Arthur Khachuyan è un noto specialista russo nell'elaborazione dei big data, fondatore della società Social Data Hub (ora Tazeros Global). Partner della Scuola Superiore di Economia della National Research University. Ha preparato e presentato, insieme alla Scuola Superiore di Economia dell'Università Nazionale di Ricerca, un disegno di legge sui Big Data al Consiglio della Federazione.Ha parlato al Curie Institute di Parigi, all'Università statale di San Pietroburgo, all'Università federale sotto il governo della Federazione Russa, al Red Apple, International OpenDataDay, RIW 2016, AlfaFuturePeople.
La conferenza è stata registrata al festival all’aperto “Geek Picnic” a Mosca nel 2019.
Arthur Khachuyan (di seguito – AH): – Se da un numero enorme di settori - dalla medicina, dall'edilizia, da qualcosa, qualcosa, scegli quello in cui viene utilizzata più spesso la tecnologia dei big data, dell'apprendimento automatico, dell'apprendimento profondo, allora probabilmente si tratta di marketing. Perché da circa tre anni tutto ciò che ci circonda in una sorta di comunicazione pubblicitaria è ormai legato proprio all'analisi dei dati e proprio a quella che può essere chiamata intelligenza artificiale. Perciò oggi vi parlerò di questo, da una storia così lontana...
Se immagini l’intelligenza artificiale e come appare, probabilmente è qualcosa del genere. La strana immagine è una delle reti neurali che ho scritto un anno fa per trovare la dipendenza di ciò che fa il mio cane: quante volte ha bisogno di diventare grande, piccolo e come generalmente dipende da quanto mangia o no? . Questa è una battuta su come si potrebbe immaginare l'intelligenza artificiale.
Ma pensiamo ancora a come funziona il tutto nella comunicazione pubblicitaria. Esistono tre modi in cui i moderni algoritmi della pubblicità e del marketing possono interagire con noi. È chiaro che la prima storia ha lo scopo di ottenere ed estrarre ulteriore conoscenza su di te e su di me, per poi usarla per scopi buoni e meno buoni; personalizzare l'approccio per ogni persona specifica; Naturalmente, successivamente, si crea una certa domanda per eseguire l'azione target principale e condurre una certa vendita.
Usando la tecnologia, stanno cercando di risolvere il problema di una comunicazione efficace
Se ti dico di pensare a quello che Pornhub e M. Video”, a cosa stai pensando?
Commenti del pubblico (di seguito denominato C): - TV, pubblico.
OH: – Il mio concetto è che questi sono due luoghi in cui le persone vengono per un certo tipo di servizio, o chiamiamolo un certo tipo di merce. E questo pubblico è diverso in quanto non vuole dire nulla al venditore. Vuole entrare e ottenere ciò che le interessa in qualche forma esplicita o implicita. Naturalmente nessuno verrà a M. Video” non vuole comunicare con nessun venditore, non vuole capire, non vuole rispondere a nessuna delle loro domande.
Pertanto, la prima storia segue da tutto ciò.
Quando sono apparse tecnologie per ottenere ulteriori conoscenze per evitare in qualche modo di comunicare con una persona. A tutti noi piace quando chiamiamo la banca e la banca ci dice: “Ciao. Alexey, tu sei il nostro cliente VIP. Adesso qualche super manager ti parlerà”. Vieni in questa banca e c'è davvero un manager unico che può parlarti. Sfortunatamente o per fortuna, nessuna azienda ha ancora capito come assumere mille manager personali per mille clienti; e poiché la maggior parte di queste persone sono ora online, il compito è capire che tipo di persona è e come comunicare correttamente con lui prima che arrivi a qualche risorsa pubblicitaria. E quindi, in effetti, sono apparse tecnologie che stanno cercando di risolvere questo problema.
L’estrazione dei dati è il nuovo petrolio
Immaginiamo che tu sia il proprietario di una bancarella di fiori. Tre persone vengono a trovarti. Il primo resta in piedi per molto tempo, esita, cerca di parlarti, prende una specie di bouquet: vai ad avvolgerlo, esci a fare qualcosa lì; scappa dalla bancarella con questo bouquet: hai perso i tuoi tremila rubli. Perchè è successo? Non sai nulla di questa persona: non conosci la sua storia di arresti presso il Ministero degli Affari Interni, non sai che è cleptomane ed è registrato in un dispensario psichiatrico. Perché? Perché l'hai visto per la prima volta e non sei un analista comportamentale.
Arriva qualcun altro... Vitaly. Anche Vitaly impiega molto tempo per capirlo, dice: "Beh, ho bisogno di questo e quello". E tu gli dici: "Fiori per la mamma, giusto?" E gli vendi un mazzo di fiori.
Il concetto qui è quello di trovare dati sufficienti per capire di cosa ha effettivamente bisogno la persona. Tutti hanno subito pensato a qualche tipo di rete pubblicitaria e così via...
Probabilmente tutti hanno sentito più di una volta la stupida frase secondo cui “i dati sono il nuovo petrolio”? Sicuramente tutti hanno sentito. In effetti, le persone hanno imparato a raccogliere dati molto tempo fa, ma estrarre dati da questi dati è il compito che l’intelligenza artificiale nel marketing, o qualche tipo di algoritmo statistico, sta ora cercando di risolvere. Perché? Perché se parli con una persona, può darti una risposta giusta, sbagliata o in qualche modo colorata. La battuta che racconto ai miei studenti riguarda la differenza tra i sondaggi e le statistiche. Ve la racconto come un aneddoto:
Ciò significa che in due villaggi si è deciso di condurre uno studio sulla durata media della virilità. Ciò significa che nel primo paese, Villaribo, la lunghezza media è di 15 centimetri, nel paese di Villabaggio - 25. Sapete perché? Perché nel primo villaggio sono state effettuate le misurazioni e nel secondo è stato effettuato un sondaggio.
L’industria del porno è il fiore all’occhiello dei sistemi di raccomandazione
Questo è il motivo per cui l’approccio moderno è quello di analizzare tutte le persone senza eccezioni, anche se sono poco meno del 100%, ma queste sono le persone a cui non hai bisogno di chiedere, non hai bisogno di guardarle. Basta analizzare quella che oggi viene chiamata impronta digitale per capire di cosa ha bisogno questa persona, come parlargli correttamente, come creare correttamente domanda intorno a lui. Da un lato, questa è una macchina senza cervello (ma tu ed io lo sappiamo molto bene); non vogliamo comunicare con persone di M. Video", e ancora di più, quando utilizziamo risorse come Pornhub, vogliamo ottenere esattamente ciò di cui abbiamo bisogno.
Perché parlo sempre di Pornhub? Perché l'industria per adulti è la prima ad arrivare all'analisi di tali tecnologie, all'implementazione di tali tecnologie, all'analisi dei dati. Se prendi le tre librerie più popolari in quest'area (ad esempio TensorFlow o Pandas per Python, per l'elaborazione di file CSV, e così via), se le apri su Github, con un breve Google di tutti questi nomi troverai un paio di persone che hanno lavorato o lavorano attualmente presso l'azienda Pornhub, e sono stati i primi a implementare lì sistemi di raccomandazione. In generale, questa storia è molto avanzata e mostra quanto questo pubblico, quanto questa azienda sia andata avanti.
Tre livelli di identificazione
Esiste un enorme insieme di dati attorno a una persona che può essere identificata. Di solito lo divido formalmente in tre livelli, andando sempre più in profondità. Naturalmente l'azienda dispone dei propri dati.
Se, diciamo, stiamo parlando di costruire un sistema di consigli, il primo livello sono i dati che si trovano nel negozio stesso (cronologia degli acquisti, tutti i tipi di transazioni, come una persona ha interagito con l'interfaccia).
Successivamente c'è un livello (relativamente il più grande): questo è ciò che viene chiamato open source. Non pensare che ti incoraggio a raschiare i social network, ma in realtà ciò che è disponibile nelle fonti aperte apre un enorme insieme di dati che puoi, ad esempio, conoscere su una persona.
E la terza parte importante è l'ambiente di questa persona stessa. Sì, c'è un'opinione secondo cui se una persona non è sui social network, non ci sono dati su di lui lì (probabilmente sai già che questo non è vero), ma la cosa più importante è che i dati presenti sul profilo di una persona (o in alcune applicazioni) rappresenta solo il 40% della conoscenza che si può ottenere a riguardo. Il resto delle informazioni viene ottenuto dal suo ambiente. La frase “dimmi chi è il tuo amico e ti dirò chi sei” assume un nuovo significato nel XNUMX° secolo perché è possibile ottenere un’enorme quantità di dati su quella persona.
Se parliamo più da vicino di comunicazioni pubblicitarie, ricevere comunicazioni pubblicitarie non dalla pubblicità, ma da qualche amico, conoscente o persona in qualche modo verificata è una funzionalità molto interessante utilizzata da molti esperti di marketing. Quando qualche applicazione ti offre improvvisamente un codice promozionale gratuito, pubblichi un post a riguardo e attiri così un nuovo pubblico. In effetti, questo codice promozionale per il condizionale "Yandex.Taxi" non è stato scelto a caso, ma per questo è stata analizzata un'enorme quantità di dati sul tuo potenziale per attirare un nuovo pubblico e interagire in qualche modo con loro.
Analizzano persino il comportamento dei personaggi delle serie TV
Ti mostrerò tre immagini e tu mi dirai qual è la differenza tra loro.
Questo:
Questo:
E questo:
Qual è la differenza tra loro? Tutto è semplice qui. Come nella meccanica quantistica, anche in questo caso la creatività è stata formata dall'osservatore. Cioè, la differenza nella stessa campagna pubblicitaria, realizzata dallo stesso brand nello stesso momento, sta solo in chi ha guardato questa creatività. Personalmente, quando vado ad Amediateka, mostrano ancora Khal Drogo. Non so cosa pensi Amediateka delle mie preferenze, ma per qualche motivo questo accade.
Quella che oggi viene chiamata comunicazione personalizzata è la storia più popolare per attirare un pubblico e interagire adeguatamente con esso. Se nella prima fase abbiamo identificato le persone utilizzando i dati del nostro marchio, dati open source e, ad esempio, dati provenienti dall'ambiente di questa persona, noi, dopo averla analizzata, possiamo capire chi è, come parlargli correttamente e, soprattutto , che lingua parla parlagli.
Qui la tecnologia è arrivata a tal punto che ora vengono analizzati i personaggi delle serie TV che la gente guarda. Cioè, ti piacciono le serie TV: guardano loro [mi piace], guardano con chi hai interagito lì, per capire con che tipo di persona sarebbe adatto per te interagire. Sembra una totale assurdità, ma solo per divertimento, provalo su una delle risorse: persone diverse vedono creatività diverse (per interagire correttamente con esse).
Non un singolo media moderno o alcuna risorsa video ti mostra solo alcune notizie. Vai ai media: viene caricato un numero enorme di algoritmi che ti identificano, comprendono tutta la tua attività precedente, fanno appello al modello matematico e poi ti mostrano qualcosa. In questo caso, c'è una storia così strana.
Come vengono determinati i bisogni? Psicometria. Fisionomia
Esistono molti approcci (reali) per determinare i bisogni reali di una persona e come comunicare con loro correttamente. Esistono tanti approcci, tutto si risolve diversamente, è impossibile dire quale sia il bene e quale il male. I principali sembrano sapere tutto.
Psicometria. Dopo la storia con Cambridge Analytics, ci è voluta una sorta di svolta scioccante, secondo me, perché ora una compagnia politica su due arriva e dice: “Oh, puoi farmi diventare come Trump? Voglio anche vincere, e così via. In realtà, questo, ovviamente, non ha senso per le nostre realtà, ad esempio le elezioni politiche. Ma per determinare gli psicotipi vengono utilizzati tre modelli:
- il primo si basa sui contenuti che consumi: le parole che scrivi, alcune informazioni che ti piacciono, i video, ecc.;
- il secondo è legato a come interagisci con l'interfaccia web, come digiti, quali pulsanti premi - ci sono infatti intere aziende che, in base alla scrittura sulla tastiera, possono determinare in modo abbastanza affidabile quelli che oggi vengono chiamati psicotipi.
- Io non sono un grande psicologo, non capisco bene come funzioni, ma dal punto di vista della comunicazione pubblicitaria le audience divise in questi segmenti funzionano molto bene, perché a qualcuno bisogna mostrare uno schermo rosso con uno blu donna, a qualcuno è necessario mostrare uno schermo scuro, con uno sfondo blu con una sorta di astrazione, e funziona molto bene. Ad alcuni livelli bassi, al punto che una persona non ci pensa nemmeno. Qual è oggi il problema principale del mercato pubblicitario? Tutti sono agenti dell'intelligence, tutti si nascondono, tutti hanno un milione di migliaia di permessi del browser installati per non essere identificati in alcun modo - probabilmente hai "Adblocks", "Gostrey" e tutti i tipi di applicazioni che bloccano il tracciamento. Per questo motivo è molto difficile capire qualcosa di una persona. E la tecnologia è andata avanti: devi sapere non solo che questa persona è tornata sul tuo sito per la 125esima volta, ma che è anche una persona così strana.
La fisionomia è una scienza molto controversa. Non è nemmeno considerata scienza. Questo è un gruppo di persone che programmavano macchine della verità per alcuni Ministero degli affari interni, e ora sono impegnate in quella che viene chiamata la personificazione della creatività. L'approccio qui è molto semplice: molte delle tue fotografie pubbliche sono prese da alcuni social network e da esse viene costruita la geometria tridimensionale. E se sei un avvocato, ora dirai che si tratta di una persona e di dati personali; ma ti dirò che questi sono 300mila punti situati nello spazio, e questa non è una persona e non sono dati personali. Questo è ciò che di solito dicono tutti quando Roskomnadzor viene da loro.
Ma sul serio, il tuo viso separatamente, se il tuo nome e cognome non sono firmati lì, non sono i tuoi dati personali. Il punto è che i ragazzi evidenziano varie caratteristiche facciali che influenzano il modo in cui una persona prende le decisioni e come interagire correttamente con lui. In alcune aree funziona male, in alcuni segmenti pubblicitari; in quali segmenti funziona molto bene. Alla fine, si scopre che quando vai su qualche risorsa, non vedi solo un banner che viene mostrato a tutti, ma, per esempio... ora è normale fare 16 o 20 opzioni per pubblici diversi - e funziona molto bello. Sì, questo è ancora più triste dal punto di vista del consumatore, perché le persone cominciano a essere sempre più manipolate. Ma dal punto di vista commerciale funziona comunque molto bene.
La scatola nera del machine learning
Ciò solleva il seguente problema con tali tecnologie: dopo tutto, per la maggior parte degli sviluppatori oggi quello che viene chiamato deep learning è una “scatola nera”. Se sei mai stato immerso in questa storia e hai parlato con gli sviluppatori, dicono sempre: "Oh, ascolta, beh, abbiamo codificato qualcosa di così incomprensibile lì e non sappiamo come funziona". Forse a qualcuno è successo questo.
In realtà questo è tutt’altro che vero. Ciò che oggi viene chiamato machine learning è ben lungi dall’essere una “scatola nera”. Esistono moltissimi approcci per descrivere i dati di input e di output e alla fine l'azienda può comprendere a fondo sulla base di quali segnali la macchina ha deciso di mostrarti questo o un altro video pornografico. La questione è che nessuna delle aziende lo rivela mai, perché: in primo luogo, è un segreto commerciale; in secondo luogo, ci sarà un’enorme quantità di dati di cui non sapevi nemmeno.
Ad esempio, in precedenza, in una discussione sull'etica, abbiamo discusso di come i social network analizzano i messaggi personali per taggare le persone in una sorta di storie pubblicitarie. Se scrivi qualcosa a qualcuno, in base a questo ricevi un tag specifico per, appunto, qualche tipo di comunicazione pubblicitaria. E non lo dimostrerai mai, e probabilmente non ha senso dimostrarlo. Tuttavia, se venissero rivelati modelli simili, esisterebbero. Si scopre che il mercato per la costruzione di tali sistemi di raccomandazione finge di non sapere perché ciò sia accaduto.
Le persone non vogliono sapere cosa sanno di loro
E la seconda storia è che il cliente non vuole mai sapere perché ha ricevuto questo particolare annuncio, questo particolare prodotto. Ti racconterò questa storia. La mia prima esperienza nell'implementazione commerciale di sistemi di raccomandazione basati su algoritmi simili proprio a fini di ricerca è stata nel 2015 in una rete molto ampia di sexy shop (sì, anche questa non è una storia particolarmente spiacevole).
Ai clienti è stato offerto quanto segue: entrano, accedono con il loro social network e dopo circa 5 secondi ricevono un negozio completamente personalizzato per loro, cioè tutti i prodotti sono cambiati - rientrano in una determinata categoria e così via . Sai quanto è aumentato il tasso di conversione di questo negozio? Niente affatto! La gente è entrata e subito è scappata. Sono entrati e si sono resi conto che gli era stato offerto esattamente quello a cui stavano pensando...
Il problema di questo test era che sotto ogni prodotto era scritto il motivo per cui ti è stato offerto proprio quello (“perché fai parte del gruppo nascosto “Donna potente cerca un uomo che sia uno zerbino”). Pertanto, i moderni sistemi di raccomandazione non mostrano mai i dati sulla base dei quali è stata fatta la “previsione”.
Una storia molto popolare è quella dei media perché tutti utilizzano sistemi di raccomandazione simili. In precedenza, gli algoritmi erano molto semplici: guarda la categoria "Politica" e ti mostrano le notizie dalla categoria "Politica". Adesso è tutto così complicato che analizzano i punti in cui hai fermato il mouse, su quali parole ti sei concentrato, cosa hai copiato, come in generale hai interagito con questa pagina. Poi analizza il vocabolario dei messaggi stessi: sì, non stai leggendo solo notizie su Putin, ma in un certo modo, con una certa colorazione emotiva. E quando una persona riceve una notizia, non pensa nemmeno a come è arrivata qui. Tuttavia, interagisce poi con questo contenuto.
Tutto ciò, naturalmente, ha lo scopo di mantenere il povero e sfortunato ometto che sta già impazzendo per l'enorme quantità di informazioni che lo circondano. Qui va detto che sarebbe bello utilizzare tali sistemi per personalizzare la creatività intorno a te e raccogliere alcune informazioni, ma sfortunatamente non esistono ancora servizi del genere.
L’intelligenza artificiale cattura il cliente in aria e crea domanda
E qui sorge una domanda filosofica molto interessante, passando dalla creazione di un sistema di raccomandazioni alla creazione della domanda. Raramente qualcuno ci pensa, ma quando provi a chiedere al cosiddetto Instagram: “Perché raccogli dati? Perché non mostrarmi pubblicità assolutamente casuale?" - Instagram ti dirà: "Amico, tutto questo è fatto per mostrarti esattamente ciò che ti interessa." Ad esempio, vogliamo conoscerti in modo così preciso da poterti mostrare esattamente quello che stai cercando.
Ma la tecnologia ha ormai superato da tempo questa terribile soglia e tecnologie simili non prevedono più ciò di cui hai bisogno. Loro (attenzione!) creano domanda. Questa è probabilmente la cosa più spaventosa che ruota attorno all’intelligenza artificiale in tali comunicazioni. La cosa spaventosa è che è stato utilizzato quasi ovunque negli ultimi 3-5 anni: dai risultati di ricerca di Google ai risultati di ricerca di Yandex, ad alcuni sistemi... Ok, non dirò niente di negativo su Yandex; e bene.
Qual e il punto? Da molto tempo queste comunicazioni pubblicitarie si sono allontanate dalla strategia in cui si scrive “voglio comprare un seggiolino per bambini” e si vedono centomila milioni di pubblicazioni. Si passava a quanto segue: non appena la donna postava una foto con la pancia appena visibile, suo marito cominciava subito a essere seguito da messaggi: “Amico, il parto è imminente. Compra un seggiolino per bambini."
Qui, potresti ragionevolmente chiederti, perché, con progressi così giganteschi nella tecnologia, vediamo ancora pubblicità così schifosa sui social network? Il problema è che in questo mercato tutto è ancora deciso dal denaro, quindi un bel momento qualche inserzionista come la Coca-Cola potrebbe venire e dire: “Ecco 20 milioni per te – mostra i miei striscioni di merda a tutta Internet”. E lo faranno davvero.
Ma se crei una sorta di account pulito e provi con quanta precisione tali algoritmi ti indovinano: prima provano a indovinarti e poi iniziano a farti qualcosa in anticipo. E il cervello umano funziona in modo tale che, quando riceve informazioni affidabili per lui, non elabora nemmeno il momento per cui ha ricevuto queste informazioni. La prima regola per determinare se sei in un sogno è capire come sei arrivato qui. Una persona non ricorda mai il momento in cui è finita in una certa stanza. È lo stesso qui.
Google potrebbe iniziare a dare forma alla tua visione del mondo
Tali studi sono stati condotti da diverse società straniere che si occupano di i-tracking. Hanno installato dispositivi su computer speciali che registrano dove guardano gli occhi del soggetto del test. Ho preso dai cinque ai settemila volontari che semplicemente hanno fatto scorrere il feed, hanno interagito con i social network, con la pubblicità e hanno registrato informazioni su quali parti dei banner e dei creativi queste persone hanno fermato lo sguardo.
E si scopre che quando le persone ricevono una creatività così iper-personalizzata, non ci pensano nemmeno: vanno immediatamente avanti, iniziano a interagire con essa. Da un punto di vista aziendale questo è positivo, ma dal punto di vista di noi utenti non è molto interessante, perché: di cosa hanno paura? – Che ad un certo punto il condizionale “Google” possa iniziare (o, ovviamente, potrebbe non iniziare) a formare la propria visione del mondo. Domani, per esempio, potrà cominciare a mostrare alla gente la notizia che la terra è piatta.
Scherzo, ma sono stati presi così tante volte che durante le elezioni cominciano a dare certe informazioni a certe persone. Siamo tutti abituati al fatto che il motore di ricerca ottenga tutto onestamente. Ma, come dico sempre, se vuoi davvero sapere come funziona il mondo, scrivi il tuo motore di ricerca, senza filtri, senza badare al copyright, senza posizionare qualche tuo amico nei risultati di ricerca. La visualizzazione dei dati reali su Internet è generalmente diversa da quella mostrata da Google, Yandex, Bing e così via. Alcuni materiali sono nascosti perché amici, colleghi, nemici o qualcun altro (o un ex amante con cui hai dormito) non importa.
Come ha vinto Trump
Quando si sono svolte le ultime elezioni negli Stati Uniti, è stato condotto uno studio molto semplice. Hanno ricevuto le stesse richieste in posti diversi, da indirizzi IP diversi, da città diverse, persone diverse hanno cercato su Google la stessa cosa. Convenzionalmente la richiesta era del tipo: chi vincerà le elezioni? E sorprendentemente, i risultati sono stati costruiti in modo tale che negli stati in cui il maggior numero di persone ha cercato di votare per il candidato sbagliato, hanno ricevuto buone notizie sul candidato promosso da Google. Quale? Bene, è chiaro quale: quello che è diventato presidente. Questa è una storia assolutamente non dimostrabile e tutti questi studi sono un dito nell’acqua. Google può dire: "Ragazzi, tutto questo è fatto in modo da mostrare i contenuti più rilevanti per voi".
D'ora in poi dovresti sapere che ciò che viene chiamato massimamente rilevante non è assolutamente il caso. L'azienda definisce rilevante qualcosa che deve essere venduto per qualche motivo buono o cattivo.
Chi non ha soldi adesso si sta già preparando per gli acquisti futuri
C’è un altro punto interessante qui di cui ti parlerò. Oggi gran parte del pubblico attivo sui social network e nelle app è composto da giovani. Chiamiamolo così - gioventù insolvente: bambini di 8-9 anni che giocano a giochi idioti, questi sono 12-13-14 che si stanno appena registrando sui social network. Perché le grandi aziende dovrebbero spendere budget e risorse ingenti per creare applicazioni per un pubblico non pagante che non viene mai monetizzato? Nel momento in cui questo pubblico diventerà solvibile, ci sarà una quantità di dati sufficiente su di esso per prevederne molto bene il comportamento.
Ora chiedi a qualsiasi specialista del targeting: qual è il pubblico più difficile? Diranno: altamente redditizio. Perché vendere, ad esempio, un appartamento del valore di 150 milioni di rubli attraverso i social network è quasi impossibile. Ci sono casi isolati in cui fai una sorta di pubblicità per 10mila persone, uno compra questo appartamento - il cliente ha successo... Ma uno su diecimila, da un punto di vista statistico, è una totale schifezza. Allora, perché è difficile identificare un pubblico ad alto reddito? Perché le persone che oggi fanno parte di un pubblico altamente redditizio sono nate quando Internet era ancora molto piccola, quando nessuno conosceva ancora Artemy Lebedev e non ci sono informazioni su di loro. È impossibile prevedere il loro modello di comportamento, è impossibile capire chi sono i loro opinion leader e da quali fonti di contenuti ricevono.
Quindi, quando diventerete tutti miliardari tra 25 anni, e le aziende che vi venderanno qualcosa avranno un'enorme quantità di dati. Ecco perché ora in Europa abbiamo un meraviglioso GDPR che impedisce la raccolta di dati di minori.
Naturalmente nella pratica questo non funziona affatto, perché tutti i bambini continuano a giocare sui conti della madre e del padre: è così che vengono raccolte le informazioni. La prossima volta che dai un tablet a tuo figlio, pensa a questo.
Assolutamente non un futuro spaventoso e distopico, in cui tutti moriranno in una guerra con le macchine: una storia assolutamente reale adesso. Esiste un numero enorme di aziende che stanno creando algoritmi per la psicoprofilazione delle persone in base al modo in cui giocano. Un settore molto interessante. Sulla base di tutto ciò, le persone vengono quindi segmentate per poter comunicare in qualche modo con loro.
La previsione del comportamento di queste persone sarà disponibile tra 10-15 anni, proprio nel momento in cui diventeranno un pubblico solvibile. La cosa più importante è che queste persone hanno già dato in anticipo il permesso di trattare i loro dati personali, di trasferirli a terzi, e tutto questo è felicità, e così via.
Chi perderà il lavoro?
E la mia ultima storia è che tutti si chiedono sempre cosa succederà tra 50 anni: moriremo tutti, ci sarà disoccupazione per gli operatori di marketing... Ci sono operatori di marketing qui che sono preoccupati per la disoccupazione, giusto? In generale, non c'è motivo di preoccuparsi, perché qualsiasi persona altamente qualificata non perderà il lavoro.
Non importa quali algoritmi vengono creati, non importa quanto la macchina si avvicini a ciò che abbiamo qui (indica la testa), se si sviluppa abbastanza velocemente, queste persone non rimarranno mai inattive, perché qualcuno dovrà creare queste cose creative Fare. Sì, ci sono tutti i tipi di "gan" che disegnano immagini che assomigliano a persone e creano musica, ma è comunque improbabile che le persone in quest'area perderanno mai il lavoro.
Ho tutto con la storia, quindi puoi fare domande se ne hai di più. Grazie.
Moderatore: – Amici, passiamo ora al blocco “Domande e risposte”. Alzi la mano e io mi avvicino.
Domanda del pubblico (XNUMX): – Domanda sulla “scatola nera”. Hanno detto che è possibile capire in modo specifico perché questo o quel risultato è stato ottenuto per questo o quell'utente. Si tratta di una sorta di algoritmi o è necessario analizzarli ogni volta per ciascun modello ad hoc (nota dell'autore: "specialmente per questo" - un'unità fraseologica latina)? Oppure ce ne sono di già pronti per una sorta di rete neurale che, in parole povere, può avere un senso dal punto di vista commerciale?
OH: – Qui devi capire quanto segue: ci sono un numero enorme di compiti nell’apprendimento automatico. Ad esempio, esiste un compito: la regressione. Per la regressione non sono necessarie reti neurali. Tutto è semplice: hai diversi indicatori, devi calcolare quanto segue. Ci sono compiti in cui è necessario ricorrere a qualcosa come il deep learning. In effetti, nel deep learning è difficile capire in modo affidabile quali pesi sono stati assegnati a quali neuroni, ma dal punto di vista legale tutto ciò che serve è capire quali dati erano in input e come si sono comportati in output. Questo basta giuridicamente per brevettare una decisione del genere e basta per capire su quali basi è stata fatta la vicenda.
Non è che sei andato sul sito e ti è stato mostrato una specie di banner perché due mesi fa hai scattato una foto con i capelli rossi su Instagram. Se lo sviluppatore non include la raccolta di questi dati e la marcatura del colore dei capelli in questo modello, non verrà fuori dal nulla.
Come vendere i risultati dei sistemi di machine learning?
Z: – È solo una questione di cosa: esattamente come spiegare, come vendere a qualcuno che non capisce l’apprendimento automatico. Voglio dire: il mio modello porta chiaramente dal colore dei capelli a... beh, il colore dei capelli cambia... È possibile o no?
OH: - Forse si. Ma dal punto di vista delle vendite, l'unico schema funzionerà: hai una campagna pubblicitaria, sostituiamo il pubblico con quello generato dalla macchina - e tu vedi solo il risultato. Questo, sfortunatamente, è l'unico modo per convincere in modo affidabile il cliente che una storia del genere funziona, perché sul mercato ci sono molte soluzioni che una volta venivano implementate e non funzionavano.
Sulla creazione di una personalità virtuale
Z: - Ciao. Grazie per la conferenza. La domanda è: quali possibilità ha una persona, che per qualche motivo non vuole seguire l'esempio dell'apprendimento automatico, di crearsi una personalità virtuale radicalmente diversa dalla propria personalità, attraverso l'interazione con l'interfaccia o per alcuni un'altra ragione?
OH: – Esistono numerosi plugin diversi che si occupano specificamente del comportamento casuale. C'è una cosa interessante: Ghostery, che, secondo me, ti nasconde quasi completamente da un gruppo di tracker diversi che non possono quindi registrare queste informazioni. Ma in realtà ora basta solo un profilo chiuso sui social network in modo che nessuno, nessun malvagio raschiatore, possa raccogliere qualcosa lì. Probabilmente è meglio installare qualche tipo di estensione o scrivere qualcosa tu stesso.
Vedete, il concetto qui è che legalmente, ad esempio, i dati personali si riferiscono ai dati attraverso i quali potete essere identificati, e la legge fornisce come esempio il vostro indirizzo di residenza, età e così via. Al giorno d'oggi esistono innumerevoli dati con cui è possibile identificarsi: la stessa grafia della tastiera, la stessa stampa, la firma digitale del browser... Prima o poi una persona commette un errore. Può essere da qualche parte in un "bar" usando "Thor", ma alla fine, a un certo punto, o la VPN si dimenticherà di accendersi, o qualcos'altro, e in quel momento potrà essere identificato. Quindi il modo più semplice è creare un account privato e installare qualche estensione.
Il mercato si sta muovendo verso il punto in cui è sufficiente premere un solo pulsante per ottenere risultati.
Z: - Grazie per la storia. Come sempre, sempre molto interessante (vi seguo). La domanda è: quali progressi ci sono in termini di creazione di sistemi positivi per gli utenti, sistemi di raccomandazione? Hai detto che un tempo stavi lavorando a un sistema di raccomandazioni per trovare un partner sessuale, un amico nella vita (o musica che potenzialmente potrebbe piacere a una persona)... Quanto è promettente tutto questo, e come vedi il suo sviluppo da qui? il punto di vista della creazione di sistemi di cui le persone hanno bisogno?
OH: – In generale, il mercato si sta muovendo al punto in cui le persone hanno bisogno di premere un pulsante e ottenere immediatamente ciò di cui hanno bisogno. Per quanto riguarda la mia esperienza nella creazione di applicazioni per appuntamenti (a proposito, la rilanceremo alla fine dell'anno), oltre al fatto che il 65% erano uomini sposati, il problema di raccomandazione più difficile era che a una persona venivano offerti diversi modelli all'inizio dell'applicazione - "Amicizia", "Sesso", "Amicizia sessuale" e "Affari". Le persone non sceglievano ciò di cui avevano bisogno. Sono venuti gli uomini e hanno scelto “Amore”, ma in realtà hanno gettato la nudità su tutti, e così via.
Il problema era identificare una persona che non si adattava a uno di questi modelli, e in qualche modo prenderla senza problemi e spostarla nella direzione opposta. A causa della piccola quantità di dati, è molto difficile determinare se si tratta di un errore nell'algoritmo di previsione o se una persona non rientra nella sua categoria. È lo stesso con la musica: ora ci sono pochissimi algoritmi davvero degni di nota in grado di “facastare” bene la musica. Forse "Yandex.Music". Alcune persone pensano che l'algoritmo Yandex.Music sia pessimo. Ad esempio, mi piace. Personalmente, ad esempio, non mi piace l'algoritmo musicale di YouTube e così via.
Naturalmente ci sono alcune sottigliezze: tutto è legato alle licenze... Ma in realtà la domanda per tali sistemi è piuttosto elevata. Un tempo era nota la società Retail Rocket, coinvolta nell'implementazione di sistemi di raccomandazione, ma ora in qualche modo non se la cava molto bene, apparentemente perché non hanno sviluppato i loro algoritmi per molto tempo. Tutto va in questa direzione, al punto che entriamo e, senza premere nulla, otteniamo ciò di cui abbiamo bisogno (e diventiamo completamente stupidi, perché la nostra capacità di scelta è completamente scomparsa).
Influenzare il marketing
Z: - Ciao. Mi chiamo Konstantin. Vorrei sollevare una domanda sull’influence marketing. Conosci qualche sistema che consente a un'azienda di selezionare un blogger adatto all'azienda sulla base di alcuni dati statistici e così via? E su quali basi viene fatto ciò?
OH: – Sì, parto da lontano e dico subito che il problema con tutte queste tecnologie è che tutta questa intelligenza artificiale nel marketing ormai è come un funambolo: a sinistra ci sono le grandi aziende che hanno tanti soldi, e a sinistra in ogni caso tutto sarà efficace per il loro lavoro perché le loro campagne pubblicitarie mirano semplicemente alle visualizzazioni; d’altro canto, ci sono molte piccole imprese per le quali questo non funzionerà, perché dispongono di molti dati. Finora, l’applicabilità di queste storie è da qualche parte nel mezzo.
Quando ci sono già buoni budget e il compito è elaborarli correttamente (e, in linea di principio, ci sono già molti dati)… Conosco un paio di servizi, qualcosa come Getblogger, che sembrano avere algoritmi. Ad essere sincero, non ho studiato questi algoritmi. Posso dirti quale approccio utilizziamo per trovare opinion leader quando dobbiamo fare un regalo ad alcune mamme.
Utilizziamo una metrica chiamata Tempo di distribuzione del contenuto. Funziona così: prendi una persona di cui stai analizzando il pubblico e devi raccogliere sistematicamente (ad esempio, una volta ogni 5 minuti) informazioni su ciascun post, a chi è piaciuto, a chi lo ha commentato e così via. In questo modo, puoi capire in quale momento ogni persona del tuo pubblico ha interagito con i tuoi contenuti. Ripeti questa operazione per ciascun rappresentante del suo pubblico e quindi, utilizzando la metrica del tempo medio di diffusione dei contenuti, puoi, ad esempio, colorare un grande grafico di rete di queste persone e utilizzare questa metrica per costruire cluster.
Funziona abbastanza bene se vogliamo, ad esempio, trovare 15 madri che mantengono la loro opinione pubblica su alcuni woman.ru. Ma questa è un'implementazione tecnica piuttosto complessa (anche se in teoria può essere eseguita in Python). La conclusione è che il problema con l’influence marketing nelle grandi agenzie pubblicitarie è che hanno bisogno di blogger grandi, interessanti e costosi che non lavorino per un cazzo. Ora, un marchio automobilistico vuole vendere alcuni prodotti tramite qualche opinion leader: deve utilizzare un blogger automobilistico come ultima risorsa, perché il suo pubblico o ha già acquistato un'auto o sa esattamente che tipo di auto desidera, si siede e guarda le auto fantastiche. Qui è importante non perdere l'analisi del pubblico della persona stessa.
Bot di marketing
Z: – Dimmi, quanto influiscono i bot sui social network sulla raccolta delle informazioni e sulla loro qualità?
OH: – È una cosa davvero interessante con i bot. I bot economici sono abbastanza facili da identificare: hanno lo stesso contenuto, oppure sono amici tra loro o si trovano nella stessa rete. Esistono anche approcci per gestire bot complessi. O stai chiedendo il problema di come collegare una persona al suo falso?
Z: – Quale sarà la qualità delle informazioni che verranno prodotte con tutta questa spazzatura?
OH: – Qui funziona in questo modo: a causa del fatto che c’è un’enorme quantità di dati (ad esempio, per qualche tipo di ricerca di mercato), tutta questa marmaglia può semplicemente essere buttata via. Cioè, è meglio buttare fuori un po' più di persone reali che catturare i bot, perché è inutile che mostrino pubblicità. Ma se raccogli parametri, ad esempio interazioni con banner o sistemi di consigli, tali account possono essere eliminati.
Ormai sui social network si trova circa il XNUMX% di personaggi virtuali o semplicemente pagine abbandonate o introversi, che gli algoritmi “abbinano” a bot. Per quanto riguarda il collegamento di una persona al suo falso, anche qui tutto è legato al fatto che la persona prima o poi commetterà un errore, e il fatto è che il modello di comportamento è lo stesso: sia il suo account reale che quello falso. Prima o poi guarderanno lo stesso contenuto o qualcos'altro.
Qui tutto non si riduce alla percentuale di errore, ma alla quantità di tempo necessaria per identificare in modo affidabile una persona. Per chi vive con il proprio Instagram, il tempo necessario per un'identificazione affidabile si riduce a cinque minuti. Per alcuni – da sei a otto mesi.
A chi e come vendere i dati?
Z: - Ciao. Sono interessato a sapere come vengono venduti i dati tra le aziende? Ad esempio, ho un'applicazione in cui puoi scoprire (allo sviluppatore) dove va una persona, in quali negozi va e quanti soldi spende lì. E mi interessa sapere come, diciamo, posso vendere i dati sul mio pubblico a questi negozi o inserire i miei dati in un enorme database ed essere pagato per questo?
OH: – Per quanto riguarda la vendita dei dati direttamente a qualcuno, tu e tutti gli altri eravate avanti rispetto agli OFD – operatori di dati fiscali, che si sono astutamente costruiti tra il trasferimento degli assegni e il servizio fiscale e ora cercano di vendere i dati a tutti. In effetti, hanno effettivamente fatto crollare l’intero mercato dell’analisi mobile. Puoi infatti incorporare nella tua applicazione, ad esempio, il pixel di Facebook, il suo sistema DMP; quindi utilizza questo pubblico per vendere. Ad esempio, il pixel "Può targetizzare". Semplicemente non so che tipo di pubblico hai, devi capire. In ogni caso, puoi integrarlo in Yandex o My Target, che sono i sistemi DMP più grandi.
Questa è una storia piuttosto interessante. L'unico problema è che darai loro tutto il traffico e loro, come scambi, si assumeranno la monetizzazione di questo traffico. Potrebbero o meno dirti che 10 persone hanno utilizzato il tuo pubblico. Pertanto, o costruisci la tua rete pubblicitaria, oppure ti arrendi alle grandi DMP.
Chi vincerà: l'artista o il tecnico?
Z: – Una domanda un po’ distante dalla parte tecnica. Si è parlato dei timori degli operatori di marketing riguardo all'imminente disoccupazione di massa. Esiste una sorta di lotta competitiva tra il marketing creativo (questi ragazzi che hanno inventato la pubblicità del pollo, la pubblicità della Volkswagen, a quanto pare) e quelli coinvolti nei Big Data (che dicono: ora raccoglieremo semplicemente tutti i dati e forniremo pubblicità mirata a tutti)? Come persona direttamente coinvolta, qual è la tua opinione su chi vincerà: un artista, un tecnico, o ci sarà qualche tipo di effetto sinergico?
OH: – Ascolta, beh, lavorano insieme. Gli ingegneri non escogitano creatività. Chi è creativo non inventa un pubblico. C’è una sorta di storia multidisciplinare qui. I veri problemi ora sono per coloro che si siedono e premono pulsanti, per coloro che fanno il “lavoro della scimmia”, premendo la stessa cosa ogni giorno: queste sono le persone che scompariranno.
Ma chi analizza i dati naturalmente rimarrà, ma qualcuno deve elaborare questi dati. Qualcuno dovrà inventare queste immagini, disegnarle. Una macchina non può produrre tanta creatività! Questa è una follia completa! O come, ad esempio, la pubblicità virale di Carprice, che tra l’altro ha funzionato molto bene. Ricorda, ce n'era questo su YouTube: "Vendilo a Carprice", assolutamente pazzesco. Naturalmente, nessuna rete neurale genererà una storia del genere.
In generale, sono un sostenitore del fatto che non saranno le persone a perdere il lavoro, ma avranno un po 'più di tempo libero e potranno dedicare questo tempo libero all'autoeducazione.
La pubblicità primitiva morirà
Z: - In generale, la pubblicità mostrata, i banner - in generale, anche i testi di vendita non sono scritti lì: "Hai bisogno di finestre - prendilo!", "Hai bisogno di qualcos'altro - prendilo!", cioè, non c'è affatto creatività lì.
OH: – Naturalmente, prima o poi questa pubblicità scomparirà. Si estinguerà non tanto a causa dello sviluppo della tecnologia, ma a causa dello sviluppo mio e di te.
È meglio mescolare il rilevante con l’irrilevante
Z: - Sono qui! Ho una domanda sull'esperimento che secondo te non ha funzionato per te (con il sistema di raccomandazione). Secondo te il problema è cosa è stato firmato lì, perché è consigliato, oppure tutto ciò che l'utente ha visto gli è sembrato rilevante? Poiché ho letto un esperimento per le madri, e non c'erano ancora molti dati, e non c'erano molti dati da Internet, c'erano solo i dati di un rivenditore di alimentari che prevedevano la gravidanza (che sarebbero state madri). E quando hanno mostrato una selezione di prodotti per le future mamme, le mamme sono rimaste inorridite di averli scoperti prima di qualsiasi cosa ufficiale. E non ha funzionato. E per risolvere questo problema, hanno deliberatamente mescolato prodotti rilevanti con qualcosa di completamente irrilevante.
OH: “Abbiamo specificatamente mostrato alle persone la base su cui sono state formulate le raccomandazioni per comprendere il loro feedback. In realtà, è qui che è nato il concetto secondo cui non è necessario dire alle persone che si tratta di prodotti estremamente rilevanti per lui.
Sì, a proposito, esiste un approccio per mescolarli con quelli irrilevanti. Ma accade il contrario: a volte le persone entrano e interagiscono con questo prodotto irrilevante: si verificano valori anomali casuali, i modelli si rompono e le cose diventano ancora più complicate. Ma questo esiste davvero. Inoltre, molte aziende deliberatamente, se sanno che qualcuno sta elaborando i loro dati (qualcuno potrebbe rubargli tali risultati), a volte li confondono in modo da poter successivamente dimostrare che i dati non sono stati presi dal loro sistema di raccomandazioni, ma da il cosiddetto Yandex.Market.
Blocco degli annunci e sicurezza del browser
Z: - Ciao. Hai menzionato Ghostery e Adblock. Puoi dirci quanto sono efficaci tali tracker in generale (magari in base alle statistiche)? E hai ricevuto ordini dalle aziende: dicono, assicurati che la nostra pubblicità non possa essere chiusa da Adblock.
OH: – Non contattiamo direttamente le piattaforme pubblicitarie – proprio perché non ci chiedano di rendere visibile a tutti la loro pubblicità. Personalmente utilizzo Ghostery: penso che sia un'estensione molto interessante. Ora tutti i browser lottano per la privacy: Mozilla ha rilasciato un sacco di aggiornamenti di ogni tipo, Google Chrome è ora super sicuro. Tutti bloccano tutto quello che possono. "Safari" ha persino disattivato il "Giroscopio" per impostazione predefinita.
E questa tendenza, ovviamente, è positiva (non per coloro che raccolgono dati, anche se ne sono usciti), perché le persone prima hanno bloccato i cookie. Tutti coloro che possedevano reti pubblicitarie ricordavano una tecnologia così meravigliosa come le impronte digitali del browser: si tratta di algoritmi che ricevono 60 parametri diversi (risoluzione dello schermo, versione, caratteri installati) e sulla base di essi calcolano un "ID" univoco. Passiamo a questo. E i browser hanno iniziato a lottare con questo. In generale, questa sarà una battaglia senza fine tra titani.
L'ultimo sviluppatore Mozilla è abbastanza sicuro. Praticamente non salva cookie e ha una durata breve. Soprattutto se attivi la navigazione in incognito, nessuno ti troverà. La domanda è che sarà scomodo inserire le password in tutti i servizi.
Dove funzionano e dove non funzionano la psicotipizzazione e la fisiognomica?
Z: – Arthur, grazie mille per la conferenza. Mi piace anche seguire le tue lezioni su YouTube. Hai menzionato che i professionisti del marketing ricorrono sempre più all’uso della psicotipizzazione e della fisionomia. La mia domanda è: in quali categorie di marchi funziona? La mia convinzione è che questo sia adatto solo per i beni di largo consumo. Ad esempio, scegliere un'auto è...
OH: – Posso scaricare dove funziona esattamente. Funziona in tutti i tipi di storie come “Amediateka”, serie TV, film e così via. Funziona bene nelle banche e nei prodotti bancari, se non si tratta del segmento premium, ma di tutti i tipi di carte studentesche, piani di rateizzazione e cose del genere. Funziona davvero molto bene con i beni di largo consumo e con tutti i tipi di iPhone, caricabatterie e tutta questa schifezza. Funziona bene nei prodotti “mamma e pop”. Anche se lo so nella pesca (esiste un argomento del genere)... Ci sono stati casi con pescatori più volte: non possono mai essere segmentati in modo affidabile. Non so perché. Una sorta di errore statistico.
Questo non funziona bene con gli automobilisti, con i gioielli o con alcuni articoli per la casa. In effetti, non funziona bene con cose di cui le persone non scriverebbero mai sui social media: puoi verificarlo in questo modo. Convenzionalmente, con l’acquisto di una lavatrice: ecco come capire chi ha la lavatrice e chi no? Sembra che ce l'abbiano tutti. Puoi utilizzare i dati OFD: vedere chi ha acquistato cosa utilizzando le ricevute e abbinare queste persone utilizzando le ricevute. Ma in realtà ci sono cose di cui non parleresti mai, ad esempio su Instagram: è difficile lavorare con queste cose.
Le macchine riconoscono i trucchi come riempimento statistico.
Z: – Ho una domanda sul targeting. È possibile (o esistono all'improvviso) un personaggio casuale condizionale che si contraddice in tutto: prima cerca su Google “le migliori palestre”, e poi cerca su Google “10 modi per non fare nulla”? E così è in ogni cosa. Il targeting può tenere traccia di qualcosa che si contraddice?
OH: – L’unica domanda qui è questa: se usi Google da 2 anni, gli hai detto tutto quello che puoi su di te e ora installi un plugin per te che scriverà query casuali simili, allora, ovviamente, dalle statistiche lo farai essere in grado di capire: quello che stai facendo ora è un valore anomalo statistico, ed è tutta una questione di vagliatura. Se lo desideri, registra un nuovo account, ma il volume della pubblicità non cambierà. Diventerà semplicemente strana. Anche se è ancora strana.
Alcuni annunci 🙂
Grazie per stare con noi. Ti piacciono i nostri articoli? Vuoi vedere contenuti più interessanti? Sostienici effettuando un ordine o raccomandando agli amici, , un analogo unico dei server entry-level, che è stato inventato da noi per te: (disponibile con RAID1 e RAID10, fino a 24 core e fino a 40 GB DDR4).
Dell R730xd 2 volte più economico nel data center Equinix Tier IV ad Amsterdam? Solo qui In Olanda! Dell R420 - 2x E5-2430 2.2Ghz 6C 128GB DDR3 2x960GB SSD 1Gbps 100TB - da $99! Leggi
Fonte: habr.com