Arthur Khachuyan adalah spesialis Rusia terkenal dalam pemrosesan data besar, pendiri perusahaan Social Data Hub (sekarang Tazeros Global). Mitra Sekolah Tinggi Ekonomi Universitas Riset Nasional. Mempersiapkan dan mempresentasikan, bersama dengan Sekolah Tinggi Ekonomi Universitas Riset Nasional, rancangan undang-undang tentang Big Data di Dewan Federasi. Dia berbicara di Curie Institute di Paris, Universitas Negeri St.Petersburg, Universitas Federal di bawah Pemerintah Federasi Rusia, di Red Apple, OpenDataDay Internasional, RIW 2016, AlfaFuturePeople.
Ceramah tersebut direkam di festival terbuka “Geek Picnic” di Moskow pada tahun 2019.
Artur Khachuyan (selanjutnya - AH): – Jika dari sejumlah besar industri - dari kedokteran, dari konstruksi, dari sesuatu, sesuatu, untuk memilih salah satu yang paling sering menggunakan teknologi data besar, pembelajaran mesin, pembelajaran mendalam, maka ini mungkin pemasaran. Karena selama tiga tahun terakhir, segala sesuatu yang ada di sekitar kita dalam bentuk komunikasi periklanan kini terkait erat dengan analisis data dan apa yang disebut kecerdasan buatan. Oleh karena itu, hari ini saya akan menceritakannya kepada Anda dari sejarah yang sangat jauh...
Jika Anda membayangkan kecerdasan buatan dan seperti apa bentuknya, mungkin seperti itu. Gambaran aneh adalah salah satu jaringan saraf yang saya tulis setahun yang lalu untuk menemukan ketergantungan dari apa yang dilakukan anjing saya - berapa kali dia perlu menjadi besar, kecil, dan bagaimana umumnya bergantung pada seberapa banyak dia makan atau tidak? . Ini adalah lelucon tentang bagaimana kecerdasan buatan bisa dibayangkan.
Tapi tetap saja, mari kita pikirkan cara kerjanya dalam komunikasi periklanan. Ada tiga cara algoritma modern dalam periklanan dan pemasaran dapat berinteraksi dengan kita. Jelas bahwa cerita pertama bertujuan untuk memperoleh dan menggali pengetahuan tambahan tentang Anda dan saya, dan kemudian menggunakannya untuk tujuan yang baik dan tidak baik; mempersonalisasikan pendekatan untuk setiap orang tertentu; Tentu saja, setelah itu, ciptakan permintaan tertentu untuk melakukan tindakan sasaran utama dan melakukan penjualan tertentu.
Dengan menggunakan teknologi, mereka mencoba memecahkan masalah komunikasi yang efektif
Jika saya meminta Anda untuk memikirkan tentang apa yang Pornhub dan M. Video”, apa yang kamu pikirkan?
Komentar dari penonton (selanjutnya disebut C): - TV, penonton.
OH: – Konsep saya adalah dua tempat di mana orang datang untuk mendapatkan jenis jasa tertentu, atau sebut saja jenis barang tertentu. Dan audiens ini berbeda karena tidak ingin memberi tahu penjual apa pun. Dia ingin masuk dan mendapatkan minatnya dalam bentuk eksplisit atau implisit. Tentu saja, tidak ada yang datang ke M. Video” tidak mau berkomunikasi dengan penjual mana pun, tidak mau mengerti, tidak mau menjawab pertanyaan mereka.
Oleh karena itu, cerita pertama mengikuti semua ini.
Ketika teknologi untuk memperoleh pengetahuan tambahan muncul untuk menghindari komunikasi dengan seseorang. Kita semua senang ketika kita menelepon bank dan bank memberi tahu kita: “Halo. Alexei, Anda adalah klien VIP kami. Sekarang beberapa manajer super akan berbicara dengan Anda.” Anda datang ke bank ini, dan memang ada manajer unik yang dapat berbicara dengan Anda. Sayangnya atau untungnya, belum ada satu perusahaan pun yang berhasil mempekerjakan seribu manajer pribadi untuk seribu klien; dan karena sebagian besar dari orang-orang ini sekarang online, tugasnya adalah memahami orang seperti apa dia dan bagaimana berkomunikasi dengannya dengan benar sebelum dia datang ke sumber periklanan. Oleh karena itu, nyatanya telah muncul teknologi yang mencoba memecahkan masalah ini.
Ekstraksi data adalah minyak baru
Bayangkan Anda adalah pemilik sebuah kios bunga. Tiga orang datang menemui Anda. Yang pertama berdiri sangat lama, ragu-ragu, mencoba berbicara dengan Anda, mengambil semacam karangan bunga - Anda pergi membungkusnya, keluar untuk melakukan sesuatu di sana; dia melarikan diri dari kios dengan karangan bunga ini - Anda telah kehilangan tiga ribu rubel Anda. Kenapa ini terjadi? Anda tidak tahu apa-apa tentang orang ini: Anda tidak tahu riwayat penangkapannya di Kementerian Dalam Negeri, Anda tidak tahu bahwa dia adalah seorang kleptomania dan terdaftar di apotik psikiatri. Mengapa? Karena Anda melihatnya untuk pertama kali, dan Anda bukan seorang analis perilaku.
Orang lain datang... Vitaly. Vitaly juga butuh waktu lama untuk mengetahuinya, katanya, “Yah, aku butuh ini dan itu.” Dan Anda memberitahunya, “Bunga untuk ibu, kan?” Dan Anda menjualnya karangan bunga.
Konsepnya di sini adalah mencari data yang cukup untuk memahami apa yang sebenarnya dibutuhkan orang tersebut. Semua orang segera memikirkan tentang semacam jaringan periklanan dan sebagainya...
Semua orang mungkin pernah mendengar ungkapan bodoh bahwa “data adalah minyak baru” lebih dari sekali? Pasti semua orang pernah mendengarnya. Faktanya, orang-orang belajar mengumpulkan data sejak lama, tetapi mengekstraksi data dari data ini adalah tugas yang kini coba diselesaikan oleh kecerdasan buatan dalam pemasaran, atau semacam algoritme statistik. Mengapa? Karena jika Anda berbicara dengan seseorang, dia bisa memberi Anda jawaban yang benar, salah, atau berwarna. Lelucon yang saya sampaikan kepada murid-murid saya adalah perbedaan antara survei dan statistik. Saya akan menceritakan ini sebagai sebuah anekdot:
Artinya di dua desa mereka memutuskan untuk melakukan penelitian tentang rata-rata lama kedewasaan. Artinya di desa pertama, Villaribo, rata-rata panjangnya 15 sentimeter, di desa Villabaggio - 25. Tahukah Anda alasannya? Karena pengukuran dilakukan di desa pertama, dan survei dilakukan di desa kedua.
Industri pornografi adalah unggulan dari sistem rekomendasi
Inilah sebabnya mengapa pendekatan modern adalah menganalisis semua orang tanpa kecuali, meskipun jumlahnya kurang dari 100%, tetapi ini adalah orang-orang yang tidak perlu Anda tanyakan, Anda tidak perlu melihatnya. Cukup menganalisis apa yang sekarang disebut jejak digital untuk memahami apa yang dibutuhkan orang tersebut, bagaimana berbicara dengannya dengan benar, bagaimana menciptakan permintaan di sekitarnya dengan benar. Di satu sisi, ini adalah mesin yang tidak punya pikiran (tetapi Anda dan saya mengetahui hal ini dengan sangat baik); kami tidak ingin berkomunikasi dengan orang-orang dari M. Video,” dan terlebih lagi, ketika kita menggunakan sumber daya seperti Pornhub, kita ingin mendapatkan apa yang kita butuhkan.
Kenapa saya selalu membicarakan Pornhub? Karena industri dewasa adalah yang pertama sampai pada analisis teknologi tersebut, penerapan teknologi tersebut, hingga analisis data. Jika Anda mengambil tiga perpustakaan paling populer di area ini (misalnya, TensorFlow atau Pandas untuk Python, untuk memproses file CSV, dan sebagainya), jika Anda membukanya di Github, dengan Google singkat dari semua nama ini, Anda akan menemukan a beberapa orang yang bekerja atau sedang bekerja di perusahaan Pornhub, dan merupakan orang pertama yang menerapkan sistem rekomendasi di sana. Secara umum, cerita ini sangat maju, dan menunjukkan seberapa besar audiens ini, seberapa besar kemajuan perusahaan ini.
Tiga tingkat identifikasi
Ada banyak sekali data seputar seseorang yang dapat diidentifikasi. Saya biasanya secara formal membaginya menjadi tiga tingkatan, semakin dalam dan dalam. Tentu saja, perusahaan memiliki datanya sendiri.
Jika, katakanlah, kita berbicara tentang membangun sistem rekomendasi, maka level pertama adalah data yang ada di toko itu sendiri (riwayat pembelian, semua jenis transaksi, bagaimana seseorang berinteraksi dengan antarmuka).
Berikutnya adalah level (relatif terbesar) - inilah yang disebut open source. Jangan berpikir bahwa saya mendorong Anda untuk mengikis jejaring sosial, namun kenyataannya, apa yang tersedia di sumber terbuka membuka sejumlah besar data yang dapat Anda, katakanlah, pelajari tentang seseorang.
Dan bagian utama ketiga adalah lingkungan orang tersebut sendiri. Ya, ada pendapat bahwa jika seseorang tidak ada di jejaring sosial, maka tidak ada data tentang dia di sana (Anda mungkin sudah tahu bahwa ini tidak benar), tetapi yang paling penting adalah data yang ada di profil seseorang. (atau di beberapa aplikasi) hanya 40% dari pengetahuan yang bisa didapat tentangnya. Selebihnya informasi diperoleh dari lingkungannya. Ungkapan “beri tahu saya siapa teman Anda dan saya akan memberi tahu Anda siapa Anda” memiliki arti baru di abad ke-XNUMX karena banyak sekali data yang dapat diperoleh seputar orang tersebut.
Jika kita berbicara lebih dekat dengan komunikasi periklanan, maka menerima komunikasi periklanan bukan dari iklan, tetapi dari beberapa teman, kenalan, atau orang yang terverifikasi adalah fitur yang sangat keren yang digunakan banyak pemasar. Ketika suatu aplikasi tiba-tiba memberi Anda kode promo gratis, Anda membuat postingan tentangnya dan dengan demikian menarik audiens baru. Faktanya, kode promo untuk "Yandex.Taxi" bersyarat ini tidak dipilih secara acak, tetapi untuk ini, sejumlah besar data dianalisis tentang potensi Anda untuk menarik audiens baru dan berinteraksi dengan mereka.
Mereka bahkan menganalisis perilaku karakter serial TV
Saya akan menunjukkan kepada Anda tiga gambar, dan Anda memberi tahu saya apa perbedaan di antara mereka.
Yang ini:
Ini:
Dan yang ini:
Apa perbedaan di antara keduanya? Semuanya sederhana di sini. Seperti halnya dalam mekanika kuantum, dalam hal ini kreativitas tersebut dibentuk oleh pengamat. Artinya, perbedaan kampanye iklan yang sama, yang dilakukan oleh merek yang sama pada waktu yang sama, hanya terletak pada siapa yang menonton materi iklan tersebut. Kalau saya pribadi kalau ke Amediateka, mereka masih menampilkan Khal Drogo. Saya tidak tahu apa pendapat Amediateka tentang preferensi saya, tetapi untuk beberapa alasan hal ini terjadi.
Apa yang sekarang disebut komunikasi yang dipersonalisasi adalah kisah paling populer dalam menarik audiens dan berinteraksi dengan baik dengannya. Jika pada tahap pertama kami mengidentifikasi orang menggunakan data merek kami sendiri, data sumber terbuka, dan, misalnya, data dari lingkungan orang tersebut, setelah menganalisisnya, kami dapat memahami siapa dia, cara berbicara dengannya dengan benar, dan yang paling penting. , bahasa apa yang dia gunakan, bicaralah dengannya.
Di sini teknologi telah berkembang sedemikian rupa sehingga karakter dalam serial TV yang ditonton orang kini dianalisis. Artinya, Anda menyukai serial TV - mereka [suka] ditonton, mereka melihat dengan siapa Anda berinteraksi di sana, untuk memahami orang seperti apa yang cocok untuk Anda ajak berinteraksi. Kedengarannya seperti omong kosong, tetapi hanya untuk bersenang-senang, cobalah di salah satu sumber - orang yang berbeda melihat materi iklan yang berbeda (untuk berinteraksi dengannya dengan benar).
Tidak ada satu pun media modern atau sumber video apa pun yang hanya menampilkan berita kepada Anda. Buka media - sejumlah besar algoritme dimuat yang mengidentifikasi Anda, memahami semua aktivitas Anda sebelumnya, mengajukan banding ke model matematika, dan kemudian menunjukkan sesuatu kepada Anda. Dalam hal ini, ada cerita yang aneh.
Bagaimana kebutuhan ditentukan? Psikometri. Wajah
Ada banyak pendekatan (nyata) untuk menentukan kebutuhan aktual seseorang dan cara berkomunikasi dengan mereka dengan benar. Ada banyak pendekatan, semuanya diselesaikan secara berbeda, tidak mungkin untuk mengatakan mana yang baik dan mana yang buruk. Yang utama sepertinya tahu segalanya.
Psikometri. Setelah cerita dengan Cambridge Analytics, menurut pendapat saya, ada semacam perubahan yang mengejutkan, karena setiap detik perusahaan politik kini datang dan berkata: “Oh, bisakah Anda menjadikan saya seperti Trump? Saya juga ingin menang, dan seterusnya.” Padahal, hal ini tentu saja tidak masuk akal bagi realitas kita, misalnya pemilu politik. Namun untuk menentukan psikotipe digunakan tiga model:
- yang pertama didasarkan pada konten yang Anda konsumsi - kata-kata yang Anda tulis, beberapa informasi yang Anda sukai, video, dll.;
- yang kedua terkait dengan cara Anda berinteraksi dengan antarmuka web, cara Anda mengetik, tombol apa yang Anda tekan - memang, ada banyak perusahaan yang, berdasarkan tulisan tangan keyboard mereka, dapat dengan andal menentukan apa yang sekarang disebut psikotipe.
- Saya bukan seorang psikolog, saya tidak begitu mengerti cara kerjanya, tetapi dari sudut pandang komunikasi periklanan, audiens yang dibagi ke dalam segmen ini bekerja dengan sangat baik, karena seseorang perlu diperlihatkan layar merah dengan layar biru. wanita, seseorang perlu diperlihatkan layar gelap - latar belakang biru dengan semacam abstraksi, dan itu berfungsi dengan sangat keren. Pada tingkat tertentu yang rendah - sedemikian rupa sehingga seseorang bahkan tidak memikirkannya. Apa masalah utama di pasar periklanan saat ini? Setiap orang adalah agen intelijen, setiap orang bersembunyi, setiap orang memiliki jutaan ribu izin browser yang terpasang, agar tidak teridentifikasi dengan cara apa pun - Anda mungkin memiliki "Adblocks", "Gostrey" dan segala jenis aplikasi yang memblokir pelacakan. Oleh karena itu, sangat sulit untuk memahami apapun tentang seseorang. Dan teknologi telah berkembang - Anda tidak hanya perlu mengetahui bahwa orang ini telah kembali ke situs Anda untuk ke-125 kalinya, tetapi bahwa dia juga orang yang aneh.
Fisiognomi adalah ilmu yang sangat kontroversial. Itu bahkan tidak dianggap sebagai sains. Ini adalah sekelompok orang yang dulunya memprogram pendeteksi kebohongan untuk beberapa Kementerian Dalam Negeri, dan sekarang terlibat dalam apa yang disebut personifikasi kreativitas. Pendekatannya di sini sangat sederhana: beberapa foto publik Anda diambil dari beberapa jejaring sosial, dan geometri tiga dimensi dibuat darinya. Dan jika Anda seorang pengacara, sekarang Anda akan mengatakan bahwa ini adalah seseorang dan data pribadi; tapi saya beri tahu Anda bahwa ini adalah 300 ribu titik yang terletak di luar angkasa, dan ini bukan orang, dan bukan data pribadi. Inilah yang biasanya dikatakan semua orang ketika Roskomnadzor mendatangi mereka.
Tapi serius, wajah Anda secara terpisah, jika nama depan dan belakang Anda tidak ditandatangani di sana, itu bukan data pribadi Anda. Intinya para pria menandai berbagai fitur wajah yang mempengaruhi cara seseorang mengambil keputusan dan cara berinteraksi dengannya dengan benar. Di beberapa wilayah, hal ini tidak berjalan baik, di beberapa segmen periklanan; di segmen mana hal itu bekerja dengan sangat baik. Pada akhirnya, ternyata ketika Anda membuka suatu sumber, Anda tidak hanya melihat satu spanduk yang ditampilkan kepada semua orang, tetapi, misalnya... sekarang adalah hal yang normal untuk membuat 16 atau 20 opsi untuk audiens yang berbeda - dan itu berhasil sangat keren. Ya, hal ini bahkan lebih menyedihkan dari sudut pandang konsumen, karena masyarakat mulai semakin banyak dimanipulasi. Namun dari sudut pandang bisnis, ini berjalan dengan baik.
Kotak hitam pembelajaran mesin
Hal ini menimbulkan masalah berikut pada teknologi tersebut: lagi pula, bagi sebagian besar pengembang saat ini, apa yang disebut pembelajaran mendalam adalah “kotak hitam”. Jika Anda pernah tenggelam dalam cerita ini dan berbicara dengan pengembangnya, mereka selalu berkata: "Oh, dengar, kami telah mengkodekan sesuatu yang sangat tidak dapat dipahami di sana, dan kami tidak tahu cara kerjanya." Mungkin ada yang pernah mengalami hal ini.
Hal ini sebenarnya jauh dari kebenaran. Apa yang sekarang disebut pembelajaran mesin jauh dari “kotak hitam”. Ada banyak sekali pendekatan untuk mendeskripsikan data input dan output, dan pada akhirnya perusahaan dapat memahami secara menyeluruh berdasarkan tanda-tanda apa yang mesin putuskan untuk tunjukkan kepada Anda video porno ini atau lainnya. Pertanyaannya adalah tidak ada satu pun perusahaan yang mengungkapkan hal ini, karena: pertama, ini adalah rahasia dagang; kedua, akan ada sejumlah besar data yang bahkan tidak Anda ketahui.
Misalnya, sebelumnya, dalam diskusi tentang etika, kita membahas bagaimana jejaring sosial menganalisis pesan pribadi untuk menandai orang dalam beberapa jenis cerita iklan. Jika Anda menulis sesuatu kepada seseorang, berdasarkan ini Anda menerima tag khusus untuk, pada kenyataannya, semacam komunikasi periklanan. Dan Anda tidak akan pernah membuktikannya, dan mungkin tidak ada gunanya membuktikannya. Namun, jika pola serupa terungkap, maka pola tersebut akan tetap ada. Ternyata pasar yang membangun sistem pemberi rekomendasi seperti itu berpura-pura tidak mengetahui mengapa hal ini terjadi.
Orang tidak ingin tahu apa yang diketahui orang tentang mereka
Dan cerita kedua adalah klien tidak pernah ingin tahu mengapa dia menerima iklan khusus ini, produk khusus ini. Saya akan menceritakan kisah ini kepada Anda. Pengalaman pertama saya dalam penerapan komersial sistem rekomendasi berdasarkan algoritma serupa justru untuk kepentingan penelitian adalah pada tahun 2015 di jaringan toko seks yang sangat besar (ya, juga bukan cerita yang tidak menyenangkan).
Pelanggan ditawari hal-hal berikut: mereka masuk, masuk dengan jejaring sosial mereka, dan setelah sekitar 5 detik mereka menerima toko yang sepenuhnya dipersonalisasi untuk mereka, yaitu, semua produk telah berubah - mereka termasuk dalam kategori tertentu, dan seterusnya. . Tahukah Anda seberapa besar peningkatan tingkat konversi toko ini? Tidak sama sekali! Orang-orang masuk dan segera lari darinya. Mereka masuk dan menyadari bahwa mereka ditawari apa yang mereka pikirkan...
Masalah dengan tes ini adalah di bawah setiap produk tertulis mengapa Anda ditawari produk tersebut (“karena Anda adalah anggota kelompok tersembunyi “Wanita perkasa sedang mencari pria yang menjadi keset”). Oleh karena itu, sistem rekomendasi modern tidak pernah menampilkan data yang menjadi dasar pembuatan “prediksi”.
Cerita yang sangat populer adalah media karena semuanya menggunakan sistem rekomendasi yang serupa. Sebelumnya, algoritmanya sangat sederhana: lihat kategori “Politik” - dan mereka menampilkan berita dari kategori “Politik”. Sekarang semuanya begitu rumit sehingga mereka menganalisis tempat Anda menghentikan mouse, kata-kata apa yang Anda konsentrasikan, apa yang Anda salin, bagaimana Anda biasanya berinteraksi dengan halaman ini. Kemudian dia menganalisis kosakata pesan-pesan itu sendiri: ya, Anda tidak hanya membaca berita tentang Putin, tetapi dengan cara tertentu, dengan warna emosional tertentu. Dan ketika seseorang menerima berita, dia bahkan tidak memikirkan bagaimana dia bisa datang ke sini. Meski demikian, dia kemudian berinteraksi dengan konten tersebut.
Semua ini, tentu saja, bertujuan untuk menjaga orang-orang malang dan malang yang sudah menjadi gila karena banyaknya informasi yang ada di sekitarnya. Di sini harus dikatakan bahwa akan menyenangkan untuk menggunakan sistem seperti itu untuk mempersonalisasi materi iklan di sekitar Anda dan mengumpulkan beberapa informasi, namun sayangnya, belum ada layanan seperti itu.
Kecerdasan buatan menangkap klien di udara dan menciptakan permintaan
Dan di sini muncul satu pertanyaan filosofis yang sangat menarik, mulai dari menciptakan sistem rekomendasi hingga menciptakan permintaan. Jarang ada orang yang memikirkan hal ini, namun ketika Anda mencoba bertanya pada Instagram, “Mengapa Anda mengumpulkan data? Mengapa tidak menampilkan iklan yang benar-benar acak?” - Instagram akan memberi tahu Anda: “Sobat, ini semua dilakukan untuk menunjukkan dengan tepat apa yang menarik bagi Anda.” Misalnya, kami ingin mengenal Anda dengan tepat sehingga kami dapat menunjukkan dengan tepat apa yang Anda cari.
Namun teknologi telah lama melewati ambang batas yang buruk ini, dan teknologi serupa tidak lagi dapat memprediksi apa yang Anda butuhkan. Mereka (perhatian!) menciptakan permintaan. Ini mungkin hal paling menakutkan seputar kecerdasan buatan dalam komunikasi semacam itu. Hal yang menakutkan adalah bahwa ini telah digunakan hampir di mana-mana selama 3-5 tahun terakhir - mulai dari hasil pencarian Google hingga hasil pencarian Yandex, hingga beberapa sistem... Oke, saya tidak akan mengatakan hal buruk tentang Yandex; dan bagus.
Apa gunanya? Sudah lama sekali sejak komunikasi periklanan semacam itu beralih dari strategi di mana Anda menulis “Saya ingin membeli kursi anak” dan melihat ratusan ribu juta publikasi. Mereka melanjutkan ke hal berikut: segera setelah wanita tersebut memposting foto dengan perut yang hampir tidak terlihat, suaminya akan segera diikuti dengan pesan: “Wah, kelahirannya akan segera datang. Belilah kursi anak."
Di sini, Anda mungkin bertanya, mengapa, dengan kemajuan teknologi yang begitu besar, kita masih melihat iklan jelek di jejaring sosial? Masalahnya adalah bahwa di pasar ini segalanya masih ditentukan oleh uang, sehingga suatu saat beberapa pengiklan seperti Coca-Cola mungkin datang dan berkata: "Ini 20 juta untuk Anda - tunjukkan spanduk jelek saya ke seluruh Internet." Dan mereka benar-benar akan melakukannya.
Namun jika Anda membuat akun yang bersih dan menguji seberapa akurat algoritme tersebut menebak Anda: pertama-tama mereka akan mencoba menebak Anda, dan kemudian mereka mulai melakukan sesuatu kepada Anda terlebih dahulu. Dan otak manusia bekerja sedemikian rupa sehingga, ketika menerima informasi yang dapat dipercaya, ia bahkan tidak memproses alasan mengapa ia menerima informasi tersebut. Aturan pertama untuk menentukan bahwa Anda sedang bermimpi adalah memahami bagaimana Anda datang ke sini. Seseorang tidak pernah mengingat saat dia berada di ruangan tertentu. Di sini sama saja.
Google Mungkin Mulai Membentuk Pandangan Dunia Anda
Kajian serupa dilakukan oleh beberapa perusahaan asing yang bergerak di bidang i-tracking. Mereka memasang perangkat pada komputer khusus yang merekam arah pandangan mata subjek tes. Saya mengambil lima hingga tujuh ribu sukarelawan yang hanya menelusuri feed, berinteraksi dengan jejaring sosial, dengan iklan, dan mereka mencatat informasi tentang bagian mana dari spanduk dan materi iklan yang tidak diperhatikan oleh orang-orang ini.
Dan ternyata ketika orang menerima materi iklan yang sangat dipersonalisasi, mereka bahkan tidak memikirkannya - mereka langsung melanjutkan, mulai berinteraksi dengannya. Dari segi bisnis memang bagus, tapi dari sudut pandang kami sebagai pengguna, hal ini kurang keren, karena - apa yang mereka takutkan? – Bahwa suatu saat “Google” yang bersyarat mungkin mulai (atau, tentu saja, mungkin tidak mulai) membentuk pandangan dunianya sendiri. Besok misalnya, dia bisa mulai menayangkan berita kepada masyarakat bahwa bumi itu datar.
Cuma bercanda, tapi mereka sudah sering tertangkap sehingga saat pemilu mereka mulai memberikan informasi tertentu kepada orang-orang tertentu. Kita semua terbiasa dengan kenyataan bahwa mesin pencari mendapatkan segalanya dengan jujur. Tapi, seperti yang selalu saya katakan, jika Anda benar-benar ingin mengetahui cara kerja dunia, tulislah mesin pencari Anda sendiri, tanpa filter, tanpa memperhatikan hak cipta, tanpa memberi peringkat pada beberapa teman Anda di hasil pencarian. Tampilan data nyata di Internet umumnya berbeda dengan yang ditampilkan oleh Google, Yandex, Bing, dan lain sebagainya. Beberapa materi disembunyikan karena teman, kolega, musuh, atau orang lain (atau mantan kekasih yang tidur dengan Anda) - tidak masalah.
Bagaimana Trump menang
Ketika terjadi pemilu terakhir di Amerika, sebuah penelitian yang sangat sederhana dilakukan. Mereka menerima permintaan yang sama di tempat berbeda, dari alamat IP berbeda, dari kota berbeda, orang berbeda mencari hal yang sama di Google. Secara konvensional, permintaannya berbentuk: siapa yang akan memenangkan pemilu? Dan yang menakjubkan, hasilnya disusun sedemikian rupa sehingga di negara-negara bagian di mana sebagian besar masyarakatnya mencoba memilih kandidat yang salah, mereka menerima kabar baik tentang kandidat yang dipromosikan Google. Yang mana? Nah, sudah jelas yang mana – yang jadi presiden. Ini adalah cerita yang benar-benar tidak dapat dibuktikan, dan semua penelitian ini hanya bisa dilakukan dengan mudah. Google dapat berkata: “Teman-teman, semua ini dilakukan agar kami menampilkan konten yang paling relevan untuk Anda.”
Mulai sekarang, Anda harus tahu bahwa apa yang disebut relevan secara maksimal sama sekali tidak demikian. Perusahaan menyebut relevan sebagai sesuatu yang perlu dijual kepada Anda karena alasan baik atau buruk.
Mereka yang tidak punya uang sekarang sudah bersiap untuk pembelian di masa depan
Ada hal menarik lainnya di sini yang akan saya ceritakan kepada Anda. Saat ini, sejumlah besar audiens aktif di jejaring sosial dan aplikasi adalah kaum muda. Sebut saja ini - remaja bangkrut: anak-anak berusia 8-9 tahun yang memainkan permainan tolol, ini adalah 12-13-14 yang baru mendaftar di jejaring sosial. Mengapa perusahaan besar menghabiskan anggaran dan sumber daya yang besar untuk membuat aplikasi bagi audiens yang tidak membayar dan tidak pernah dimonetisasi? Pada saat audiens ini menjadi pelarut, akan terdapat cukup banyak data tentangnya untuk memprediksi perilakunya dengan sangat baik.
Sekarang tanyakan pada ahli target mana pun, audiens manakah yang paling sulit? Mereka akan berkata: sangat menguntungkan. Karena hampir tidak mungkin menjual, misalnya, apartemen senilai 150 juta rubel melalui jejaring sosial. Ada kasus yang terisolasi ketika Anda melakukan semacam iklan untuk 10 ribu orang, seseorang membeli apartemen ini - kliennya sukses... Tapi satu dari sepuluh ribu, dari sudut pandang statistik, adalah omong kosong. Jadi, mengapa sulit mengidentifikasi audiens berpenghasilan tinggi? Karena orang-orang yang kini menjadi anggota audiens yang sangat menguntungkan lahir ketika Internet masih sangat kecil, ketika belum ada yang mengenal Artemy Lebedev, dan belum ada informasi tentang mereka. Sulit untuk memprediksi pola perilaku mereka, tidak mungkin untuk memahami siapa pemimpin opini mereka, dan dari sumber konten apa yang mereka terima.
Jadi ketika Anda semua menjadi miliarder dalam 25 tahun, dan perusahaan yang akan menjual sesuatu kepada Anda akan memiliki data dalam jumlah besar. Itu sebabnya kami sekarang memiliki GDPR luar biasa di Eropa yang mencegah pengumpulan data dari anak di bawah umur.
Tentu saja, dalam praktiknya hal ini tidak berhasil sama sekali, karena semua anak masih bermain di akun ibu dan ayah mereka - begitulah cara informasi dikumpulkan. Lain kali Anda memberi anak Anda tablet, pikirkanlah hal ini.
Benar-benar bukan masa depan dystopian yang menakutkan, ketika semua orang akan mati dalam perang dengan mesin - sebuah kisah yang benar-benar nyata sekarang. Ada banyak sekali perusahaan yang membuat algoritme untuk psikoprofiling orang berdasarkan cara mereka bermain game. Sebuah industri yang sangat menarik. Berdasarkan semua ini, orang-orang kemudian disegmentasi untuk berkomunikasi dengan mereka.
Prediksi perilaku orang-orang ini akan tersedia dalam 10-15 tahun - tepatnya pada saat mereka menjadi penonton pelarut. Yang terpenting orang-orang tersebut sudah memberikan izin terlebih dahulu untuk mengolah data pribadinya, mentransfernya ke pihak ketiga, dan semua itu adalah kebahagiaan, dan lain sebagainya.
Siapa yang akan kehilangan pekerjaannya?
Dan cerita terakhir saya adalah semua orang selalu bertanya apa yang akan terjadi dalam 50 tahun: kita semua akan mati, akan ada pengangguran bagi para pemasar... Ada pemasar di sini yang khawatir dengan pengangguran, bukan? Secara umum, tidak perlu khawatir, karena setiap orang yang berkualifikasi tinggi tidak akan kehilangan pekerjaannya.
Tidak peduli algoritma apa yang dibuat, tidak peduli seberapa dekat mesin dengan apa yang kita miliki di sini (menunjuk ke kepalanya), jika berkembang cukup cepat, orang-orang seperti itu tidak akan pernah tinggal diam, karena seseorang harus menciptakan hal-hal kreatif ini. Mengerjakan. Ya, memang ada berbagai macam “gan” yang menggambar mirip manusia dan menciptakan musik, namun kecil kemungkinannya orang-orang di bidang ini akan kehilangan pekerjaan.
Saya memiliki segalanya dengan ceritanya, jadi Anda dapat mengajukan pertanyaan jika Anda memiliki lebih banyak. Terima kasih.
Terkemuka: – Teman-teman, sekarang kita beralih ke blok “Tanya Jawab”. Anda mengangkat tangan Anda - saya mendatangi Anda.
Pertanyaan dari penonton (XNUMX): – Pertanyaan tentang “kotak hitam”. Mereka mengatakan bahwa adalah mungkin untuk memahami secara spesifik mengapa hasil ini dan itu diperoleh untuk pengguna ini dan itu. Apakah ini semacam algoritma, atau apakah perlu dianalisis setiap saat untuk setiap model ad hoc (catatan penulis: "khusus untuk ini" - unit fraseologis Latin)? Atau apakah ada jaringan saraf siap pakai yang, secara kasar, dapat masuk akal secara bisnis?
OH: – Di sini Anda perlu memahami hal berikut: ada banyak sekali tugas dalam pembelajaran mesin. Misalnya, ada tugas - regresi. Untuk regresi, tidak diperlukan jaringan saraf sama sekali. Sederhana saja: Anda memiliki beberapa indikator, Anda perlu menghitung yang berikut ini. Ada tugas-tugas yang memerlukan pembelajaran mendalam. Memang benar, dalam pembelajaran mendalam, sulit untuk memahami secara pasti bobot apa yang diberikan pada neuron tertentu, namun secara hukum yang Anda perlukan hanyalah memahami data apa yang dimasukkan dan bagaimana data tersebut ditampilkan pada keluaran. Hal ini cukup secara hukum untuk mematenkan keputusan tersebut dan cukup untuk memahami atas dasar apa cerita itu dibuat.
Ini tidak seperti Anda mengunjungi situs tersebut dan diperlihatkan semacam spanduk karena Anda mengambil foto dengan rambut merah di Instagram dua bulan lalu. Jika pengembang tidak memasukkan kumpulan data ini dan penandaan warna rambut dalam model ini, maka hal itu tidak akan muncul begitu saja.
Bagaimana cara menjual hasil sistem pembelajaran mesin?
З: – Ini hanyalah pertanyaan tentang apa: bagaimana tepatnya menjelaskannya, bagaimana cara menjualnya kepada seseorang yang tidak memahami pembelajaran mesin. Saya ingin mengatakan: model saya jelas mengarah dari warna rambut ke... yah, warna rambut berubah... Apakah ini mungkin atau tidak?
OH: - Mungkin ya. Namun dari sudut pandang penjualan, satu-satunya skema yang akan berhasil: Anda memiliki kampanye iklan, kami mengganti audiens dengan audiens yang dihasilkan oleh mesin - dan Anda tinggal melihat hasilnya. Sayangnya, ini adalah satu-satunya cara untuk meyakinkan pelanggan bahwa cerita seperti itu berhasil, karena ada banyak solusi di pasar yang pernah diterapkan dan tidak berhasil.
Tentang menciptakan kepribadian virtual
З: - Halo. Terima kasih atas ceramahnya. Pertanyaannya adalah: peluang apa yang dimiliki seseorang, yang karena alasan tertentu tidak ingin mengikuti pembelajaran mesin, untuk menciptakan kepribadian virtual yang sangat berbeda dari kepribadiannya sendiri, melalui interaksi dengan antarmuka atau untuk beberapa hal. Alasan lain?
OH: – Ada banyak plugin berbeda yang secara khusus menangani perilaku pengacakan. Ada hal keren - Ghostery, yang menurut saya hampir sepenuhnya menyembunyikan Anda dari sekelompok pelacak berbeda yang kemudian tidak dapat mencatat informasi ini. Namun kenyataannya, sekarang yang Anda butuhkan hanyalah profil tertutup di jejaring sosial sehingga tidak seorang pun, baik pengikis jahat, dapat mengumpulkan apa pun di sana. Mungkin lebih baik memasang semacam ekstensi atau menulis sesuatu sendiri.
Soalnya, konsepnya di sini adalah bahwa secara hukum, misalnya, data pribadi mengacu pada data yang dapat digunakan untuk mengidentifikasi Anda, dan undang-undang memberikan contoh alamat tempat tinggal, usia, dan sebagainya. Saat ini ada banyak sekali data yang dapat digunakan untuk mengidentifikasi Anda: tulisan tangan keyboard yang sama, pers yang sama, tanda tangan digital browser... Cepat atau lambat, seseorang membuat kesalahan. Dia mungkin berada di suatu tempat di "kafe" menggunakan "Thor", tetapi pada akhirnya, pada suatu saat, VPN akan lupa untuk menyalakannya, atau sesuatu yang lain, dan pada saat itu dia dapat diidentifikasi. Jadi cara termudah adalah dengan membuat akun pribadi dan memasang beberapa ekstensi.
Pasar sedang bergerak menuju titik di mana Anda hanya perlu menekan satu tombol untuk mendapatkan hasil.
З: - Terima kasih untuk ceritanya. Seperti biasa, selalu sangat menarik (saya mengikuti Anda). Pertanyaannya adalah: kemajuan apa yang ada dalam hal menciptakan sistem yang positif bagi pengguna, sistem rekomendasi? Anda mengatakan bahwa pada suatu waktu Anda sedang mengerjakan sistem rekomendasi untuk menemukan pasangan seksual, teman hidup (atau musik yang mungkin disukai seseorang)... Betapa menjanjikannya semua ini, dan bagaimana Anda melihat perkembangannya dari awal. sudut pandang menciptakan sistem yang dibutuhkan masyarakat?
OH: – Secara umum, pasar sedang bergerak ke titik di mana masyarakat perlu menekan satu tombol dan segera mendapatkan apa yang mereka butuhkan. Mengenai pengalaman saya membuat aplikasi kencan (omong-omong, kami akan meluncurkannya kembali di akhir tahun), selain 65% adalah pria yang sudah menikah, masalah rekomendasi yang paling sulit adalah seseorang ditawari beberapa model. di awal aplikasi - “ Persahabatan", "Seks", "Persahabatan Seks" dan "Bisnis". Orang tidak memilih apa yang mereka butuhkan. Laki-laki datang dan memilih “Cinta”, tetapi kenyataannya mereka melemparkan ketelanjangan kepada semua orang, dan seterusnya.
Masalahnya adalah untuk mengidentifikasi seseorang yang tidak cocok dengan salah satu model ini, dan entah bagaimana dengan lancar membawanya dan memindahkannya ke arah yang lain. Karena sedikitnya jumlah data, sangat sulit untuk menentukan apakah ini merupakan kesalahan dalam algoritma peramalan, atau apakah seseorang tidak termasuk dalam kategorinya. Sama halnya dengan musik: saat ini hanya ada sedikit algoritma yang benar-benar layak yang dapat “membuat” musik dengan baik. Mungkin "Yandex.Musik". Beberapa orang menganggap algoritma Yandex.Music buruk. Misalnya, saya menyukainya. Saya pribadi, misalnya, kurang suka dengan algoritma musik YouTube dan sebagainya.
Tentu saja ada beberapa kehalusan - semuanya terkait dengan lisensi... Namun pada kenyataannya, permintaan akan sistem seperti itu cukup tinggi. Pada suatu waktu, perusahaan Retail Rocket dikenal, yang terlibat dalam penerapan sistem rekomendasi, tetapi sekarang hal itu tidak berjalan dengan baik - tampaknya karena mereka tidak mengembangkan algoritme untuk waktu yang lama. Semuanya mengarah ke sini - sampai-sampai kita masuk dan, tanpa menekan apa pun, mendapatkan apa yang kita butuhkan (dan menjadi sangat bodoh, karena kemampuan kita untuk memilih telah hilang sama sekali).
Mempengaruhi pemasaran
З: - Halo. Nama saya Konstantin. Saya ingin mengajukan pertanyaan tentang pemasaran pengaruh. Apakah Anda mengetahui sistem yang memungkinkan sebuah bisnis memilih blogger yang cocok untuk bisnisnya berdasarkan beberapa data statistik dan sebagainya? Dan atas dasar apa hal ini dilakukan?
OH: – Ya, saya akan mulai dari jauh dan langsung mengatakan bahwa masalah dengan semua teknologi ini adalah bahwa semua kecerdasan buatan dalam pemasaran sekarang seperti berjalan di atas tali: di sebelah kiri ada perusahaan besar yang memiliki banyak uang, dan di bagaimanapun semuanya akan efektif agar mereka berhasil karena kampanye iklan mereka ditujukan hanya pada penayangan; di sisi lain, banyak usaha kecil yang tidak bisa melakukan hal ini karena mereka mempunyai banyak data. Sejauh ini, penerapan cerita-cerita ini berada di tengah-tengah.
Ketika anggaran sudah bagus, dan tugasnya adalah memproses anggaran tersebut dengan benar (dan pada prinsipnya datanya sudah cukup banyak)… Saya tahu beberapa layanan, seperti Getblogger, yang sepertinya memiliki algoritma. Sejujurnya, saya belum mempelajari algoritma ini. Saya dapat memberi tahu Anda pendekatan apa yang kami gunakan untuk menemukan pemimpin opini ketika kami perlu memberikan hadiah kepada beberapa ibu.
Kami menggunakan metrik yang disebut Waktu Distribusi Konten. Cara kerjanya seperti ini: Anda mengambil seseorang yang audiensnya Anda analisis, dan Anda perlu secara sistematis (misalnya, setiap 5 menit sekali) mengumpulkan informasi pada setiap postingan, siapa yang menyukainya, mengomentarinya, dan seterusnya. Dengan cara ini, Anda dapat memahami kapan setiap orang di audiens Anda berinteraksi dengan konten Anda. Ulangi operasi ini untuk setiap perwakilan audiensnya, dan dengan demikian, dengan menggunakan metrik waktu rata-rata penyebaran konten, hal ini dapat, misalnya, diwarnai dalam grafik jaringan besar orang-orang ini dan menggunakan metrik ini untuk membangun cluster.
Ini cukup berhasil jika kita ingin, misalnya, menemukan 15 ibu yang mempertahankan opini publiknya di beberapa Woman.ru. Tapi ini adalah implementasi teknis yang agak rumit (walaupun secara teori hal ini dapat dilakukan dengan Python). Intinya adalah masalah pemasaran pengaruh di biro iklan besar adalah mereka membutuhkan blogger besar, keren, dan mahal yang tidak bekerja untuk apa pun. Sekarang, sebuah merek mobil ingin menjual produknya melalui beberapa pemimpin opini - mereka perlu menggunakan auto blogger terakhir, karena audiens tersebut sudah membeli mobil, atau tahu persis jenis mobil apa yang mereka inginkan, hanya duduk dan melihat di mobil keren. Di sini penting untuk tidak melewatkan analisis audiens dari orang itu sendiri.
Bot pemasaran
З: – Katakan padaku, seberapa besar pengaruh bot di jejaring sosial terhadap pengumpulan informasi dan kualitasnya?
OH: – Ini adalah hal yang menarik dengan bot. Bot murah cukup mudah dikenali - mereka memiliki konten yang sama, atau berteman satu sama lain, atau berada di jaringan yang sama. Ada juga pendekatan untuk menangani bot yang kompleks. Atau apakah Anda menanyakan masalah bagaimana menghubungkan seseorang dengan kepalsuannya?
З: – Seberapa tinggi informasi berkualitas tinggi yang akan dihasilkan dengan semua sampah ini?
OH: – Cara kerjanya begini: karena banyaknya data yang ada (misalnya, untuk beberapa jenis riset pemasaran), semua sampah ini bisa dibuang begitu saja. Artinya, lebih baik membuang lebih banyak orang sungguhan daripada menangkap bot, karena tidak ada gunanya mereka menampilkan iklan apa pun. Namun jika Anda mengumpulkan metrik, misalnya interaksi dengan spanduk atau sistem rekomendasi, akun tersebut dapat dibuang.
Sekarang di jejaring sosial, ada sekitar enam persen karakter virtual atau halaman yang ditinggalkan atau introvert, yang “cocok” dengan algoritma sebagai bot. Adapun menghubungkan seseorang dengan palsunya, di sini juga, semuanya terkait dengan fakta bahwa orang tersebut cepat atau lambat akan melakukan kesalahan, dan masalahnya adalah model perilakunya sama - baik akun aslinya maupun akun palsunya. Cepat atau lambat mereka akan menonton konten yang sama atau yang lainnya.
Di sini semuanya tidak tergantung pada persentase kesalahan, tetapi pada jumlah waktu yang diperlukan untuk mengidentifikasi seseorang dengan andal. Untuk seseorang yang tinggal dengan Instagram mereka, waktu untuk identifikasi yang andal ini memakan waktu hingga lima menit. Untuk beberapa – enam hingga delapan bulan.
Kepada siapa dan bagaimana cara menjual data?
З: - Halo. Saya tertarik untuk mengetahui bagaimana data dijual antar perusahaan? Misalnya, saya mempunyai aplikasi di mana Anda dapat mengetahui (kepada pengembang) ke mana seseorang pergi, toko apa yang dia kunjungi, dan berapa banyak uang yang dia habiskan di sana. Dan saya tertarik untuk mengetahui bagaimana, katakanlah, saya dapat menjual data tentang audiens saya ke toko-toko ini atau memasukkan data saya ke dalam satu database besar dan mendapatkan bayaran untuk itu?
OH: – Dalam hal menjual data secara langsung kepada seseorang, Anda dan semua orang berada di depan OFD – operator data fiskal, yang dengan cerdik membangun diri mereka sendiri antara transfer cek dan Layanan Pajak dan sekarang mencoba menjual data kepada semua orang. Memang benar, mereka benar-benar menghancurkan seluruh pasar analisis seluler. Faktanya, Anda dapat menyematkan aplikasi Anda, misalnya piksel Facebook, sistem DMP-nya; lalu gunakan audiens ini untuk menjual. Misalnya, piksel “Mungkin Target”. Saya hanya tidak tahu audiens seperti apa yang Anda miliki, Anda perlu memahaminya. Namun bagaimanapun juga, Anda dapat berintegrasi ke Yandex atau My Target, yang merupakan sistem DMP terbesar.
Ini adalah cerita yang cukup menarik. Satu-satunya masalah adalah Anda akan memberi mereka semua lalu lintas, dan mereka, sebagai pertukaran, akan mengambil alih monetisasi lalu lintas ini. Mereka mungkin memberi tahu Anda atau tidak bahwa 10 orang telah menggunakan audiens Anda. Oleh karena itu, Anda membangun jaringan periklanan Anda sendiri, atau Anda menyerah pada DMP yang besar.
Siapa yang akan menang - artis atau teknisi?
З: – Sebuah pertanyaan agak jauh dari bagian teknis. Hal ini dikatakan tentang ketakutan para pemasar akan datangnya pengangguran massal. Apakah ada semacam persaingan antara pemasaran kreatif (sepertinya orang-orang yang menciptakan iklan ayam, iklan Volkswagen) dan mereka yang terlibat dalam Big Data (yang mengatakan: sekarang kami hanya akan mengumpulkan semua data dan menayangkan iklan bertarget ke setiap orang )? Sebagai orang yang terlibat langsung, apa pendapat Anda tentang siapa yang akan menang - artis, teknisi, atau ada efek sinergisnya?
OH: – Dengar, mereka bekerja sama. Insinyur tidak menghasilkan kreativitas. Mereka yang kreatif tidak menciptakan penonton. Ada semacam cerita multidisiplin di sini. Masalah sebenarnya sekarang adalah bagi mereka yang duduk dan menekan tombol, bagi mereka yang melakukan “pekerjaan monyet”, menekan tombol yang sama setiap hari - inilah orang-orang yang akan menghilang.
Namun yang menganalisa data tersebut dengan sendirinya akan tetap ada, namun harus ada yang mengolah data tersebut. Seseorang harus membuat gambar-gambar ini, menggambarnya. Sebuah mesin tidak dapat menghasilkan kreativitas seperti itu! Ini benar-benar gila! Atau seperti, misalnya, iklan viral Carprice, yang ternyata berhasil dengan sangat baik. Ingat, ada yang ini di YouTube: “Jual di Carprice,” benar-benar gila. Tentu saja, tidak ada jaringan saraf yang menghasilkan cerita seperti itu.
Secara umum, saya mendukung fakta bahwa bukan orang yang akan kehilangan pekerjaan, tetapi mereka akan memiliki lebih banyak waktu luang, dan mereka akan dapat menggunakan waktu luang ini untuk pendidikan mandiri.
Iklan primitif akan punah
З: - Pada umumnya, iklan yang ditampilkan, spanduk - pada umumnya, bahkan teks penjualan tidak tertulis di sana: "Anda memerlukan jendela - ambillah!", "Anda memerlukan sesuatu yang lain - ambillah!", yaitu, tidak ada kreativitas sama sekali.
OH: – Iklan seperti itu tentu saja akan punah, cepat atau lambat. Dunia ini akan punah bukan karena perkembangan teknologi, melainkan karena perkembangan Anda dan saya.
Lebih baik mencampurkan yang relevan dengan yang tidak relevan
З: - Aku disini! Saya punya pertanyaan tentang eksperimen yang menurut Anda tidak berhasil (dengan sistem pemberi rekomendasi). Menurut Anda, apakah masalahnya ditandatangani di sana, mengapa direkomendasikan, atau apakah semua yang dilihat pengguna tampak relevan baginya? Karena saya membaca eksperimen untuk para ibu, dan datanya belum banyak, dan data dari Internet juga tidak banyak, yang ada hanya data dari toko kelontong yang memperkirakan kehamilan (bahwa mereka akan menjadi ibu). Dan ketika mereka menunjukkan pilihan produk untuk ibu hamil, para ibu merasa ngeri karena mereka mengetahuinya sebelum ada hal resmi. Dan itu tidak berhasil. Dan untuk mengatasi masalah ini, mereka sengaja mencampurkan produk yang relevan dengan sesuatu yang sama sekali tidak relevan.
OH: “Kami secara khusus menunjukkan kepada masyarakat dasar pembuatan rekomendasi untuk memahami masukan mereka. Sebenarnya dari sinilah lahir konsep bahwa orang tidak perlu diberi tahu bahwa ini adalah beberapa produk yang super relevan baginya.
Ya, omong-omong, ada pendekatan untuk mencampurkannya dengan yang tidak relevan. Namun ada hal sebaliknya: terkadang orang datang dan berinteraksi dengan produk yang tidak relevan ini - outlier acak terjadi, model rusak, dan segalanya menjadi lebih rumit. Tapi ini sebenarnya ada. Selain itu, banyak perusahaan dengan sengaja, jika mereka mengetahui bahwa seseorang sedang memproses data mereka (seseorang dapat mencuri keluaran tersebut dari mereka), terkadang mereka mencampuradukkannya sehingga nantinya mereka dapat membuktikan bahwa Anda tidak mengambil data dari sistem rekomendasinya, namun dari yang disebut Yandex.Market.
Pemblokir iklan dan keamanan browser
З: - Halo. Anda menyebutkan Ghostery dan Adblock. Bisakah Anda memberi tahu kami seberapa efektif pelacak tersebut secara umum (mungkin berdasarkan statistik)? Dan apakah Anda mendapat perintah dari perusahaan: kata mereka, pastikan iklan kami tidak dapat ditutup oleh Adblock.
OH: – Kami tidak menghubungi platform periklanan secara langsung – justru agar mereka tidak meminta agar iklan mereka terlihat oleh semua orang. Saya pribadi menggunakan Ghostery – menurut saya ini adalah ekstensi yang sangat keren. Sekarang semua browser memperjuangkan privasi: Mozilla telah merilis berbagai macam pembaruan, Google Chrome kini super aman. Mereka semua memblokir semua yang mereka bisa. “Safari” bahkan telah menonaktifkan “Giroskop” secara default.
Dan tren ini tentu saja bagus (bukan bagi mereka yang mengumpulkan data, meski mereka juga keluar dari situ), karena orang pertama yang memblokir cookie. Setiap orang yang memiliki jaringan periklanan mengingat teknologi luar biasa seperti sidik jari browser - ini adalah algoritme yang menerima 60 parameter berbeda (resolusi layar, versi, font yang dipasang) dan berdasarkan parameter tersebut, mereka menghitung "ID" unik. Mari kita lanjutkan ke ini. Dan browser mulai kesulitan dengan hal ini. Secara umum, ini akan menjadi pertempuran para raksasa tanpa akhir.
Pengembang terbaru Mozilla cukup aman. Ini hampir tidak menghemat cookie dan menetapkan masa pakai yang singkat. Apalagi jika Anda mengaktifkan “Incognito”, tidak ada yang akan menemukan Anda sama sekali. Pertanyaannya adalah memasukkan kata sandi di semua layanan akan merepotkan.
Di manakah psikotipe dan fisiognomi berfungsi dan tidak berfungsi?
З: – Arthur, terima kasih banyak atas ceramahnya. Saya juga menikmati mengikuti ceramah Anda di YouTube. Anda menyebutkan bahwa pemasar semakin banyak yang menggunakan psikotipe dan fisiognomi. Pertanyaan saya adalah: di kategori merek apa alat ini berfungsi? Keyakinan saya adalah ini hanya cocok untuk FMCG. Misalnya, memilih mobil adalah...
OH: – Saya dapat mengunduh di tempat yang berfungsi. Ini berfungsi di semua jenis cerita seperti “Amediateka”, serial TV, film, dan sebagainya. Ini berfungsi baik di bank dan produk perbankan, kalau bukan segmen premium, tapi semua jenis kartu pelajar, paket cicilan - semacam itu. Ini benar-benar berfungsi dengan baik di FMCG dan semua jenis iPhone, pengisi daya, dan semua omong kosong ini. Ini bekerja dengan baik pada produk “mom and pop”. Meskipun saya tahu itu dalam memancing (ada topik seperti itu)... Ada beberapa kasus yang menimpa nelayan - mereka tidak pernah dapat disegmentasi dengan andal. Saya tidak tahu kenapa. Semacam kesalahan statistik.
Ini tidak cocok untuk pengendara, perhiasan, atau barang-barang rumah tangga lainnya. Faktanya, ini tidak cocok untuk hal-hal yang tidak akan pernah ditulis orang di media sosial - Anda dapat memeriksanya dengan cara ini. Secara konvensional, dengan pembelian mesin cuci: berikut cara mengetahui siapa yang memiliki mesin cuci dan siapa yang tidak? Sepertinya semua orang memilikinya. Anda dapat menggunakan data OFD - melihat siapa yang membeli apa menggunakan tanda terima, dan mencocokkan orang-orang ini menggunakan tanda terima. Namun nyatanya, ada hal-hal yang tidak akan pernah Anda bicarakan, misalnya di Instagram - sulit untuk menangani hal-hal seperti itu.
Mesin mengenali trik sebagai isian statistik.
З: – Saya punya pertanyaan tentang penargetan. Mungkinkah (atau tiba-tiba ada) karakter acak bersyarat yang bertentangan dengan dirinya sendiri dalam segala hal: pertama dia mencari "gym terbaik" di Google, dan kemudian dia mencari "10 cara untuk tidak melakukan apa pun" di Google? Dan begitu pula dalam segala hal. Bisakah penargetan melacak sesuatu yang bertentangan?
OH: – Satu-satunya pertanyaan di sini adalah: jika Anda telah menggunakan Google selama 2 tahun, menceritakan semua yang Anda bisa tentang diri Anda, dan sekarang menginstal plugin untuk diri Anda sendiri yang akan menulis pertanyaan acak serupa, maka, tentu saja, dari statistik Anda akan melakukannya dapat memahami – apa yang Anda lakukan saat ini adalah data statistik yang aneh, dan ini semua adalah masalah menyaringnya. Jika mau, daftarkan akun baru, tetapi volume iklan tidak akan berubah. Dia akan menjadi aneh. Meski dia masih aneh.
Beberapa iklan 🙂
Terima kasih untuk tetap bersama kami. Apakah Anda menyukai artikel kami? Ingin melihat konten yang lebih menarik? Dukung kami dengan melakukan pemesanan atau merekomendasikan kepada teman, , analog unik dari server level awal, yang kami temukan untuk Anda: (tersedia dengan RAID1 dan RAID10, hingga 24 core dan hingga 40GB DDR4).
Dell R730xd 2x lebih murah di pusat data Equinix Tier IV di Amsterdam? Hanya disini di Belanda! Dell R420 - 2x E5-2430 2.2Ghz 6C 128GB DDR3 2x960GB SSD 1Gbps 100TB - mulai $99! Membaca tentang
Sumber: www.habr.com