Arthur Khachuyan je poznati ruski stručnjak za obradu velikih podataka, osnivač tvrtke Social Data Hub (sada Tazeros Global). Partner Nacionalnog istraživačkog sveučilišta Visoka ekonomska škola. Pripremio i predstavio, zajedno s Nacionalnim istraživačkim sveučilištem Higher School of Economics, prijedlog zakona o velikim podacima u Vijeću Federacije.Govorio je na Institutu Curie u Parizu, Državnom sveučilištu St. Petersburg, Federalnom sveučilištu pri Vladi Ruske Federacije, u Crvenoj jabuci, International OpenDataDay, RIW 2016, AlfaFuturePeople.
Predavanje je snimljeno na open-air festivalu “Geek Picnic” u Moskvi 2019. godine.
Arthur Khachuyan (u daljnjem tekstu – AH): – Ako od ogromnog broja industrija – od medicine, od građevine, od nečega, nečega, odabrati onu u kojoj se najčešće koristi tehnologija big data, strojnog učenja, dubokog učenja, onda je to vjerojatno marketing. Jer zadnje tri i nešto godine sve što nas okružuje u nekakvim reklamnim komunikacijama sada je vezano upravo uz analizu podataka i upravo uz ono što se može nazvati umjetnom inteligencijom. Stoga ću vam danas pričati o ovome iz tako daleke povijesti...
Ako zamislite umjetnu inteligenciju i kako ona izgleda, vjerojatno je tako nešto. Čudna slika jedna je od neuronskih mreža koje sam napisao prije godinu dana kako bih pronašao ovisnost o tome što moj pas radi - koliko puta treba ići veliko, malo i koliko to općenito ovisi o tome koliko jede ili ne?. Ovo je šala o tome kako se može zamisliti umjetna inteligencija.
Ali ipak, razmislimo kako to sve funkcionira u reklamnim komunikacijama. Postoje tri načina na koje moderni algoritmi u oglašavanju i marketingu mogu komunicirati s nama. Jasno je da je prva priča usmjerena na dobivanje i izvlačenje dodatnih saznanja o tebi i meni, a zatim ih koristiti u neke dobre i manje dobre svrhe; personalizirati pristup svakoj konkretnoj osobi; Naravno, nakon toga stvoriti određenu potražnju kako bi se izvršila glavna ciljna radnja i provela određena prodaja.
Pomoću tehnologije pokušavaju riješiti problem učinkovite komunikacije
Ako vam kažem da razmislite o tome što Pornhub i M. Video”, o čemu razmišljate?
Komentari publike (u daljnjem tekstu C): - TV, publika.
OH: – Moj koncept je da su to dva mjesta gdje ljudi dolaze po određenu vrstu usluge, ili nazovimo to određenu vrstu robe. A ova se publika razlikuje po tome što prodavaču ne želi ništa reći. Ona želi ući i dobiti ono što je zanima u nekom eksplicitnom ili implicitnom obliku. Naravno, nitko nije dolazio u M. Video” ne želi komunicirati ni s jednim prodavačem, ne želi razumjeti, ne želi odgovoriti ni na jedno njihovo pitanje.
Stoga iz svega proizlazi prva priča.
Kada su se pojavile tehnologije za dobivanje dodatnih znanja kako bi se nekako izbjegla komunikacija s osobom. Svi mi volimo kada nazovemo banku, a banka nam kaže: “Dobar dan. Alexey, ti si naš VIP klijent. Sada će neki super menadžer razgovarati s tobom.” Dođete u ovu banku i zaista postoji jedinstveni menadžer koji može razgovarati s vama. Nažalost ili nasreću, niti jedna tvrtka se još nije dosjetila kako zaposliti tisuću osobnih menadžera za tisuću klijenata; a budući da je većina tih ljudi sada online, zadatak je shvatiti kakva je to osoba i kako s njom ispravno komunicirati prije nego što dođe do nekog reklamnog resursa. I stoga su se zapravo pojavile tehnologije koje pokušavaju riješiti ovaj problem.
Ekstrakcija podataka je novo ulje
Zamislimo da ste vlasnik štanda s cvijećem. Troje vas dolazi vidjeti. Prvi jako dugo stoji, oklijeva, pokušava razgovarati s tobom, uzme nekakav buket - ideš ga zamotati, izađeš tamo nešto obaviti; bježi od štanda s ovim buketom - izgubili ste svoje tri tisuće rubalja. Zašto se to dogodilo? Ne znate ništa o ovoj osobi: ne znate njegovu povijest uhićenja u MUP-u, ne znate da je kleptoman i da je registriran u psihijatrijskoj ambulanti. Zašto? Jer ste to vidjeli prvi put, a niste bihevioralni analitičar.
Dolazi netko drugi... Vitaly. Vitaliju također treba jako puno vremena da to shvati, kaže: "Pa, treba mi to i to." A ti mu kažeš: "Cvijeće za mamu, zar ne?" I prodaš mu buket.
Koncept je ovdje pronaći dovoljno podataka da bi se razumjelo što osobi zapravo treba. Svi su odmah pomislili na nekakve reklamne mreže i tako dalje...
Svatko je vjerojatno više puta čuo glupu rečenicu da su “podaci novo ulje”? Sigurno su svi čuli. Zapravo, ljudi su davno naučili prikupljati podatke, no izvlačenje podataka iz tih podataka zadatak je koji sada pokušava riješiti umjetna inteligencija u marketingu, odnosno nekakvi statistički algoritmi. Zašto? Jer ako razgovarate s osobom, ona vam može dati točan, pogrešan ili nekako obojen odgovor. Šala koju pričam svojim studentima je kako se ankete razlikuju od statistike. Ispričat ću vam ovo kao anegdotu:
To znači da su u dva sela odlučili provesti studiju o prosječnoj dužini muškosti. To znači da je u prvom selu, Villaribo, prosječna dužina 15 centimetara, u selu Villabaggio - 25. Znate li zašto? Zato što su u prvom selu obavljena mjerenja, a u drugom premjer.
Porno industrija je perjanica sustava preporuke
Zato je moderni pristup analizirati sve ljude bez iznimke, čak i ako ih ima nešto manje od 100%, ali to su ljudi koje ne treba pitati, ne treba ih gledati. Dovoljno je analizirati ono što se sada naziva digitalnim otiskom da bi se shvatilo što je toj osobi potrebno, kako s njom ispravno razgovarati, kako pravilno stvoriti potražnju oko nje. S jedne strane, ovo je bezumni stroj (ali vi i ja to vrlo dobro znamo); ne želimo komunicirati s ljudima iz M. Video”, a još više, kada idemo na resurse kao što je Pornhub, želimo dobiti upravo ono što nam je potrebno.
Zašto uvijek govorim o Pornhubu? Zato što je industrija za odrasle prva koja dolazi do analize takvih tehnologija, do implementacije takvih tehnologija, do analize podataka. Ako uzmete tri najpopularnije biblioteke u ovom području (primjerice, TensorFlow ili Pandas za Python, za obradu CSV datoteka i tako dalje), otvorite li je na Githubu, kratkim Googleom svih ovih imena pronaći ćete par ljudi koji su radili ili trenutno rade u tvrtki Pornhub, te su tamo prvi implementirali sustave preporuke. Općenito, ova priča je jako napredna, i pokazuje koliko je ova publika, koliko je ova kompanija krenula naprijed.
Tri razine identifikacije
Oko osobe postoji ogroman skup podataka koji se mogu identificirati. Obično to formalno dijelim na tri razine, idući sve dublje i dublje. Naravno, tvrtka ima svoje podatke.
Ako, recimo, govorimo o izgradnji sustava preporuka, onda su prva razina podaci koji se nalaze u samoj trgovini (povijest kupovine, sve vrste transakcija, kako je osoba komunicirala sa sučeljem).
Sljedeća je razina (relativno najveća) - to je ono što se zove otvoreni izvori. Nemojte misliti da vas potičem na struganje po društvenim mrežama, ali zapravo ono što je dostupno u otvorenim izvorima otvara ogroman skup podataka koje možete, recimo, saznati o osobi.
I treći veliki dio je okolina same te osobe. Da, postoji mišljenje da ako osoba nije na društvenim mrežama, tamo nema podataka o njoj (vjerojatno već znate da to nije točno), ali najvažnije je da podaci koji se nalaze na profilu osobe (ili u nekoj aplikaciji) samo je 40% znanja koje se o tome može dobiti. Ostatak informacija dobiva iz svoje okoline. Fraza “reci mi tko ti je prijatelj i reći ću ti tko si” u XNUMX. stoljeću dobiva novo značenje jer se oko te osobe može doći do ogromne količine podataka.
Ako govorimo bliže reklamnim komunikacijama, onda je primanje reklamnih komunikacija ne od reklama, već od nekog prijatelja, poznanika ili na neki način provjerene osobe vrlo cool značajka koju mnogi marketingaši koriste. Kada vam neka aplikacija iznenada da besplatni promo kod, vi objavite o tome i time privučete novu publiku. Zapravo, ovaj promo kod za uvjetni "Yandex.Taxi" nije odabran slučajno, već je za to analizirana ogromna količina podataka o vašem potencijalu da privučete novu publiku i na neki način komunicirate s njima.
Analiziraju čak i ponašanje likova TV serija
Pokazat ću ti tri slike, a ti mi reci koja je razlika između njih.
Ovaj:
Ovaj:
A ovaj:
Koja je razlika između njih? Ovdje je sve jednostavno. Kao iu kvantnoj mehanici, iu ovom slučaju tu je kreativnost oblikovao promatrač. Odnosno, razlika u istoj reklamnoj kampanji, koju provodi isti brend u isto vrijeme, samo je u tome tko je gledao ovu kreativu. Osobno, kad idem u Amediateku, još uvijek prikazuju Khal Droga. Ne znam što Amediateka misli o mojim preferencijama, ali iz nekog razloga to se događa.
Ono što se danas naziva personaliziranom komunikacijom najpopularnija je priča o privlačenju publike i pravilnoj interakciji s njom. Ako smo u prvoj fazi identificirali ljude pomoću podataka vlastitog brenda, podataka otvorenog izvora i, primjerice, podataka iz okoline te osobe, nakon analize te osobe možemo razumjeti tko je ona, kako s njom ispravno razgovarati i, što je najvažnije , kojim jezikom govori razgovaraj s njim.
Ovdje je tehnologija otišla toliko daleko da se sada analiziraju likovi u serijama koje ljudi gledaju. Odnosno, volite TV serije - gledaju se [lajkovi], gledaju s kim ste tamo komunicirali, kako bi shvatili kakva bi osoba bila prikladna za vas. Zvuči kao potpuna besmislica, ali samo zabave radi, isprobajte na jednom od resursa - različiti ljudi vide različite kreative (kako bi ispravno komunicirali s njima).
Niti jedan moderni medij ili bilo koji video izvor ne prikazuje samo neke vijesti. Idite u medije - učitava se ogroman broj algoritama koji vas identificiraju, razumiju sve vaše prethodne aktivnosti, pozivaju se na matematički model i onda vam nešto pokažu. U ovom slučaju postoji tako čudna priča.
Kako se određuju potrebe? Psihometrija. Fizionomija
Postoji mnogo (stvarnih) pristupa utvrđivanju stvarnih potreba osobe i kako s njima ispravno komunicirati. Puno je pristupa, sve se rješava na različite načine, ne može se reći što je dobro, a što loše. Glavni kao da sve znaju.
Psihometrija. Nakon priče s Cambridge Analyticsom, došlo je do nekog šokantnog, po meni nekakvog zaokreta, jer sada svaka druga politička kompanija dođe i kaže: “O, možete li me napraviti kao Trumpa? I ja želim pobijediti, i tako dalje.” Zapravo, to je, naravno, besmislica za naše stvarnosti, na primjer, političke izbore. Ali za određivanje psihotipa koriste se tri modela:
- prvi se temelji na sadržaju koji konzumirate - riječi koje pišete, neke informacije koje vam se sviđaju, video zapisi itd.;
- drugi je povezan s načinom na koji komunicirate s web sučeljem, kako tipkate, koje gumbe pritišćete - doista, postoje čitave tvrtke koje na temelju svog rukopisa na tipkovnici mogu prilično pouzdano odrediti ono što se danas naziva psihotipovima.
- Nisam neki psiholog, ne razumijem baš kako to funkcionira, ali sa stajališta reklamnih komunikacija, publika podijeljena na te segmente funkcionira jako dobro, jer nekome treba pokazati crveni ekran s plavim ženo, nekome treba pokazati tamni ekran -plava pozadina s nekom vrstom apstrakcije, i radi jako cool. Na nekim niskim razinama - toliko da čovjek o tome i ne razmišlja. Što je sada glavni problem na tržištu oglašavanja? Svatko je obavještajac, svatko se skriva, svatko ima milijun tisuća instaliranih dopuštenja preglednika, kako ne bi bio identificiran na bilo koji način - vjerojatno imate "Adblocks", "Gostrey" i kojekakve aplikacije koje blokiraju praćenje. Zbog toga je vrlo teško razumjeti bilo što o osobi. I tehnologija je krenula dalje - morate ne samo znati da se ta osoba vratila na vašu stranicu po 125. put, već i da je takva i toliko čudna osoba.
Fizionomija je vrlo kontroverzna znanost. To se čak i ne smatra znanošću. Riječ je o skupini ljudi koji su programirali detektore laži za nekakvo Ministarstvo unutarnjih poslova, a sada se bave onim što se zove personifikacija kreativnosti. Pristup je ovdje vrlo jednostavan: nekoliko vaših javnih fotografija preuzeto je s nekih društvenih mreža i od njih je izgrađena trodimenzionalna geometrija. A ako ste pravnik, sad ćete reći da se radi o osobi i osobnim podacima; ali reći ću vam da je to 300 tisuća točaka smještenih u svemiru, a to nije osoba, niti su osobni podaci. To obično kažu svi kad im Roskomnadzor dođe.
Ali ozbiljno, vaše lice zasebno, ako tu nije potpisano vaše ime i prezime, nije vaš osobni podatak. Poanta je u tome da dečki ističu različite crte lica koje utječu na to kako osoba donosi odluke i kako s njom ispravno komunicirati. U nekim područjima to loše funkcionira, u nekim segmentima oglašavanja; u kojim segmentima radi jako dobro. Na kraju, ispada da kada odete na neki resurs, ne vidite samo jedan banner koji se prikazuje svima, nego, na primjer... sada je normalno napraviti 16 ili 20 opcija za različite publike - i to funkcionira jako cool. Da, to je još tužnije sa stajališta potrošača, jer se ljudima sve više počinje manipulirati. Ali svejedno, s poslovne točke gledišta, funkcionira vrlo dobro.
Crna kutija strojnog učenja
To dovodi do sljedećeg problema s takvim tehnologijama: na kraju krajeva, za većinu programera sada je ono što se zove duboko učenje "crna kutija". Ako ste ikad bili uronjeni u ovu priču i razgovarali s programerima, oni uvijek kažu: "Oh, slušajte, pa, kodirali smo nešto tako nerazumljivo, a ne znamo kako to funkcionira." Možda se nekome ovo dogodilo.
Ovo je zapravo daleko od istine. Ono što se danas zove strojno učenje daleko je od "crne kutije". Postoji ogroman broj pristupa za opisivanje ulaznih i izlaznih podataka, a na kraju tvrtka može temeljito razumjeti na temelju kojih je znakova stroj odlučio prikazati vam ovaj ili neki drugi pornografski video. Pitanje je da niti jedna tvrtka to nikada ne otkriva, jer: prvo, to je poslovna tajna; drugo, postojat će ogromna količina podataka za koje niste ni znali.
Primjerice, prije ovoga smo u raspravi o etici raspravljali o tome kako društvene mreže analiziraju osobne poruke kako bi tagirali ljude u nekakvim reklamnim pričama. Ako nekome nešto napišete, na temelju toga dobivate određenu oznaku za, zapravo, neku vrstu reklamne komunikacije. I nikada to nećete dokazati, a vjerojatno i nema smisla dokazivati. Međutim, da su slični obrasci otkriveni, oni bi postojali. Ispada da se tržište za izgradnju takvih sustava preporuka pretvara da ne zna zašto se to dogodilo.
Ljudi ne žele znati što ljudi znaju o njima
A druga priča je da klijent nikad ne želi znati zašto je dobio baš tu reklamu, baš taj proizvod. Ispričat ću vam ovu priču. Moje prvo iskustvo u komercijalnoj implementaciji sustava preporuka temeljenih na sličnim algoritmima upravo radi istraživanja bilo je 2015. godine u jednoj vrlo velikoj mreži sex shopova (da, također ne posebno neugodna priča).
Kupcima je ponuđeno sljedeće: dođu, ulogiraju se na svoju društvenu mrežu i nakon otprilike 5 sekundi dobiju za njih potpuno personaliziranu trgovinu, odnosno svi su proizvodi promijenjeni - spadaju u određenu kategoriju i sl. . Znate li koliko je porasla stopa konverzije ove trgovine? Nipošto! Ljudi su ulazili i odmah bježali od toga. Ušli su i shvatili da im se nudi upravo ono o čemu su razmišljali...
Problem s ovim testom je bio što je ispod svakog proizvoda pisalo zašto vam je ponuđen baš taj (“jer ste član skrivene grupe “Moćna žena traži muškarca koji je otirač”). Stoga moderni sustavi preporuka nikada ne pokazuju podatke na temelju kojih je napravljeno “predviđanje”.
Vrlo popularna priča su mediji jer svi koriste slične sustave preporuka. Prethodno su algoritmi bili vrlo jednostavni: pogledajte kategoriju “Politika” - i prikazat će vam vijesti iz kategorije “Politika”. Sada je sve toliko komplicirano da analiziraju mjesta na kojima ste zaustavili miš, na koje riječi ste se koncentrirali, što ste kopirali, kako ste općenito komunicirali s ovom stranicom. Zatim analizira vokabular samih poruka: da, ne čitate samo vijesti o Putinu, nego na određeni način, s određenom emocionalnom bojom. A kada čovjek dobije neku vijest, uopće ne razmišlja o tome kako je došao ovdje. Ipak, on tada stupa u interakciju s tim sadržajem.
Sve to, naravno, ima za cilj zadržati jadnog, nesretnog malog čovjeka koji već luduje od ogromne količine informacija koje ga okružuju. Ovdje treba reći da bi bilo lijepo koristiti takve sustave za personalizaciju kreative oko sebe i prikupljanje nekih informacija, ali nažalost, takvih usluga još nema.
Umjetna inteligencija hvata klijenta u zraku i stvara potražnju
I tu se postavlja jedno vrlo zanimljivo filozofsko pitanje, od stvaranja sustava preporuka do stvaranja potražnje. Rijetko tko razmišlja o tome, ali kada pokušate pitati takozvani Instagram, “Zašto prikupljate podatke? Zašto mi ne bi prikazao apsolutno nasumične reklame?” - Instagram će vam reći: “Prijatelju, ovo je sve napravljeno da vam pokaže točno ono što je vama zanimljivo.” Na primjer, želimo vas upoznati tako precizno da vam možemo pokazati točno ono što tražite.
Ali tehnologija je odavno prešla taj strašni prag i slične tehnologije više ne predviđaju što vam treba. Oni (pozor!) stvaraju potražnju. Ovo je vjerojatno najstrašnije što se vrti oko umjetne inteligencije u takvim komunikacijama. Zastrašujuće je to što se zadnjih 3-5 godina koristi gotovo posvuda - od Google rezultata pretraživanja do Yandex rezultata pretraživanja, do nekih sustava... Dobro, neću reći ništa loše o Yandexu; i dobro.
Koja je svrha? Prošlo je dosta vremena otkako su se takve reklamne komunikacije udaljile od strategije u kojoj napišete "Želim kupiti dječju sjedalicu" i vidite sto tisuća milijuna publikacija. Prešli su na sljedeće: čim bi žena objavila fotografiju s jedva vidljivim trbuščićem, njezinom bi suprugu odmah počele stizati poruke: “Čovječe, porod je uskoro. Kupite dječju sjedalicu."
Ovdje se možete razumno zapitati zašto uz tako gigantski napredak tehnologije još uvijek viđamo tako usrano oglašavanje na društvenim mrežama? Problem je što na ovom tržištu još uvijek sve odlučuje novac, pa u jednom lijepom trenutku neki oglašivač poput Coca-Cole može doći i reći: “Evo ti 20 milijuna - pokaži cijelom Internetu moje usrane bannere.” I stvarno će to učiniti.
Ali ako napravite nekakav čisti račun i isprobate koliko vas takvi algoritmi točno pogađaju: prvo vas pokušaju pogoditi, a onda vam počnu nešto raditi unaprijed. A ljudski mozak funkcionira tako da, kad primi informaciju koja je za njega pouzdana, uopće ne procesuira trenutak zašto je tu informaciju primio. Prvo pravilo za utvrđivanje da ste u snu je razumijevanje kako ste došli ovamo. Čovjek se nikada ne sjeća trenutka kada je završio u određenoj prostoriji. I ovdje je isto.
Google bi mogao početi oblikovati vaš svjetonazor
Takva istraživanja provelo je nekoliko stranih tvrtki koje se bave i-trackingom. Na posebna računala instalirali su uređaje koji bilježe kamo gledaju oči ispitanika. Uzeo sam od pet do sedam tisuća volontera koji su jednostavno skrolali feed, komunicirali s društvenim mrežama, s oglašavanjem i bilježili podatke na kojim su dijelovima bannera i kreativa ti ljudi zaustavili pogled.
I pokazalo se da kada ljudi dobiju takav hiperpersonalizirani kreativni materijal, oni čak i ne razmišljaju o tome - odmah krenu dalje, počnu komunicirati s njim. S poslovnog gledišta to je dobro, ali sa stajališta nas, korisnika, nije baš cool, jer – čega se boje? – Da u jednom lijepom trenutku uvjetni “Google” počne (ili, naravno, ne počne) formirati vlastiti svjetonazor. Sutra, na primjer, može početi ljudima prikazivati vijesti da je Zemlja ravna.
Šalim se, ali oni su toliko puta uhvaćeni da za vrijeme izbora počnu davati određene informacije određenim ljudima. Svi smo navikli na činjenicu da tražilica sve dobije pošteno. Ali, kao što uvijek kažem, ako stvarno želite znati kako svijet funkcionira, napišite vlastitu tražilicu, bez filtera, bez obraćanja pozornosti na autorska prava, bez rangiranja nekih svojih prijatelja u rezultatima pretraživanja. Prikaz stvarnih podataka na internetu općenito se razlikuje od onoga što prikazuju Google, Yandex, Bing i tako dalje. Neki materijali su skriveni jer su prijatelji, kolege, neprijatelji ili netko drugi (ili bivši ljubavnik s kojim ste spavali) - nije važno.
Kako je Trump pobijedio
Kad su bili posljednji izbori u Sjedinjenim Državama, provedena je vrlo jednostavna studija. Uzimali su iste zahtjeve na različitim mjestima, s različitih IP adresa, iz različitih gradova, različiti ljudi guglali su istu stvar. Uobičajeno, zahtjev je bio u stilu: tko će pobijediti na izborima? I zapanjujuće, rezultati su konstruirani na takav način da su u onim državama u kojima je najveći broj ljudi pokušao glasati za pogrešnog kandidata, dobili poneku dobru vijest o kandidatu kojeg je Google promovirao. Koji? Pa jasno je koji - onaj koji je postao predsjednik. To je apsolutno nedokaziva priča, a sve te studije su prst u vodu. Google može reći: "Društvo, sve je ovo napravljeno kako bismo vam prikazali najrelevantniji sadržaj."
Od sada, trebate znati da ono što se zove maksimalno relevantno apsolutno nije slučaj. Tvrtka relevantnim naziva nešto što vam treba prodati iz nekog dobrog ili lošeg razloga.
Oni koji sada nemaju novca već se pripremaju za buduće kupnje
Postoji još jedna zanimljiva stvar o kojoj ću vam reći. Ogroman broj aktivne publike sada na društvenim mrežama i u aplikacijama su mladi ljudi. Nazovimo to ovako - insolventna mladost: djeca od 8-9 godina koja igraju moronske igrice, ovo su 12-13-14 koja se tek registriraju na društvenim mrežama. Zašto bi ogromne tvrtke trošile goleme proračune i resurse za izradu aplikacija za publiku koja ne plaća i koja se nikada ne unovčava? Onog trenutka kada ova publika postane platežno sposobna, o njoj će biti dovoljno podataka da se može vrlo dobro predvidjeti njeno ponašanje.
Sada pitajte bilo kojeg targetologa, koja je publika najteža? Reći će: visokoprofitabilno. Jer prodati, primjerice, stan vrijedan 150 milijuna rubalja putem društvenih mreža gotovo je nemoguće. Ima izoliranih slučajeva kada napravite nekakvu reklamu za 10 tisuća ljudi, netko kupi taj stan - klijent je uspješan... Ali jedan od deset tisuća je, statistički gledano, potpuno sranje. Dakle, zašto je teško identificirati publiku s visokim primanjima? Zato što su ljudi koji su sada članovi visokoprofitabilne publike rođeni kada je internet još bio vrlo malen, kada još nitko nije poznavao Artemija Lebedeva i nema nikakvih informacija o njima. Nemoguće je predvidjeti njihov obrazac ponašanja, nemoguće je razumjeti tko su im vođe javnog mnijenja i iz kojih izvora dobivaju sadržaj.
Pa kad za 25 godina svi postanete milijarderi, a tvrtke koje će vam nešto prodati imat će ogromnu količinu podataka. Zato sada imamo prekrasan GDPR u Europi koji sprječava prikupljanje podataka od maloljetnika.
Naravno, to u praksi nikako ne funkcionira, jer sva djeca i dalje igraju na maminim i tatinim računima - tako se prikupljaju informacije. Sljedeći put kad djetetu date tablet, razmislite o ovome.
Apsolutno ne neka zastrašujuća, distopijska budućnost, kada će svi umrijeti u ratu sa strojevima - sada apsolutno stvarna priča. Postoji ogroman broj tvrtki koje stvaraju algoritme za psihoprofiliranje ljudi na temelju toga kako igraju igrice. Vrlo zanimljiva industrija. Na temelju svega toga ljudi se onda segmentiraju kako bi se s njima nekako komuniciralo.
Predviđanje ponašanja tih ljudi bit će dostupno za 10-15 godina – upravo u trenutku kada postanu platežno sposobna publika. Ono što je najvažnije je da su ti ljudi već unaprijed dali dopuštenje za obradu njihovih osobnih podataka, prijenos trećim stranama i sve je to sreća i tako dalje.
Tko će ostati bez posla?
I moja zadnja priča je da se svi uvijek pitaju što će biti za 50 godina: svi ćemo umrijeti, bit će nezaposlenost za trgovce... Ima ovdje trgovaca koji se brinu zbog nezaposlenosti, zar ne? Općenito, nema razloga za brigu, jer svaka visokokvalificirana osoba neće ostati bez posla.
Bez obzira kakvi se algoritmi kreiraju, koliko god se stroj približio ovome što imamo ovdje (pokazuje na svoju glavu), ako se dovoljno brzo razvija, takvi ljudi nikada neće ostati besposleni, jer će netko morati stvoriti te kreativne stvari čini. Da, ima svakakvih “ganaca” koji crtaju slike koje liče na ljude i stvaraju glazbu, ali ipak je malo vjerojatno da će ljudi na ovim prostorima ikada ostati bez posla.
Uz priču imam sve, pa možete postavljati pitanja ako imate još. Hvala vam.
Moderator: – Prijatelji, sada prelazimo na blok „Pitanje i odgovori”. Podigneš ruku - priđem ti.
Pitanje iz publike (XNUMX): – Pitanje o “crnoj kutiji”. Rekli su da je moguće konkretno razumjeti zašto je dobiven takav i takav rezultat za tog i tog korisnika. Jesu li to nekakvi algoritmi ili se svaki put za svaki model treba analizirati ad hoc (op. autora: “posebno za ovo” - latinska frazeološka jedinica)? Ili postoje već gotovi za nekakvu neuronsku mrežu koja, grubo rečeno, može imati poslovnog smisla?
OH: – Ovdje morate razumjeti sljedeće: u strojnom učenju postoji ogroman broj zadataka. Na primjer, postoji zadatak - regresija. Za regresiju uopće nisu potrebne neuronske mreže. Sve je jednostavno: imate nekoliko pokazatelja, morate izračunati sljedeće. Postoje zadaci u kojima je potrebno pribjeći takvoj stvari kao što je duboko učenje. Doista, u dubinskom učenju teško je pouzdano razumjeti koje su težine dodijeljene kojim neuronima, ali zakonski sve što trebate je razumjeti koji su podaci bili na ulazu i kako su se odigrali na izlazu. To je pravno dovoljno za patentiranje takve odluke i dovoljno za razumijevanje na temelju čega je nastala priča.
Nije kao da ste otišli na stranicu i prikazali vam nekakav banner jer ste se prije dva mjeseca slikali s crvenom kosom na Instagramu. Ako programer ne uključi prikupljanje ovih podataka i označavanje boje kose u ovaj model, onda to neće doći niotkuda.
Kako prodati rezultate sustava strojnog učenja?
Z: – Samo je pitanje što: točno kako objasniti, kako prodati nekome tko ne razumije strojno učenje. Želim reći: moj model jasno vodi od boje kose do... pa, promjene boje kose... Je li to moguće ili ne?
OH: - Možda da. Ali s prodajne točke gledišta, jedina shema će funkcionirati: imate reklamnu kampanju, mi zamijenimo publiku s onom koju generira stroj - i samo vidite rezultat. To je, nažalost, jedini način da se kupca pouzdano uvjeri da takva priča funkcionira, jer na tržištu ima puno rješenja koja su jednom implementirana i nisu funkcionirala.
O stvaranju virtualne osobnosti
Z: - Zdravo. Hvala na predavanju. Postavlja se pitanje kakve šanse ima osoba, koja iz nekog razloga ne želi slijediti strojno učenje, da kroz interakciju sa sučeljem ili za neku drugi razlog?
OH: – Postoji hrpa različitih dodataka koji se posebno bave nasumičnim ponašanjem. Postoji cool stvar - Ghostery, koji vas, po mom mišljenju, gotovo potpuno skriva od hrpe različitih trackera koji onda ne mogu zabilježiti te informacije. No, zapravo, sada vam samo treba zatvoren profil na društvenim mrežama da tamo nitko, nikakvi zli strugači, ne skuplja ništa. Vjerojatno je bolje instalirati kakvu ekstenziju ili napisati nešto sam.
Vidite, ovdje se radi o tome da se zakonski, na primjer, osobni podaci odnose na podatke po kojima vas je moguće identificirati, a zakon daje kao primjer vašu adresu stanovanja, dob i tako dalje. U današnje vrijeme postoji bezbroj podataka po kojima vas je moguće identificirati: isti rukopis na tipkovnici, isti tisak, digitalni potpis preglednika... Prije ili kasnije čovjek pogriješi. Može biti negdje u “kafiću” koristeći “Thora”, ali na kraju, u jednom lijepom trenutku, ili će VPN zaboraviti uključiti, ili nešto drugo, i u tom trenutku ga se može identificirati. Dakle, najlakši način je napraviti privatni račun i instalirati neku ekstenziju.
Tržište se kreće prema točki u kojoj trebate pritisnuti samo jedan gumb da biste dobili rezultate.
Z: - Hvala na priči. Kao i uvijek, uvijek jako zanimljivo (pratim te). Postavlja se pitanje kakav je napredak u stvaranju sustava koji su pozitivni za korisnike, sustava preporuka? Rekli ste da ste svojedobno radili na sustavu preporuke za pronalazak seksualnog partnera, prijatelja u životu (ili glazbe koja bi se čovjeku potencijalno mogla svidjeti)... Koliko je sve to obećavajuće i kako vidite njegov razvoj od gledišta stvaranja sustava koji su potrebni ljudima?
OH: – Općenito, tržište ide do toga da ljudi trebaju stisnuti jedno dugme i odmah dobiti ono što im treba. Što se tiče mog iskustva u izradi aplikacija za spojeve (usput, ponovno ćemo je pokrenuti krajem godine), uz činjenicu da su 65% bili oženjeni muškarci, najteži problem preporuke bio je to što je osobi ponuđeno nekoliko modela na početku aplikacije - "Prijateljstvo", "Seks", "Seks prijateljstvo" i "Posao". Ljudi nisu birali ono što im treba. Muškarci su dolazili i birali “Ljubav”, ali u stvarnosti su svima bacali golotinju, i tako dalje.
Problem je bio identificirati osobu koja se ne uklapa u jedan od tih modela i nekako je glatko uzeti i pomaknuti u drugom smjeru. Zbog male količine podataka vrlo je teško utvrditi radi li se o grešci u algoritmu prognoze ili osoba nije u svojoj kategoriji. Isto je i s glazbom: sada postoji vrlo malo stvarno vrijednih algoritama koji mogu dobro "fastirati" glazbu. Možda “Yandex.Music”. Neki ljudi misle da je algoritam Yandex.Music loš. Na primjer, ona mi se sviđa. Ja osobno, na primjer, ne volim YouTube glazbeni algoritam i tako dalje.
Postoje, naravno, neke suptilnosti - sve je vezano uz licence... Ali u stvarnosti, potražnja za takvim sustavima je prilično velika. Svojedobno je bila poznata tvrtka Retail Rocket koja se bavila implementacijom sustava preporuka, ali sada nekako ne ide baš najbolje - očito jer dugo nisu razvijali svoje algoritme. Sve ide prema tome – do te mjere da uđemo i, ne pritisnuvši ništa, uzmemo ono što nam treba (i postanemo potpuno glupi, jer je naša mogućnost izbora potpuno nestala).
Marketing utjecaja
Z: - Zdravo. Moje ime je Konstantin. Htio bih postaviti pitanje o marketingu utjecaja. Znate li za neke sustave koji tvrtki omogućuju odabir prikladnog blogera za tvrtku na temelju nekih statističkih podataka i tako dalje? I na temelju čega se to radi?
OH: – Da, krenut ću izdaleka i odmah reći da je problem sa svim tim tehnologijama što je sva ta umjetna inteligencija u marketingu sada kao hodač po žici: lijevo su velike tvrtke koje imaju puno novca, a u u svakom slučaju sve će biti učinkovito za njihov rad jer su njihove reklamne kampanje usmjerene jednostavno na preglede; s druge strane, ima puno malih poduzetnika kojima to neće uspjeti, jer imaju puno podataka. Zasad je primjenjivost ovih priča negdje u sredini.
Kad već postoje dobri proračuni, a zadatak je pravilno obraditi te proračune (a u principu već ima dosta podataka)… Znam par servisa, nešto poput Getbloggera, koji izgleda imaju algoritme. Da budem iskren, nisam proučavao te algoritme. Mogu vam reći kakav pristup koristimo u pronalaženju lidera mišljenja kada treba dati dar nekim majkama.
Koristimo metriku koja se zove Vrijeme distribucije sadržaja. To funkcionira ovako: uzmete osobu čiju publiku analizirate i trebate sustavno (primjerice jednom svakih 5 minuta) prikupljati podatke o svakoj objavi, tko ju je lajkao, komentirao i tako dalje. Na taj način možete razumjeti u kojem je trenutku svaka osoba u vašoj publici stupila u interakciju s vašim sadržajem. Ponovite ovu operaciju za svakog predstavnika njegove publike, i na taj način, koristeći metriku prosječnog vremena širenja sadržaja, možete, na primjer, obojiti u velikom mrežnom grafikonu te ljude i koristiti ovu metriku za izgradnju klastera.
Ovo funkcionira prilično dobro ako želimo, na primjer, pronaći 15 majki koje zadržavaju svoje javno mišljenje na nekom woman.ru. Ali ovo je prilično složena tehnička implementacija (iako se čisto teoretski može napraviti u Pythonu). Suština je da je problem s marketingom utjecaja u velikim reklamnim agencijama to što trebaju velike, cool, skupe blogere koji ne rade ništa. Sada, marka automobila želi prodati neki proizvod preko nekog lidera javnog mnijenja - trebaju koristiti blogera o automobilima kao zadnje utočište, jer je njihova publika ili već kupila auto, ili točno zna kakav auto želi, samo sjedi i gleda cool aute. Ovdje je važno ne propustiti analizu publike same osobe.
Marketinški botovi
Z: – Recite mi koliko botovi na društvenim mrežama utječu na prikupljanje informacija i njihovu kvalitetu?
OH: – To je tako zanimljiva stvar s botovima. Jeftine botove prilično je lako prepoznati - ili imaju isti sadržaj, ili su prijatelji jedni drugima, ili su u istoj mreži. Postoje i pristupi rješavanju složenih robota. Ili postavljate problem kako povezati osobu s njegovim lažnjakom?
Z: – Koliko će kvalitetne informacije biti izlaz sa svim tim smećem?
OH: – Ovdje to funkcionira ovako: zbog ogromne količine podataka (primjerice, za nekakvo marketinško istraživanje), sva se ta dreka jednostavno može izbaciti. Odnosno, bolje je izbaciti malo više stvarnih ljudi nego uhvatiti botove, jer im je beskorisno prikazivati bilo kakvu reklamu. Ali ako prikupljate mjerne podatke, na primjer, interakcije s natpisima ili sustavima preporuka, takvi računi mogu biti izbačeni.
Sada na društvenim mrežama postoji oko šest posto virtualnih likova ili jednostavno napuštenih stranica ili introverta, koje algoritmi “spare” kao botove. Što se tiče povezivanja osobe s njenim lažnim, i ovdje je sve vezano za to da će osoba prije ili kasnije pogriješiti, a stvar je u tome da je model ponašanja isti - i njegov pravi račun i lažni. Prije ili kasnije gledat će isti sadržaj ili nešto drugo.
Ovdje se sve ne svodi na postotak pogreške, već na količinu vremena potrebnog za pouzdanu identifikaciju osobe. Za nekoga tko živi sa svojim Instagramom, ovo vrijeme za pouzdanu identifikaciju svodi se na pet minuta. Nekima – za šest do osam mjeseci.
Kome i kako prodati podatke?
Z: - Zdravo. Zanima me kako se podaci prodaju između tvrtki? Na primjer, imam aplikaciju u kojoj možete saznati (developeru) gdje osoba ide, u koje trgovine ide i koliko novca tamo potroši. I zanima me kako, recimo, mogu prodati podatke o svojoj publici tim trgovinama ili staviti svoje podatke u jednu ogromnu bazu podataka i biti plaćen za to?
OH: – Što se tiče prodaje podataka izravno nekome, i ti i svi drugi bili ste ispred OFD-a – operatera fiskalnih podataka, koji su se lukavo ugradili između prijenosa čekova i Porezne i sada pokušavaju svima prodati podatke. Doista, zapravo su srušili cijelo tržište mobilne analitike. Zapravo, možete ugraditi svoju aplikaciju, na primjer, Facebook pixel, njegov DMP sustav; zatim upotrijebite ovu publiku za prodaju. Na primjer, piksel "May Target". Samo ne znam kakvu publiku imate, morate razumjeti. Ali u svakom slučaju, možete se integrirati u Yandex ili My Target, koji su najveći DMP sustavi.
Ovo je prilično zanimljiva priča. Jedini problem je što ćete im dati sav promet, a oni će, kao mjenjačnice, preuzeti na sebe monetizaciju tog prometa. Mogu vam, ali i ne moraju reći da je 10 ljudi iskoristilo vašu publiku. Stoga ili izgradite vlastitu oglašivačku mrežu ili se prepustite velikim DMP-ovima.
Tko će pobijediti - umjetnik ili tehničar?
Z: – Pitanje malo udaljeno od tehničkog dijela. Rečeno je o strahovima trgovaca o nadolazećoj masovnoj nezaposlenosti. Postoji li neka vrsta konkurentske borbe između kreativnog marketinga (ovi tipovi koji su osmislili oglašavanje piletine, Volkswagenovo oglašavanje, čini se) i onih uključenih u Big Data (koji kažu: sada ćemo samo prikupiti sve podatke i isporučiti ciljano oglašavanje svi)? Kao osoba koja je izravno uključena, kakvo je vaše mišljenje o tome tko će pobijediti - umjetnik, tehničar ili će biti nekakvog sinergijskog učinka?
OH: – Slušaj, pa oni rade zajedno. Inženjeri ne dolaze s kreativnošću. Oni koji su kreativni ne izmišljaju publiku. Ima tu nekakve multidisciplinarne priče. Sada su pravi problemi za one koji sjede i pritiskaju gumbe, za one koji rade “majmunski posao”, svaki dan pritišću jedno te isto – to su ljudi koji će nestati.
Ali oni koji analiziraju podatke će naravno ostati, ali netko te podatke mora obraditi. Netko će morati smisliti te slike, nacrtati ih. Stroj ne može smisliti takvu kreativnost! Ovo je potpuna ludnica! Ili kao, na primjer, viralno oglašavanje Carpricea, koje je, usput rečeno, jako dobro funkcioniralo. Zapamtite, na YouTubeu je bilo ovo: "Prodajte to u Carpriceu", potpuno ludo. Naravno, nijedna neuronska mreža neće generirati takvu priču.
Općenito sam pobornik toga da neće ljudi ostati bez posla, nego će imati malo više slobodnog vremena, a to slobodno vrijeme će moći potrošiti na samoobrazovanje.
Primitivno oglašavanje će izumrijeti
Z: - Uglavnom, oglašavanje koje se prikazuje, banneri - uglavnom, čak ni prodajni tekstovi nisu tamo ispisani: "Trebate prozore - uzmite!", "Trebate nešto drugo - uzmite!", tj. nema tu uopće kreativnosti.
OH: – Takvo oglašavanje će, naravno, prije ili kasnije izumrijeti. Izumrijet će ne toliko zbog razvoja tehnologije, koliko zbog razvoja tebe i mene.
Bolje je miješati bitno s nebitnim
Z: - Tu sam! Imam pitanje o eksperimentu za koji ste rekli da vam nije uspio (sa sustavom preporuka). Je li po vama problem što je tu potpisano, zašto se to preporučuje ili je to što je korisniku sve što je vidio činilo relevantnim? Zato što sam čitala eksperiment za majke, i još nije bilo toliko podataka, a nije bilo ni toliko podataka s interneta, bili su samo podaci iz trgovine koja je predviđala trudnoću (da će biti majke). A kad su pokazali izbor proizvoda za buduće mame, mame su bile zgrožene što su za njih doznale prije ikakvih službenih stvari. I nije išlo. A kako bi riješili taj problem, namjerno su pomiješali relevantne proizvode s nečim potpuno nebitnim.
OH: “Posebno smo ljudima pokazali temelj na kojem su preporuke napravljene kako bismo razumjeli njihove povratne informacije. Zapravo, tu se rodio koncept da ljudima ne treba govoriti da su to za njega neki superrelevantni proizvodi.
Da, usput, postoji pristup njihovom miješanju s nebitnim. Ali postoji suprotna stvar: ponekad ljudi dođu i stupe u interakciju s tim nevažnim proizvodom - pojavljuju se nasumični odstupanja, modeli se pokvare i stvari se još više kompliciraju. Ali ovo zapravo postoji. Štoviše, mnoge tvrtke namjerno, ako znaju da netko obrađuje njihove podatke (netko bi im mogao ukrasti takav izlaz), ponekad ih pomiješaju kako bi kasnije mogle dokazati da niste uzeli podatke iz njihovog sustava preporuka, nego iz takozvani Yandex.Market.
Blokatori oglasa i sigurnost preglednika
Z: - Zdravo. Spomenuli ste Ghostery i Adblock. Možete li nam reći koliko su takvi trackeri uopće učinkoviti (možda na temelju statistike)? I jeste li imali naredbe od tvrtki: kažu, pobrinite se da naše oglašavanje ne može zatvoriti Adblock.
OH: – Ne kontaktiramo izravno oglašivačke platforme – upravo zato da ne traže da njihovo oglašavanje bude vidljivo svima. Osobno koristim Ghostery - mislim da je to vrlo cool proširenje. Sada se svi preglednici bore za privatnost: Mozilla je izdala hrpu svakakvih ažuriranja, Google Chrome je sada super-siguran. Svi blokiraju sve što mogu. "Safari" je čak isključio "Gyroscope" prema zadanim postavkama.
I taj trend je, naravno, dobar (ne za one koji prikupljaju podatke, iako su i oni iz toga izašli), jer su ljudi prvo blokirali kolačiće. Svi koji su posjedovali oglašivačke mreže sjetili su se tako divne tehnologije kao što su otisci prstiju preglednika - to su algoritmi koji primaju 60 različitih parametara (razlučivost zaslona, verzija, instalirani fontovi) i na temelju njih izračunavaju jedinstveni "ID". Prijeđimo na ovo. I preglednici su se počeli boriti s tim. Općenito, ovo će biti beskrajna bitka titana.
Najnoviji programer Mozilla prilično je siguran. Gotovo ne sprema kolačiće i postavlja kratak životni vijek. Pogotovo ako uključite "Incognito", nitko vas uopće neće pronaći. Pitanje je da će biti nezgodno unositi lozinke u sve usluge.
Gdje psihotipizacija i fizionomija rade, a gdje ne rade?
Z: – Arture, hvala ti puno na predavanju. Također rado pratim vaša predavanja na YouTubeu. Spomenuli ste da trgovci sve više posežu za korištenjem psihotipizacije i fizionomije. Moje pitanje je: u kojim kategorijama robnih marki ovo funkcionira? Moje uvjerenje je da je ovo prikladno samo za FMCG. Na primjer, odabir automobila je...
OH: – Mogu preuzeti gdje točno radi. Ovo funkcionira u svim vrstama priča poput “Amediateke”, TV serija, filmova i tako dalje. To dobro funkcionira u bankama i bankarskim proizvodima, ako nije u premium segmentu, nego kojekakvim studentskim karticama, plaćanjima na rate - takve stvari. Ovo stvarno jako dobro funkcionira u FMCG-u i svim vrstama iPhonea, punjača, svim tim sranjima. Ovo dobro funkcionira u "mama i pop" proizvodima. Mada znam da u ribolovu (ima takva tema)... Bilo je više puta slučajeva s ribarima - nikad se ne mogu pouzdano segmentirati. Ne znam zašto. Neka vrsta statističke greške.
Ovo ne funkcionira dobro s vozačima, s nakitom ili s nekim kućanskim predmetima. Zapravo, ne funkcionira dobro sa stvarima o kojima ljudi nikada ne bi pisali na društvenim mrežama - možete to provjeriti na ovaj način. Konvencionalno, uz kupnju perilice rublja: evo kako razumjeti tko ima perilicu rublja, a tko ne? Čini se da ga svi imaju. Možete koristiti OFD podatke - pogledajte tko je što kupio pomoću računa i spojite te ljude pomoću računa. Ali zapravo, postoje stvari o kojima nikada ne biste razgovarali, na primjer, na Instagramu - teško je raditi s takvim stvarima.
Strojevi prepoznaju trikove kao statističko punjenje.
Z: – Imam pitanje u vezi ciljanja. Je li moguć (ili oni odjednom postoje) uvjetno nasumični lik koji sam sebi proturječi u svemu: prvo gugla “najbolje teretane”, a onda gugla “10 načina da ne radite ništa”? I tako je u svemu. Može li ciljanje pratiti nešto što je samo sebi proturječno?
OH: – Ovdje je jedino pitanje sljedeće: ako koristite Google 2 godine, ispričate mu sve što možete o sebi, a sada sebi instalirate dodatak koji će pisati slične nasumične upite, onda ćete, naravno, iz statistike budite u stanju razumjeti - ono što sada radite je statistički izuzetak, a ovo je sve stvar prosijavanja. Ako želite, registrirajte novi račun, ali se volumen oglašavanja neće promijeniti. Samo će joj postati čudno. Iako je i dalje čudna.
Neki oglasi 🙂
Hvala što ste ostali s nama. Sviđaju li vam se naši članci? Želite li vidjeti više zanimljivog sadržaja? Podržite nas narudžbom ili preporukom prijateljima, , jedinstveni analog poslužitelja početne razine, koji smo izmislili za vas: (dostupno s RAID1 i RAID10, do 24 jezgre i do 40 GB DDR4).
Dell R730xd 2 puta jeftiniji u Equinix Tier IV podatkovnom centru u Amsterdamu? Samo ovdje u Nizozemskoj! Dell R420 - 2x E5-2430 2.2 Ghz 6C 128 GB DDR3 2x960 GB SSD 1 Gbps 100 TB - od 99 USD! Pročitaj o
Izvor: www.habr.com