - यादृच्छिक आउटलेयर होते हैं, मॉडल टूट जाते हैं और चीजें और भी जटिल हो जाती हैं। लेकिन यह वास्तव में मौजूद है। इसके अलावा, कई कंपनियां जानबूझकर, अगर उन्हें पता है कि कोई उनका डेटा प्रोसेस कर रहा है (कोई उनसे ऐसा आउटपुट चुरा सकता है), तो वे कभी-कभी इसे मिला देती हैं ताकि वे बाद में साबित कर सकें कि आपने डेटा इसकी अनुशंसा प्रणाली से नहीं, बल्कि यहां से लिया है। तथाकथित Yandex.Market।

विज्ञापन अवरोधक और ब्राउज़र सुरक्षा

जेड: - नमस्ते। आपने घोस्टरी और एडब्लॉक का उल्लेख किया। क्या आप हमें बता सकते हैं कि ऐसे ट्रैकर सामान्य तौर पर कितने प्रभावी हैं (शायद आंकड़ों पर आधारित)? और क्या आपके पास कंपनियों से कोई ऑर्डर है: वे कहते हैं, सुनिश्चित करें कि हमारा विज्ञापन एडब्लॉक द्वारा बंद नहीं किया जा सकता है।

ओह: - हम सीधे विज्ञापन प्लेटफ़ॉर्म से संपर्क नहीं करते हैं - ठीक इसलिए ताकि वे अपने विज्ञापन को सभी के लिए दृश्यमान बनाने के लिए न कहें। मैं व्यक्तिगत रूप से घोस्टरी का उपयोग करता हूं - मुझे लगता है कि यह एक बहुत अच्छा एक्सटेंशन है। अब सभी ब्राउज़र गोपनीयता के लिए लड़ रहे हैं: मोज़िला ने सभी प्रकार के अपडेट जारी किए हैं, Google Chrome अब अति-सुरक्षित है। वे सब अपनी हर चीज़ को अवरुद्ध कर देते हैं। "सफ़ारी" ने डिफ़ॉल्ट रूप से "जाइरोस्कोप" को भी बंद कर दिया है।
और यह प्रवृत्ति, निश्चित रूप से, अच्छी है (उन लोगों के लिए नहीं जो डेटा एकत्र करते हैं, हालांकि वे भी इससे बाहर निकल गए हैं), क्योंकि लोगों ने सबसे पहले कुकीज़ को ब्लॉक किया था। विज्ञापन नेटवर्क के मालिक हर किसी को ब्राउज़र फ़िंगरप्रिंट जैसी अद्भुत तकनीक याद है - ये एल्गोरिदम हैं जो 60 अलग-अलग पैरामीटर (स्क्रीन रिज़ॉल्यूशन, संस्करण, इंस्टॉल किए गए फ़ॉन्ट) प्राप्त करते हैं और उनके आधार पर एक अद्वितीय "आईडी" की गणना करते हैं। चलिए इस पर आगे बढ़ते हैं। और ब्राउज़र इससे जूझने लगे। सामान्य तौर पर, यह टाइटन्स की एक अंतहीन लड़ाई होगी।

नवीनतम डेवलपर मोज़िला काफी सुरक्षित है। यह वस्तुतः कोई कुकीज़ नहीं बचाता है और एक छोटा जीवनकाल निर्धारित करता है। खासकर यदि आप "गुप्त" चालू करते हैं, तो कोई भी आपको ढूंढ नहीं पाएगा। सवाल यह है कि सभी सेवाओं में पासवर्ड दर्ज करना असुविधाजनक होगा।

साइकोटाइपिंग और फिजियोग्निओमी कहाँ काम करती है और कहाँ काम नहीं करती?

जेड: - आर्थर, व्याख्यान के लिए बहुत-बहुत धन्यवाद। मुझे YouTube पर आपके व्याख्यानों का अनुसरण करने में भी आनंद आता है। आपने बताया कि विपणक तेजी से साइकोटाइपिंग और फिजियोग्निओमी का सहारा ले रहे हैं। मेरा प्रश्न है: यह किस ब्रांड श्रेणी में काम करता है? मेरा मानना ​​है कि यह केवल एफएमसीजी के लिए उपयुक्त है। उदाहरण के लिए, एक कार चुनना है...

ओह: - मैं वहां डाउनलोड कर सकता हूं जहां यह वास्तव में काम करता है। यह सभी प्रकार की कहानियों जैसे "अमीडियाटेका", टीवी श्रृंखला, फिल्मों आदि में काम करता है। यह बैंकों और बैंकिंग उत्पादों में अच्छी तरह से काम करता है, अगर यह प्रीमियम सेगमेंट नहीं है, लेकिन सभी प्रकार के छात्र कार्ड, किस्त योजनाएं - इस तरह की चीजें हैं। यह वास्तव में एफएमसीजी और सभी प्रकार के आईफोन, चार्जर, इन सभी बकवासों में बहुत अच्छी तरह से काम करता है। यह "मॉम एंड पॉप" उत्पादों में अच्छा काम करता है। हालाँकि मुझे पता है कि मछली पकड़ने में (ऐसा एक विषय है)... मछुआरों के साथ कई बार ऐसे मामले सामने आए हैं - उन्हें कभी भी विश्वसनीय रूप से विभाजित नहीं किया जा सकता है। पता नहीं क्यों। किसी प्रकार की सांख्यिकीय त्रुटि.

यह मोटर चालकों, आभूषणों, या कुछ घरेलू वस्तुओं के साथ अच्छी तरह से काम नहीं करता है। वास्तव में, यह उन चीज़ों के साथ अच्छी तरह से काम नहीं करता है जिनके बारे में लोग सोशल मीडिया पर कभी नहीं लिखेंगे - आप इसे इस तरह से जांच सकते हैं। परंपरागत रूप से, वॉशिंग मशीन की खरीद के साथ: यहां बताया गया है कि कैसे समझें कि किसके पास वॉशिंग मशीन है और किसके पास नहीं? ऐसा लगता है जैसे यह हर किसी के पास है। आप ओएफडी डेटा का उपयोग कर सकते हैं - रसीदों का उपयोग करके देखें कि किसने क्या खरीदा, और रसीदों का उपयोग करके इन लोगों का मिलान करें। लेकिन वास्तव में, ऐसी चीजें हैं जिनके बारे में आप कभी बात नहीं करेंगे, उदाहरण के लिए, इंस्टाग्राम पर - ऐसी चीजों के साथ काम करना मुश्किल है।

मशीनें चालों को सांख्यिकीय स्टफिंग के रूप में पहचानती हैं।

जेड: – मेरे पास लक्ष्यीकरण के बारे में एक प्रश्न है. क्या यह एक सशर्त यादृच्छिक चरित्र के लिए संभव है (या वे अचानक अस्तित्व में हैं) जो हर चीज में खुद का खंडन करता है: पहले वह Google पर "सर्वश्रेष्ठ जिम" खोजता है, और फिर वह Google पर "कुछ न करने के 10 तरीके" खोजता है? और इसलिए यह हर चीज़ में है. क्या लक्ष्यीकरण किसी ऐसी चीज़ पर नज़र रख सकता है जो स्वयं विरोधाभासी हो?

ओह: - यहां एकमात्र प्रश्न यह है: यदि आप 2 वर्षों से Google का उपयोग कर रहे हैं, उसे अपने बारे में वह सब कुछ बता दिया है जो आप कर सकते हैं, और अब अपने लिए एक प्लगइन स्थापित करें जो समान यादृच्छिक प्रश्न लिखेगा, तो, निश्चित रूप से, आंकड़ों से आप ऐसा करेंगे समझने में सक्षम हो - आप अभी जो कर रहे हैं वह एक सांख्यिकीय आउटलायर है, और यह सब छांटने का मामला है। आप चाहें तो एक नया खाता पंजीकृत करें, लेकिन विज्ञापन की मात्रा नहीं बदलेगी। वह बस अजीब हो जाएगी। हालाँकि वह अब भी अजीब है.

कुछ विज्ञापन 🙂

हमारे साथ रहने के लिए धन्यवाद। क्या आप हमारे लेख पसंद करते हैं? अधिक रोचक सामग्री देखना चाहते हैं? आदेश देकर या मित्रों को अनुशंसा करके हमारा समर्थन करें, डेवलपर्स के लिए क्लाउड VPS $4.99 से शुरू, प्रवेश स्तर के सर्वरों का एक अनूठा एनालॉग, जिसका आविष्कार हमने आपके लिए किया था: VPS (KVM) E5-2697 v3 (6 Cores) 10GB DDR4 480GB SSD 1Gbps के बारे में पूरी सच्चाई $19 से या सर्वर कैसे साझा करें? (RAID1 और RAID10 के साथ उपलब्ध, 24 कोर तक और 40GB DDR4 तक)।

एम्स्टर्डम में इक्विनिक्स टियर IV डेटा सेंटर में Dell R730xd 2x सस्ता है? केवल यहां 2 x Intel TetraDeca-Core Xeon 2x E5-2697v3 2.6GHz 14C 64GB DDR4 4x960GB SSD 1Gbps 100 टीवी $199 से नीदरलैंड में! डेल R420 - 2x E5-2430 2.2Ghz 6C 128GB DDR3 2x960GB SSD 1Gbps 100TB - $99 से! के बारे में पढ़ा इन्फ्रास्ट्रक्चर कॉर्प का निर्माण कैसे करें। एक पैसा के लिए 730 यूरो मूल्य के डेल R5xd E2650-4 v9000 सर्वर के उपयोग के साथ वर्ग?

स्रोत: www.habr.com