आर्थर खाचुयान: "विज्ञापन में वास्तविक बड़ा डेटा"

14 मार्च, 2017 को सोशल डेटा हब के सीईओ आर्थर खाचुयान ने बीबीडीओ व्याख्यान में बात की। आर्थर ने बुद्धिमान निगरानी, ​​व्यवहार मॉडल का निर्माण, फोटो और वीडियो सामग्री को पहचानने के साथ-साथ अन्य सोशल डेटा हब टूल और शोध के बारे में बात की जो आपको सोशल नेटवर्क और बिग डेटा प्रौद्योगिकियों का उपयोग करके दर्शकों को लक्षित करने की अनुमति देते हैं।

आर्थर खाचुयान (इसके बाद - एएच): - नमस्ते! नमस्ते! मेरा नाम आर्थर खाचुयान है, मैं सोशल डेटा हब कंपनी चलाता हूं, और हम खुले डेटा स्रोतों, सूचना क्षेत्रों के विभिन्न दिलचस्प बौद्धिक विश्लेषणों में लगे हुए हैं और सभी प्रकार के दिलचस्प शोध आदि करते हैं।

और आज बीबीडीओ समूह के सहकर्मियों ने हमसे विज्ञापन के लिए बड़े डेटा, बड़े और कम बड़े डेटा का विश्लेषण करने के लिए आधुनिक तकनीकों के बारे में बात करने के लिए कहा: इसका उपयोग कैसे किया जाता है, कुछ दिलचस्प उदाहरण दिखाएं। मुझे आशा है कि आप रास्ते में प्रश्न पूछेंगे, क्योंकि मैं उबाऊ हो सकता हूं और सार आदि का खुलासा नहीं कर सकता, इसलिए शरमाएं नहीं।

वास्तव में, मुख्य दिशाएँ, जहाँ भी कुछ प्रकार के "लगभग बड़े-डेटा" समाधानों का उपयोग किया गया था, वे सभी स्पष्ट हैं - यह दर्शकों को लक्षित करना, विश्लेषण करना, कुछ प्रकार के विश्लेषणात्मक विपणन अनुसंधान करना है। लेकिन यह हमेशा दिलचस्प होता है कि विश्लेषण लागू करने के बाद कौन सा अतिरिक्त डेटा पाया जा सकता है, कौन से अतिरिक्त अर्थ पाए जा सकते हैं।

हमें विज्ञापन के लिए प्रौद्योगिकी की आवश्यकता क्यों है?

हम कहाँ शुरू करें? सबसे स्पष्ट चीज़ सोशल नेटवर्क पर विज्ञापन है। आज सुबह मैंने इसे हटा दिया: किसी कारण से VKontakte को लगता है कि मुझे यह विशेष विज्ञापन देखना चाहिए... यह अच्छा है या बुरा यह दूसरा प्रश्न है। हम देखते हैं कि मैं निश्चित रूप से सिपाहियों की श्रेणी में आता हूँ:

सबसे पहली और सबसे दिलचस्प बात जिसे एक तकनीकी समाधान के रूप में लिया जा सकता है... पहली बात जो मैं शुरू करने से पहले तय करना चाहता था वह है शर्तों को परिभाषित करना: ओपन डेटा क्या है और बड़ा डेटा क्या है? क्योंकि इस मामले पर सभी लोगों की अपनी-अपनी समझ है, और मैं अपनी शर्तें किसी पर थोपना नहीं चाहता, लेकिन... सिर्फ इसलिए ताकि कोई विसंगतियां न रहें।

व्यक्तिगत रूप से, मुझे लगता है कि खुला डेटा ही वह सब कुछ है जिस तक मैं बिना किसी लॉगिन या पासवर्ड के पहुंच सकता हूं। यह सामाजिक नेटवर्क पर एक खुली प्रोफ़ाइल है, यह खोज परिणाम है, ये खुली रजिस्ट्रियां हैं, आदि। बड़ा डेटा, मेरी अपनी समझ में, मैं इसे इस तरह देखता हूं: यदि यह एक डेटा प्लेट है, तो यह एक अरब पंक्तियाँ हैं, यदि यह किसी प्रकार की है फ़ाइल भंडारण का, यह कहीं न कहीं डेटा का एक पेटाबाइट है। मेरी शब्दावली में बाकी कोई बड़ा डेटा नहीं है, बल्कि कुछ ऐसा ही है।

उच्च परिशुद्धता प्रोफ़ाइलिंग और प्रोफ़ाइल स्कोरिंग

आइए क्रम से चलें. खुले डेटा स्रोतों का विश्लेषण करने से आप जो सबसे पहली और सबसे दिलचस्प चीज़ पा सकते हैं वह है उच्च-परिशुद्धता प्रोफ़ाइलिंग और प्रोफ़ाइल स्कोरिंग। यह क्या है? यह एक ऐसी कहानी है जहां आपका सोशल नेटवर्क अकाउंट न केवल यह अनुमान लगा सकता है कि आप कौन हैं, न केवल आपकी रुचियां।

लेकिन अब, विभिन्न स्रोतों को मिलाकर, आप अपने वेतन के औसत स्तर, आपके अपार्टमेंट की लागत कितनी है और यह कहाँ स्थित है, यह समझ सकते हैं। और इस सभी डेटा का उपयोग वस्तुतः उपलब्ध साधनों से किया जा सकता है। उदाहरण के लिए, यदि आप सोशल नेटवर्क पर अपना खाता लेते हैं, देखते हैं, कहते हैं, आप कहाँ रहते हैं, कहाँ काम करते हैं; समझें कि आप जिस कंपनी के लिए काम करते हैं वह व्यवसाय के किस अनुभाग में है; यदि आप एक विश्लेषक, प्रबंधक, आदि हैं तो एचएच और "सुपरजॉब" से समान रिक्तियां डाउनलोड करें; देखें कि आप कहां रहते हैं (आधार, मान लीजिए CIAN), समझें कि इस स्थान पर घर किराए पर लेने की लागत कितनी है, इस स्थान पर घर खरीदने की लागत कितनी है, अनुमान लगाएं कि आप लगभग कितना कमाते हैं। इसके अलावा, अपने सोशल नेटवर्क का उपयोग करके, आप समझ सकते हैं कि आप कितना यात्रा करते हैं, आप कहां हैं और आप अपने नियोक्ता के प्रति कितने वफादार हैं।

तदनुसार, इतनी बड़ी संख्या में मेट्रिक्स से हम जो चाहें वह कर सकते हैं। हम आपको उस उत्पाद से परिचित करा सकते हैं जिसमें आपकी रुचि है। क्या आप किसी ऑनलाइन स्टोर की कल्पना कर सकते हैं? आप वहां जाएं - यह ऑनलाइन स्टोर सोशल नेटवर्क पर आपके अकाउंट को पकड़ता है और आपसे कहता है: "माशा, आपने अभी-अभी अपने बॉयफ्रेंड से ब्रेकअप किया है, यहां आपके लिए कुछ खास उत्पाद हैं।" यह निकट भविष्य नहीं है...

किसी व्यक्ति का भौगोलिक स्थान कैसे निर्धारित किया जाता है?

दर्शकों के सवालों के जवाब:

• आमतौर पर, सभी चेक-इन में से 80% को निवास का सटीक स्थान माना जाता है। लेकिन जो लोग कहीं भी चेक-इन नहीं करते हैं, उनके लिए कई विकल्प हैं: या तो चेक-इन, या जियोलोकेशन, या यह उस संपूर्ण अवधि के लिए पोस्ट और प्रकाशनों का विश्लेषण है जब किसी व्यक्ति ने कुछ लिखा था... और कहीं, कुछ ऐसा पॉप अप होगा जैसे "मैं अकादेमीचेस्काया के पास एक घुमक्कड़ी खरीदना चाहता हूँ" या "मैंने हाल ही में यहाँ दीवार पर बदसूरत भित्तिचित्र देखा है।" अर्थात्, लगभग 80% लोगों के लिए, उनके भौगोलिक स्थान, उनके कार्य स्थान और उनके निवास स्थान को डेटा या मेटाडेटा का उपयोग करके निर्धारित किया जा सकता है जिसे सामाजिक नेटवर्क से एकत्र किया जा सकता है।

  यह, फिर से, पोस्टों का विश्लेषण है। सरलतम अर्थ में, यह सोशल नेटवर्क में चेक-इन और जियोलोकेशन का विश्लेषण है, जो जेपीईजी मेटाडेटा को नहीं हटाता है (आप इससे कुछ समझ सकते हैं)। लेकिन बाकी लोगों के लिए, ये आम तौर पर टेक्स्ट प्रसारण होते हैं: या तो कोई व्यक्ति किसी चीज़ के बारे में लिखते समय अपना स्थान "चमकता" है, या वह अपना फ़ोन "चमकता" है, जिसके द्वारा आप एविटो पर उसके कुछ विज्ञापन या "पर उसके खाते" पा सकते हैं। ऑटो आरयू"। इस डेटा के आधार पर, आप जोड़ सकते हैं (उदाहरण के लिए, "मैं मायाकोव्स्काया के पास एक कार बेच रहा हूं") और मोटे तौर पर यह मान सकते हैं।

• लोग आमतौर पर इसे सोशल मीडिया पर पोस्ट करते हैं. हम केवल खुले स्रोतों के साथ काम करते हैं और यहां हम विशेष रूप से खुले स्रोतों के बारे में बात कर रहे हैं। वे आम तौर पर विज्ञापन प्रकाशित करते हैं, यानी, साठ प्रतिशत मामलों में, सबसे आम कहानी जब लोग अपना वर्तमान सेल फ़ोन नंबर "दिखाते" हैं, वह किसी चीज़ की बिक्री के लिए विज्ञापन होता है। या तो कुछ समूहों में एक व्यक्ति लिखता है ("मैं वहां यह या वह बेचता हूं"), या कहीं चला जाता है।

  हाँ! वे आम तौर पर इस तरह की टिप्पणी करते हैं: “मुझे उत्तर दें या मुझे एक एसएमएस भेजें, मेरे नंबर पर कॉल करें। ऐसा अक्सर उन लोगों के साथ होता है जो कुछ बेचते हैं, सोशल नेटवर्क पर कुछ खरीदते हैं, किसी के साथ संवाद करते हैं... तदनुसार, इस नंबर का उपयोग करके आप CIAN पर उसकी प्रोफ़ाइल को इससे लिंक कर सकते हैं, यदि उसने कभी कुछ प्रकाशित किया हो, या, फिर से, पर एविटो। ये बस सबसे लोकप्रिय, शीर्ष स्रोत हैं, ये आगे भी होंगे - ये एविटो, सीआईएएन इत्यादि हैं।

• यह एक ऑनलाइन स्टोर को संदर्भित करता है। इसके बाद चेहरे की पहचान और प्रोफ़ाइल मिलान की तकनीक आएगी (हम इसके बारे में बात करेंगे)। विशुद्ध रूप से सैद्धांतिक रूप से, इसे ऑफ़लाइन स्टोर पर लागू किया जा सकता है। और सामान्य तौर पर, मेरा बड़ा सपना यह है कि जब सड़क पर बैनर दिखाई देते हैं, जब आप कैमरे के सामने से गुजरते हैं, तो यह आपके चेहरे को "फंसा" लेता है। लेकिन यह मामला कानून द्वारा निषिद्ध होगा क्योंकि यह निजता का उल्लंघन है। मुझे आशा है कि यह देर-सबेर घटित होगा।
• व्यक्तिगत अनुभव से. अक्सर, जब कोई व्यक्ति आपको कुछ लिखता है, तो आप उसके जीवन के कुछ ऐसे तथ्यों पर काम करते हैं, जिनके बारे में आपको पता नहीं होना चाहिए... ज्यादातर मामलों में लोग डर जाते हैं। लेकिन! हाल के आंकड़ों के आधार पर, सोशल नेटवर्क पर बंद खातों की संख्या में 14% की कमी आई है। फर्जीवाड़े की संख्या बढ़ रही है, खुले खातों की संख्या बढ़ रही है - लोग तेजी से खुलेपन की ओर बढ़ रहे हैं। मुझे लगता है कि 3-4 वर्षों में वे इस तथ्य पर इतनी दृढ़ता से प्रतिक्रिया करना बंद कर देंगे कि कोई उनके बारे में ऐसी जानकारी जानता है जो उन्हें संभावित रूप से नहीं जाननी चाहिए। लेकिन वास्तव में उसकी दीवार को देखकर यह पता लगाना बहुत आसान है।

खुले स्रोतों से क्या लिया जा सकता है?

ऐसी चीजों की एक अनुमानित सूची है जिन्हें खुले स्रोतों से काफी उच्च विश्वसनीयता के साथ समझा जा सकता है। वास्तव में, और भी भिन्न मीट्रिक हैं; यह ऐसे शोध के ग्राहक पर निर्भर करता है। कुछ एचआर एजेंसी है जो इस बात में रुचि रखती है कि आप सोशल नेटवर्क पर कसम खाते हैं या कहीं सार्वजनिक स्थान पर। किसी को इसमें रुचि है कि क्या आपको नवलनी के प्रकाशन पसंद हैं या, इसके विपरीत, संयुक्त रूस प्रकाशन, या किसी प्रकार की अश्लील सामग्री - ऐसी चीजें अक्सर होती हैं।

मुख्य हैं पारिवारिक मूल्य, एक अपार्टमेंट, घर की अनुमानित लागत, कार की खोज, इत्यादि। इसके आधार पर लोगों को सामाजिक समूहों में विभाजित किया जा सकता है। ये मॉस्को टिंडर उपयोगकर्ता हैं, वे कौन हैं (उनके फेसबुक अकाउंट पर मिली तस्वीरों के अनुसार); उनके हितों के आधार पर, उन्हें विभिन्न सामाजिक समूहों में विभाजित किया गया है:

यदि हम विज्ञापन के करीब आते हैं, तो हम धीरे-धीरे मानक विज्ञापन लक्ष्यीकरण से दूर चले गए हैं, जब आप VKontakte पर चयन करते हैं कि आप 18-वर्षीय पुरुषों में रुचि रखते हैं, जिन्होंने कुछ समूहों की सदस्यता ली है। मेरे पास यह चित्र आगे है, मैं आपको अभी दिखाता हूँ:

लब्बोलुआब यह है कि अधिकांश वर्तमान सेवाएँ जो विश्लेषण करती हैं, सिद्धांत रूप में, जो लोग सामाजिक नेटवर्क का विश्लेषण करते हैं, वे रुचियों का विश्लेषण करने में लगे हुए हैं... पहली बात जो लोगों के दिमाग में आती है वह है अपने ग्राहकों के शीर्ष समूहों का विश्लेषण करना। शायद यह कुछ लोगों के लिए काम करता है, लेकिन व्यक्तिगत रूप से मुझे लगता है कि यह मौलिक रूप से गलत है। क्यों?

आपकी पसंद एकत्र की जाती है और उसका विश्लेषण किया जाता है

अब अपने फोन लें, अपने शीर्ष समूहों को देखें - निश्चित रूप से 50% से अधिक समूह होंगे जिनके बारे में आप पहले ही भूल चुके हैं, यह कुछ प्रकार की सामग्री है जो वास्तव में आपके लिए अप्रासंगिक है। आप इसका बिल्कुल भी सेवन नहीं करते हैं, लेकिन फिर भी सिस्टम आपको उनके अनुसार ट्रैक करेगा: कि आपने व्यंजनों, कुछ लोकप्रिय समूहों की सदस्यता ली है। यानी, आप उस प्रणाली का उल्लंघन करेंगे जो आपकी प्रोफ़ाइल का विश्लेषण करती है, और आपके हित उचित नहीं होंगे।

आगे बढ़ें... वहां क्या है? हम मान लेते हैं कि दूसरे लोग क्या कर रहे हैं। हमारी राय में, उपयोगकर्ताओं के हितों का आकलन करने का सबसे पर्याप्त तरीका पसंद है। उदाहरण के लिए, VKontakte पर कोई पसंद फ़ीड नहीं है, और लोग सोचते हैं कि कोई नहीं जानता कि उन्हें क्या पसंद है। हां, कुछ लाइक इंस्टाग्राम पर पेश किए जाते हैं, हम फेसबुक पर कुछ देखते हैं, लेकिन कुछ समूहों में अधिकांश सामग्री इसे एक आम फ़ीड में प्रसारित नहीं करती है, और लोग रहते हैं और सोचते हैं कि किसी को पता नहीं चलेगा कि उन्हें क्या पसंद है।

और किसी प्रकार की कुछ सामग्री एकत्रित करके जिसमें हमारी रुचि हो, इन पोस्टों को एकत्रित करके, इन लाइक्स को एकत्रित करके, फिर इस डेटाबेस का उपयोग करके इस व्यक्ति की जांच करके, हम उच्च सटीकता के साथ यह निर्धारित कर सकते हैं कि वह कौन है, उसकी नियति क्या है, उसकी रुचि किसमें है। उसे बिल्कुल एक निश्चित सामाजिक समूह में रखें और उसके साथ बातचीत करें।

कार खरीदने से व्यवहार बदल जाता है

मेरे पास ऐसा उदाहरण है. मैं तुरंत एक आरक्षण कर दूँगा कि मेरे उदाहरण निकट-विज्ञापन और निकट-विपणन हैं, क्योंकि, आप जानते हैं, अधिकांश मामले एनडीए इत्यादि द्वारा संरक्षित हैं। लेकिन अभी भी बहुत सी दिलचस्प चीजें होंगी। तो, इन लोगों के साथ कहानी: ये वे पुरुष हैं जिन्होंने 2010 और 2015 के बीच एक कार खरीदी। उनका ऑनलाइन सामाजिक व्यवहार कैसे बदल गया है, इसका संकेत रंग से मिलता है। ग्राहकों में लड़कियों का प्रतिशत बदल गया है, मैंने "लड़कों जैसे" सार्वजनिक पृष्ठों की सदस्यता ली, एक स्थायी यौन साथी मिला...

यह पूरी चीज़ कार के ब्रांड और लोगों की संख्या के आधार पर विभाजित है। यहां से आप लोगों के व्यवहार और यह सब कैसे काम करता है, इसके बारे में कई दिलचस्प निष्कर्ष निकाल सकते हैं। मैं कह सकता हूं कि पोर्श केयेन और प्लांटेड प्रियोरा आकर्षित दर्शकों की संख्या के मामले में लगभग समान हैं। इन दर्शकों की गुणवत्ता और उनका व्यवहार अलग-अलग है, लेकिन मात्रा लगभग समान है। यहां से आप जो निष्कर्ष निकाल सकते हैं वह यह है कि आप जो चाहते हैं, वह आपके बाजार के करीब है। यदि आप ऑडी बेचते हैं, तो आप नारा लगाते हैं "ऑडी खरीदें और अपने माता-पिता से दूर हो जाएं!" और इसी तरह।

हां, यह इस तथ्य का एक मजेदार उदाहरण है कि पसंद के विश्लेषण के आधार पर लोगों का व्यवहार, वे किस समूह में जाते हैं, किस सामग्री का विश्लेषण करते हैं - लगभग 100% संभावना के साथ यह स्पष्ट हो जाता है कि आप कौन हैं। क्योंकि यदि आपके पास नेटवर्क ट्रैफ़िक तक पहुंच नहीं है और आप व्यक्तिगत संदेश नहीं पढ़ते हैं, तो लाइक आपको हमेशा बताएगा कि यह व्यक्ति कौन है - एक गर्भवती महिला, एक माँ, एक सैन्य आदमी, एक पुलिसकर्मी। और आपके लिए, एक ऐसे व्यक्ति के रूप में जो विज्ञापन कर सकता है, यह लक्ष्य पर एक बड़ा प्रहार है।

दर्शकों के सवालों के जवाब:

• प्रत्येक कॉलम इस कार में लोगों की संख्या है; उनके व्यवहार के तरीके कैसे बदल गए हैं। देखिए: पोर्शे केयेन खरीदने वाले लोग - लगभग 550 लोग (पीले), ग्राहकों के बीच लड़कियों का प्रतिशत बढ़ गया है।
• नमूना 2010 से 2015 तक सोशल नेटवर्क "Vkontakte", "Facebook", "Instagram" के उपयोगकर्ता हैं। एकमात्र स्पष्टीकरण: यहां चयनित कारें वे हैं जिन्हें कुछ उपकरणों का उपयोग करके 80% से अधिक सटीकता के साथ तस्वीरों में पहचाना जा सकता है।
• समय की एक निश्चित अवधि में, उसकी कार (ठीक है, यानी, उसकी नहीं, हम इसे सामाजिक नेटवर्क पर छोड़ देते हैं)... एक निश्चित अवधि में, एक व्यक्ति की कार के साथ लगातार तस्वीरें खींची गईं, उसके साथ था, प्रकाशन अलग-अलग थे, तस्वीरें अलग-अलग कोणों से थीं, इत्यादि। फिर एक तस्वीर आएगी कि कौन से लोग किस कार के साथ तस्वीरें ले रहे हैं और... हां, यह दूसरा सवाल है - सोशल नेटवर्क डेटा पर भरोसा।
• जब से हमने इसे उठाया है, दुर्भाग्य से, सोशल मीडिया डेटा हमेशा सही नहीं होता है। लोग हमेशा अपनी जानकारी प्रकाशित करने के इच्छुक नहीं होते हैं। व्यक्तिगत रूप से, मैंने ऐसा अध्ययन किया: मैंने मॉस्को विश्वविद्यालयों के स्नातकों की संख्या की तुलना सोशल नेटवर्क पर पंजीकृत लोगों की संख्या से की। औसतन, 60% अधिक लोग सामाजिक नेटवर्क पर पंजीकृत हैं - कुछ विशिष्टताओं में एक निश्चित वर्ष में मॉस्को स्टेट यूनिवर्सिटी के स्नातक - सिद्धांत रूप में वास्तव में जितने लोग हैं। तो हाँ - यहाँ, स्वाभाविक रूप से, त्रुटियों का एक प्रतिशत है, और कोई भी इसे छुपाता नहीं है। यहां हम केवल उन कारों को आधार के रूप में लेते हैं जिन्हें 80% से अधिक संभावना के साथ पहचाना जा सकता है।

मॉडल प्रशिक्षण के लिए स्रोतों की सूची

यहां उपयोग किए जा सकने वाले स्रोतों की एक नमूना सूची दी गई है, जिसका उपयोग किसी व्यक्ति की सामाजिक प्रोफ़ाइल को निश्चित रूप से निर्धारित करने के लिए किया जाता है कि वह कौन है।

हम सामाजिक नेटवर्क से, CIAN से एक प्रोफ़ाइल लेते हैं - एक अपार्टमेंट की लागत लगभग है, "हेड-हंटर", "सुपरजॉब" - यह किसी व्यक्ति के लिए औसत वेतन है। मुझे आशा है कि यहां कोई हेड हंटर प्रतिनिधि नहीं हैं, क्योंकि उन्हें लगता है कि उनसे यह डेटा लेना बहुत अच्छा नहीं है। हालाँकि, यह कुछ क्षेत्रों में रिक्तियों के लिए कुछ प्रकार की गतिविधियों के लिए औसत वेतन है।

"Avito", "Avto.ru": बहुत बार लोग, जब उनका फ़ोन जलता है, तो उनके पास निश्चित रूप से (बड़ी संख्या में मामलों में) कम से कम "Avito", या "Avto.ru" पर कुछ होता है, या अन्य कई साइटों पर जिनसे आप समझ सकते हैं कि वे कौन हैं। यदि इस फोन नंबर पर कोई घुमक्कड़ या कार बेची गई थी... रोसस्टैट और यूनिफाइड स्टेट रजिस्टर ऑफ लीगल एंटिटीज अभी भी अधिक रजिस्टर हैं जिनकी मदद से आप नियोक्ता कंपनी को रैंक कर सकते हैं - कुछ फॉर्मूले के अनुसार, एक मॉडल के अनुसार कोई भी व्यक्ति सेट कर सकता है (आप मोटे तौर पर इस व्यक्ति का पैसा आदि निर्धारित कर सकते हैं)।

टिंडर लोगों की स्थिति पर डेटा एकत्र करने में मदद करता है

साथ ही, एक ऐसी दिलचस्प चीज़ है (वैकल्पिक रूप से, यह अध्ययन में बहुत मज़ेदार है) - यह, फिर से, इस टिंडर के लिए बॉट्स का उपयोग करके मॉस्को टिंडर से डेटा का संग्रह है। लोगों से दूरी निर्धारित की गई, और फिर उनका अनुमानित स्थान निर्धारित किया गया।

इस अध्ययन का उद्देश्य सरकारी संस्थानों के क्षेत्र में - ड्यूमा, अभियोजक के कार्यालय, इत्यादि में टिंडर खातों की संख्या निर्धारित करना था। लेकिन, एक विज्ञापनदाता के रूप में, आप जो चाहें कल्पना कर सकते हैं: यह हो सकता है, उदाहरण के लिए, स्टारबक्स या कोई और... यानी, टिंडर पर ऐसे लोगों की संख्या जो आपसे कॉफी पीते हैं, कुछ ऑर्डर करते हैं, स्टोर में हैं इस जियोलोकेशन के संबंध में: यह किसी भी सेवा के साथ किया जा सकता है।

दर्शकों के एक प्रश्न का उत्तर:

• टिंडर? आप नहीं जानते हैं? टिंडर एक डेटिंग ऐप है जहां आप फोटो (बाएं-दाएं) देखते हैं और यह ऐप आपको उस व्यक्ति से दूरी दिखाता है। यदि आपको तीन अलग-अलग बिंदुओं से इस व्यक्ति की दूरी मिलती है, तो आप लगभग (+ 5-7 मीटर) स्थान निर्धारित कर सकते हैं। इस मामले में, अभियोजक के कार्यालय या राज्य ड्यूमा के क्षेत्र पर निर्णय लेना इतना मुश्किल नहीं है। लेकिन फिर, यह आपका स्टोर हो सकता है, यह कुछ भी हो सकता है।

उदाहरण के लिए, बहुत समय पहले हमारे पास ऐसा मामला था (कोई अध्ययन नहीं), जब हमें एक सेलुलर ऑपरेटर से यातायात घनत्व पर डेटा, सेलुलर बिंदुओं के आंदोलन की घनत्व पर डेटा प्राप्त हुआ था, और यह सारी जानकारी सुपरइम्पोज़ की गई थी राजमार्गों पर स्थित होर्डिंग के निर्देशांक पर। और सेलुलर ऑपरेटर का कार्य यह निर्धारित करना है कि लगभग कितने लोग वहां से गुजर रहे हैं और संभावित रूप से इस बिलबोर्ड विज्ञापन को देख सकते हैं।

यदि यहां बिलबोर्ड विज्ञापन विशेषज्ञ हैं, तो आप कह सकते हैं: अति-विश्वसनीयता के साथ समझना असंभव है - कोई आ रहा है, किसी ने नहीं देखा, किसी ने देखा... फिर भी, यह एक उदाहरण है कि कैसे 20 अरब बहुभुज हैं ये मॉस्को में हैं, जहां कुछ मार्गों पर हर घंटे इन लोगों का घनत्व है... आप किसी भी क्षण देख सकते हैं कि ये लोग किस रास्ते से गुजर रहे थे और मोटे तौर पर यात्री प्रवाह का अनुमान लगा सकते हैं।

दर्शकों के एक प्रश्न का उत्तर:

• ऐसा डेटा कोई नहीं देता. हमने ऑपरेटरों में से एक के लिए ऐसा अध्ययन किया; यह एक विशेष रूप से आंतरिक कहानी है, इसलिए, दुर्भाग्य से, इसे चित्रों के रूप में प्रस्तुत नहीं किया गया है। लेकिन अक्सर बड़ी विज्ञापन एजेंसियों को किसी ऑपरेटर से संपर्क करने में कोई समस्या नहीं होती है। कम से कम मॉस्को में, ऐसी कई मिसालें हैं जब, उदाहरण के लिए, बीमा कंपनियां गेटटैक्सी जैसी कंपनियों की ओर रुख करती हैं, जो भविष्यवाणी करने के लिए ड्राइवर की उम्र, वे कैसे गाड़ी चलाते हैं (अच्छा - बुरा, लापरवाह - नहीं) के बारे में अवैयक्तिक डेटा प्रदान करते हैं। नीतियां वगैरह. हर कोई इससे जूझता है, लेकिन कुछ आंतरिक स्तर पर, गुमनाम डेटा देना - मुझे लगता है कि किसी को भी ऐसी समस्या नहीं है।

छवि और पैटर्न पहचान

आगे बढ़ो। मेरी पसंदीदा छवि पहचान है. चेहरों के आधार पर लोगों को खोजने के बारे में एक छोटा सा अंश होगा, लेकिन हम अधिकतर इस भाग को नहीं लेते हैं। हम विशेष रूप से छवि की पहचान करते हैं और यह निर्धारित करते हैं कि इस छवि में क्या है - कार की बनावट, उसका रंग, इत्यादि।

मेरे पास यह मज़ेदार उदाहरण है:

विभिन्न सामाजिक नेटवर्क पर टैटू की खोज पर ऐसा एक अध्ययन किया गया था। तदनुसार, इसे किसी भी ब्रांड पर, किसी भी दृश्य छवि पर, लगभग किसी भी दृश्य छवि पर लागू किया जा सकता है। कुछ ऐसे भी हैं जिन्हें विश्वसनीय रूप से निर्धारित नहीं किया जा सकता (हम उन्हें नहीं लेते हैं)।

यहाँ मेरा पसंदीदा है. कार ब्रांड अक्सर इस कार्य की ओर रुख करते हैं क्योंकि उनका कार्य, उदाहरण के लिए, कुछ बीएमडब्ल्यू एक्स6 के सभी मालिकों को ढूंढना है, समझना है कि वे कौन हैं, वे एक-दूसरे से कैसे जुड़े हुए हैं, उनकी क्या रुचि है, इत्यादि। यह इस सवाल से संबंधित है कि लोग सोशल नेटवर्क पर किन कारों के साथ तस्वीरें लेते हैं।

यहां बिल्कुल भी फ़िल्टरिंग नहीं थी: वस्तु उनकी थी, कार उनकी नहीं थी; यह सिर्फ कारों की खराबी है - उम्र वगैरह। लेकिन दृश्य छवि पहचान का उपयोग अक्सर किया जाता है: यह गर्भवती महिलाओं की खोज है, और कुछ प्रकार के मास मीडिया में ब्रांड लोगो की खोज है (कौन क्या पोस्ट करता है)।

मेरा पसंदीदा मामला (जिसका उपयोग विभिन्न रेस्तरां द्वारा किया जाता है): सोशल नेटवर्क पर किस तरह के रोल पोस्ट किए जाते हैं। यह एक अजीब बात है, लेकिन वास्तव में यह आपको बहुत सी दिलचस्प बातें समझने की अनुमति देता है, सबसे पहले, आपके अपने ग्राहकों के बारे में: आपके पास कौन आए और उन्होंने ऐसा क्यों किया। क्योंकि यह कोई रहस्य नहीं है कि सुशी बार में, ज्यादातर लोग (मैं "लड़कियां" नहीं कहूंगा) चेक इन करने के लिए तस्वीरें लेते हैं, किसी चीज़ की फोटो लेते हैं, आदि।

ब्रांड इसका फायदा उठा सकता है. ब्रांड की दिलचस्पी इस बात में है कि खूबसूरती से तस्वीरें खींचने और पोस्ट करने के लिए उसे किस तरह के उत्पादों की जरूरत है, किस तरह के लोग वहां आए। यह चीज़ भोजन से लेकर लगभग किसी भी चीज़ के साथ की जा सकती है।

वीडियो पैटर्न पहचान

दर्शकों के एक प्रश्न का उत्तर:

• वीडियो पर नहीं. हमारे पास यह परीक्षण मोड में है। हमने इस तकनीक को आज़माया, लेकिन पता चला कि... यह वीडियो के साथ हर चीज़ को अच्छी तरह से पहचान लेती है, लेकिन हमें इसके लिए कहीं भी कोई एप्लिकेशन नहीं मिला। अलविदा। वीडियो ब्लॉगर कहीं कितनी और कौन सी बातें कर रहे हैं, इसका विश्लेषण करने के अलावा... ऐसी एक स्टडी हुई थी. उनके चेहरे कितने, कितनी बार मिलते हैं. लेकिन ब्रांड अभी तक यह पता नहीं लगा पाए हैं कि इसे कहां से लाया जाए। शायद किसी दिन ऐसा आएगा.

फिर, यह भोजन है, यह गर्भवती महिलाएं, पुरुष (गर्भवती नहीं), कार - कुछ भी हो सकता है।

एक विकल्प के रूप में, एक मीडिया आउटलेट के लिए नए साल का अध्ययन था। विज्ञापन से भी दूर, लेकिन फिर भी। नए साल पर लोगों ने इस तरह खाया व्रत:

यहां उम्र के हिसाब से यह भी टूट गया है। आप ऐसा सहसंबंध देख सकते हैं कि युवा लोग ज्यादातर खाना ऑर्डर करते हैं, वयस्क ज्यादातर पारंपरिक टेबल बनाते हैं। यह एक अजीब बात है, लेकिन एक ब्रांड के मालिक के रूप में इसकी कल्पना करते हुए, आप बड़ी संख्या में चीजों का मूल्यांकन कर सकते हैं: आपके उत्पाद को कौन संभालता है और कैसे, वे इसके बारे में क्या लिखते हैं। अक्सर, लोग हमेशा पाठ में ब्रांड का उल्लेख नहीं करते हैं, और पारंपरिक विश्लेषणात्मक निगरानी प्रणालियां हमेशा ब्रांड के इस उल्लेख को केवल इसलिए नहीं समझ और पा सकती हैं क्योंकि पाठ में इसका उल्लेख नहीं किया गया है। या पाठ ग़लत लिखा गया है, कोई हैश टैग या कुछ भी नहीं है।

तस्वीरें दिख रही हैं. फ़ोटोग्राफ़ी से, आप बता सकते हैं कि यह फ़्रेम का केंद्र विषय है या नहीं। फिर आप देख सकते हैं कि इस शख्स ने क्या लिखा है. लेकिन अक्सर इसका उपयोग उन संभावित दर्शकों की खोज के रूप में किया जाता है जिन्होंने कुछ कारें आदि चलाई हैं। और फिर हम इन कारों के साथ कई दिलचस्प चीजें करेंगे।

बॉट्स को इंसानों की नकल करना सिखाया जाता है

लोगों की गिनती का उपयोग करने का एक ऐसा विकल्प भी था:

लोगों की तुलना करने का एक विकल्प होता है, जब आपको कुछ तस्वीरों का उपयोग करके लोगों को ढूंढना होता है, उनकी सामाजिक प्रोफ़ाइल को समझना होता है कि वे कौन हैं। फिर, हम इस प्रश्न पर लौटते हैं कि यदि हमारे पास ऑफ़लाइन स्टोर में एक कैमरा है, तो यह समझने का एक अच्छा तरीका है कि आपके पास कौन आता है, ये लोग कौन हैं, उनकी रुचि किसमें है, किस चीज़ ने उन्हें आपके पास आने के लिए प्रेरित किया .

इसके बाद सबसे दिलचस्प बात आती है: यदि हम सोशल नेटवर्क पर उनके खाते एकत्र करते हैं, समझते हैं कि ये लोग कौन हैं, उनकी रुचि किसमें है, तो हम (एक विकल्प के रूप में) इन लोगों के समान एक बॉट बना सकते हैं; यह बॉट इन लोगों की तरह रहना शुरू कर देगा और विश्लेषण करेगा कि यह विभिन्न सोशल नेटवर्क पर क्या विज्ञापन देखता है। इससे आपको सटीक रूप से यह समझने में मदद मिलेगी कि कौन से ब्रांड इस व्यक्ति पर लक्षित हैं। यह भी एक काफी सामान्य कहानी है जब आपको न केवल यह विश्लेषण करने की आवश्यकता है कि यह व्यक्ति कौन है और उसकी क्या रुचियाँ हैं, बल्कि यह भी कि आपके संभावित प्रतिस्पर्धियों या अन्य इच्छुक लोगों को किस प्रकार के विज्ञापन को लक्षित करना चाहिए।

सामाजिक नेटवर्क में कनेक्शन का विश्लेषण

अगली दिलचस्प बात लोगों के बीच संबंधों का विश्लेषण है। दरअसल, नेटवर्क में कनेक्शन का विश्लेषण, ये नेटवर्क ग्राफ़ - इसमें कुछ भी नया नहीं है, यह हर कोई जानता है।

लेकिन विज्ञापन कार्यों का अनुप्रयोग सबसे दिलचस्प है। यह उन लोगों की खोज है जो रुझान निर्धारित करते हैं, यह उन लोगों की खोज है जो इस नेटवर्क के भीतर कुछ मानदंडों के अनुसार जानकारी प्रसारित करते हैं। मान लीजिए कि हम एक निश्चित बीएमडब्ल्यू मॉडल के उन्हीं मालिकों में रुचि रखते हैं। उन सभी को एक साथ लाकर हम उन लोगों को ढूंढ सकते हैं जो जनमत को नियंत्रित करते हैं। ये आवश्यक रूप से ऑटोमोटिव ब्लॉगर वगैरह नहीं हैं। आमतौर पर ये साधारण कॉमरेड होते हैं जो विभिन्न सार्वजनिक पेजों पर बैठते हैं, कुछ सामग्री में रुचि रखते हैं और बहुत ही कम समय में आपके ब्रांड या आपके रुचि के किसी व्यक्ति को जिम्मेदारी के इस क्षेत्र में आकर्षित कर सकते हैं। ​रुचि.

ऐसा ही एक उदाहरण यहां है. हमारे पास कुछ संभावित लोग हैं, लोगों के बीच संबंध हैं। यहां नारंगी वाले लोग हैं, छोटे बिंदु सामान्य समूह हैं, सामान्य मित्र हैं।

यदि आप उनके बीच इन सभी कनेक्शनों को इकट्ठा करते हैं, तो आप बहुत स्पष्ट रूप से देख सकते हैं कि ऐसे लोग हैं जिनके पास बड़ी संख्या में सामान्य समूह हैं, सामान्य मित्र हैं, वे आपस में हैं... और यदि इसी दृश्य को रुचियों के आधार पर समूहों में विभाजित किया जाता है, सामग्री के आधार पर, जो वे वितरित करते हैं, वे एक-दूसरे के साथ कितनी बातचीत करते हैं... यहां आप देख सकते हैं कि पिछली तस्वीर इस प्रकार थी:

यहां समूह रंग के आधार पर स्पष्ट रूप से भिन्न हैं। इस मामले में, ये हायर स्कूल ऑफ इकोनॉमिक्स में हमारे मास्टर के छात्र हैं। यहां आप देख सकते हैं कि बैंगनी/नीले रंग वाले वे लोग हैं जो ट्रांसपेरेंसी इंटरनेशनल, ओपन रशिया और खोदोरकोव्स्की के सार्वजनिक पेजों को पसंद करते हैं। नीचे बाईं ओर हरे लोग हैं, जो संयुक्त रूस से प्यार करते हैं।

आप देख सकते हैं कि पिछली तस्वीर इस तरह थी (ये सिर्फ लोगों के बीच संबंध हैं), लेकिन स्पष्ट रूप से सीमांकित हो गई है। अर्थात् सभी लोग सदैव एक-दूसरे से जुड़े रहते हैं, उनकी रुचियाँ समान होती हैं, वे एक-दूसरे के मित्र होते हैं। कुछ ऊपर हैं, कुछ नीचे हैं, और कुछ अन्य साथी हैं। और यदि इनमें से प्रत्येक छोटे सबग्राफ को अन्य मापदंडों के साथ अलग से देखा जाए और सामग्री प्रसार की गति को देखा जाए (मोटे तौर पर कहें तो, वहां कौन क्या दोबारा पोस्ट करता है), तो आप प्रत्येक भाग में एक या दो लोगों को पा सकते हैं जो हमेशा जनता की राय अपने हाथों में रखते हैं, जिसके साथ बातचीत करना, किसी प्रकार की पोस्ट भेजना या कुछ और पूछना - आप इस पूरे दिलचस्प दर्शकों से प्रतिक्रिया प्राप्त कर सकते हैं।

मेरे पास ऐसा एक और उदाहरण है. एक ग्राफ़ भी: उदाहरण के तौर पर ये बीबीडीओ समूह के कर्मचारी हैं जो सोशल नेटवर्क पर पाए जाते हैं। यह अरुचिकर, बड़ा, हरा, उनके बीच संबंध दिखता है...

लेकिन मेरे पास एक विकल्प है जहां उनके बीच पहले से ही समूह बने हुए हैं। फिर, यदि किसी को दिलचस्पी है, तो एक इंटरैक्टिव संस्करण है - आप क्लिक कर सकते हैं और देख सकते हैं।

ऊपर दाईं ओर वे लोग हैं जो पुतिन से प्यार करते हैं। यहां बैंगनी वाले डिजाइनर हैं; जो लोग डिज़ाइन, कुछ दिलचस्प वगैरह में रुचि रखते हैं। यहां सफेद चीजें प्रबंधन टीम हैं (जाहिरा तौर पर, जैसा कि मैं समझता हूं); ये वे लोग हैं, जो सामान्य तौर पर किसी भी तरह से जुड़े हुए नहीं हैं, लेकिन लगभग समान पदों पर काम करते हैं। बाकी उनके सामान्य समूह, कनेक्शन इत्यादि हैं।

ब्रांड्स को ब्लॉगर्स की नहीं, बल्कि ओपिनियन लीडर्स की जरूरत है

हम इन लोगों को लेते हैं और उन्हें ढूंढते हैं - फिर विज्ञापन एजेंसी, विज्ञापन कंपनी स्वयं निर्णय लेती है: वह इस व्यक्ति को पैसे दे सकती है ताकि वह किसी तरह इस सामग्री, किसी और चीज़ के साथ इंटरैक्ट कर सके, या अपने स्वयं के विशिष्ट विज्ञापन अभियान को उन तक निर्देशित कर सके। इसका उपयोग अक्सर किया जाता है, खासकर अब, क्योंकि सभी ब्रांड ब्लॉगर्स के साथ काम करना चाहते हैं, वे चाहते हैं कि उनकी सामग्री को बढ़ावा दिया जाए, लेकिन विज्ञापन एजेंसियां ​​​​वास्तव में संपर्क नहीं करना चाहती हैं (ठीक है, ऐसा होता है)।

और इस स्थिति से बाहर निकलने का वास्तविक तरीका उन लोगों को ढूंढना है जो ब्लॉगर नहीं हैं, सौंदर्य ब्लॉगर नहीं हैं, लेकिन उदाहरण के लिए, कुछ वास्तविक प्राणी जो इस ब्रांड के साथ बातचीत करते हैं, जो कुछ मनहूस सार्वजनिक पेज "Mail.ru उत्तर" में लिख सकते हैं, प्राप्त करें विचारों की एक निश्चित संख्या. ये लोग, जो लगातार इस व्यक्ति की सामग्री में रुचि रखते हैं, पूरी चीज़ फैलाएंगे, और ब्रांड को इसकी भागीदारी मिलेगी।

ऐसी तकनीक का उपयोग करने का दूसरा विकल्प अब काफी प्रासंगिक है - बॉट्स की खोज, मेरा पसंदीदा। यह आपके प्रतिस्पर्धियों के लिए एक प्रतिष्ठित जोखिम है, और एक विज्ञापन अभियान से अप्रासंगिक लोगों को बाहर निकालने का एक अवसर है, और कुछ भी (टिप्पणियाँ हटाना, और लोगों के बीच कनेक्शन की खोज करना)। मेरे पास ऐसा एक उदाहरण है, यह बड़ा और इंटरैक्टिव भी है - आप इसे स्थानांतरित कर सकते हैं। ये लेंटाच समुदाय में टिप्पणियाँ लिखने वाले लोगों के कनेक्शन हैं।

यह उदाहरण इसलिए है ताकि आप समझ सकें कि बॉट कितने अच्छे और आसानी से दिखाई देने वाले हैं; और इसके लिए आपको कोई तकनीकी ज्ञान होना जरूरी नहीं है. इसका मतलब यह है कि "लेंटाच" ने दिमित्री मेदवेदेव के बारे में एफबीके जांच के बारे में एक पोस्ट प्रकाशित की, और कुछ लोगों ने टिप्पणियां लिखना शुरू कर दिया। हमने टिप्पणियाँ लिखने वाले सभी लोगों को एकत्र किया - ये लोग हरे हैं। अब मैं इसे स्थानांतरित करूंगा:

लोग हरे वाले हैं (जिन्होंने टिप्पणियाँ लिखीं)। वे यहाँ हैं, वे यहाँ हैं. उनके बीच के नीले बिंदु उनके सामान्य समूह हैं, पीले बिंदु उनके सामान्य ग्राहक, मित्र इत्यादि हैं। अधिकांश लोग एक-दूसरे से जुड़े हुए हैं। क्योंकि, तीन, चार, पांच हैंडशेक का सिद्धांत जो भी हो, सभी लोग सोशल नेटवर्क पर एक-दूसरे से जुड़े हुए हैं। ऐसे कोई लोग नहीं हैं जो एक-दूसरे से अलग हों। यहां तक ​​कि मेरे सामाजिक रूप से फ़ोबिक मित्र जो विशेष रूप से वीडियो देखने के लिए VKontakte का उपयोग करते हैं, वे अभी भी हमारे जैसे ही कुछ सार्वजनिक पेजों के सदस्य हैं।

नवलनी बॉट्स का भी इस्तेमाल करते हैं. हर किसी के पास बॉट हैं

अधिकांश लोग (यहाँ यह है, यहाँ है) एक दूसरे से जुड़े हुए हैं। लेकिन साथियों का एक छोटा सा समूह ऐसा है जो विशेष रूप से एक-दूसरे का मित्र है। यहाँ वे हैं, छोटे हरे वाले, यहाँ उनके पारस्परिक मित्र और समूह हैं। वे यहां अलग-अलग भी गिरे:

और एक भाग्यशाली संयोग से, यह वही लोग थे जिन्होंने इस पोस्ट के नीचे लिखा था: "नवलनी के पास कोई सबूत नहीं है" इत्यादि, वही टिप्पणियाँ लिखीं। बेशक, मैं निष्कर्ष निकालने की हिम्मत नहीं करता। लेकिन फिर भी, मेरे पास फेसबुक पर एक और पोस्ट थी, जब लेबेदेव और नवलनी के बीच बहस हुई थी, मैंने उसी तरह टिप्पणियों का विश्लेषण किया: यह पता चला कि जिन सभी लोगों ने "लेबेदेव बकवास है" लिखा था, वे सोशल पर नहीं थे नेटवर्क ने हाल ही में चार महीने से किसी भी सार्वजनिक पेज की सदस्यता नहीं ली है, अचानक इस विशेष पोस्ट पर गया, यह सटीक टिप्पणी लिखी और चला गया। फिर, यहां से निष्कर्ष निकालना असंभव है, लेकिन नवलनी की टीम के किसी व्यक्ति ने मुझे एक टिप्पणी लिखी कि वे बॉट्स का उपयोग नहीं करते हैं। अच्छी तरह से ठीक है!

विज्ञापन के करीब, ब्रांड के करीब। अब हर किसी के पास बॉट हैं! वे हमारे पास हैं, हमारे प्रतिस्पर्धियों के पास हैं, और दूसरों के पास हैं। उन्हें अच्छी तरह से रहने के लिए बाहर फेंक दिया जाना चाहिए या छोड़ दिया जाना चाहिए; ऐसे डेटा (पिछली स्लाइड की ओर इशारा करते हुए) के आधार पर, उन्हें पूर्णता में लाएं ताकि वे वास्तविक लोगों की तरह दिखें और उसके बाद ही उनका उपयोग करें। हालाँकि बॉट्स का उपयोग करना बुरा है! फिर भी, एक काफी सामान्य कहानी...

स्वचालित मोड में, ऐसी चीज़ आपको अपने विश्लेषण से उन लोगों को फ़िल्टर करने की अनुमति देती है जो विश्लेषण के लिए अप्रासंगिक हैं, जिन लोगों को नमूने में शामिल नहीं किया जाना चाहिए, उन्हें इस अध्ययन में शामिल नहीं किया जाना चाहिए। बहुत बार प्रयोग किया जाता है. फिर भी, सभी कार मालिकों के पास वास्तव में कारें नहीं होती हैं। कभी-कभी लोग केवल उन लोगों में रुचि रखते हैं जिनके पास संभावित रूप से एक कार है, जो कुछ समूहों में बैठते हैं, किसी के साथ संवाद करते हैं, उनके पास वहां एक निश्चित दर्शक वर्ग होता है।

तथ्यों और राय का विश्लेषण

मेरे पास जो अगला है वह भी मेरा पसंदीदा है। यह तथ्यों और राय का विश्लेषण है.

आजकल हर कोई विभिन्न स्रोतों में अपने ब्रांड का उल्लेख करना जानता है। इसमें कोई रहस्य नहीं है. और ऐसा लगता है कि हर कोई टोनलिटी की गणना करने में सक्षम है... हालांकि व्यक्तिगत रूप से, मुझे लगता है कि टोनलिटी मीट्रिक स्वयं बहुत दिलचस्प नहीं है, क्योंकि जब आप आते हैं और ग्राहक से कहते हैं, "यार, आपके पास 37% तटस्थ है," और वह ऐसा कहता है , " बहुत खूब! ठंडा!" इसलिए, थोड़ा और आगे बढ़ना अधिक दिलचस्प होगा: भावनाओं का आकलन करने से लेकर आपके उत्पाद के बारे में वे क्या कहते हैं, इसकी राय का आकलन करना।

और यह भी एक बहुत ही दिलचस्प बात है, क्योंकि... मैं व्यक्तिगत रूप से मानता हूं कि सिद्धांत रूप में कोई तटस्थ संदेश नहीं हो सकता है, क्योंकि यदि कोई व्यक्ति सार्वजनिक स्थान पर कुछ लिखता है, तो यह संदेश किसी भी तरह से रंगीन हो जाता है। मैंने व्यक्तिगत रूप से कभी भी किसी ब्रांड का उल्लेख करते हुए कोई तटस्थ संदेश नहीं देखा है। आमतौर पर यह किसी प्रकार की गंदगी होती है।

यदि हम इन संदेशों की एक बड़ी संख्या (लाखों, 10 मिलियन हो सकते हैं) लें, प्रत्येक संदेश के मुख्य विचार को उजागर करें, उन्हें संयोजित करें, तो हम काफी विश्वसनीय रूप से समझ सकते हैं कि लोग इस ब्रांड के बारे में क्या कहते हैं, वे क्या सोचते हैं। "मुझे पैकेजिंग पसंद नहीं है," "मुझे स्थिरता पसंद नहीं है," इत्यादि।

लोग ट्रांसएरो, चुपा चुप्स और संयुक्त राज्य अमेरिका के राष्ट्रपति के बारे में क्या सोचते हैं?

मेरे पास एक मज़ेदार उदाहरण है: यह एक इन्फोग्राफिक है कि सोशल नेटवर्क उपयोगकर्ता ट्रांसएरो कंपनी के दिवालिया होने के बाद उसके साथ क्या करेंगे।

वहां कई दिलचस्प उदाहरण हैं: जलाना, मारना, यूरोप निर्वासित करना, यहां तक ​​कि 2% ऐसे भी थे जिन्होंने लिखा था - "उन्हें सैन्य अभियानों के लिए सीरिया भेजो।" मज़ेदार चीज़ से आगे बढ़ते हुए, यह लगभग कोई भी ब्रांड हो सकता है - मेरे पसंदीदा कुत्ते के भोजन से लेकर कुछ कारों तक। जिसे भी पैकेजिंग पसंद नहीं है, जिसे वास्तविक चीजें पसंद नहीं हैं - आप हमेशा इसके साथ काम कर सकते हैं, आप इसे हमेशा ध्यान में रख सकते हैं। बड़ी संख्या में ऐसे उदाहरण हैं जब लोगों ने अपने उत्पादों का उत्पादन लगभग बदल दिया क्योंकि उन्होंने सोशल नेटवर्क पर लिखा था कि चुपा चूप्स पर्याप्त गोल नहीं था या यह पर्याप्त मीठा नहीं था।

एक और मजेदार उदाहरण है. अंदाजा लगाइए क्या टिप्पणियाँ और किसके बारे में?

किसी कारण से, अब राय का विश्लेषण, संदेशों से निकाले गए तथ्यों का विश्लेषण बहुत अधिक उपयोग नहीं किया जाता है और बहुत व्यापक नहीं है। हालाँकि यह तकनीक सुपर सीक्रेट नहीं है, लेकिन व्यावहारिक रूप से इसमें कोई जानकारी नहीं है, क्योंकि लोगों की टिप्पणियों से, विषय को निकालने, विधेय बनाने और उन्हें समूहीकृत करने के लिए कम्प्यूटेशनल भाषाविज्ञान में प्रतिभा की आवश्यकता नहीं होती है। यह करना उतना कठिन नहीं है. लेकिन मुझे उम्मीद है कि अगले कुछ वर्षों में लोग इसका उपयोग करना शुरू कर देंगे, क्योंकि... यह अच्छा होगा - यह ऐसी स्वचालित प्रतिक्रिया है! आप हमेशा जानते हैं कि वे आपके बारे में क्या कह रहे हैं। खैर, आप समझ रहे हैं कि यह अमेरिकी राष्ट्रपति के बारे में बनाया गया था।

दर्शकों के एक प्रश्न का उत्तर:

• हाँ, यह अंग्रेजी में फेसबुक है। यहां उनका रूसी में अनुवाद किया गया है। ये कहीं लिखा था.

बिग डेटा और राजनीतिक प्रौद्योगिकियाँ

वास्तव में, मेरे पास ट्रम्प और बाकी सभी के बारे में राजनीति के कई अलग-अलग दिलचस्प उदाहरण हैं, लेकिन हमने उन्हें यहां नहीं लाने का फैसला किया है। लेकिन एक राजनीतिक उदाहरण है.

ये राज्य ड्यूमा के चुनाव हैं। तुम कहां थे? पिछले साल? लगभग डेढ़ साल पहले.

यहां वे लोग हैं जो एक निश्चित भू-बिंदु तक अपना सटीक स्थान निर्धारित करने में सक्षम थे, ताकि यह समझ सकें कि वे किस चुनावी क्षेत्र में आते हैं। और फिर इन लोगों में से वही लोग लिए गए जिन्होंने अपनी निश्चित राय व्यक्त की कि वे किसे वोट देंगे।

राजनीतिक प्रौद्योगिकी के दृष्टिकोण से, यह बहुत सही नहीं है, क्योंकि इस पूरी चीज़ को जनसंख्या घनत्व इत्यादि द्वारा सामान्यीकृत करने की आवश्यकता है। फिर भी, यहां के नीले लोग किसे वोट देने जा रहे हैं, आप जानते हैं कि लाल लोग विपक्षी साथियों को वोट देने जा रहे हैं, जिनमें से, वैसे, बहुत सारे नहीं थे।

मैं व्यक्तिगत रूप से मानता हूं कि बिग डेटा जल्द ही राजनीतिक प्रौद्योगिकियों तक नहीं पहुंच पाएगा, लेकिन, एक विकल्प के रूप में, उम्मीदवार भी एक ब्रांड है। और यह, कुछ हद तक, आपके ब्रांड के बारे में तथ्यों और राय का विश्लेषण भी है, और एक दिलचस्प बात है, क्योंकि आप वास्तविक समय में समझ सकते हैं कि कौन क्या कर रहा है। मैं बीबीसी के कई मामलों को जानता हूं, जब उन्होंने किसी प्रसारण में वास्तविक समय में सोशल नेटवर्क की निगरानी की थी: ऐसी और ऐसी प्रतिक्रिया थी, लोग इसके बारे में लिखते हैं, ऐसा और ऐसा प्रश्न पूछते हैं - और यह बहुत अच्छा है! मुझे लगता है कि इसका उपयोग बहुत जल्द किया जाएगा, क्योंकि यह हर किसी के लिए दिलचस्प है।

ब्रांड पदों की मॉडलिंग

आगे मेरे पास ब्रांड पदों का मॉडलिंग है। आप विभिन्न मेट्रिक्स (सोशल नेटवर्क पर ग्राहकों की पसंद नहीं, बल्कि जटिल मेट्रिक्स का उपयोग, सामग्री में रुचि, मेट्रिक्स प्राप्त करने में लगने वाला समय) का उपयोग करके ब्रांडों को कैसे रैंक कर सकते हैं, इसके बारे में एक छोटा सा टुकड़ा।

मेरे पास एक निश्चित कारण से "फार्मा" का एक उदाहरण है। यहां छोटे वृत्त आंतरिक, चमकीले हैं - यह टेक्स्ट सामग्री की मात्रा है जो ब्रांड स्वयं बनाता है, बड़ा वृत्त फोटो और वीडियो सामग्री की मात्रा है जो ब्रांड स्वयं बनाता है।

केंद्र से निकटता दर्शाती है कि सामग्री दर्शकों के लिए कितनी दिलचस्प है। एक बड़ा मॉडल है, सभी प्रकार के मापदंडों का एक समूह है: लाइक, रीपोस्ट, प्रतिक्रिया समय, जिन्होंने वहां औसतन साझा किया... यहां आप देख सकते हैं: एक अद्भुत "कागॉटसेल" है, जो भारी मात्रा में पंप करता है अपनी स्वयं की सामग्री बनाने में पैसा लगाते हैं, और इसके कारण वे केंद्र के काफी करीब हैं। और ऐसे भी कॉमरेड हैं जो अपना कंटेंट तो बनाते हैं, लेकिन दर्शकों को उसमें कोई दिलचस्पी नहीं होती। यह बहुत पर्याप्त उदाहरण नहीं है, क्योंकि ये सभी खाते व्यावहारिक रूप से ख़त्म हो चुके हैं।

येगोर क्रीड को बस्ता से भी अधिक प्यार किया जाता है

दुर्भाग्य से, बाकी... क्या दिखाना है... खैर, एक विकल्प के रूप में, वास्तविक कंपनियों के रूसी रैपर्स भी हैं।

प्लस क्या है? तथ्य यह है कि एक कंपनी ऐसे मॉडल में लगभग कुछ भी डाल सकती है, आपके ब्रांड के लिए काम करने वाले ग्राहकों के औसत वेतन से लेकर; कोई भी मॉडल जो उन्हें पसंद हो। क्योंकि प्रत्येक विज्ञापन एजेंसी अपने स्वयं के मेट्रिक्स की गणना अलग-अलग तरीके से करती है, ब्रांड अपने स्वयं के मेट्रिक्स की गणना अलग-अलग तरीके से करते हैं।

यहां एक भी है - बस्ता, जो बड़ी मात्रा में सामग्री उत्पन्न करता है, लेकिन परिधि पर स्थित है, क्योंकि यह सामग्री स्पष्ट रूप से दर्शकों के लिए बहुत दिलचस्प नहीं है। फिर, मैं न्याय करने का अनुमान नहीं लगाता। लेकिन फिर भी, येगोर क्रीड है, जो सोशल नेटवर्क के अनुसार, हमारे समय का लगभग सर्वश्रेष्ठ कलाकार है, लेकिन केवल अपनी निजी तस्वीरें ही प्रकाशित करता है। फिर भी, उसके पास बड़ी संख्या में ग्राहक हैं: उनकी संख्या लगभग दस लाख है। मुझे सटीक संख्या याद नहीं है; मुझे याद है कि इन लोगों का जुड़ाव प्रतिशत 85% से कहीं अधिक है, यानी प्रति मिलियन ग्राहकों पर उन्हें इन वास्तविक लोगों से 850 हजार प्रतिक्रियाएँ मिलती हैं - यह वास्तविक पागलपन है। यह सच है।

दर्शकों के सवालों के जवाब:

रैपर विश्लेषण मॉडल बनाने में कितना समय लगा?

• प्रत्येक का अपना लक्षित दर्शक वर्ग होता है, इन लोगों के हितों की गणना प्रत्येक के लिए की जाती है... यह सब लगभग केंद्र की दूरी के लिए सामान्यीकृत है, उनकी रेडियल स्थिति महत्वपूर्ण नहीं है (यह केवल सुंदरता के लिए यहां धब्बा है, ताकि वे ऐसा करें) एक दूसरे से टकराएं नहीं)। केवल केंद्र से लगभग निकटता ही महत्वपूर्ण है। यह वह मॉडल है जिसका हम उपयोग करते हैं. उदाहरण के लिए, मुझे वृत्त अधिक अच्छा लगता है, कुछ लोग इसे अर्धवृत्त मानकर चलते हैं।
• यह मॉडल दो या तीन घंटों (हाँ, एक व्यक्ति) में शीघ्रता से संकलित किया गया था। यहां केवल मेट्रिक्स डाले गए थे: हम क्या से गुणा करते हैं, इसे जोड़ते हैं, और फिर किसी तरह इसे सामान्य करते हैं। मॉडल पर निर्भर करता है. ऐसे लोग हैं जो अपने ग्राहकों के औसत वेतन (यह कोई मज़ाक नहीं है) में रुचि रखते हैं। और इसके लिए आपको उनके संपर्कों को ढूंढना होगा, एविटो, इसकी सभी गणना करनी होगी, इसे गुणा करना होगा। ऐसा होता है कि इसे ध्यान में रखने में काफी समय लगता है, लेकिन विशेष रूप से यह (पिछली स्लाइड की ओर इशारा करता है) - यहां पैरामीटर बहुत सरल हैं: सब्सक्राइबर, रीपोस्ट, इत्यादि। इसे पूरा करने में लगभग दो से तीन घंटे लग गए। तदनुसार, यह चीज़ वास्तविक समय में अपडेट हो जाती है, और आप इसका उपयोग कर सकते हैं।

अब मज़े वाला हिस्सा आया। मैंने उदाहरणों का काम पूरा कर लिया है, क्योंकि लंबे समय तक अकेले बात करना दिलचस्प नहीं है। और मुझे आशा है कि अब आप प्रश्न पूछेंगे, और हम वास्तव में, एक विषय से दूसरे विषय पर आगे बढ़ेंगे, क्योंकि मेरे पास ऐसे उदाहरण हैं कि प्रौद्योगिकियों का उपयोग कैसे किया जा सकता है इत्यादि...

दर्शकों के सवालों के जवाब:

• मेरे पास एक और एकमात्र व्यक्तिगत मामला था, जिसे "कैसीनो के पास" कहा जा सकता है, जब वहां एक कैमरा रखा गया था, चेहरे पहचाने गए थे, इत्यादि। मान्यता प्राप्त लोगों का प्रतिशत निश्चित रूप से काफी बड़ा है - हमारा और हमारे प्रतिस्पर्धी दोनों का। लेकिन वास्तव में यह काफी दिलचस्प है. मैं इसे एक दिलचस्प चीज़ के रूप में देखता हूं: आप समझ सकते हैं कि ये लोग कौन हैं और अच्छी तरह से अनुमान लगा सकते हैं कि वास्तव में वे यहां क्यों आए हैं, उनके जीवन में ऐसा क्या बदलाव आया है कि उन्होंने कैसीनो में आने का फैसला किया। लेकिन जहां तक ​​विशिष्ट प्रकार के व्यवसाय की बात है... यदि आप ऐसी चीज़ किसी फार्मेसी में रखते हैं, तो इसका कोई मतलब नहीं है - आप यह अनुमान नहीं लगा सकते कि कोई व्यक्ति फार्मेसी में क्यों आया।

  यहां वैश्विक कार्य यह समझने के लिए एक मॉडल बनाना था कि कोई व्यक्ति संभावित रूप से आपके ब्रांड में रुचि लेना चाहता है, ताकि आप उसे कुछ खरीदने के बाद विज्ञापन न दें (जैसा कि अब हो रहा है), लेकिन उसे विज्ञापन दें। पूर्वानुमान में'' कि यह सब कब घटित होगा। ऐसे "निकट-कैसीनो" के साथ यह दिलचस्प था; इन लोगों का प्रतिशत काफी दिलचस्प निकला - क्यों: किसी को अचानक पदोन्नति मिल गई, किसी को कुछ और मिल गया - ऐसी दिलचस्प जानकारियां। लेकिन कुछ दुकानों के साथ, खुदरा के साथ, कुछ प्रकार की गोलियों की दुकान के साथ, मुझे ऐसा लगता है कि यह बहुत सही नहीं होगा।

क्या बिग डेटा का ऑफ़लाइन उपयोग किया जाता है?

• यह ऑफलाइन था. आपको बस मोटे तौर पर यह समझने की जरूरत है कि यह मॉडल फिट होगा या नहीं। फिर से, चमचमाते पानी के साथ... मुझे वास्तव में हर चीज में दिलचस्पी है, लेकिन मैं व्यक्तिगत रूप से यह नहीं समझता कि इन लोगों की प्रोफाइल, उनका व्यवहार इस बात पर कितना निर्भर हो सकता है कि वे बोतलबंद पानी कब खरीदना चाहते हैं। हालाँकि यह सचमुच सच हो सकता है, मैं नहीं जानता।

कितने खुले सोशल मीडिया अकाउंट हैं?

• हमारे पास विशेष रूप से 11 सोशल नेटवर्क हैं - ये हैं "Vkontakte", "Facebook", "Twitter", "Odnoklassniki", "Instagram" और कुछ छोटी चीजें (मैं सूची देख सकता हूं, जैसे "Mail.ru" इत्यादि) . VKontakte पर हमारे पास निश्चित रूप से इन सभी साथियों की एक प्रति है। हमारे पास VKontakte पर ऐसे लोग हैं - जो अब तक मौजूद सभी लोगों में से 430 मिलियन हैं (जिनमें से लगभग 200 मिलियन लगातार सक्रिय हैं); वहां समूह हैं, इन लोगों के बीच संबंध हैं और ऐसी सामग्री है जिसमें हमारी रुचि है (पाठ), और मीडिया का एक हिस्सा है, लेकिन बहुत छोटा... मोटे तौर पर कहें तो, हम इस तस्वीर को देखते हैं: यदि वहां चेहरे हैं, तो हम उन्हें सेव करें, अगर कोई मीम है, तो हम उन्हें सेव करते हैं। हम इसे सेव नहीं करते हैं, क्योंकि हमारे पास भी मीडिया कंटेंट को सेव करने के लिए पर्याप्त नहीं है।

  एक रूसी भाषा का फेसबुक है। अब कहीं न कहीं 60-80% Odnoklassniki हैं, कुछ महीनों में हम शायद उन सभी को अंत तक पहुंचा देंगे। रूसी इंस्टाग्राम। इन सभी सामाजिक नेटवर्कों के लिए समूह, लोग, उनके बीच संबंध और पाठ हैं।

• लगभग 400 मिलियन लोग। एक सूक्ष्मता है: ऐसे लोग हैं जिनका शहर निर्दिष्ट नहीं है (वे संभावित रूप से रूसी/गैर-रूसी हैं); इनमें से सोशल नेटवर्क के लिए औसत 14% VKontakte पर बंद खाते हैं, मुझे फेसबुक पर सटीक आंकड़ा नहीं पता है।
• हम इंस्टाग्राम पर भी मीडिया को सेव नहीं करते हैं - केवल तभी जब वहां चेहरे हों। हम ऐसी (अन्य) मीडिया सामग्री संग्रहीत नहीं करते हैं. आमतौर पर दिलचस्प: केवल पाठ, लोगों के बीच संबंध; सभी। इंस्टाग्राम पर सबसे आम शोध दर्शकों पर सामान्य शोध है: ये लोग कौन हैं, और, सबसे महत्वपूर्ण बात, इन लोगों का अन्य सामाजिक नेटवर्क के साथ संबंध। इस व्यक्ति की आयु आदि की गणना करने के लिए Vkontakte और Facebook पर उसकी प्रोफ़ाइल ढूंढें।
• अभी हर किसी को अपने साथ लेने की कोई जरूरत नहीं है - सिर्फ इसलिए कि कोई ग्राहक नहीं है। भाषा के संबंध में: हमारे पास रूसी, अंग्रेजी, स्पेनिश है, लेकिन फिर भी इसका उपयोग विशेष रूप से रूस के ब्रांडों के लिए किया जाता है; खैर, या वे कंपनियाँ जो उन्हें रूस से लाती हैं।
• हम हर दिन कई, कई, कई थ्रेड्स में लोगों का साक्षात्कार लेते हैं: हम वेब एकत्र करके डेटा एकत्र करते हैं, और एपीआई का उपयोग करके इन संकेतकों को अपडेट करते हैं। 2-3 दिनों में आप पूरे "VKontakte" से गुजर सकते हैं, उनके माध्यम से जा सकते हैं; लगभग एक सप्ताह में आप संपूर्ण फेसबुक देख सकते हैं और समझ सकते हैं कि किसने क्या अपडेट किया है और क्या नहीं। और फिर इन लोगों को अलग-अलग इकट्ठा करें: वास्तव में क्या बदलाव आया है, यह पूरी कहानी लिखें। मेरे अनुभव में बहुत कम ही ऐसा हुआ है कि किसी की पुरानी सोशल मीडिया प्रोफ़ाइल का उपयोग किसी वास्तविक व्यावसायिक उद्देश्य के लिए किया गया हो। यह वह समय था जब एक राजनीतिक व्यक्ति ने आवेदन किया था, और उसका काम यह समझना था कि मुख्यालय में किस तरह के लोग आते हैं, ये लोग 6-8 महीने पहले कौन थे (क्या उन्होंने अपना प्रोफ़ाइल हटा दिया था, लेकिन वास्तव में किसी अन्य उम्मीदवार के लिए मतपत्र आ गए थे) खराब करना)।

  और कुछ बार - व्यक्तिगत कहानियाँ जब किसी की तस्वीरें सार्वजनिक डोमेन में प्रकाशित हुईं। कनेक्शन आदि ढूंढना आवश्यक था। दुर्भाग्य से, यह अफ़सोस की बात है, लेकिन हम अदालत में गवाही नहीं दे सकते, क्योंकि हमारा डेटाबेस कानूनी रूप से तरल नहीं है।

• MongoDB स्टोरेज मेरा पसंदीदा है।

सामाजिक नेटवर्क डेटा संग्रह से लड़ने की कोशिश कर रहे हैं

• आमतौर पर हम विज्ञापनदाताओं को इन खातों की केवल एक सूची अपलोड करते हैं, और फिर वे मानक खाते का उपयोग करते हैं... यानी, सोशल नेटवर्क पर, VKontakte पर, आप इन लोगों की एक सूची निर्दिष्ट कर सकते हैं।

  लेकिन फेसबुक खरीदी गई कुकीज़ का उपयोग करता है। हम स्वयं कुकीज़ के साथ काम नहीं करते हैं, लेकिन ऐसी कई कहानियाँ थीं जब विज्ञापनदाता ने स्वयं कुछ लोगों को दिया, हमने उनसे बातचीत की - उनके पास ये नेटवर्क हैं, टीज़र, गैर-टीज़र विज्ञापन, ये "कुकीज़"। आप इसे बाँध सकते हैं - कोई सवाल नहीं! लेकिन मुझे वास्तव में यह चीज़ पसंद नहीं है क्योंकि मुझे नहीं लगता कि यह बहुत प्रामाणिक है। यह पूरी तरह से मेरी राय में है, यह टीएनएस की तरह है, जो टीवी को "ट्रैक" करता है - यह स्पष्ट नहीं है कि आप यह टीवी देख रहे हैं या नहीं, टीवी चालू होने पर आप बर्तन धो रहे हैं या नहीं... और यहाँ भी वैसा ही है : मैं अक्सर इंटरनेट पर कुछ न कुछ गूगल पर सर्च करता हूं, लेकिन इसका मतलब यह नहीं है कि मैं उसे खरीदना चाहता हूं।

• यदि आप किसी प्रकार के मानक प्रासंगिक विज्ञापन नेटवर्क का उपयोग कर रहे हैं: मेरे पास कई कहानियाँ थीं जब हमने इन लोगों को उनके पास भेजा और उनके इंटरफेस का उपयोग करके, उन्हें अपनी साइटों पर "कुकीज़" से जोड़ने का प्रयास किया। लेकिन मुझे ऐसी चीजें बिल्कुल पसंद नहीं हैं.

इंटरनेट उपयोगकर्ता के वेतन की गणना के लिए सूत्र

• औसत वेतन का सामान्य सूत्र: यह वह क्षेत्र है जहां एक व्यक्ति रहता है, यह व्यवसाय की वह श्रेणी है जिसमें वह काम करता है (अर्थात वह कंपनी जो उसका नियोक्ता है), फिर इस कंपनी में उसका पद लिया जाता है, औसत इस पद के लिए वेतन अनुमानित है... किसी दिए गए क्षेत्र में और किसी दिए गए व्यावसायिक संदर्भ के लिए "हेड हंटर" और "सुपरजॉब" (और कई अन्य स्रोत हैं) से लिया गया औसत वेतन।

  यदि किसी व्यक्ति ने फोन को रोशन किया है तो "एविटो" और "एव्टो.आरयू" से अतिरिक्त पैरामीटर आमतौर पर लिए जाते हैं। एविटो से आप देख सकते हैं कि कोई व्यक्ति किस प्रकार की चीजें बेच रहा है - महंगी, सस्ती, प्रयुक्त, अप्रयुक्त। "Avto.ru" से आप देख सकते हैं कि क्या उसके पास कार है - वह इसका मालिक है, उसके पास यह नहीं है। यह लगभग 20% से भी कम लोग हैं जिनका फ़ोन गलती से कहीं गिर गया है, और उनके खाते को इस डेटा से जोड़ा जा सकता है।

डेटा संग्रह कंपनी कितने वॉल्यूम में काम करती है?

• पेटाबाइट्स में संग्रहीत तस्वीरों की मात्रा 6,4 है। मैं अभी विकास दर के बारे में ठीक-ठीक नहीं कह सकता, क्योंकि 2016 में हमने "पेरिस्कोप" रिकॉर्ड करना शुरू किया और अभी वीडियो रिकॉर्ड करना शुरू किया।

  मैं ठीक-ठीक नहीं कह सकता कि यह कब शून्य था। हम एक कंपनी से दूसरी कंपनी में चले गए - ये सभी लंबी कहानियाँ हैं। लेकिन मैं कह सकता हूं कि वीके, फेसबुक, इंस्टाग्राम और ट्विटर - ये सभी व्यवसाय (लोग, समूह और उनके बीच कनेक्शन) पाठ और सामग्री के साथ - यह वास्तव में बहुत अधिक डेटा नहीं है, यहां तक ​​​​कि एक पेटाबाइट भी पर्याप्त होने की संभावना नहीं है। मुझे लगता है कि यह 700 गीगाबाइट है, शायद 800।

क्या आप ग्राहकों को वर्तमान जगह और कहां खोदना है यह निर्धारित करने में मदद करते हैं?

• जब कोई क्लाइंट आता है तो हम उसे ऐसी चीजें सुझाते हैं, लेकिन हम खुद गूगल ट्रेंड्स की तरह ऐसी चीजें नहीं करते।
• हमारे पास चुनावी, चुनाव-पूर्व इतिहास के साथ कई लगभग-समाजशास्त्रीय कहानियाँ थीं - हमने सभी का विश्लेषण किया। ब्रांडों के साथ और ब्रांडों के बारे में राय का आकलन करने से, लगभग हमेशा सब कुछ सहमत होता है। यहां चुनाव-चुनाव की कहानियां हैं - नहीं (इस आकलन के साथ कि किस उम्मीदवार को जीतना चाहिए)। मैं नहीं जानता कि यहां कौन गलत है - हम, या वे जो वीटीएसआईओएम में सोचते हैं।
• आम तौर पर हम इन नियंत्रण परिणामों को ब्रांड से ही लेते हैं, वे इसे उन साथियों से लेते हैं जो अनुसंधान का आदेश देते हैं - टेलीफोन अनुसंधान, विपणन अनुसंधान, इत्यादि। साथ ही, इस पूरी चीज़ को बुनियादी चीज़ों से जांचा जा सकता है: किसी ने मेलिंग सूची का उत्तर दिया, किसी ने सर्वेक्षण किया... यदि यह एक बड़ा ब्रांड है (उदाहरण के लिए कोका-कोला), तो उनके पास निश्चित रूप से ग्राहकों से दस लाख या दो आंतरिक समीक्षाएँ हैं - ये केवल सोशल नेटवर्क पर टिप्पणियाँ और कुछ राय नहीं हैं; ये कुछ प्रकार की आंतरिक प्रणालियाँ, समीक्षाएँ इत्यादि हैं।

कानून "नहीं जानता" कि व्यक्तिगत डेटा क्या है!

• हम विशेष रूप से खुले डेटा स्रोतों का विश्लेषण करते हैं और कभी भी किसी गंदी चाल में शामिल नहीं होते हैं। हमारा मॉडल इस तथ्य पर बनाया गया है कि हम सभी खुले डेटा को कुछ सार्वजनिक डेटा केंद्रों में संग्रहीत करते हैं, इसे कहीं और किराए पर लेते हैं, और घर पर, अपने कार्यालयों में, अपने सर्वर में इसका विश्लेषण करते हैं, और यह क्षेत्र के बाहर कहीं भी नहीं जाता है।

  लेकिन ओपन डेटा के क्षेत्र में हमारा कानून बहुत अस्पष्ट है।

  हमें इस बात की स्पष्ट समझ नहीं है कि खुला डेटा क्या है, व्यक्तिगत डेटा क्या है - यह 152वां संघीय कानून है, लेकिन फिर भी... उनकी गिनती कैसे की जाती है? अब, यदि मेरे पास एक डेटाबेस में आपका नाम और आपका फ़ोन नंबर है, दूसरे डेटाबेस में मेरे पास आपका फ़ोन नंबर और आपका ई-मेल है, तीसरे में मेरे पास, मान लीजिए, आपका ई-मेल और आपकी कार है; यह सब गैर-व्यक्तिगत डेटा प्रतीत होता है। अगर इन सबको एक साथ रखें तो ऐसा लगता है कि कानून के मुताबिक यह निजी डेटा बन जाएगा.

  हम इससे दो तरह से निपटते हैं। सबसे पहले क्लाइंट के लिए सॉफ़्टवेयर के साथ एक सर्वर स्थापित करना है, और फिर यह डेटा उसके क्षेत्र से आगे नहीं जाता है, और फिर क्लाइंट इस व्यक्तिगत डेटा, गैर-व्यक्तिगत डेटा आदि के वितरण के लिए जिम्मेदार है। या दूसरा विकल्प: यदि यह किसी प्रकार की कहानी है जहां आपको किसी सोशल नेटवर्क या किसी अन्य चीज़ पर मुकदमा करना है...

  हमारे पास ऐसा एक अध्ययन था जब हमने लाइफ़न्यूज़ के लिए इन साथियों के खातों को एकत्र किया (वहां यूनाइटेड रशिया प्राइमरीज़ थे) और देखा कि उन्हें किस तरह का पोर्न पसंद है। यह एक अजीब बात थी, लेकिन फिर भी। हम इसे अपनी निजी राय के रूप में बेचते हैं, दस्तावेजों में कानूनी रूप से खुलासा किए बिना कि हमने क्या विश्लेषण किया है - कानूनी संस्थाओं का एकीकृत राज्य रजिस्टर, वेतन, सामाजिक नेटवर्क; हम विशेषज्ञ की राय बेचते हैं, और फिर किनारे पर हम उस व्यक्ति को समझाते हैं कि हमने क्या विश्लेषण किया और कैसे।
  कई कहानियाँ थीं, लेकिन वे कुछ सार्वजनिक व्यावसायिक परियोजनाओं से संबंधित थीं। उदाहरण के लिए, हमारे पास उन लोगों के लिए एक निःशुल्क गैर-लाभकारी परियोजना है जो लॉन्गबोर्ड की सवारी करते हैं (ऐसे बोर्ड लंबे होते हैं): कार्य लोगों के प्रकाशन एकत्र करना था - जब कोई पोस्ट करता है "मैं सवारी के लिए गोर्की पार्क गया था।" और अब उसे मानचित्र पर आना चाहिए, और उसके आस-पास के लोग देख सकते हैं कि कोई उसके पास है। वीके ने इस विषय पर बहुत लंबे समय तक हमसे बातचीत की, क्योंकि उन्हें यह बात पसंद नहीं आई कि हम लोगों की अनुमति के बिना यह जानकारी प्रकाशित कर रहे थे। लेकिन तब मामला अदालत में नहीं आया, क्योंकि कई बड़े समुदायों के भीतर हमने नियमों में जोड़ा कि डेटा का उपयोग तीसरे पक्ष, एजेंसियों, कंपनियों, विश्लेषणों आदि द्वारा किया जा सकता है। बेशक, यह विशेष रूप से नैतिक नहीं था, लेकिन फिर भी।

• हमें समय रहते इसका एहसास हुआ और हमने अपनी विशेषज्ञ राय सभी को बेचना शुरू कर दिया।

क्या आप शैक्षणिक संस्थानों के साथ काम करते हैं?

• हम शैक्षणिक संस्थानों के साथ सहयोग करते हैं, हाँ। हमारे पास एक पूरी श्रृंखला है: हमारे पास हायर स्कूल में मास्टर कार्यक्रम है, और हम अन्य विश्वविद्यालयों के साथ सहयोग करते हैं। हम विश्वविद्यालयों से बहुत प्यार करते हैं!
• यदि आपके पास मेरे संपर्क हैं, तो आप मुझे लिख सकते हैं। और प्रेजेंटेशन का एक लिंक, अगर किसी की रुचि हो - ये सभी उदाहरण वहां हैं, तो आप इसे स्थानांतरित कर सकते हैं।
• यदि आप फ़ोन नंबर, मेल जानते हैं - यह लगभग सौ प्रतिशत विकल्प है, तो कोई भी इसे नहीं हटाएगा। यदि कोई फ़ोन नंबर नहीं है, तो यह आमतौर पर एक तस्वीर है; यदि कोई तस्वीर नहीं है, तो यह वर्ष, निवास स्थान, नौकरी है। अर्थात्, वर्ष, निवास स्थान और कार्य के अनुसार, लगभग हर किसी को हमेशा काफी सूक्ष्मता से पहचाना जा सकता है। लेकिन यह, फिर से, कार्य के बारे में एक प्रश्न है।

  मान लीजिए, हमारे पास एक ग्राहक है जो इंटरनेट टेलीविजन बेचता है। किसी ने उनसे इन "गेम्स ऑफ थ्रोन्स" की सदस्यता खरीदी है, और कार्य इन लोगों को सोशल नेटवर्क पर ढूंढने के लिए अपने सीआरएम का उपयोग करना है, और फिर उनके प्रभाव क्षेत्र से संभावित लोगों को ढूंढना है। मेरा मतलब सिर्फ इतना है कि उनके पास, मान लीजिए, एक पहला नाम, एक अंतिम नाम और एक ई-मेल है... और फिर कुछ भी करना बहुत मुश्किल है। अधिकांश मामलों में, लोगों को ई-मेल द्वारा पाया जा सकता है।

• अपने दोस्तों की संरचना के आधार पर, हम आमतौर पर सोशल नेटवर्क पर लोगों से "मिलान" करते हैं, लेकिन यह हमेशा सही नहीं होता है। ऐसा नहीं है कि यह हमेशा सही नहीं होता - यह हमेशा काम नहीं करता। सबसे पहले, इसके लिए बहुत अधिक श्रम की आवश्यकता होती है, क्योंकि यह ऑपरेशन (लोगों का मिलान) पहले प्रत्येक मित्र के लिए करना होगा - यह समझने के लिए कि वे सोशल नेटवर्क से आए हैं या नहीं। और फिर - यह किसी के लिए भी अज्ञात तथ्य है कि VKontakte पर हमारे एक जैसे दोस्त हैं, फेसबुक पर हमारे अलग-अलग दोस्त हैं। हर किसी के लिए नहीं, लेकिन मेरे लिए, उदाहरण के लिए, यह ऐसा है; और यह अधिकांश लोगों के लिए सच भी है।

सबसे संपूर्ण डेटा कैसे एकत्र किया जाता है?

• क्लाइंट के लिए उसकी ओर से सॉफ़्टवेयर इंस्टॉल करना। उन पर एक सर्वर स्थापित होता है, जो हमसे केवल सार्वजनिक डेटा लेता है, और उनके व्यक्तिगत डेटा को आंतरिक रूप से संसाधित करता है। ग्राहक के साथ एक एनडीए संपन्न हुआ है। बेशक, यह बहुत सही नहीं है कि वे इसे हमें हस्तांतरित करते हैं, लेकिन कानूनी जिम्मेदारी ग्राहक की होती है - ठीक है, यानी उसके लिए सॉफ़्टवेयर स्थापित करना, या गुमनाम डेटा स्थानांतरित करना। लेकिन यह बहुत दुर्लभ था, क्योंकि - सही या गलत गुमनामी - ज्यादातर मामलों में इन लोगों के बीच निर्भरता खत्म हो जाती है।

चेहरे की पहचान करने वाला सॉफ़्टवेयर कौन खरीदता है?

• हम वास्तव में यहां जा रहे हैं क्योंकि हमारा मुख्य सॉफ्टवेयर जो हम बेचते हैं वह चेहरा खोज, सहसंबंध विश्लेषण है, और हम इसे सरकारी एजेंसियों को बेचते हैं। और डेढ़ साल पहले, हमने तय किया कि हम इन सभी कहानियों को विज्ञापन में, मार्केटिंग में, सार्वजनिक बाज़ार में डालेंगे - इस तरह सोशल डेटा हब, एक वाणिज्यिक कानूनी इकाई, का गठन हुआ। और अब हम बस यहीं आ रहे हैं. हम यहां डेढ़ साल से घूम रहे हैं, लोगों को यह समझाने की कोशिश कर रहे हैं कि लोगों को उल्लेख के साथ डाउनलोड देने की कोई ज़रूरत नहीं है, कि उन्हें सवालों के जवाब देने की ज़रूरत है, कि टोनलिटी की कोई ज़रूरत नहीं है , और इसी तरह। इसलिए यह कहना मुश्किल है कि कहां...
• (आपका मतलब किससे है?) उन सभी साथियों के लिए जिन्हें आतंकवादियों और पीडोफाइल की तलाश करनी है।
  मैं तुरंत कह सकता हूं (यह अगला प्रश्न होगा): हमारे आंकड़ों के अनुसार, किसी भी शिक्षक को रीपोस्टिंग के लिए जेल नहीं भेजा गया।
• VKontakte पर - 14%; फेसबुक पर ऐसी कोई बंद प्रोफ़ाइल नहीं है (दोस्तों की एक बंद सूची है, इत्यादि)। और सबसे दिलचस्प बात यह है कि मैंने अभी एक संदेश लिखा है - अब वे गिनेंगे और कहेंगे।

कुछ ऐसा पोस्ट न करें जिससे आपको शर्म आनी पड़े!

• सोशल नेटवर्क पर ऐसा कुछ भी पोस्ट न करें जिससे आपको शर्मिंदगी उठानी पड़े - मैं व्यक्तिगत रूप से इसका पालन करता हूं। हालाँकि मेरी बहुत सारी निजी बातें थीं, क्योंकि मैं फेसबुक पर कसम खाता हूँ। खैर, वहाँ था और कुछ किया जाना था... ऐसा कुछ भी पोस्ट न करें जो शर्मनाक हो! यदि आप बाद में पब्लिक चैंबर में कहीं काम करने जा रहे हैं, तो टिप्पणी न करना ही बेहतर है। यदि आप ऐसा नहीं करने जा रहे हैं, तो कुल मिलाकर, किसी को कोई परवाह नहीं है। मैं आपको केवल यह आश्वासन दे सकता हूं कि कोई भी आपके व्यक्तिगत पत्राचार को नहीं पढ़ता है, और यह सब इस पूरी कहानी को बना रहा है...

  हर हफ्ते, कोई निश्चित रूप से मेरे पास आता है और कहता है: "ठीक है, मेरे दोस्त की तस्वीरें किसी गुमनाम सार्वजनिक पेज पर लीक हो गईं!" मदद करना! वैसे, कभी भी गुमनाम सार्वजनिक पेजों पर कुछ भी प्रकाशित न करें।

• मैं अन्य निगरानी प्रणालियों के बारे में नहीं जानता - हम निश्चित रूप से इसे ध्यान में रखेंगे, कि ब्रांड का उल्लेख नकारात्मक था, भगवान मुझे माफ करें... लेकिन मैं कह सकता हूं कि सभी प्रकार के निकट-राज्य कॉमरेड केवल लोगों में रुचि रखते हैं जिनके पास 5 हजार से अधिक दर्शक हैं, और उनकी सार्वजनिक राय किसी को प्रभावित कर सकती है। तो प्रभावित करें। मेरे अनुभव में, ऐसा कभी नहीं हुआ कि एचआर एजेंसी जो हमसे प्रोफ़ाइल मूल्यांकन का आदेश देती है, ने कहा: "जो कोई भी नवलनी को पसंद करता है, वह किसी को नौकरी पर न रखे!"

परिणाम प्रकाशित करने के संबंध में. अनुसंधान में कितने लोग कार्यरत हैं?

• शीर्ष 10 विज्ञापन कंपनियों में से सात अब प्रकाशन कर रही हैं। यह कहना मुश्किल है: डेढ़ साल पहले हमने इसे कब शुरू किया था... हमारे पास प्रत्येक क्षेत्र में कई लोग हैं - बैंकों में कई लोग हैं, एचआर में कई लोग हैं, विज्ञापन में कई लोग हैं। और अब हम सोच रहे हैं कि पहले किसके पास जाना अधिक लाभदायक है, किसके लिए हमें कुछ इंटरफेस बनाना शुरू करना होगा...
• (प्रति बाज़ार खंड में लोगों की संख्या के बारे में) 25 से अधिक लोग नहीं, क्योंकि हमने किसी के साथ बलात्कार नहीं किया।
• सामान्य तौर पर, सिद्धांत रूप में, बाजार से इन प्रौद्योगिकियों का उपयोग किया जाता है, मुझे लगता है, 50% से अधिक। कुछ विज्ञापन अभियानों में, कुछ किसी प्रकार के आंतरिक विश्लेषण में। मैं कहूंगा कि 40 प्रतिशत इसका उपयोग आंतरिक विश्लेषण में करते हैं, 50-60% इसे अंतिम ब्रांडों को बेचते हैं। लेकिन यह पहले से ही विज्ञापन कंपनियों पर ही निर्भर करता है। आप देखिए, कुछ लोग केवल खर्च किए गए पैसे, अपने द्वारा लगाए गए विज्ञापन के बारे में रिपोर्ट करते हैं, जबकि अन्य लिखते हैं कि वे कितने लोगों को लेकर आए, किस तरह के दर्शक थे... मैं ऐसा कहूंगा, लेकिन मैं गलत भी हो सकता हूं - मैं नहीं जानता।' मैं वास्तव में कल्पना नहीं कर सकता कि ये सभी कॉमरेड कैसे काम करते हैं। मैं केवल मात्रात्मक डेटा में जानता हूं।

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