Arthuras Khachuyanas yra žinomas Rusijos didelių duomenų apdorojimo specialistas, bendrovės „Social Data Hub“ (dabar „Tazeros Global“) įkūrėjas. Nacionalinio mokslo universiteto aukštosios ekonomikos mokyklos partnerė. Parengė ir kartu su Nacionalinio tyrimų universiteto aukštesniąja ekonomikos mokykla pristatė įstatymą dėl didelių duomenų Federacijos taryboje. Jis kalbėjo Kiuri institute Paryžiuje, Sankt Peterburgo valstybiniame universitete, Federaliniame universitete prie Rusijos Federacijos. „Red Apple“, tarptautinėje „OpenDataDay“, RIW 2016, „AlfaFuturePeople“.
Paskaita įrašyta 2019 m. Maskvoje vykusiame festivalyje „Geek Picnic“ po atviru dangumi.
Artūras Khachuyanas (toliau – AH): – Jei iš daugybės pramonės šakų – nuo medicinos, iš statybos, iš kažko, kažko, pasirinkti tą, kurioje dažniausiai naudojama didžiųjų duomenų, mašininio mokymosi, giluminio mokymosi technologija, tai turbūt tai yra rinkodara. Nes pastaruosius trejus metus viskas, kas mus supa tam tikroje reklaminėje komunikacijoje, dabar yra susieta būtent su duomenų analize ir būtent su tuo, ką galima pavadinti dirbtiniu intelektu. Todėl šiandien papasakosiu apie tai iš tokios labai tolimos istorijos...
Jei įsivaizduojate dirbtinį intelektą ir kaip jis atrodo, tai tikriausiai kažkas panašaus. Keistas paveikslėlis yra vienas iš neuroninių tinklų, kurį parašiau prieš metus, kad išsiaiškinčiau priklausomybę nuo to, ką veikia mano šuo – kiek kartų jai reikia vaikščioti dideliu, mažu ir kaip tai apskritai priklauso nuo to, kiek ji valgo. arba ne? . Tai pokštas apie tai, kaip galima įsivaizduoti dirbtinį intelektą.
Bet vis tiek pagalvokime, kaip visa tai veikia reklamos komunikacijose. Yra trys būdai, kuriais šiuolaikiniai reklamos ir rinkodaros algoritmai gali sąveikauti su mumis. Akivaizdu, kad pirmoji istorija skirta gauti ir išgauti papildomų žinių apie tave ir mane, o vėliau jas panaudoti geriems ir nelabai tikslams; individualizuoti požiūrį į kiekvieną konkretų asmenį; Natūralu, kad po to sukurkite tam tikrą paklausą, kad galėtumėte atlikti pagrindinį tikslinį veiksmą ir atlikti tam tikrą pardavimą.
Naudodamiesi technologijomis, jie bando išspręsti efektyvaus bendravimo problemą
Jei liepsiu pagalvoti apie tai, ką Pornhubas ir M. Vaizdo įrašas“, ką tu galvoji?
Žiūrovų komentarai (toliau – C): – televizija, publika.
OI: – Mano koncepcija yra tokia, kad tai yra dvi vietos, kur žmonės ateina dėl tam tikros rūšies paslaugų, arba pavadinkime tai tam tikros rūšies prekių. O ši publika skiriasi tuo, kad pardavėjui nieko nenori sakyti. Ji nori ateiti ir gauti tai, kas ją domina, tam tikra ar numanoma forma. Natūralu, kad niekas neateina pas M. Video“ nenori bendrauti su jokiais pardavėjais, nenori suprasti, nenori atsakyti į jokius jų klausimus.
Todėl iš viso to išplaukia pirmoji istorija.
Kai atsirado papildomų žinių gavimo technologijos, siekiant kažkaip išvengti bendravimo su žmogumi. Mums visiems patinka, kai skambiname į banką ir bankas mums sako: „Sveiki. Aleksejus, tu esi mūsų VIP klientas. Dabar su tavimi pasikalbės koks nors supermenininkas. Ateinate į šį banką ir ten tikrai yra unikalus vadovas, galintis su jumis pasikalbėti. Deja ar laimei, dar ne viena įmonė sugalvojo, kaip tūkstančiui klientų pasamdyti tūkstantį asmeninių vadybininkų; ir kadangi dauguma šių žmonių dabar yra prisijungę, užduotis yra suprasti, koks tai žmogus ir kaip teisingai su juo bendrauti, kol jis ateina į kokį nors reklamos šaltinį. Ir todėl iš tikrųjų atsirado technologijos, kurios bando išspręsti šią problemą.
Duomenų išgavimas yra nauja alyva
Įsivaizduokime, kad esate gėlių kiosko savininkas. Trys žmonės ateina pas tave. Pirmas labai ilgai stovi, dvejoja, bando su tavimi pasikalbėti, paima kokią puokštę - eini suvynioti, išeini ten ką nors daryti; jis bėga nuo prekystalio su šia puokšte – tu praradai tris tūkstančius rublių. Kodėl taip atsitiko? Jūs nieko nežinote apie šį asmenį: nežinote jo suėmimų Vidaus reikalų ministerijoje istorijos, nežinote, kad jis yra kleptomanas ir registruotas psichiatrijos dispanseryje. Kodėl? Nes jūs tai matėte pirmą kartą, o jūs nesate elgesio analitikas.
Ateina kažkas kitas... Vitalijus. Vitalijus taip pat labai ilgai tai supranta, jis sako: „Na, man reikia to ir to“. Ir tu jam sakai: „Gėlės mamai, tiesa? Ir tu parduodi jam puokštę.
Sąvoka čia yra išsiaiškinti pakankamai duomenų, kad suprastų, ko žmogui iš tikrųjų reikia. Visi iškart pagalvojo apie kažkokius reklamos tinklus ir pan...
Kiekvienas tikriausiai ne kartą yra girdėjęs kvailą frazę, kad „duomenys yra naujasis aliejus“? Tikrai visi girdėjo. Tiesą sakant, žmonės duomenis rinkti išmoko gana seniai, tačiau iš šių duomenų išgauti duomenis yra ta užduotis, kurią dabar bando išspręsti dirbtinis intelektas marketinge arba kokie nors statistiniai algoritmai. Kodėl? Nes jei kalbiesi su žmogumi, jis gali tau duoti teisingą, neteisingą ar kažkaip spalvotą atsakymą. Anekdotas, kurį sakau savo studentams, yra toks, kaip apklausos skiriasi nuo statistikos.
Tai reiškia, kad dviejuose kaimuose jie nusprendė atlikti vidutinės vyriškumo trukmės tyrimą. Tai reiškia, kad pirmame kaime, Villaribo, vidutinis ilgis siekia 15 centimetrų, Villabaggio kaime – 25. Ar žinote kodėl? Mat pirmame kaime buvo atlikti matavimai, o antrajame – apklausa.
Pornografijos pramonė yra rekomendacijų sistemų flagmanas
Štai kodėl šiuolaikinis požiūris yra analizuoti visus žmones be išimties, net jei jie yra šiek tiek mažiau nei 100%, tačiau tai yra tie žmonės, kurių nereikia klausti, nereikia į juos žiūrėti. Pakanka išanalizuoti tai, kas dabar vadinama skaitmeniniu pėdsaku, kad suprastum, ko šiam žmogui reikia, kaip teisingai su juo kalbėti, kaip teisingai sukurti paklausą aplink jį. Viena vertus, tai be proto mašina (bet jūs ir aš tai puikiai žinome); mes nenorime bendrauti su žmonėmis iš M. Vaizdo įrašas“, o dar labiau, kai einame į tokius išteklius kaip „Pornhub“, norime gauti būtent tai, ko mums reikia.
Kodėl aš visada kalbu apie Pornhub? Nes suaugusiųjų pramonė pirmoji ateina prie tokių technologijų analizės, prie tokių technologijų diegimo, prie duomenų analizės. Jei pasirinksite tris populiariausias bibliotekas šioje srityje (pavyzdžiui, TensorFlow arba Pandas for Python, CSV failams apdoroti ir pan.), jei atidarysite ją Github, su trumpu visų šių pavadinimų Google rasite pora žmonių, kurie dirbo arba šiuo metu dirba „Pornhub“ įmonėje ir pirmieji ten įdiegė rekomendacijų sistemas. Apskritai ši istorija yra labai pažengusi į priekį ir parodo, kiek ši auditorija, kiek ši įmonė pažengė į priekį.
Trys identifikavimo lygiai
Aplink asmenį yra daugybė duomenų, kuriuos galima identifikuoti. Paprastai tai formaliai skirstau į tris lygius, vis giliau ir giliau. Natūralu, kad įmonė turi savo duomenis.
Jei, tarkime, kalbame apie rekomendacijų sistemos kūrimą, tai pirmas lygis yra duomenys, kurie yra pačioje parduotuvėje (pirkimų istorija, visokios operacijos, kaip žmogus sąveikavo su sąsaja).
Kitas yra lygis (santykinai didžiausias) - tai yra vadinama atviraisiais šaltiniais. Nemanykite, kad aš raginu jus krapštyti socialinius tinklus, bet iš tikrųjų tai, kas yra atviruose šaltiniuose, atveria didžiulį duomenų rinkinį, kurį galite, tarkime, sužinoti apie žmogų.
O trečia didžioji dalis – paties šio žmogaus aplinka. Taip, yra nuomonė, kad jei žmogaus nėra socialiniuose tinkluose, ten nėra duomenų apie jį (turbūt jau žinote, kad tai netiesa), bet svarbiausia, kad duomenys, kurie yra žmogaus profilyje (arba kai kuriose programose ) sudaro tik 40 % žinių, kurias galima gauti apie tai. Likusią informaciją gauna iš jo aplinkos. Frazė „pasakyk man, kas yra tavo draugas ir aš pasakysiu, kas tu“ XXI amžiuje įgauna naują prasmę, nes apie tą asmenį galima gauti daug duomenų.
Jei kalbėtume arčiau reklaminių komunikacijų, tai gauti reklaminius pranešimus ne iš reklamos, o iš kokio nors draugo, pažįstamo ar kažkaip patikrinto žmogaus yra labai šauni savybė, kuria naudojasi daug rinkodaros specialistų. Kai kuri nors programa staiga suteikia nemokamą reklamos kredito kodą, paskelbiate apie tai ir taip pritraukiate naują auditoriją. Tiesą sakant, šis sąlyginio „Yandex.Taxi“ reklamos kodas nebuvo pasirinktas atsitiktinai, tačiau tam buvo išanalizuota daugybė duomenų apie jūsų galimybes pritraukti naują auditoriją ir kažkaip su ja bendrauti.
Jie netgi analizuoja TV serialų personažų elgesį
Aš jums parodysiu tris nuotraukas, o jūs man pasakykite, kuo jos skiriasi.
Šitas:
Tai:
Ir šis:
Kuo jie skiriasi? Čia viskas paprasta. Kaip ir kvantinėje mechanikoje, šiuo atveju šį kūrybiškumą suformavo stebėtojas. Tai reiškia, kad skirtumas tarp tos pačios reklamos kampanijos, kurią tuo pačiu metu vykdo tas pats prekės ženklas, yra tik tai, kas žiūrėjo šį kūrinį. Asmeniškai, kai aš einu į Amediateką, jie vis dar rodo Khal Drogo. Nežinau, ką Amediateka mano apie mano pageidavimus, bet dėl tam tikrų priežasčių taip nutinka.
Tai, kas dabar vadinama personalizuota komunikacija, yra pati populiariausia istorija, kaip pritraukti auditoriją ir tinkamai su ja bendrauti. Jei pirmajame etape identifikavome žmones naudodami savo prekės ženklo duomenis, atvirojo kodo duomenis ir, pavyzdžiui, duomenis iš šio asmens aplinkos, išanalizavę jį galime suprasti, kas jis toks, kaip teisingai su juo kalbėtis ir, svarbiausia, , kokia kalba jis kalba, pasikalbėk su juo.
Čia technologijos pažengė taip toli, kad dabar analizuojami televizijos serialų, kuriuos žiūri žmonės, personažai. Tai yra, tau patinka serialai – jie [patinka] yra žiūrimi, žiūri, su kuo ten bendrauji, kad suprastų, su kokiu žmogumi tau tiktų bendrauti. Tai skamba kaip visiška nesąmonė, bet tiesiog savo malonumui išbandykite vieną iš šaltinių – skirtingi žmonės mato skirtingus kūrinius (kad su jais tinkamai sąveikautų).
Nė viena šiuolaikinė žiniasklaida ar bet koks vaizdo šaltinis neparodo jums naujienų. Eikite į žiniasklaidą - įkeliama daugybė algoritmų, kurie jus identifikuoja, supranta visą jūsų ankstesnę veiklą, apeliuoja į matematinį modelį ir tada jums ką nors parodo. Šiuo atveju yra tokia keista istorija.
Kaip nustatomi poreikiai? Psichometrija. Fiziognomija
Yra daug (realių) būdų, kaip nustatyti tikruosius asmens poreikius ir kaip teisingai su jais bendrauti. Yra daug požiūrių, viskas sprendžiama skirtingai, neįmanoma pasakyti, kas yra gerai, o kas blogai. Atrodo, kad pagrindiniai viską žino.
Psichometrija. Po istorijos su „Cambridge Analytics“ įvyko kažkoks šokiruojantis, mano nuomone, kažkoks posūkis, nes dabar kas antra politinė kompanija ateina ir sako: „O, ar gali mane pamėgti Trumpu? Aš taip pat noriu laimėti ir pan. Tiesą sakant, tai, žinoma, yra nesąmonė mūsų realybei, pavyzdžiui, politiniams rinkimams. Tačiau psichotipams nustatyti naudojami trys modeliai:
- pirmasis yra pagrįstas jūsų vartojamu turiniu – rašomais žodžiais, tam tikra jums patinkančia informacija, vaizdo įrašais ir pan.;
- antrasis yra susijęs su tuo, kaip jūs sąveikaujate su žiniatinklio sąsaja, kaip rašote, kokius mygtukus spaudžiate – iš tiesų yra ištisos įmonės, kurios pagal savo klaviatūros rašyseną gali gana patikimai nustatyti tai, kas dabar vadinama psichotipais.
- Nesu didelis psichologas, nelabai suprantu, kaip tai veikia, bet reklaminės komunikacijos požiūriu į šiuos segmentus suskirstytos auditorijos veikia labai gerai, nes kažkam reikia parodyti raudoną ekraną su mėlynu. moteris, kažkam reikia parodyti tamsų ekraną -mėlynas fonas su kažkokia abstrakcija, ir tai veikia labai šauniai. Kai kuriais žemais lygiais - tiek, kad žmogus apie tai net nesusimąsto. Kokia dabar pagrindinė reklamos rinkos problema? Visi yra žvalgybos agentai, visi slepiasi, visi turi milijoną tūkstančių naršyklės leidimų, kad jie jokiu būdu nebūtų identifikuojami - tikriausiai turite „Adblocks“, „Gostrey“ ir visokias programas, kurios blokuoja sekimą. Dėl to labai sunku ką nors suprasti apie žmogų. Ir technologijos pajudėjo į priekį – reikia ne tik žinoti, kad šis žmogus į jūsų svetainę sugrįžo jau 125-ąjį kartą, bet ir tai, kad jis yra toks ir toks keistas žmogus.
Fiziognomija yra labai prieštaringas mokslas. Tai net nelaikoma mokslu. Tai grupė žmonių, kurie anksčiau kažkokiai Vidaus reikalų ministerijai programavo melo detektorius, o dabar užsiima vadinamuoju kūrybos personifikavimu. Metodas čia labai paprastas: kelios jūsų viešos nuotraukos yra paimtos iš kai kurių socialinių tinklų ir iš jų sukuriama trimatė geometrija. O jei esate teisininkas, dabar sakysite, kad tai yra asmuo ir asmens duomenys; bet aš jums pasakysiu, kad tai yra 300 tūkstančių taškų, esančių erdvėje, ir tai nėra asmuo ir nėra asmens duomenys. Taip paprastai sako visi, kai pas juos ateina „Roskomnadzor“.
Bet jei rimtai, jūsų veidas atskirai, jei ten nepasirašytas vardas ir pavardė, nėra jūsų asmens duomenys. Esmė ta, kad vaikinai išskiria įvairius veido bruožus, kurie daro įtaką tam, kaip žmogus priima sprendimus ir kaip teisingai su juo bendrauti. Kai kuriose srityse tai veikia prastai, kai kuriuose reklamos segmentuose; kuriuose segmentuose jis veikia labai gerai. Galų gale išeina taip, kad nuėjus į kokį nors šaltinį pamatai ne vieną reklamjuostę, kuri rodoma visiems, bet, pavyzdžiui... dabar normalu padaryti 16 ar 20 variantų skirtingoms auditorijoms – ir tai veikia. labai šaunu. Taip, tai dar liūdniau vartotojo požiūriu, nes žmonėmis pradedama vis labiau manipuliuoti. Tačiau, nepaisant to, verslo požiūriu tai veikia labai gerai.
Mašininio mokymosi juodoji dėžė
Dėl to kyla tokia tokių technologijų problema: juk daugumai kūrėjų dabar tai, kas vadinama giluminiu mokymusi, yra „juodoji dėžė“. Jei kada nors buvote pasinėrę į šią istoriją ir kalbėjote su kūrėjais, jie visada sako: „O, klausykite, mes ten užkodavome kažką tokio nesuprantamo ir nežinome, kaip tai veikia“. Galbūt kažkam taip yra nutikę.
Iš tikrųjų tai toli gražu nėra tiesa. Tai, kas dabar vadinama mašininiu mokymusi, toli gražu nėra „juodoji dėžė“. Yra daugybė būdų, kaip aprašyti įvesties ir išvesties duomenis, ir galiausiai įmonė gali gerai suprasti, kokiais ženklais aparatas nusprendė parodyti jums šį ar kitą pornografinį vaizdo įrašą. Kyla klausimas, kad nei viena iš įmonių niekada to neatskleidžia, nes: pirma, tai komercinė paslaptis; antra, bus didžiulis kiekis duomenų, apie kuriuos net nežinojote.
Pavyzdžiui, prieš tai diskusijoje apie etiką aptarėme, kaip socialiniai tinklai analizuoja asmenines žinutes, siekdami pažymėti žmones tam tikrose reklamos istorijose. Jei kam nors ką nors rašote, pagal tai gaunate konkrečią žymą tam tikram reklaminiam pranešimui. Ir to niekada neįrodysi, ir turbūt nėra prasmės įrodinėti. Tačiau jei būtų atskleisti panašūs modeliai, jie egzistuotų. Pasirodo, tokių rekomendacinių sistemų kūrimo rinka apsimeta nežinanti, kodėl taip atsitiko.
Žmonės nenori žinoti, ką žmonės apie juos žino
Ir antra istorija yra ta, kad klientas niekada nenori žinoti, kodėl jis gavo būtent šį skelbimą, būtent šią prekę. Aš jums papasakosiu šią istoriją. Pirmoji mano patirtis komerciškai diegiant pagal panašius algoritmus pagrįstas rekomendacijų sistemas būtent tyrimų dėlei buvo 2015 metais labai dideliame sekso prekių parduotuvių tinkle (taip, taip pat ne itin nemaloni istorija).
Klientams buvo pasiūlyta taip: jie užeina, prisijungia savo socialiniu tinklu ir maždaug po 5 sekundžių gauna jiems visiškai personalizuotą parduotuvę, tai yra pasikeitė visos prekės - patenka į tam tikrą kategoriją ir pan. . Ar žinote, kiek išaugo šios parduotuvės konversijų rodiklis? Jokiu būdu ne! Žmonės įėjo ir iškart nuo jo pabėgo. Jie atėjo ir suprato, kad jiems buvo pasiūlyta būtent tai, apie ką galvoja...
Šio testo bėda buvo ta, kad po kiekviena preke buvo parašyta, kodėl jums buvo pasiūlyta būtent ta ("nes esate paslėptos grupės "Galinga moteris ieško vyro, kuris būtų kilimėlis") narys. Todėl šiuolaikinės rekomendacijų sistemos niekada nerodo duomenų, kuriais remiantis buvo daroma „prognozė“.
Labai populiari istorija yra žiniasklaida, nes visos jos naudoja panašias rekomendacijų sistemas. Anksčiau algoritmai buvo labai paprasti: pažiūrėkite į kategoriją „Politika“ ir jie jums parodys naujienas iš kategorijos „Politika“. Dabar viskas taip sudėtinga, kad jie analizuoja vietas, kur sustabdėte pelę, į kokius žodžius sutelkėte dėmesį, ką nukopijavote, kaip apskritai bendravote su šiuo puslapiu. Tada jis analizuoja pačių pranešimų žodyną: taip, jūs ne tik skaitote naujienas apie Putiną, bet tam tikru būdu, su tam tikra emocine spalva. Ir kai žmogus gauna kažkokias naujienas, jis net nesusimąsto, kaip čia atsidūrė. Nepaisant to, jis tada sąveikauja su šiuo turiniu.
Visa tai, natūralu, siekiama išlaikyti vargšą, nelaimingą žmogeliuką, kuris jau kraustosi iš proto nuo didžiulio jį supančios informacijos kiekio. Čia reikia pasakyti, kad būtų malonu naudoti tokias sistemas, kad suasmenintumėte jus supančią kūrybą ir surinktumėte šiek tiek informacijos, tačiau, deja, tokių paslaugų kol kas nėra.
Dirbtinis intelektas pagauna klientą ore ir sukuria paklausą
Ir čia iškyla vienas labai įdomus filosofinis klausimas, nuo rekomendacijų sistemos kūrimo pereinant prie paklausos kūrimo. Retai kas apie tai susimąsto, bet kai bandai paklausti vadinamojo Instagram: „Kodėl renkate duomenis? Kodėl neparodžius man visiškai atsitiktinės reklamos? Pavyzdžiui, mes norime jus taip tiksliai pažinti, kad galėtume tiksliai parodyti, ko ieškote.
Tačiau technologijos jau seniai peržengė šią baisią slenkstį, o panašios technologijos nebeprognozuoja, ko jums reikia. Jie (dėmesio!) sukuria paklausą. Tai turbūt baisiausias dalykas, kuris sukasi apie dirbtinį intelektą tokiose komunikacijose. Baisiausia tai, kad pastaruosius 3-5 metus jis buvo naudojamas beveik visur – nuo Google paieškos rezultatų iki Yandex paieškos rezultatų, iki kai kurių sistemų... Gerai, apie Yandex nepasakysiu nieko blogo; ir geras.
Kokia prasmė? Jau seniai tokie reklaminiai pranešimai nutolo nuo strategijos, kai rašai „noriu nusipirkti vaikišką kėdutę“ ir matai šimtą tūkstančių milijonų publikacijų. Jie perėjo prie to: vos tik moteris paviešino nuotrauką su vos matomu pilvu, jos vyrą iškart imdavo sekti žinutės: „Žmogau, tuoj gimdymas. Pirkite vaikišką kėdutę."
Čia galite pagrįstai paklausti, kodėl su tokia milžiniška technologijų pažanga socialiniuose tinkluose vis dar matome tokią niūrią reklamą? Problema ta, kad šioje rinkoje vis tiek viską lemia pinigai, todėl vieną gražią akimirką gali ateiti koks nors reklamuotojas, pavyzdžiui, „Coca-Cola“ ir pasakyti: „Štai tau 20 milijonų – parodyk mano šlykščias reklamjuostes visam internetui“. Ir jie tikrai tai padarys.
Bet jei padarysi kažkokią švarią paskyrą ir išbandysi, kaip tiksliai tave atspėja tokie algoritmai: iš pradžių bando atspėti, o tada iš anksto pradeda tau kažką daryti. O žmogaus smegenys veikia taip, kad gaudamos joms patikimą informaciją net neapdoroja momento, kodėl gavo šią informaciją. Pirmoji taisyklė, leidžianti nustatyti, ar esate sapne, yra suprasti, kaip čia atėjote. Žmogus niekada neprisimena akimirkos, kai atsidūrė tam tikrame kambaryje. Čia tas pats.
„Google“ gali pradėti formuoti jūsų pasaulėžiūrą
Tokius tyrimus atliko kelios užsienio kompanijos, užsiimančios i-tracking. Jie specialiuose kompiuteriuose sumontavo įrenginius, kurie fiksuoja, kur žiūri tiriamojo akys. Paėmiau nuo penkių iki septynių tūkstančių savanorių, kurie tiesiog slinko kanalą, bendravo su socialiniais tinklais, su reklama ir įrašinėjo informaciją, į kurias reklamjuosčių ir kūrybos dalis šie žmonės nustojo akis.
Ir pasirodo, kad žmonės, gavę tokį hiperasmenintą kūrinį, apie tai net nesusimąsto - iškart juda toliau, pradeda su juo bendrauti. Verslo požiūriu tai yra gerai, bet mūsų, vartotojų, požiūriu tai nėra labai šaunu, nes – ko jie bijo? – Kad vieną gražią akimirką sąlyginis „Google“ gali pradėti (arba, žinoma, nepradėti) formuoti savo pasaulėžiūrą. Pavyzdžiui, rytoj jis gali pradėti rodyti žmonėms naujienas, kad žemė plokščia.
Juokauju, bet jie tiek kartų buvo sugauti, kad per rinkimus pradeda teikti tam tikrą informaciją tam tikriems žmonėms. Visi esame įpratę, kad paieškos sistema viską gauna sąžiningai. Bet, kaip visada sakau, jei tikrai norite sužinoti, kaip veikia pasaulis, parašykite savo paieškos sistemą, be filtrų, nekreipdami dėmesio į autorių teises, nereitinguodami kai kurių draugų paieškos rezultatuose. Tikrų duomenų rodymas internete paprastai skiriasi nuo to, ką rodo Google, Yandex, Bing ir pan. Kai kurios medžiagos yra paslėptos, nes draugai, kolegos, priešai ar kažkas kitas (arba buvęs meilužis, su kuriuo miegojote) - nesvarbu.
Kaip Trumpas laimėjo
Kai JAV buvo paskutiniai rinkimai, buvo atliktas labai paprastas tyrimas. Jie priėmė tas pačias užklausas skirtingose vietose, iš skirtingų IP adresų, iš skirtingų miestų, skirtingi žmonės „Google“ naudojo tą patį. Tradiciškai prašymas buvo toks: kas laimės rinkimus? Ir nuostabu, kad rezultatai buvo sukonstruoti taip, kad tose valstijose, kuriose daugiausiai žmonių bandė balsuoti už netinkamą kandidatą, jie gaudavo gerų žinių apie „Google“ reklamuojamą kandidatą. Kuris? Na, aišku, kuris – tas, kuris tapo prezidentu. Tai absoliučiai neįrodoma istorija, ir visi šie tyrimai yra pirštas į vandenį. „Google“ gali pasakyti: „Vaikinai, visa tai daroma tam, kad parodytume jums tinkamiausią turinį“.
Nuo šiol turėtumėte žinoti, kad tai, kas vadinama maksimaliai aktualu, visiškai ne taip. Įmonė vadina aktualų daiktą, kurį reikia jums parduoti dėl kokios nors geros ar blogos priežasties.
Tie, kurie dabar neturi pinigų, jau ruošiasi būsimiems pirkiniams
Čia yra dar vienas įdomus dalykas, apie kurį papasakosiu. Daugybė aktyvių auditorijų socialiniuose tinkluose ir programose yra jaunimas. Pavadinkime taip - nemokus jaunimas: 8-9 metų vaikai, žaidžiantys debilus žaidimus, tai 12-13-14, kurie dar tik registruojasi socialiniuose tinkluose. Kodėl didžiulės įmonės turėtų išleisti didžiulius biudžetus ir išteklius kurdamos programas nemokančiai auditorijai, kuri niekada negauna pajamų? Tuo metu, kai ši auditorija taps moki, apie ją bus pakankamai duomenų, kad būtų galima labai gerai numatyti jos elgesį.
Dabar paklauskite bet kurio tikslinio specialisto, kokia auditorija yra sunkiausia? Jie sakys: labai pelninga. Nes parduoti, pavyzdžiui, 150 milijonų rublių vertės butą per socialinius tinklus beveik neįmanoma. Pasitaiko pavieniai atvejai, kai darai kažkokią reklamą 10 tūkstančių žmonių, vienas perka šį butą - klientui sekasi... Bet vienas iš dešimties tūkstančių, statistiniu požiūriu, yra visiškas šūdas. Taigi, kodėl sunku nustatyti dideles pajamas gaunančią auditoriją? Nes žmonės, kurie dabar yra labai pelningos auditorijos nariai, gimė tada, kai internetas dar buvo labai mažas, kai Artemijaus Lebedevo dar niekas nepažinojo ir apie juos nėra jokios informacijos. Neįmanoma numatyti jų elgesio modelio, neįmanoma suprasti, kas yra jų nuomonės lyderiai ir iš kokių turinio šaltinių jie gauna.
Taigi, kai po 25 metų visi tapsite milijardieriais, o įmonės, kurios ketina jums ką nors parduoti, turės didžiulį duomenų kiekį. Štai kodėl dabar Europoje turime nuostabų GDPR, kuris neleidžia rinkti duomenų iš nepilnamečių.
Natūralu, kad tai praktiškai neveikia, nes visi vaikai vis dar žaidžia savo mamos ir tėvo paskyrose - taip renkama informacija. Kitą kartą duodami vaikui planšetinį kompiuterį, pagalvokite apie tai.
Visiškai ne kažkokia baisi, distopinė ateitis, kai visi žus kare su mašinomis – dabar absoliučiai tikra istorija. Yra daugybė įmonių, kurios kuria algoritmus, skirtus žmonių psichologiniam profiliavimui pagal tai, kaip jie žaidžia žaidimus. Labai įdomi industrija. Remiantis visa tai, žmonės skirstomi į segmentus, kad su jais kažkaip galėtų bendrauti.
Šių žmonių elgesį bus galima prognozuoti po 10–15 metų – būtent tuo metu, kai jie taps mokia auditorija. Svarbiausia, kad šie žmonės jau iš anksto davė leidimą tvarkyti savo asmens duomenis, perduoti juos tretiesiems asmenims, o visa tai yra laimė ir t.t.
Kas neteks darbo?
Ir paskutinė mano istorija tokia, kad visi visada klausia, kas bus po 50 metų: mes visi mirsime, rinkodaros specialistams bus nedarbas... Yra čia rinkodaros specialistų, kurie nerimauja dėl nedarbo, tiesa? Apskritai nerimauti neverta, nes bet kuris aukštos kvalifikacijos žmogus darbo nepraras.
Kad ir kokie algoritmai būtų kuriami, kad ir kaip priartėtų mašina prie to, ką mes čia turime (rodo į galvą), jei jis vystysis pakankamai greitai, tokie žmonės niekada neliks be darbo, nes kažkas turės sukurti šiuos kūrybinius dalykus. daryti. Taip, yra visokių „ganų“, kurie piešia paveikslus, kurie atrodo kaip žmonės ir kuria muziką, bet vis tiek mažai tikėtina, kad žmonės šioje srityje kada nors neteks darbo.
Turiu viską su istorija, todėl galite užduoti klausimų, jei turite daugiau. Ačiū.
Moderatorius: – Draugai, dabar pereiname prie „Klausimų ir atsakymų“ bloko. Tu pakelk ranką - aš prieinu prie tavęs.
Klausimas iš auditorijos (3): – Klausimas apie „juodąją dėžę“. Sakė, kad galima konkrečiai suprasti, kodėl tokiam ir tokiam vartotojui gautas toks ir toks rezultatas. Ar tai kažkokie algoritmai, ar kiekvieną kartą jį reikia analizuoti kiekvienam modeliui ad hoc (autoriaus pastaba: „ypač šiam“ – lotyniškas frazeologinis vienetas)? O gal kažkokiam neuroniniam tinklui yra paruoštų, kurie, grubiai tariant, gali turėti verslo prasmės?
OI: – Čia reikia suprasti štai ką: mašininiame mokyme yra daugybė užduočių. Pavyzdžiui, yra užduotis – regresija. Regresijai iš viso nereikia neuroninių tinklų. Viskas paprasta: turite keletą rodiklių, turite apskaičiuoti šiuos dalykus. Yra užduočių, kur reikia griebtis tokio dalyko kaip gilus mokymasis. Iš tiesų giluminio mokymosi metu sunku patikimai suprasti, kokie svoriai buvo priskirti kokiems neuronams, tačiau teisiškai viskas, ko jums reikia, yra suprasti, kokie duomenys buvo įvesties metu ir kaip jie pasirodė išvestyje. To juridiškai pakanka, kad toks sprendimas būtų užpatentuotas, ir pakanka suprasti, kuo remiantis buvo sukurta istorija.
Nėra taip, kad nuėjote į svetainę ir jums buvo parodyta kažkokia reklamjuostė, nes prieš du mėnesius „Instagram“ tinkle nusifotografavote raudonais plaukais. Jei kūrėjas neįtrauks šių duomenų rinkimo ir plaukų spalvos žymėjimo į šį modelį, tada jis neatsiras iš niekur.
Kaip parduoti mašininio mokymosi sistemų rezultatus?
Z: – Tik klausimas, ką: kaip tiksliai paaiškinti, kaip parduoti žmogui, kuris nesupranta mašininio mokymosi. Noriu pasakyti: mano modelis aiškiai veda nuo plaukų spalvos iki... na, keičiasi plaukų spalva... Ar tai įmanoma ar ne?
OI: - Gal taip. Tačiau pardavimo požiūriu veiks vienintelė schema: jūs turite reklaminę kampaniją, mes pakeičiame auditoriją ta, kurią generuoja mašina – ir jūs tiesiog matote rezultatą. Deja, tai vienintelis būdas patikimai įtikinti užsakovą, kad tokia istorija veikia, nes rinkoje yra labai daug sprendimų, kurie kažkada buvo įgyvendinti ir nepasiteisino.
Apie virtualios asmenybės kūrimą
Z: - Sveiki. Ačiū už paskaitą. Kyla klausimas: kokią galimybę turi žmogus, kuris dėl kokių nors priežasčių nenori sekti mašininio mokymosi pavyzdžiu, sąveikaujant su sąsaja ar tam tikriems asmenims susikurti sau virtualią asmenybę, kuri kardinaliai skiriasi nuo jo paties asmenybės. kita priežastis?
OI: – Yra daugybė skirtingų papildinių, kurie konkrečiai susiję su atsitiktiniu elgesiu. Yra šaunus dalykas - „Ghostery“, kuris, mano nuomone, beveik visiškai slepia jus nuo daugybės skirtingų stebėjimo priemonių, kurios negali įrašyti šios informacijos. Bet iš tikrųjų dabar tereikia uždaro profilio socialiniuose tinkluose, kad niekas, jokie pikti draskytojai nieko ten nesurinktų. Turbūt geriau įsidiegti kokį plėtinį ar parašyti ką nors pačiam.
Matote, čia yra tokia sąvoka, kad teisiškai, pavyzdžiui, asmens duomenys reiškia duomenis, pagal kuriuos jus galima identifikuoti, o įstatymai kaip pavyzdį pateikia jūsų gyvenamosios vietos adresą, amžių ir pan. Šiais laikais yra begalė duomenų, pagal kuriuos galima atpažinti: ta pati klaviatūros rašysena, tas pats paspaudimas, naršyklės skaitmeninis parašas... Anksčiau ar vėliau žmogus padaro klaidą. Jis gali būti kur nors „kavinėje“ naudodamas „Thor“, bet galiausiai vieną gražią akimirką arba VPN pamirš įsijungti, arba dar ką nors, ir tuo metu jį galima atpažinti. Taigi paprasčiausias būdas yra sukurti privačią paskyrą ir įdiegti plėtinį.
Rinka juda link taško, kai norint gauti rezultatus tereikia paspausti vieną mygtuką.
Z: - Ačiū už istoriją. Kaip visada, visada labai įdomu (seku tave). Kyla klausimas: kokia pažanga padaryta kuriant naudotojams teigiamas sistemas, rekomendacines sistemas? Sakėte, kad kažkada dirbote su rekomendacijų sistema, kaip susirasti seksualinį partnerį, draugą gyvenime (arba muziką, kuri žmogui potencialiai galėtų patikti)... Kiek visa tai perspektyvu ir kaip matote jos raidą nuo žmonėms reikalingų sistemų kūrimo požiūriu?
OI: – Apskritai rinka juda taip, kad žmonėms reikia paspausti vieną mygtuką ir iš karto gauti tai, ko reikia. Kalbant apie mano patirtį kuriant pasimatymų programas (beje, vėl paleisime metų pabaigoje), be to, kad 65% buvo vedę vyrai, sunkiausia rekomendacijų problema buvo ta, kad žmogui buvo pasiūlyti keli modeliai. paraiškos pradžioje - „ Draugystė“, „Seksas“, „Sekso draugystė“ ir „Verslas“. Žmonės nesirinko to, ko jiems reikia. Vyrai ateidavo ir išsirinkdavo „Meilę“, bet realiai visus apmėtydavo nuogybėmis ir t.t.
Problema buvo nustatyti asmenį, kuris netinka vienam iš šių modelių, ir kažkaip sklandžiai jį paimti ir perkelti kita kryptimi. Dėl mažo duomenų kiekio labai sunku nustatyti, ar tai prognozavimo algoritmo klaida, ar žmogus nėra jo kategorijoje. Tas pats yra ir su muzika: dabar yra labai mažai tikrai vertų algoritmų, galinčių gerai „fasuoti“ muziką. Galbūt „Yandex.Music“. Kai kurie žmonės mano, kad Yandex.Music algoritmas yra blogas. Pavyzdžiui, man ji patinka. Man asmeniškai, pavyzdžiui, nepatinka „YouTube“ muzikos algoritmas ir pan.
Aišku, yra tam tikrų subtilybių – viskas susieta su licencijomis... Tačiau iš tikrųjų tokių sistemų paklausa yra gana didelė. Kažkada buvo žinoma „Retail Rocket“ įmonė, kuri užsiėmė rekomendacijų sistemų diegimu, bet dabar jai kažkaip nelabai sekasi – matyt, todėl, kad jie ilgai nekūrė savo algoritmų. Viskas eina link to – iki to, kad įeiname ir nieko nespausdami gauname tai, ko mums reikia (ir tampame visiškai kvaili, nes mūsų galimybė rinktis visiškai išnyko).
Įtakoti rinkodarą
Z: - Sveiki. Mano vardas Konstantinas. Norėčiau iškelti klausimą apie įtakos rinkodarą. Ar žinote kokių nors sistemų, kurios leidžia verslui pasirinkti verslui tinkamą tinklaraštininką pagal kokius nors statistinius duomenis ir pan.? Ir kokiu pagrindu tai daroma?
OI: – Taip, pradėsiu iš tolo ir iš karto pasakysiu, kad visų šių technologijų problema yra ta, kad visas šis dirbtinis intelektas marketinge dabar yra tarsi lyno vaikščiotojas: kairėje yra didelės įmonės, kurios turi daug pinigų, o bet kokiu atveju jiems viskas bus efektyvu, nes jų reklamos kampanijos yra skirtos tiesiog peržiūroms; kita vertus, yra daug mažų įmonių, kurioms tai neveiks, nes jie turi daug duomenų. Kol kas šių istorijų pritaikomumas yra kažkur per vidurį.
Kai jau yra geri biudžetai, o užduotis – teisingai apdoroti šiuos biudžetus (o duomenų iš principo jau yra nemažai)... Žinau keletą paslaugų, panašių į Getblogger, kurios lyg ir turi algoritmus. Tiesą sakant, aš nenagrinėjau šių algoritmų. Galiu pasakyti, kokiu būdu mes ieškome nuomonės lyderių, kai reikia įteikti dovaną kai kurioms mamoms.
Mes naudojame metriką, vadinamą turinio platinimo laiku. Tai veikia taip: imi žmogų, kurio auditoriją analizuoji, ir reikia sistemingai (pavyzdžiui, kartą per 5 minutes) rinkti informaciją apie kiekvieną įrašą, kam patiko, pakomentavo ir pan. Tokiu būdu galite suprasti, kuriuo metu kiekvienas jūsų auditorijos asmuo sąveikavo su jūsų turiniu. Pakartokite šią operaciją kiekvienam jo auditorijos atstovui, taigi, naudojant vidutinio turinio sklaidos laiko metriką, ją, pavyzdžiui, galima nuspalvinti didelėje šių žmonių tinklo diagramoje ir naudoti šią metriką klasterių kūrimui.
Tai veikia gana gerai, jei norime, pavyzdžiui, rasti 15 motinų, kurios palaiko savo viešąją nuomonę kokiame nors woman.ru. Bet tai gana sudėtingas techninis įgyvendinimas (nors grynai teoriškai tai galima padaryti Python). Esmė ta, kad didelėse reklamos agentūrose įtakos rinkodaros problema yra ta, kad joms reikia didelių, šaunių, brangių tinklaraštininkų, kurie nedirba už niekšų. Dabar automobilių markė nori parduoti kokį nors produktą per kokį nors nuomonės lyderį – jiems reikia kaip paskutinę priemonę pasitelkti automobilių tinklaraštininką, nes jų auditorija arba jau nusipirko automobilį, arba tiksliai žino, kokio automobilio nori, tiesiog sėdi ir žiūri į šaunius automobilius. Čia svarbu nepraleisti ir paties žmogaus auditorijos analizės.
Rinkodaros robotai
Z: – Sakykite, kiek botai socialiniuose tinkluose turi įtakos informacijos rinkimui ir jos kokybei?
OI: – Tai toks įdomus dalykas su robotais. Pigius robotus atpažinti gana paprasta – arba jie turi tą patį turinį, arba draugauja vienas su kitu, arba yra tame pačiame tinkle. Taip pat yra būdų, kaip elgtis su sudėtingais robotais. O gal jūs klausiate problemos, kaip prijungti žmogų prie jo netikro?
Z: – Kokia bus kokybiška informacija su visomis šiomis šiukšlėmis?
OI: – Čia viskas veikia taip: dėl to, kad yra didžiulis duomenų kiekis (pavyzdžiui, tam tikriems rinkodaros tyrimams), visą šitą rifą galima tiesiog išmesti. Tai yra, geriau išmesti šiek tiek daugiau tikrų žmonių, nei gaudyti botus, nes jiems nenaudinga rodyti bet kokią reklamą. Bet jei renkate metrikas, pavyzdžiui, sąveiką su reklamjuostėmis ar rekomendacijų sistemomis, tokios paskyros gali būti išmestos.
Dabar socialiniuose tinkluose yra apie šešis procentus virtualių personažų ar tiesiog apleistų puslapių ar intravertų, kuriuos algoritmai „prilygina“ kaip botus. Kalbant apie žmogaus susiejimą su jo klastojimu, čia irgi viskas susieta su tuo, kad žmogus anksčiau ar vėliau suklys, o reikalas tas, kad elgesio modelis yra tas pats – ir tikroji jo sąskaita, ir netikra. Anksčiau ar vėliau jie žiūrės tą patį turinį ar dar ką nors.
Čia viskas priklauso ne nuo paklaidos procento, o nuo laiko, reikalingo patikimai identifikuoti asmenį. Asmeniui, kuris gyvena su savo „Instagram“, šis laikas patikimai identifikuoti sutrumpėja iki penkių minučių. Kai kuriems – nuo šešių iki aštuonių mėnesių.
Kam ir kaip parduoti duomenis?
Z: - Sveiki. Noriu sužinoti, kaip duomenys parduodami tarp įmonių? Pavyzdžiui, turiu aplikaciją, kurioje galima sužinoti (kurėjui), kur žmogus eina, į kokias parduotuves eina ir kiek pinigų ten išleidžia. Ir man įdomu sužinoti, kaip, tarkime, galiu parduoti duomenis apie savo auditoriją šioms parduotuvėms arba sudėti savo duomenis į vieną didžiulę duomenų bazę ir už tai gauti pinigų?
OI: – Kalbant apie duomenų pardavimą kažkam tiesiogiai, jūs ir visi kiti aplenkėte OFD – fiskalinių duomenų operatorius, kurie gudriai pastatė save tarp čekių perdavimo ir VMI ir dabar bando parduoti duomenis visiems. Iš tiesų, jie iš tikrųjų sugriovė visą mobiliosios analizės rinką. Tiesą sakant, galite įterpti savo programą, pavyzdžiui, „Facebook“ pikselį, jo DMP sistemą; tada naudokite šią auditoriją parduoti. Pavyzdžiui, taškas „Gali būti taikomas“. Tik nežinau, kokią auditoriją turi, reikia suprasti. Bet bet kuriuo atveju galite integruoti į „Yandex“ arba „My Target“, kurios yra didžiausios DMP sistemos.
Tai gana įdomi istorija. Vienintelė problema yra ta, kad jūs suteiksite jiems visą srautą, o jie, kaip mainai, imsis pinigų iš šio srauto. Jie gali pasakyti, kad 10 žmonių pasinaudojo jūsų auditorija, arba ne. Todėl arba kuriate savo reklamos tinklą, arba pasiduodate dideliems DMP.
Kas laimės – menininkas ar technikas?
Z: – Klausimas kiek nutolęs nuo techninės dalies. Kalbėta apie rinkodaros specialistų baimes dėl artėjančio masinio nedarbo. Ar vyksta kažkokia konkurencinė kova tarp kūrybinės rinkodaros (atrodo, šie vaikinai, kurie sugalvojo vištienos reklamą, „Volkswagen“ reklamą) ir „Big Data“ (kurie sako: dabar mes tiesiog surinksime visus duomenis ir teiksime tikslinę reklamą) Visi )? Kaip tiesiogiai dalyvaujantis žmogus, kokia jūsų nuomonė apie tai, kas laimės – menininkas, technikas, ar bus koks nors sinerginis efektas?
OI: – Klausyk, gerai, jie dirba kartu. Inžinieriai nesugalvoja kūrybiškumo. Tie, kurie yra kūrybingi, nesugalvoja auditorijos. Čia yra tam tikra multidisciplininė istorija. Tikrosios problemos dabar yra tiems, kurie sėdi ir spaudžia mygtukus, tiems, kurie daro „beždžionės darbą“, kiekvieną dieną spaudžia tą patį - tai tie žmonės, kurie išnyks.
Bet tie, kurie analizuoja duomenis, natūraliai išliks, bet kažkas turi šiuos duomenis apdoroti. Kažkas turės sugalvoti šias nuotraukas, nupiešti. Mašina negali sugalvoti tokio kūrybiškumo! Tai visiška beprotybė! Arba kaip, pavyzdžiui, virusinė Carprice reklama, kuri, beje, pasiteisino labai gerai. Atminkite, kad „YouTube“ buvo toks įrašas: „Parduok „Carprice“ – visiškai beprotiška. Žinoma, joks neuroninis tinklas nesukurs tokios istorijos.
Apskritai aš palaikau tai, kad ne žmonės prarastų darbą, o jie turės šiek tiek daugiau laisvo laiko, o šį laisvą laiką galės skirti savišvietai.
Primityvi reklama išnyks
Z: - Apskritai ta reklama, kuri rodoma, baneriai - iš esmės, net pardavimo tekstai ten nerašomi: „Tau reikia langų - imk!“, „Reikia dar kažko - imk!“, t. ten visai nera kūrybos.
OI: – Tokia reklama, žinoma, anksčiau ar vėliau užges. Ji išmirs ne tiek dėl technologijų vystymosi, kiek dėl jūsų ir manęs vystymosi.
Geriau maišyti aktualų su nesvarbiu
Z: - Aš čia! Turiu klausimą dėl eksperimento, kuris, jūsų teigimu, jums nepasiteisino (su rekomendacijos sistema). Jūsų nuomone, ar problema kas ten buvo pasirašyta, kodėl tai rekomenduojama, ar viskas, ką matė vartotojas, jam atrodė aktualu? Kadangi skaičiau eksperimentą mamoms, o duomenų dar nebuvo tiek daug, o iš interneto nebuvo tiek duomenų, buvo tiesiog bakalėjos parduotuvės duomenys, kurie numatė nėštumą (kad jos bus mamos). O kai jie parodė besilaukiančioms mamoms skirtų prekių pasirinkimą, mamos pasibaisėjo, kad apie jas sužinojo anksčiau nei oficialiai. Ir tai nepasiteisino. Ir norėdami išspręsti šią problemą, jie sąmoningai sumaišė atitinkamus produktus su kažkuo visiškai nereikšmingu.
OI: „Mes specialiai parodėme žmonėms, kuo remiantis buvo pateiktos rekomendacijos, kad suprastume jų atsiliepimus. Tiesą sakant, čia gimė idėja, kad žmonėms nereikia sakyti, kad tai yra jam labai svarbūs produktai.
Taip, beje, yra požiūris, kaip juos maišyti su neaktualiais. Tačiau yra priešingai: kartais žmonės ateina ir bendrauja su šiuo nereikšmingu produktu – atsiranda atsitiktinių nukrypimų, modeliai sugenda ir viskas tampa dar sudėtingesnė. Bet tai iš tikrųjų egzistuoja. Be to, daugelis įmonių sąmoningai, jei žino, kad kažkas apdoroja jų duomenis (kas nors gali iš jų pavogti tokią išvestį), kartais sumaišo, kad vėliau galėtų įrodyti, kad duomenis paėmėte ne iš jos rekomendacijų sistemos, o iš. vadinamoji „Yandex.Market“.
Skelbimų blokatoriai ir naršyklės sauga
Z: - Sveiki. Minėjote „Ghostery“ ir „Adblock“. Ar galite pasakyti, kiek veiksmingi tokie sekėjai apskritai (galbūt remiantis statistika)? O ar turėjote užsakymų iš įmonių: sako, žiūrėkite, kad mūsų reklamos negalėtų uždaryti Adblock.
OI: – Į reklamos platformas tiesiogiai nesusisiekiame – būtent tam, kad jos neprašytų savo reklamą padaryti matomą visiems. Aš asmeniškai naudoju Ghostery – manau, kad tai labai šaunus plėtinys. Dabar visos naršyklės kovoja už privatumą: „Mozilla“ išleido daugybę įvairiausių atnaujinimų, „Google Chrome“ dabar itin saugi. Jie visi blokuoja viską, ką gali. „Safari“ net išjungė „Giroskopą“ pagal numatytuosius nustatymus.
Ir ši tendencija, žinoma, yra gerai (ne tiems, kurie renka duomenis, nors jie irgi iš to išėjo), nes žmonės pirmiausia užblokavo slapukus. Visi, kuriems priklausė reklamos tinklai, prisiminė tokią nuostabią technologiją kaip naršyklės pirštų atspaudai - tai algoritmai, kurie gauna 60 skirtingų parametrų (ekrano skiriamoji geba, versija, įdiegti šriftai) ir pagal juos apskaičiuoja unikalų „ID“. Pereikime prie šito. Ir naršyklės pradėjo su tuo kovoti. Apskritai tai bus nesibaigiantis titanų mūšis.
Naujausias kūrėjas „Mozilla“ yra gana saugus. Tai praktiškai neišsaugo slapukų ir nustato trumpą tarnavimo laiką. Ypač jei įjungsite inkognito režimą, niekas jūsų neras. Kyla klausimas, kad visose tarnybose slaptažodžius įvesti bus nepatogu.
Kur veikia ir neveikia psichotipai ir fizionomija?
Z: – Artūrai, labai ačiū už paskaitą. Taip pat man patinka sekti jūsų paskaitas „YouTube“. Minėjote, kad rinkodaros specialistai vis dažniau imasi psichotipų nustatymo ir fizionomijos. Mano klausimas yra toks: kokiose prekės ženklų kategorijose tai veikia? Mano įsitikinimu, tai tinka tik FMCG. Pavyzdžiui, automobilio pasirinkimas yra...
OI: – Galiu parsisiųsti, kur tiksliai veikia. Tai veikia visose istorijose, tokiose kaip „Amediateka“, TV serialuose, filmuose ir pan. Tai puikiai veikia bankuose ir bankiniuose produktuose, jei tai ne premium segmentas, o visokie studentų pažymėjimai, įmokų planai – tokie dalykai. Tai tikrai labai gerai veikia FMCG ir visokiuose iPhone telefonuose, įkrovikliuose ir visa tai. Tai gerai veikia gaminiuose „mama ir pop“. Nors žinau, kad žvejyboje (yra tokia tema)... Keletą kartų buvo atvejų su žvejais - jų niekada nepavyksta patikimai segmentuoti. Nežinau kodėl. Kažkokia statistinė klaida.
Tai netinka vairuotojams, papuošalams ar kai kuriems namų apyvokos daiktams. Tiesą sakant, tai neveikia gerai su dalykais, apie kuriuos žmonės niekada nerašytų socialiniuose tinkluose – galite tai patikrinti taip. Tradiciškai, įsigijus skalbimo mašiną: štai kaip suprasti, kas turi skalbimo mašiną, o kas ne? Atrodo, kad visi tai turi. Galite naudoti OFD duomenis – pamatyti, kas ką pirko naudodami kvitus, ir suderinti šiuos žmones naudodami kvitus. Bet iš tikrųjų yra dalykų, apie kuriuos niekada nekalbėtumėte, pavyzdžiui, „Instagram“ - sunku su tokiais dalykais dirbti.
Mašinos atpažįsta triukus kaip statistinį užpildą.
Z: – Turiu klausimą dėl taikymo. Ar įmanomas (ar jie staiga atsiranda) sąlyginis atsitiktinis personažas, kuris visame kame prieštarauja sau: iš pradžių „Google“ ieško „geriausios sporto salės“, o paskui „10 būdų nieko nedaryti“? Ir taip yra visame kame. Ar taikymas gali stebėti tai, kas prieštarauja pats sau?
OI: – Klausimas čia tik toks: jei naudoji Google 2 metus, papasakojo apie save viską, ką gali, o dabar įsidieg sau įskiepį, kuris parašys panašias atsitiktines užklausas, tai, žinoma, iš statistikos sugebėti suprasti – tai, ką dabar darote, yra statistinis nuokrypis, ir visa tai yra išsijojimo klausimas. Jei norite, registruokite naują paskyrą, tačiau reklamos apimtis nesikeis. Ji tiesiog pasidarys keista. Nors ji vis dar keista.
Kai kurie skelbimai 🙂
Dėkojame, kad likote su mumis. Ar jums patinka mūsų straipsniai? Norite pamatyti įdomesnio turinio? Palaikykite mus pateikdami užsakymą ar rekomenduodami draugams, , unikalus pradinio lygio serverių analogas, kurį mes sugalvojome jums: (galima su RAID1 ir RAID10, iki 24 branduolių ir iki 40 GB DDR4).
„Dell R730xd“ 2 kartus pigiau „Equinix Tier IV“ duomenų centre Amsterdame? Tik čia Olandijoje! „Dell R420“ – 2 x E5-2430 2.2 GHz 6C 128 GB DDR3 2 x 960 GB SSD 1 Gbps 100 TB – nuo 99 USD! Skaityti apie
Šaltinis: www.habr.com