Arthur Khachuyan minangka spesialis Rusia sing kondhang ing pangolahan data gedhe, pangadeg perusahaan Hub Data Sosial (saiki Tazeros Global). Mitra Sekolah Tinggi Ekonomi Universitas Riset Nasional. Disiapake lan diwenehi, bebarengan karo Sekolah Tinggi Ekonomi Universitas Riset Nasional, tagihan babagan Big Data ing Dewan Federasi Dheweke ngandika ing Institut Curie ing Paris, Universitas Negeri St. ing Red Apple, International OpenDataDay, RIW 2016, AlfaFuturePeople.
Kuliah kasebut direkam ing festival terbuka "Geek Picnic" ing Moskow ing 2019.
Arthur Khachuyan (sabanjuré - AH): – Yen saka nomer ageng industri - saka medicine, saka construction, saka soko, soko, kanggo milih siji ngendi teknologi data amba, machine learning, learning jero paling asring digunakake, banjur iki mbokmenawa marketing. Amarga sajrone telung taun kepungkur, kabeh sing ngubengi kita ing sawetara jinis komunikasi pariwara saiki diikat kanthi tepat karo analisis data lan persis karo apa sing bisa diarani intelijen buatan. Mula, dina iki aku bakal ngandhani babagan iki saka sejarah sing adoh banget ...
Yen sampeyan mbayangno intelijen buatan lan apa sing katon, mesthine kaya ngono. Gambar aneh minangka salah sawijining jaringan saraf sing daktulis setahun kepungkur kanggo nemokake katergantungan apa sing ditindakake asuku - kaping pirang-pirang dheweke kudu dadi gedhe, cilik, lan kepiye umume gumantung saka jumlah sing dipangan. opo ora? Iki minangka lelucon babagan carane intelijen buatan bisa dibayangake.
Nanging, ayo dipikirake kepiye cara kerjane ing komunikasi pariwara. Ana telung cara algoritma modern ing iklan lan marketing bisa sesambungan karo kita. Cetha yen crita pisanan dituju kanggo entuk lan ngekstrak kawruh tambahan babagan sampeyan lan aku, banjur digunakake kanggo tujuan sing apik lan ora apik; pribadhi pendekatan kanggo saben wong tartamtu; Alami, sawise iki, nggawe panjaluk tartamtu kanggo nindakake tumindak target utama lan nindakake adol tartamtu.
Nggunakake teknologi, dheweke nyoba ngatasi masalah komunikasi sing efektif
Yen aku ngandhani sampeyan mikir babagan apa sing ditindakake Pornhub lan M. Video", apa sing sampeyan pikirake?
Komentar saka pamirsa (sabanjuré diarani C): - TV, pamirsa.
OH: - Konsep iki minangka rong panggonan ing ngendi wong teka kanggo jinis layanan tartamtu, utawa ayo nyebataken jinis barang tartamtu. Lan pamirsa iki beda amarga ora pengin ngandhani bakul apa-apa. Dheweke kepengin mlebu lan entuk kapentingan ing sawetara wujud sing jelas utawa implisit. Mesthi, ora ana sing teka ing M. Video" ora pengin komunikasi karo penjual, ora ngerti, ora pengin mangsuli pitakone.
Mulane, crita pisanan nderek saka kabeh iki.
Nalika teknologi kanggo nggayuh kawruh tambahan muncul supaya piye wae supaya komunikasi karo wong. Kita kabeh seneng nalika nelpon bank lan bank ngandhani: "Halo. Alexey, sampeyan klien VIP kita. Saiki sawetara manajer super bakal ngomong karo sampeyan. Sampeyan teka ing bank iki, lan ana manager unik sing bisa ngomong karo sampeyan. Sayange utawa untunge, ora ana siji perusahaan sing durung ngerti carane nyewa sewu manajer pribadi kanggo sewu klien; lan amarga umume wong-wong iki saiki online, tugase yaiku kanggo ngerti apa jenis wong iki lan carane komunikasi karo dheweke kanthi bener sadurunge teka menyang sawetara sumber iklan. Lan mulane, nyatane, wis muncul teknologi sing nyoba ngatasi masalah iki.
Ekstraksi data minangka lenga anyar
Coba bayangake sampeyan sing duwe kios kembang. Telu wong teka kanggo ndeleng sampeyan. Sing pisanan ngadeg kanggo wektu sing suwe, ragu-ragu, nyoba ngobrol karo sampeyan, njupuk sawetara jinis buket - sampeyan kudu mbungkus, metu kanggo nindakake apa wae ing kana; dheweke mlayu saka kios nganggo buket iki - sampeyan wis ilang telung ewu rubel. Yagene kedadeyan kasebut? Sampeyan ora ngerti apa-apa babagan wong iki: sampeyan ora ngerti sejarah penahanan ing Kementerian Dalam Negeri, sampeyan ora ngerti yen dheweke minangka kleptomaniac lan kadhaptar ing dispensary psikiatri. Kenging punapa? Amarga sampeyan ndeleng pisanan, lan sampeyan ora analis prilaku.
Wong liya teka ... Vitaly. Vitaly uga butuh wektu sing suwe kanggo ngerteni, dheweke ujar, "Inggih, aku butuh iki lan iki." Lan sampeyan ngomong marang dheweke, "Kembang kanggo ibu, ta?" Lan sampeyan ngedol buket.
Konsep ing kene yaiku nemokake data sing cukup kanggo mangerteni apa sing dikarepake wong kasebut. Kabeh wong langsung mikir babagan sawetara jinis jaringan iklan lan liya-liyane ...
Saben uwong mbokmenawa wis krungu tembung bodho sing "data minangka lenga anyar" luwih saka sepisan? Mesthine kabeh wis krungu. Nyatane, wong sinau kanggo ngumpulake data cukup suwe, nanging ngekstrak data saka data iki minangka tugas sing ditindakake dening intelijen buatan ing marketing, utawa sawetara jenis algoritma statistik, saiki nyoba kanggo ngatasi. Kenging punapa? Amarga yen sampeyan ngomong karo wong, dheweke bisa menehi jawaban sing bener, salah, utawa warna-warna. Lelucon sing dakkandhakake marang para siswa yaiku kepiye survey beda karo statistik.
Iki tegese ing rong desa padha mutusaké kanggo nindakake sinau ing rata-rata dawa lanang. Tegese ing desa kapisan, Villaribo, dawane rata-rata 15 sentimeter, ing desa Villabaggio - 25. Apa sampeyan ngerti kenapa? Amarga pangukuran ditindakake ing desa pisanan, lan survey ditindakake ing desa kapindho.
Industri porno minangka unggulan sistem rekomendasi
Iki kok pendekatan modern kanggo njelasno kabeh wong tanpa istiméwa, sanajan padha sethitik kurang saka 100%, nanging iki wong sing ora perlu takon, sampeyan ora perlu kanggo katon ing. Cukup kanggo nganalisa apa sing saiki diarani jejak digital kanggo ngerti apa sing dibutuhake wong iki, carane ngomong karo dheweke kanthi bener, carane nggawe permintaan sing bener ing saubengé. Ing tangan siji, iki mesin tanpa pikiran (nanging sampeyan lan aku ngerti iki banget); kita ora pengin komunikasi karo wong saka M. Video, "lan luwih-luwih, nalika mbukak sumber daya kaya Pornhub, kita pengin entuk apa sing dibutuhake.
Napa aku tansah ngomong babagan Pornhub? Amarga industri diwasa minangka sing pisanan teka ing analisis teknologi kasebut, kanggo implementasine teknologi kasebut, kanggo analisis data. Yen sampeyan njupuk telung perpustakaan sing paling populer ing wilayah iki (contone, TensorFlow utawa Pandas kanggo Python, kanggo ngolah file CSV, lan liya-liyane), yen sampeyan mbukak ing Github, kanthi Google singkat kabeh jeneng kasebut sampeyan bakal nemokake Saperangan wong sing kerja utawa saiki kerja ing perusahaan Pornhub, lan dadi sing pertama ngetrapake sistem rekomendasi ing kana. Umumé, crita iki maju banget, lan nuduhake pinten pirsawan iki, pinten perusahaan iki wis maju.
Telung tingkat identifikasi
Ana sakumpulan data ageng ing saubengé wong sing bisa diidentifikasi. Aku biasane resmi dibagi dadi telung tingkat, dadi luwih jero lan luwih jero. Alami, perusahaan duwe data dhewe.
Yen, ngomong, kita ngomong babagan mbangun sistem rekomendasi, mula tingkat pisanan yaiku data sing ana ing toko kasebut (riwayat tuku, kabeh jinis transaksi, carane wong berinteraksi karo antarmuka).
Sabanjure ana level (relatif paling gedhe) - iki sing diarani sumber terbuka. Aja mikir yen aku ngajak sampeyan ngikis jaringan sosial, nanging nyatane, apa sing kasedhiya ing sumber terbuka mbukak akeh data sing bisa, ngomong, sinau babagan wong.
Lan bagean utama katelu yaiku lingkungan wong iki dhewe. Ya, ana pendapat yen wong ora ana ing jaringan sosial, ora ana data babagan dheweke (sampeyan mbokmenawa wis ngerti yen iki ora bener), nanging sing paling penting yaiku data sing ana ing profil wong. (utawa ing sawetara aplikasi ) mung 40% saka kawruh sing bisa dipikolehi babagan iki. Informasi liyane dijupuk saka lingkungane. Ukara "kandhakake sapa kancamu lan aku bakal ngandhani sapa sampeyan" njupuk makna anyar ing abad XNUMX amarga akeh data sing bisa diduweni ing sekitar wong kasebut.
Yen kita ngobrol luwih cedhak karo komunikasi pariwara, mula nampa komunikasi pariwara ora saka pariwara, nanging saka sawetara kanca, kenalan utawa wong sing wis diverifikasi minangka fitur sing apik banget sing digunakake dening para pemasar. Nalika sawetara aplikasi dumadakan menehi kode promo gratis, sampeyan nggawe postingan babagan iki lan kanthi mangkono narik pamirsa anyar. Nyatane, kode promo iki kanggo "Yandex.Taxi" sing kondisional ora dipilih kanthi acak, nanging kanggo iki, akeh data sing dianalisis babagan potensial sampeyan kanggo narik pamirsa anyar lan piye wae sesambungan karo wong-wong mau.
Dheweke malah nganalisa prilaku karakter serial TV
Aku bakal nuduhake sampeyan telung gambar, lan sampeyan ngomong apa bedane ing antarane.
Iki:
Iki:
Lan iki:
Apa bedane? Kabeh iku prasaja ing kene. Kaya ing mekanika kuantum, ing kasus iki kreativitas iki dibentuk dening pengamat. Yaiku, prabédan ing kampanye iklan sing padha, sing ditindakake dening merek sing padha ing wektu sing padha, mung ana sing nonton kreatif iki. Secara pribadi, nalika aku menyang Amediateka, dheweke isih nuduhake Khal Drogo. Aku ora ngerti apa sing dipikirake Amediateka babagan pilihanku, nanging sakperangan alesan iki kedadeyan.
Sing saiki diarani komunikasi pribadi minangka crita sing paling populer kanggo narik pamirsa lan sesambungan kanthi bener. Yen ing tahap pisanan kita ngenali wong nggunakake data merek kita dhewe, data open source lan, contone, data saka lingkungan wong iki, kita, sawise nganalisa wong, bisa ngerti sapa iku, carane ngomong karo wong bener lan, sing paling penting. , basa apa sing diomongake karo dheweke.
Ing kene teknologi wis adoh banget, nganti karakter ing serial TV sing ditonton wong saiki dianalisis. Yaiku, sampeyan seneng serial TV - dheweke [seneng] ditonton, dheweke ndeleng sapa sing sampeyan sesambungan ing kana, supaya ngerti wong sing cocog karo sampeyan. Katon kaya omong kosong, nanging mung kanggo seneng-seneng, coba salah sawijining sumber daya - wong sing beda ndeleng kreatif sing beda (supaya bisa sesambungan kanthi bener).
Ora ana media modern utawa sumber video apa wae sing mung nuduhake warta. Bukak media - akeh algoritma dimuat sing ngenali sampeyan, ngerti kabeh kegiatan sadurunge, nggawe banding menyang model matematika banjur nuduhake sampeyan. Ing kasus iki, ana crita aneh.
Kepiye carane nemtokake kabutuhan? Psikometri. Fisiognomi
Ana akeh pendekatan (nyata) kanggo nemtokake kabutuhan nyata wong lan carane komunikasi karo wong-wong mau kanthi bener. Ana akeh pendekatan, kabeh ditanggulangi kanthi beda, ora bisa ngomong sing apik lan sing ala. Sing utama katon ngerti kabeh.
Psikometri. Sawise crita karo Cambridge Analytics, pancen kaget, miturut pendapatku, sawetara giliran, amarga saben perusahaan politik kaping pindho saiki teka lan ujar: "Oh, sampeyan bisa nggawe aku kaya Trump? Aku uga pengin menang, lan liya-liyane. Nyatane, iki, mesthi, omong kosong kanggo kasunyatan kita, contone, pemilihan politik. Nanging kanggo nemtokake psikotipe, telung model digunakake:
- pisanan adhedhasar konten sing sampeyan gunakake - tembung sing sampeyan tulis, sawetara informasi sing disenengi, video, lsp;
- kaloro disambungake kanggo carane sampeyan sesambungan karo antarmuka web, carane sampeyan ngetik, kang tombol pencet - tenan, ana kabeh perusahaan sing, adhedhasar tulisan tangan keyboard, cukup andal nemtokake apa saiki disebut psychotypes.
- Aku ora akeh psikolog, aku ora ngerti cara kerjane, nanging saka sudut pandang komunikasi iklan, pamirsa dibagi dadi segmen kasebut bisa digunakake kanthi apik, amarga ana wong sing kudu ditampilake layar abang kanthi warna biru. wadon, wong kudu ditampilake layar peteng -biru latar mburi karo sawetara jenis abstraksi, lan kerjane banget kelangan. Ing sawetara tingkat sing kurang - nganti wong ora mikir babagan iki. Apa masalah utama ing pasar iklan saiki? Saben uwong minangka agen intelijen, kabeh wong ndhelikake, saben wong duwe jutaan ewu ijin browser diinstal, supaya ora bisa diidentifikasi kanthi cara apa wae - sampeyan bisa uga duwe "Adblocks", "Gostrey" lan kabeh jinis aplikasi sing mblokir pelacakan. Amarga iki, angel banget kanggo mangerteni apa-apa bab wong. Lan teknologi wis maju - sampeyan ora mung kudu ngerti yen wong iki wis bali menyang situs sampeyan kaping 125, nanging dheweke uga wong sing aneh.
Physiognomy minangka ilmu sing kontroversial banget. Iku ora malah dianggep ngelmu. Iki minangka klompok wong sing digunakake kanggo program detektor ngapusi kanggo sawetara Kamentrian Dalam Negeri, lan saiki melu apa sing diarani personifikasi kreativitas. Pendekatan ing kene gampang banget: sawetara foto umum sampeyan dijupuk saka sawetara jaringan sosial, lan geometri telung dimensi digawe saka iku. Lan yen sampeyan pengacara, saiki sampeyan bakal ngomong yen iki wong lan data pribadhi; nanging aku bakal pitutur marang kowe sing iki 300 ewu TCTerms dumunung ing papan, lan iki ora wong, lan ora data pribadi. Iki saben wong biasane ngomong nalika Roskomnadzor teka.
Nanging serius, pasuryan sampeyan kanthi kapisah, yen jeneng ngarep lan mburi ora ditandatangani ing kana, dudu data pribadhi sampeyan. Intine yaiku wong lanang menehi tandha macem-macem fitur rai sing mengaruhi cara nggawe keputusan lan cara sesambungan karo dheweke kanthi bener. Ing sawetara wilayah iki ora bisa digunakake, ing sawetara segmen iklan; ing bagean sing bisa digunakake kanthi apik. Pungkasane, ternyata yen sampeyan pindhah menyang sawetara sumber, sampeyan ora mung ndeleng spanduk siji sing ditampilake kanggo kabeh wong, nanging, contone ... saiki normal kanggo nggawe 16 utawa 20 opsi kanggo pamirsa sing beda - lan kerjane. kelangan banget. Ya, iki malah luwih sedih saka sudut pandang konsumen, amarga wong-wong mulai dimanipulasi luwih akeh. Nanging, saka sudut pandang bisnis, kerjane apik banget.
Kothak ireng machine learning
Iki nyebabake masalah ing ngisor iki karo teknologi kasebut: sawise kabeh, kanggo umume pangembang saiki sing diarani deep learning yaiku "kotak ireng". Yen sampeyan wis nate nyemplungake crita iki lan ngobrol karo para pangembang, dheweke mesthi ujar: "Oh, rungokna, kita wis menehi kode sing ora bisa dingerteni, lan kita ora ngerti cara kerjane." Mbok menawa ana sing nate ngalami iki.
Iki bener adoh saka bener. Sing saiki diarani machine learning adoh saka "kotak ireng". Ana akeh pendekatan kanggo njlèntrèhaké data input lan output, lan ing pungkasan perusahaan bisa ngerti sak tenane adhedhasar pratandha apa mesin mutusaké kanggo nuduhake video porno iki utawa liyane. Pitakonan iku ora ana perusahaan sing tau mbukak iki, amarga: pisanan, iku rahasia dagang; sareh, bakal ana jumlah ageng data sing malah ora ngerti bab.
Contone, sadurunge iki, ing diskusi babagan etika, kita ngrembug babagan carane jaringan sosial nganalisa pesen pribadhi kanggo menehi tag wong ing sawetara crita iklan. Yen sampeyan nulis soko kanggo wong, adhedhasar iki sampeyan nampa tag tartamtu kanggo, ing kasunyatan, sawetara jinis komunikasi iklan. Lan sampeyan ora bakal mbuktekake, lan mbokmenawa ora ana gunane kanggo mbuktekake. Nanging, yen pola sing padha dicethakaké, bakal ana. Pranyata pasar kanggo mbangun sistem rekomendasi kasebut pura-pura ora ngerti sebabe kedadeyan kasebut.
Wong ora pengin ngerti apa sing wong ngerti babagan dheweke
Lan crita sing kapindho yaiku yen klien ora pengin ngerti kenapa dheweke nampa iklan tartamtu iki, produk tartamtu iki. Aku bakal ngandhani sampeyan crita iki. Pengalaman pisanan ing implementasine komersial sistem rekomendasi adhedhasar algoritma sing padha persis kanggo riset yaiku ing 2015 ing jaringan toko seks sing gedhe banget (ya, uga ora crita sing ora nyenengake).
Pelanggan ditawakake ing ngisor iki: padha mlebu, mlebu karo jaringan sosial, lan sawise udakara 5 detik, dheweke nampa toko khusus kanggo wong-wong mau, yaiku, kabeh produk wis diganti - padha dadi kategori tartamtu, lan liya-liyane. . Apa sampeyan ngerti sepira tingkat konversi toko iki wis tambah? Ora kanthi cara apa wae! Wong-wong padha mlebu lan langsung mlayu saka kono. Dheweke mlebu lan ngerti yen dheweke ditawani persis apa sing dipikirake ...
Masalah karo tes iki yaiku ing saben produk sing ditulis kenapa sampeyan ditawakake khusus kasebut ("amarga sampeyan dadi anggota klompok sing didhelikake "Wanita sing kuat nggoleki wong sing dadi doormat"). Mulane, sistem rekomendasi modern ora tau nuduhake data kanthi basis "prediksi" digawe.
Crita sing populer banget yaiku media amarga kabeh nggunakake sistem rekomendasi sing padha. Sadurunge, algoritma kasebut gampang banget: deleng kategori "Politik" - lan nuduhake kabar saka kategori "Politik". Saiki kabeh dadi rumit supaya padha nganalisa papan sing sampeyan mandhegake mouse, tembung apa sing sampeyan konsentrasi, apa sing disalin, kepiye sampeyan sesambungan karo kaca iki. Banjur dheweke nganalisa kosakata pesen kasebut dhewe: ya, sampeyan ora mung maca warta babagan Putin, nanging kanthi cara tartamtu, kanthi pewarnaan emosi tartamtu. Lan nalika wong nampa sawetara kabar, dheweke malah ora mikir carane teka kene. Nanging, dheweke banjur sesambungan karo konten kasebut.
Kabeh iki, mesthine, ditujokake kanggo njaga wong cilik sing mlarat lan apes sing wis dadi gila saka akeh informasi sing ana ing saubengé. Ing kene kudu dikandhakake manawa luwih becik nggunakake sistem kasebut kanggo nggawe pribadi kreatif ing sekitar sampeyan lan ngumpulake sawetara informasi, nanging, sayangé, durung ana layanan kasebut.
Intelijen buatan nyekel klien ing udhara lan nggawe panjaluk
Lan ing kene ana pitakonan filosofis sing menarik banget, pindhah saka nggawe sistem rekomendasi kanggo nggawe permintaan. Jarang ana sing mikir, nanging nalika sampeyan nyoba takon sing diarani Instagram, "Kenapa sampeyan ngumpulake data? Napa ora nuduhake iklan kanthi acak?" - Instagram bakal menehi pitutur marang sampeyan: "Kanca, iki kabeh wis rampung kanggo nuduhake apa sing menarik kanggo sampeyan." Kaya, kita pengin ngerti sampeyan kanthi tepat supaya bisa nuduhake apa sing sampeyan goleki.
Nanging teknologi wis suwé nyabrang batesan elek iki, lan teknologi padha ora maneh prédhiksi apa sing perlu. Dheweke (manungsa waé!) nggawe panjaluk. Iki bisa uga paling medeni sing ana ing babagan intelijen buatan ing komunikasi kasebut. Bab sing medeni yaiku wis digunakake meh ing endi wae sajrone 3-5 taun kepungkur - saka asil panelusuran Google menyang asil panelusuran Yandex, kanggo sawetara sistem ... Oke, aku ora bakal ngomong apa-apa sing ala babagan Yandex; lan apik.
Apa gunane? Wis suwe wiwit komunikasi iklan kasebut wis adoh saka strategi ing ngendi sampeyan nulis "Aku pengin tuku kursi anak" lan ndeleng publikasi satus ewu yuta. Padha pindhah menyang ing ngisor iki: sanalika wong wadon ngirim foto karo weteng meh ora katon, bojone bakal langsung wiwit karo pesen: "Man, lair bakal teka. Tuku kursi bocah."
Ing kene, sampeyan bisa uga takon, kenapa, kanthi kemajuan teknologi sing gedhe banget, apa kita isih bisa ndeleng pariwara kaya ngono ing jaringan sosial? Masalahe yaiku ing pasar iki kabeh isih diputusake kanthi dhuwit, mula sawetara pengiklan kaya Coca-Cola bisa teka lan ujar: "Iki 20 yuta kanggo sampeyan - tuduhake spanduk sing ora apik ing Internet kabeh." Lan dheweke pancen bakal nindakake.
Nanging yen sampeyan nggawe sawetara jinis akun resik lan nyoba carane akurat algoritma kuwi guess sampeyan: pisanan nyoba kanggo guess sampeyan, banjur padha miwiti nindakake soko kanggo sampeyan ing advance. Lan otak manungsa bisa digunakake kanthi cara sing, nalika nampa informasi sing bisa dipercaya, ora bisa ngolah wektune kenapa dheweke nampa informasi kasebut. Aturan pisanan kanggo nemtokake manawa sampeyan lagi ngimpi yaiku ngerti carane sampeyan teka ing kene. A wong ora tau ngelingi wayahe dheweke rampung ing kamar tartamtu. Ing kene padha.
Google Bisa Miwiti Nggawe Pandangan Donya Sampeyan
Panaliten kasebut ditindakake dening sawetara perusahaan asing sing melu i-tracking. Dheweke nginstal piranti ing komputer khusus sing ngrekam ing ngendi mata subjek tes katon. Aku njupuk saka limang kanggo pitung ewu sukarelawan sing mung nggulung feed, sesambungan karo jaringan sosial, karo iklan, lan padha ngrekam informasi ing kang bagean saka spanduk lan kreatif wong iki mandheg mripate.
Lan ternyata yen wong nampa kreatif hyper-pribadi kuwi, malah ora mikir bab iku - padha langsung nerusake, miwiti sesambungan karo. Saka sudut pandang bisnis, iki apik, nanging saka sudut pandang kita, minangka pangguna, iki ora apik banget, amarga - apa sing padha wedi? - Sing ing wayahe apik "Google" kondisional bisa diwiwiti (utawa, mesthi, ora bisa diwiwiti) kanggo mbentuk worldview dhewe. Sesuk, contone, dheweke bisa miwiti nuduhake kabar yen bumi iki datar.
Mung guyon, nanging wis kejiret kaping pirang-pirang, nalika pemilu wiwit menehi informasi tartamtu kanggo wong tartamtu. Kita kabeh wis biasa yen mesin telusur entuk kabeh kanthi jujur. Nanging, kaya sing dakkandhakake, yen sampeyan pengin ngerti cara kerjane jagad iki, tulisake mesin telusuran sampeyan dhewe, tanpa saringan, tanpa menehi perhatian marang hak cipta, tanpa menehi peringkat sawetara kanca ing asil panelusuran. Tampilan data nyata ing Internet umume beda karo sing ditampilake Google, Yandex, Bing, lan liya-liyane. Sawetara bahan didhelikake amarga kanca, kolega, mungsuh utawa wong liya (utawa mantan kekasih sing sampeyan turu) - ora masalah.
Carane Trump menang
Nalika ana pemilu pungkasan ing Amerika Serikat, sinau sing prasaja banget ditindakake. Padha njupuk panjalukan sing padha ing panggonan sing beda-beda, saka alamat IP sing beda-beda, saka kutha-kutha sing beda-beda, wong sing beda-beda Googled bab sing padha. Secara konvensional, panjaluk kasebut kanthi gaya: sapa sing bakal menang ing pemilihan? Lan nggumunake, asil kasebut dibangun kanthi cara sing ing negara-negara sing paling akeh wong nyoba milih calon sing salah, dheweke nampa kabar apik babagan calon sing dipromosikan Google. Sing endi? Inggih, cetha endi - sing dadi presiden. Iki minangka crita sing ora bisa dibuktekake, lan kabeh studi kasebut minangka driji ing banyu. Google bisa ngomong: "Guys, kabeh iki rampung supaya kita nuduhake konten sing paling relevan kanggo sampeyan."
Wiwit saiki, sampeyan kudu ngerti yen sing diarani maksimal cocog pancen ora kaya ngono. Perusahaan kasebut nelpon barang sing relevan sing kudu didol kanggo sampeyan amarga alasan sing apik utawa ala.
Sing ora duwe dhuwit saiki wis disiapake kanggo tuku mbesuk
Ana titik menarik liyane ing kene sing bakal dakcritakake. Akeh pamirsa aktif saiki ing jaringan sosial lan ing aplikasi yaiku wong enom. Sebut wae iki - pemuda bangkrut: bocah-bocah umur 8-9 taun sing main game moronic, iki 12-13-14 sing mung ndhaptar ing jaringan sosial. Napa perusahaan gedhe bakal mbuwang anggaran lan sumber daya sing akeh kanggo nggawe aplikasi kanggo pamirsa sing ora mbayar sing ora tau dimonetisasi? Ing wayahe nalika pamirsa dadi solvent, bakal ana jumlah data sing cukup kanggo prédhiksi prilaku sing apik banget.
Saiki takon karo targetologist, apa pamirsa sing paling angel? Padha bakal ngomong: Highly duwe bathi. Amarga sade, contone, apartemen worth 150 yuta rubles liwat jaringan sosial meh mokal. Ana kasus terisolasi nalika sampeyan nindakake sawetara iklan kanggo 10 ewu wong, siji tuku apartemen iki - klien sukses ... Nanging siji saka sepuluh ewu, saka sudut pandang statistik, iku omong kosong lengkap. Dadi, kenapa angel kanggo ngenali pamirsa sing berpenghasilan dhuwur? Amarga wong-wong sing saiki dadi anggota pamirsa sing duwe bathi banget lair nalika Internet isih cilik, nalika durung ana sing ngerti Artemy Lebedev, lan ora ana informasi babagan dheweke. Ora mungkin kanggo prédhiksi pola prilaku, ora mungkin ngerti sapa pimpinan pendapat, lan saka sumber konten sing ditampa.
Dadi yen sampeyan kabeh dadi milyarder ing 25 taun, lan perusahaan sing bakal adol sampeyan bakal duwe data sing akeh banget. Pramila kita saiki duwe GDPR sing apik banget ing Eropa sing nyegah pangumpulan data saka bocah cilik.
Alami, iki ora bisa digunakake ing praktik, amarga kabeh bocah isih main ing akun ibu lan bapakne - iki carane informasi dikumpulake. Sabanjure sampeyan menehi anak tablet, pikirake babagan iki.
Pancen dudu sawetara masa depan dystopian sing medeni, nalika kabeh wong bakal mati ing perang karo mesin - crita sing nyata saiki. Ana akeh perusahaan sing nggawe algoritma kanggo wong psiko-profil adhedhasar cara main game. Industri sing menarik banget. Adhedhasar kabeh iki, wong-wong banjur dipérang supaya bisa komunikasi karo wong-wong mau.
Prediksi prilaku wong-wong iki bakal kasedhiya ing 10-15 taun - sabenere ing wayahe nalika dadi pamirsa solvent. Sing paling penting yaiku wong-wong iki wis menehi ijin luwih dhisik kanggo ngolah data pribadhi, nransfer menyang pihak katelu, lan kabeh iki minangka rasa seneng, lan liya-liyane.
Sapa sing bakal kelangan pakaryan?
Lan crita pungkasanku yaiku saben wong tansah takon apa sing bakal kelakon ing 50 taun: kita kabeh bakal mati, bakal ana pengangguran kanggo pemasar ... Ana pemasar kene sing kuwatir babagan pengangguran, ta? Umumé, ora perlu kuwatir, amarga wong sing nduweni kualifikasi dhuwur ora bakal kelangan pakaryan.
Ora ketompo algoritma apa sing digawe, ora ketompo carane mesin nyedhaki apa sing ana ing kene (nuduhake sirahe), yen dikembangake kanthi cepet, wong-wong kuwi ora bakal ditinggalake, amarga ana sing kudu nggawe barang-barang kreatif kasebut. nindakake. Ya, ana kabeh jinis "gan" sing nggambar gambar sing katon kaya wong lan nggawe musik, nanging isih ora mungkin wong ing wilayah iki bakal kelangan pakaryan.
Aku duwe kabeh karo crita, supaya sampeyan bisa takon yen sampeyan duwe liyane. matur nuwun.
Pimpin: - Kanca-kanca, saiki kita pindhah menyang blok "Pitakonan lan Jawaban". Sampeyan angkat tangan - Aku teka menyang sampeyan.
Pitakonan saka pamirsa (3): - Pitakonan babagan "kothak ireng". Dheweke ujar manawa bisa dingerteni kanthi khusus kenapa asil kasebut dipikolehi kanggo pangguna kasebut. Apa iki sawetara algoritma, utawa kudu dianalisis saben wektu kanggo saben model ad hoc (cathetan penulis: "utamane kanggo iki" - unit phraseologis Latin)? Utawa ana sing wis siap kanggo sawetara jenis jaringan saraf sing, kira-kira, bisa nggawe bisnis?
OH: – Ing kene sampeyan kudu ngerti ing ngisor iki: ana akeh tugas ing machine learning. Contone, ana tugas - regresi. Kanggo regresi, ora ana jaringan saraf sing dibutuhake. Kabeh iku prasaja: sampeyan duwe sawetara pratondho, sampeyan kudu ngetung ing ngisor iki. Ana tugas sing kudu ditindakake kanthi sinau sing jero. Pancen, ing sinau jero, angel ngerteni bobot apa sing ditugasake kanggo neuron, nanging kanthi sah, sampeyan mung kudu ngerti data apa sing ana ing input lan kepiye cara main ing output. Iki cukup sah kanggo paten keputusan kasebut lan cukup kanggo mangerteni apa basis crita kasebut digawe.
Ora kaya sampeyan menyang situs kasebut lan ditampilake sawetara spanduk amarga sampeyan njupuk foto nganggo rambut abang ing Instagram rong wulan kepungkur. Yen pangembang ora nyakup koleksi data iki lan menehi tandha warna rambut ing model iki, mula ora bakal metu saka ngendi wae.
Kepiye cara adol asil sistem pembelajaran mesin?
Z: - Iku mung pitakonan apa: persis carane nerangake, carane ngedol kanggo wong sing ora ngerti machine learning. Aku arep ngomong: modelku cetha ndadékaké saka werna rambut kanggo ... uga, owah-owahan werna rambut ... Apa iki bisa utawa ora?
OH: - Mungkin ya. Nanging saka sudut pandang dodolan, mung skema sing bakal ditindakake: sampeyan duwe kampanye pariwara, kita ngganti pamirsa karo sing digawe mesin - lan sampeyan mung ndeleng asil. Iki, sayangé, mung cara sing bisa dipercaya kanggo ngyakinake pelanggan yen crita kasebut bisa ditindakake, amarga ana akeh solusi ing pasar sing sepisan ditindakake lan ora bisa ditindakake.
Babagan nggawe pribadine virtual
Z: - Halo. Matur nuwun kanggo kuliah. Pitakonan iki: apa kasempatan wong duwe, sing sakperangan alesan ora pengin tindakake timbal saka machine learning, kanggo nggawe kanggo awake dhewe pribadine virtual sing radikal malih beda saka pribadine dhewe, liwat interaksi karo antarmuka utawa kanggo sawetara. alesan liyane?
OH: - Ana pirang-pirang plugin sing beda-beda sing ngurusi prilaku acak. Ana sing apik - Ghostery, sing, miturut pendapatku, meh ndhelikake sampeyan saka macem-macem pelacak sing ora bisa ngrekam informasi kasebut. Nanging nyatane, saiki kabeh sing sampeyan butuhake yaiku profil tertutup ing jaringan sosial supaya ora ana wong, ora ana scrapers ala, bisa ngumpulake apa wae ing kana. Iku mbokmenawa luwih apik kanggo nginstal sawetara jinis extension utawa nulis soko dhewe.
Sampeyan ndeleng, konsep ing kene sah, contone, data pribadhi nuduhake data sing bisa diidentifikasi, lan hukum menehi conto alamat panggonan, umur, lan liya-liyane. Saiki ana jumlah data sing ora kaetung sing bisa diidentifikasi: tulisan tangan keyboard sing padha, penet sing padha, tandha digital browser ... Cepet utawa mengko, ana wong sing salah. Dheweke bisa nang endi wae ing "kafe" nggunakake "Thor", nanging ing pungkasan, ing wayahe apik, salah siji VPN bakal lali kanggo nguripake, utawa liyane, lan ing wayahe bisa dikenali. Dadi cara paling gampang yaiku nggawe akun pribadi lan nginstal sawetara ekstensi.
Pasar obah menyang titik ing ngendi sampeyan mung perlu menet tombol siji kanggo entuk asil.
Z: - Matur nuwun kanggo crita. Kaya biasane, tansah menarik banget (aku ngetutake sampeyan). Pitakonan yaiku: kemajuan apa sing ana ing babagan nggawe sistem sing positif kanggo pangguna, sistem rekomendasi? Sampeyan ngomong yen ing sawijining wektu sampeyan lagi nggarap sistem rekomendasi kanggo nemokake pasangan seksual, kanca ing urip (utawa musik sing bisa disenengi wong) ... Carane janjeni kabeh iki, lan kepiye sampeyan ndeleng perkembangane sudut pandang nggawe sistem sing dibutuhake wong?
OH: - Umumé, pasar pindhah menyang titik ing ngendi wong kudu mencet tombol siji lan langsung entuk apa sing dibutuhake. Minangka pengalamanku nggawe aplikasi kencan (kanthi cara, kita bakal mbukak maneh ing pungkasan taun), saliyane 65% wong lanang sing wis nikah, masalah rekomendasi sing paling angel yaiku manawa ana wong sing ditawakake sawetara model. ing wiwitan aplikasi - " Persahabatan", "Sex", "Sex Friendship" lan "Bisnis". Wong ora milih apa sing dibutuhake. Wong lanang teka lan milih "Cinta," nanging nyatane dheweke mbuwang mudo ing saben wong, lan liya-liyane.
Masalah kasebut yaiku kanggo ngenali wong sing ora cocog karo salah sawijining model kasebut, lan kanthi lancar njupuk dheweke lan pindhah menyang arah liyane. Amarga jumlah data sing sithik, angel banget kanggo nemtokake manawa ana kesalahan ing algoritma ramalan, utawa manawa wong ora ana ing kategorine. Iku padha karo musik: saiki ana sawetara algoritma sing bener-bener pantes sing bisa "facast" musik kanthi apik. Mungkin "Yandex.Music". Sawetara wong mikir algoritma Yandex.Music ala. Contone, aku seneng dheweke. Aku dhewe, umpamane, ora seneng karo algoritma musik YouTube lan liya-liyane.
Ana, mesthi, sawetara subtleties - kabeh wis disambungake kanggo lisensi ... Nanging ing kasunyatan, dikarepake kanggo sistem kuwi cukup dhuwur. Ing sawijining wektu, perusahaan Retail Rocket dikenal, sing melu implementasi sistem rekomendasi, nanging saiki ora ana sing apik banget - ketoke amarga dheweke ora ngembangake algoritma kanggo wektu sing suwe. Kabeh dadi arah iki - nganti kita mlebu lan, tanpa mencet apa-apa, entuk apa sing kita butuhake (lan dadi bodho, amarga kemampuan kita kanggo milih wis ilang).
Pengaruh marketing
Z: - Halo. Jenengku Konstantin. Aku pengin takon babagan marketing pengaruh. Apa sampeyan ngerti sistem apa wae sing ngidini bisnis milih blogger sing cocog kanggo bisnis adhedhasar sawetara data statistik lan liya-liyane? Lan apa alasan iki rampung?
OH: - Ya, aku bakal miwiti saka adoh lan langsung ngomong yen masalah karo kabeh teknologi iki yaiku kabeh intelijen buatan ing marketing saiki kaya walker tightrope: ing sisih kiwa ana perusahaan gedhe sing duwe dhuwit akeh, lan ing Ing kasus apa wae, kabeh bakal efektif kanggo wong-wong mau amarga kampanye iklan mung dituju; ing tangan liyane, ana akeh bisnis cilik sing iki ora bakal bisa, amarga padha duwe akeh data. Nganti saiki, aplikasi crita kasebut ana ing tengah-tengah.
Yen wis ana anggaran sing apik, lan tugas kanggo ngolah anggaran kasebut kanthi bener (lan, ing asas, wis ana data sing cukup akeh) ... Aku ngerti sawetara layanan, kaya Getblogger, sing kayane duwe algoritma. Jujur, aku durung sinau algoritma kasebut. Aku bisa pitutur marang kowe apa pendekatan kita nggunakake kanggo golek pamimpin pendapat nalika kita kudu menehi hadiah kanggo sawetara ibu.
Kita nggunakake metrik sing disebut Wektu Distribusi Konten. Kerjane kaya iki: sampeyan njupuk wong sing pamirsa sampeyan nganalisa, lan sampeyan kudu sistematis (contone, saben 5 menit) ngumpulake informasi ing saben kiriman, sing disenengi, menehi komentar, lan liya-liyane. Kanthi cara iki, sampeyan bisa ngerti kapan saben wong ing pamirsa berinteraksi karo konten sampeyan. Baleni operasi iki kanggo saben wakil pamirsa, lan kanthi mangkono, nggunakake metrik wektu rata-rata panyebaran isi, bisa, contone, diwarnai ing grafik jaringan gedhe saka wong-wong iki lan nggunakake metrik iki kanggo mbangun kluster.
Iki bisa uga cukup yen kita pengin, contone, kanggo golek 15 ibu sing njaga pendapat umum ing sawetara woman.ru. Nanging iki implementasine technical rodo Komplek (sanajan sejatine sifate teori bisa rampung ing Python). Intine yaiku masalah karo marketing pengaruh ing agensi iklan gedhe yaiku butuh blogger sing gedhe, keren, larang sing ora kerja kanggo telek. Saiki, merek mobil pengin adol sawetara produk liwat sawetara pimpinan pendapat - dheweke kudu nggunakake blogger mobil minangka pilihan pungkasan, amarga pamirsa wis tuku mobil, utawa ngerti persis apa jenis mobil sing dikarepake, mung lungguh lan nyawang mobil keren. Ing kene penting ora kantun analisis pamirsa saka wong kasebut dhewe.
Bot marketing
Z: – Marang kula, carane akeh bot ing jaringan sosial mengaruhi koleksi informasi lan kualitas?
OH: - Iku bab sing menarik karo bot. Bot murah cukup gampang diidentifikasi - padha duwe konten sing padha, utawa padha kekancan, utawa ana ing jaringan sing padha. Ana uga pendekatan kanggo ngatasi bot rumit. Utawa sampeyan takon masalah carane nyambungake wong menyang palsu?
Z: - Kepiye informasi kualitas bakal dadi output karo kabeh sampah iki?
OH: - Iki cara kerjane: amarga ana data sing akeh banget (contone, kanggo sawetara riset marketing), kabeh riffraff iki mung bisa dibuwang. Yaiku, luwih becik mbuwang wong sing luwih nyata tinimbang njupuk bot, amarga ora ana gunane kanggo nuduhake pariwara apa wae. Nanging yen sampeyan ngumpulake metrik, umpamane, interaksi karo spanduk utawa sistem rekomendasi, akun kasebut bisa dibuwang.
Saiki ing jaringan sosial, ana kira-kira enem persen karakter virtual utawa mung ditinggalake kaca utawa introvert, sing algoritma "cocog" minangka bot. Minangka kanggo ngubungake wong kanggo palsu, kene, kabeh wis disambungake kanggo kasunyatan sing wong cepet utawa mengko bakal nggawe kesalahan, lan bab iku model prilaku padha - loro akun nyata lan palsu. Cepet utawa mengko dheweke bakal nonton konten sing padha utawa liya-liyane.
Kene kabeh teka mudhun ora kanggo persentasi saka kesalahan, nanging kanggo jumlah wektu needed kanggo andal ngenali wong. Kanggo wong sing manggon karo Instagram, wektu iki kanggo identifikasi sing bisa dipercaya nganti limang menit. Kanggo sawetara - dening enem kanggo wolung sasi.
Kanggo sapa lan carane ngedol data?
Z: - Halo. Aku kasengsem ngerti carane data didol antarane perusahaan? Contone, aku duwe aplikasi sing sampeyan bisa ngerteni (kanggo pangembang) menyang ngendi wong lunga, apa toko sing dituju, lan pira dhuwit sing dienggo ing kono. Lan aku kepengin ngerti carane, ayo ngomong, aku bisa ngedol data babagan pamirsa menyang toko kasebut utawa nglebokake dataku menyang siji database gedhe lan entuk bayaran?
OH: - Minangka kanggo ngedol data langsung menyang wong, sampeyan lan wong liya ndhisiki OFD - operator data fiskal, sing kanthi licik dibangun ing antarane transfer cek lan Layanan Pajak lan saiki nyoba ngedol data menyang kabeh wong. Pancen, dheweke bener-bener nabrak kabeh pasar analytics seluler. Nyatane, sampeyan bisa nampilaké aplikasi, contone, piksel Facebook, sistem DMP sawijining; banjur nggunakake pamirsa iki kanggo ngedol. Contone, piksel "Target Mei". Aku mung ora ngerti jenis pamirsa sing sampeyan duwe, sampeyan kudu ngerti. Nanging ing kasus apa wae, sampeyan bisa nggabungake menyang Yandex utawa My Target, yaiku sistem DMP paling gedhe.
Iki crita sing cukup menarik. Masalah mung yaiku sampeyan bakal menehi kabeh lalu lintas, lan dheweke, minangka ijol-ijolan, bakal njupuk monetisasi lalu lintas iki. Dheweke bisa uga ora ngandhani yen 10 wong wis nggunakake pamirsa sampeyan. Mulane, sampeyan mbangun jaringan iklan dhewe, utawa sampeyan nyerah menyang DMP gedhe.
Sapa sing bakal menang - artis utawa teknisi?
Z: - Pitakonan sing rada adoh saka bagean teknis. Dikandhakake babagan rasa wedi para pemasar babagan pengangguran massal sing bakal teka. Apa ana sawetara jenis perjuangan kompetitif antarane marketing kreatif (wong-wong iki sing teka karo iklan pitik, iklan Volkswagen, misale jek) lan sing melu Big Data (sing ngomong: saiki kita mung bakal ngumpulake kabeh data lan ngirim iklan diangkah menyang kabeh)? Minangka wong sing langsung melu, apa pendapat sampeyan babagan sapa sing bakal menang - seniman, teknisi, utawa bakal ana efek sinergis?
OH: – Rungokake, uga, padha bisa bebarengan. Insinyur ora nggawe kreatifitas. Sing kreatif ora nggawe pamirsa. Ana sawetara jinis crita multidisiplin ing kene. Masalah nyata saiki kanggo wong-wong sing njagong lan mencet tombol, kanggo wong-wong sing nindakake "pekerjaan kethek", saben dina mencet padha - iki wong sing bakal ilang.
Nanging sing nganalisa data bakal tetep, nanging ana sing kudu ngolah data kasebut. Ana sing kudu nggawe gambar kasebut, nggambar. A mesin ora bisa teka munggah karo kreatifitas kuwi! Iki kegilaan lengkap! Utawa kaya, contone, iklan virus Carprice, sing, kanthi cara, kerjane kanthi apik. Elinga, ana ing YouTube: "Adol ing Carprice," pancen edan. Mesthine, ora ana jaringan saraf sing bakal ngasilake crita kasebut.
Umumé, aku ndhukung kasunyatan sing ora wong sing bakal kelangan proyek, nanging bakal duwe wektu free sethitik liyane, lan padha bisa nglampahi wektu free iki kanggo poto-pendidikan.
Iklan primitif bakal mati
Z: - Umume, pariwara sing ditampilake, spanduk - umume, malah adol teks ora ditulis ing kono: "Sampeyan butuh windows - njupuk!", "Sampeyan butuh liyane - njupuk!", yaiku, ora ana kreatifitas babar pisan.
OH: – Iklan kuwi bakal mati, mesthi, cepet utawa mengko. Bakal mati ora amarga pangembangan teknologi, nanging amarga pangembangan sampeyan lan aku.
Luwih becik nyampur sing cocog karo sing ora cocog
Z: - Aku kene! Aku duwe pitakonan babagan eksperimen sing sampeyan ujar ora bisa digunakake kanggo sampeyan (karo sistem rekomendasi). Miturut pendapat sampeyan, apa masalah sing ditandatangani ing kana, kenapa disaranake, utawa apa kabeh sing dideleng pangguna cocog karo dheweke? Amarga aku maca eksperimen kanggo ibu-ibu, lan durung ana data sing akeh, lan ora ana data sing akeh saka Internet, mung ana data saka toko kelontong sing prédhiksi meteng (sing bakal dadi ibu). Lan nalika dheweke nuduhake pilihan produk kanggo ibu-ibu sing bakal teka, ibu-ibu padha wedi yen dheweke ngerti babagan sadurunge perkara resmi. Lan ora bisa. Lan kanggo ngatasi masalah iki, dheweke sengaja nyampur produk sing cocog karo barang sing ora cocog.
OH: "Kita khusus nuduhake wong dhasar sing menehi rekomendasi supaya bisa ngerti tanggapane. Bener, ing kene konsep kasebut dilahirake yen wong ora perlu dikandhani manawa iki minangka produk sing cocog banget kanggo dheweke.
Ya, kanthi cara, ana pendekatan kanggo nyampur karo sing ora relevan. Nanging ana sing ngelawan: kadhangkala ana wong sing mlebu lan sesambungan karo produk sing ora relevan iki - kedadeyan acak, model rusak lan dadi luwih rumit. Nanging iki bener-bener ana. Kajaba iku, akeh perusahaan kanthi sengaja, yen ngerti manawa ana wong sing ngolah data (wong bisa nyolong output kasebut), kadhangkala nyampurake supaya bisa mbuktekake manawa sampeyan ora njupuk data saka sistem rekomendasi, nanging saka sing disebut Yandex.Market.
Pamblokir iklan lan keamanan browser
Z: - Halo. Sampeyan kasebut Ghostery lan Adblock. Apa sampeyan bisa menehi katrangan babagan efektifitas pelacak kasebut ing umum (mbok menawa adhedhasar statistik)? Lan apa sampeyan duwe pesenan saka perusahaan: ujare, priksa manawa pariwara kita ora bisa ditutup dening Adblock.
OH: - Kita ora langsung ngubungi platform pariwara - supaya ora njaluk supaya pariwara kasebut katon kanggo kabeh wong. Aku wong nggunakake Ghostery - Aku iku extension banget kelangan. Saiki kabeh browser berjuang kanggo privasi: Mozilla wis ngrilis macem-macem jinis nganyari, Google Chrome saiki super-aman. Kabeh padha mblokir kabeh sing bisa. "Safari" malah wis mateni "Gyroscope" minangka standar.
Lan tren iki, mesthi, apik (ora kanggo wong-wong sing ngumpulake data, sanajan uga metu saka iku), amarga wong pisanan diblokir cookie. Saben uwong sing nduweni jaringan iklan ngelingi teknologi sing apik banget kaya sidik jari browser - iki minangka algoritma sing nampa 60 parameter sing beda (resolusi layar, versi, font sing diinstal) lan adhedhasar dheweke ngetung "ID" sing unik. Ayo dadi pindhah menyang iki. Lan browser wiwit berjuang karo iki. Umumé, iki bakal dadi perang tanpa wates saka titans.
Pangembang paling anyar Mozilla cukup aman. Iku ora nyimpen cookie lan nyetel umur cendhak. Utamane yen sampeyan ngaktifake "Incognito", ora ana sing bakal nemokake sampeyan. Pitakonan iku bakal ora trep kanggo ngetik sandhi ing kabeh layanan.
Ngendi psikotipe lan fisiognomi bisa digunakake lan ora bisa digunakake?
Z: – Arthur, matur nuwun sanget kanggo kuliah. Aku uga seneng ngetutake ceramah sampeyan ing YouTube. Sampeyan nyebutake manawa para pemasar tambah akeh nggunakake psikotipe lan fisiognomi. Pitakonanku yaiku: kategori merek apa iki bisa digunakake? Aku yakin iki mung cocok kanggo FMCG. Contone, milih mobil yaiku ...
OH: – Aku bisa download ngendi iku persis bisa. Iki dianggo ing kabeh jinis crita kaya "Amediateka", serial TV, film lan liya-liyane. Iki bisa digunakake kanthi apik ing bank lan produk perbankan, yen dudu segmen premium, nanging kabeh jinis kertu siswa, rencana cicilan - kaya ngono. Iki pancene dianggo banget ing FMCG lan kabeh limo iPhones, pangisi daya, kabeh omong kosong iki. Iki dianggo kanthi apik ing produk "ibu lan pop". Sanajan aku ngerti yen ing mancing (ana topik kasebut) ... Ana kasus nelayan kaping pirang-pirang - ora bisa dipisahake kanthi andal. Aku ora ngerti kok. Sawetara jenis kesalahan statistik.
Iki ora bisa digunakake kanthi apik karo pengendara motor, nganggo perhiasan, utawa karo sawetara barang rumah tangga. Nyatane, ora bisa digunakake kanthi apik karo perkara sing ora bakal ditulis wong ing media sosial - sampeyan bisa mriksa kanthi cara iki. Conventionally, karo tuku mesin ngumbah: kene carane ngerti sing duwe mesin ngumbah lan sing ora? Kayane kabeh wong duwe. Sampeyan bisa nggunakake data OFD - ndeleng sing tuku apa nggunakake kuitansi, lan cocog wong iki nggunakake kuitansi. Nanging nyatane, ana prekara sing ora bakal sampeyan ucapake, umpamane, ing Instagram - angel nggarap perkara kasebut.
Mesin ngenali trik minangka isi statistik.
Z: – Aku duwe pitakonan babagan nargetake. Apa bisa (utawa tiba-tiba ana) karakter acak kondisional sing mbantah awake dhewe ing kabeh: pisanan dheweke Google "gim paling apik", banjur Google "10 cara kanggo nindakake apa-apa"? Lan supaya ing kabeh. Bisa nargetake nglacak soko sing mbantah dhewe?
OH: - Pitakonan mung ing kene yaiku: yen sampeyan wis nggunakake Google suwene 2 taun, nyritakake kabeh babagan sampeyan, lan saiki nginstal plugin kanggo sampeyan dhewe sing bakal nulis pitakon acak sing padha, mula, mesthi, saka statistik sampeyan bakal. bisa ngerti - apa sing sampeyan lakoni saiki minangka outlier statistik, lan iki kabeh masalah sifting metu. Yen sampeyan pengin, ndhaftar akun anyar, nanging volume iklan ora bakal diganti. Dheweke mung bakal aneh. Senajan dheweke isih aneh.
Sawetara iklan 🙂
Matur nuwun kanggo tetep karo kita. Apa sampeyan seneng karo artikel kita? Pengin ndeleng konten sing luwih menarik? Ndhukung kita kanthi nggawe pesenan utawa menehi rekomendasi menyang kanca, , analog unik saka server level entri, sing diciptakake kanggo sampeyan: (kasedhiya karo RAID1 lan RAID10, munggah 24 intine lan nganti 40GB DDR4).
Dell R730xd 2 kaping luwih murah ing pusat data Equinix Tier IV ing Amsterdam? Mung kene ing Walanda! Dell R420 - 2x E5-2430 2.2Ghz 6C 128GB DDR3 2x960GB SSD 1Gbps 100TB - saka $99! Maca babagan
Source: www.habr.com