आर्थर खाचुआन: मार्केटिंगमध्ये कृत्रिम बुद्धिमत्ता

आर्थर खाचुआन हे बिग डेटा प्रोसेसिंगमधील प्रसिद्ध रशियन तज्ञ आहेत, सोशल डेटा हब कंपनीचे (आताचे टाझेरोस ग्लोबल) संस्थापक आहेत. नॅशनल रिसर्च युनिव्हर्सिटी हायर स्कूल ऑफ इकॉनॉमिक्सचे भागीदार. नॅशनल रिसर्च युनिव्हर्सिटी हायर स्कूल ऑफ इकॉनॉमिक्ससह, फेडरेशन कौन्सिलमधील बिग डेटावरील विधेयक तयार आणि सादर केले. ते पॅरिसमधील क्युरी इन्स्टिट्यूट, सेंट पीटर्सबर्ग स्टेट युनिव्हर्सिटी, रशियन फेडरेशनच्या सरकारच्या अंतर्गत फेडरल युनिव्हर्सिटी येथे बोलले. Red Apple, International OpenDataDay, RIW 2016, AlfaFuturePeople येथे.

2019 मध्ये मॉस्को येथील ओपन-एअर फेस्टिव्हल “गीक पिकनिक” मध्ये हे व्याख्यान रेकॉर्ड करण्यात आले.

आर्थर खाचुआन (यापुढे - एएच): - जर मोठ्या संख्येने उद्योगांमधून - औषधातून, बांधकामातून, एखाद्या गोष्टीतून, एखाद्या गोष्टीतून, बिग डेटा, मशीन लर्निंग, डीप लर्निंगचे तंत्रज्ञान बहुतेकदा वापरले जाते, तर हे कदाचित मार्केटिंग आहे. कारण गेल्या तीन-तीन वर्षांपासून, कोणत्या ना कोणत्या जाहिरातींच्या संप्रेषणांमध्ये आपल्या सभोवतालची प्रत्येक गोष्ट आता डेटा विश्लेषणाशी आणि ज्याला कृत्रिम बुद्धिमत्ता म्हणता येईल त्याच्याशी तंतोतंत जोडलेली आहे. म्हणूनच, आज मी तुम्हाला याबद्दल खूप दूरच्या इतिहासातून सांगणार आहे ...

आपण कृत्रिम बुद्धिमत्ता आणि ती कशी दिसते याची कल्पना केल्यास, कदाचित असे काहीतरी असेल. माझा कुत्रा काय करतो याचे अवलंबित्व शोधण्यासाठी मी एका वर्षापूर्वी लिहिलेल्या न्यूरल नेटवर्कपैकी एक विचित्र चित्र आहे - तिला किती वेळा मोठे, लहान जाणे आवश्यक आहे आणि ती किती खाते यावर ते कसे अवलंबून असते. किंवा नाही? आर्टिफिशियल इंटेलिजन्सची कल्पना कशी करता येईल याची ही गंमत आहे.

परंतु तरीही, जाहिरात संप्रेषणांमध्ये हे सर्व कसे कार्य करते याचा विचार करूया. जाहिरात आणि मार्केटिंगमधील आधुनिक अल्गोरिदम आमच्याशी संवाद साधू शकतात असे तीन मार्ग आहेत. हे स्पष्ट आहे की पहिल्या कथेचा उद्देश तुमच्या आणि माझ्याबद्दल अतिरिक्त ज्ञान मिळवणे आणि काढणे आणि नंतर ते काही चांगल्या आणि इतके चांगले नसलेल्या हेतूंसाठी वापरणे आहे; प्रत्येक विशिष्ट व्यक्तीसाठी दृष्टीकोन वैयक्तिकृत करा; स्वाभाविकच, यानंतर, मुख्य लक्ष्य क्रिया करण्यासाठी आणि विशिष्ट विक्री करण्यासाठी एक विशिष्ट मागणी तयार करा.

तंत्रज्ञानाचा वापर करून ते प्रभावी संवादाची समस्या सोडवण्याचा प्रयत्न करत आहेत

जर मी तुम्हाला विचार करायला सांगितले तर पॉर्नहब आणि एम. व्हिडिओ", तुम्ही काय विचार करत आहात?

प्रेक्षकांच्या टिप्पण्या (यापुढे C म्हणून संदर्भित): - टीव्ही, प्रेक्षक.

ओह: - माझी संकल्पना अशी आहे की ही दोन ठिकाणे आहेत जिथे लोक एका विशिष्ट प्रकारच्या सेवेसाठी येतात किंवा त्याला विशिष्ट प्रकारच्या वस्तू म्हणूया. आणि हा प्रेक्षक वेगळा आहे कारण तो विक्रेत्याला काहीही सांगू इच्छित नाही. तिला आत यायचे आहे आणि तिला काही सुस्पष्ट किंवा अस्पष्ट स्वरूपात स्वारस्य मिळवायचे आहे. साहजिकच एम. व्हिडिओ” कोणत्याही विक्रेत्याशी संवाद साधू इच्छित नाही, समजून घेऊ इच्छित नाही, त्यांच्या कोणत्याही प्रश्नांची उत्तरे देऊ इच्छित नाही.

त्यामुळे या सगळ्यातून पहिली कथा पुढे येते.

जेव्हा एखाद्या व्यक्तीशी संवाद साधणे टाळण्यासाठी अतिरिक्त ज्ञान मिळविण्यासाठी तंत्रज्ञान दिसू लागले. जेव्हा आम्ही बँकेला कॉल करतो आणि बँक आम्हाला सांगते: "हॅलो. अलेक्सी, तू आमचा व्हीआयपी क्लायंट आहेस. आता कोणीतरी सुपर मॅनेजर तुमच्याशी बोलेल.” तुम्ही या बँकेत या आणि तुमच्याशी बोलू शकणारा एक अद्वितीय व्यवस्थापक आहे. दुर्दैवाने किंवा सुदैवाने, एकाही कंपनीने एक हजार क्लायंटसाठी एक हजार वैयक्तिक व्यवस्थापक कसे नेमायचे हे अद्याप शोधलेले नाही; आणि यापैकी बहुतेक लोक आता ऑनलाइन असल्यामुळे, हे कोणत्या प्रकारची व्यक्ती आहे हे समजून घेणे आणि त्याच्याशी योग्यरित्या संवाद कसा साधायचा हे ते काही जाहिरात स्त्रोतांकडे येण्यापूर्वीच आहे. आणि म्हणूनच, खरं तर, तंत्रज्ञान दिसू लागले आहेत जे या समस्येचे निराकरण करण्याचा प्रयत्न करीत आहेत.

डेटा काढणे हे नवीन तेल आहे

चला कल्पना करूया की तुम्ही फुलांच्या स्टॉलचे मालक आहात. तीन लोक तुला भेटायला येतात. पहिला बराच वेळ उभा राहतो, संकोचतो, तुमच्याशी बोलण्याचा प्रयत्न करतो, एक प्रकारचा पुष्पगुच्छ घेतो - तुम्ही ते गुंडाळायला जा, तिथे काहीतरी करायला जा; तो या पुष्पगुच्छासह स्टॉलवरून पळून गेला - आपण आपले तीन हजार रूबल गमावले आहेत. असे का झाले? तुम्हाला या व्यक्तीबद्दल काहीही माहिती नाही: तुम्हाला त्याच्या अंतर्गत व्यवहार मंत्रालयातील अटकेचा इतिहास माहीत नाही, तो क्लेप्टोमॅनियाक आहे आणि तो मनोरुग्णालयात नोंदणीकृत आहे हे तुम्हाला माहीत नाही. का? कारण तुम्ही ते पहिल्यांदा पाहिलं आणि तुम्ही वर्तन विश्लेषक नाही आहात.

दुसरे कोणीतरी येते... विटाली. विटालीला हे समजण्यासाठी खूप वेळ लागतो, तो म्हणतो, "ठीक आहे, मला हे आणि ते हवे आहे." आणि तुम्ही त्याला सांगता, "आईसाठी फुले, बरोबर?" आणि तुम्ही त्याला पुष्पगुच्छ विकता.

व्यक्तीला प्रत्यक्षात काय आवश्यक आहे हे समजून घेण्यासाठी पुरेसा डेटा शोधणे ही येथे संकल्पना आहे. प्रत्येकाने ताबडतोब काही प्रकारच्या जाहिरात नेटवर्क्सबद्दल विचार केला आणि इत्यादी ...

प्रत्येकाने कदाचित “डेटा हे नवीन तेल आहे” हा मूर्ख वाक्प्रचार एकापेक्षा जास्त वेळा ऐकला असेल? नक्कीच सर्वांनी ऐकले असेल. खरं तर, लोक बर्याच काळापूर्वी डेटा गोळा करण्यास शिकले, परंतु या डेटामधून डेटा काढणे हे कार्य आहे जे मार्केटिंगमधील कृत्रिम बुद्धिमत्ता किंवा काही प्रकारचे सांख्यिकीय अल्गोरिदम आता सोडवण्याचा प्रयत्न करीत आहे. का? कारण जर तुम्ही एखाद्या व्यक्तीशी बोललात तर तो तुम्हाला बरोबर, अयोग्य किंवा कसे तरी रंगीत उत्तर देऊ शकतो. मी माझ्या विद्यार्थ्यांना जो विनोद सांगतो तो म्हणजे सर्वेक्षणे आकडेवारीपेक्षा कशी वेगळी असतात. मी तुम्हाला एक किस्सा म्हणून सांगेन:

याचा अर्थ असा की दोन गावांमध्ये त्यांनी पुरुषत्वाच्या सरासरी लांबीचा अभ्यास करण्याचे ठरवले. याचा अर्थ असा की पहिल्या गावात, Villaribo, सरासरी लांबी 15 सेंटीमीटर आहे, Villabaggio गावात - 25. तुम्हाला माहित आहे का? कारण पहिल्या गावात मोजमाप करण्यात आले आणि दुसऱ्या गावात सर्वेक्षण करण्यात आले.

पॉर्न इंडस्ट्री ही शिफारस प्रणालीची प्रमुख आहे

म्हणूनच आधुनिक दृष्टीकोन म्हणजे अपवाद न करता सर्व लोकांचे विश्लेषण करणे, जरी ते 100% पेक्षा थोडे कमी असले तरीही, परंतु हे असे लोक आहेत ज्यांना तुम्हाला विचारण्याची गरज नाही, तुम्हाला त्यांच्याकडे पाहण्याची गरज नाही. या व्यक्तीला काय हवे आहे, त्याच्याशी योग्यरित्या कसे बोलावे, त्याच्या सभोवताली मागणी योग्यरित्या कशी निर्माण करावी हे समजून घेण्यासाठी आता डिजिटल फूटप्रिंट ज्याला म्हणतात त्याचे विश्लेषण करणे पुरेसे आहे. एकीकडे, हे एक निर्बुद्ध मशीन आहे (परंतु हे तुम्हाला आणि मला चांगले माहित आहे); आम्हाला एम मधील लोकांशी संवाद साधायचा नाही. व्हिडिओ," आणि त्याहीपेक्षा, जेव्हा आम्ही Pornhub सारख्या संसाधनांवर जातो तेव्हा आम्हाला जे हवे आहे ते मिळवायचे असते.

मी नेहमी Pornhub बद्दल का बोलतो? कारण अशा तंत्रज्ञानाच्या विश्लेषणासाठी, अशा तंत्रज्ञानाच्या अंमलबजावणीसाठी, डेटा विश्लेषणासाठी प्रौढ उद्योग हा पहिला आहे. तुम्ही या क्षेत्रातील तीन सर्वात लोकप्रिय लायब्ररी घेतल्यास (उदाहरणार्थ, TensorFlow किंवा Python साठी Pandas, CSV फायलींवर प्रक्रिया करण्यासाठी, आणि असेच), तुम्ही Github वर उघडल्यास, या सर्व नावांच्या छोट्या Google सह तुम्हाला एक सापडेल. काही लोक जे एकतर पोर्नहब कंपनीत काम करतात किंवा सध्या काम करतात आणि तेथे शिफारस प्रणाली लागू करणारे पहिले होते. सर्वसाधारणपणे, ही कथा खूप प्रगत आहे आणि हे प्रेक्षक किती, ही कंपनी किती पुढे गेली आहे हे दर्शवते.

ओळखीचे तीन स्तर

एखाद्या व्यक्तीभोवती डेटाचा एक मोठा संच आहे जो ओळखला जाऊ शकतो. मी सहसा औपचारिकपणे हे तीन पातळ्यांमध्ये विभागतो, खोलवर जाऊन. स्वाभाविकच, कंपनीचा स्वतःचा डेटा आहे.

जर, म्हणा, आम्ही शिफारस प्रणाली तयार करण्याबद्दल बोलत आहोत, तर प्रथम स्तर म्हणजे स्टोअरमध्ये स्थित डेटा (खरेदीचा इतिहास, सर्व प्रकारचे व्यवहार, एखाद्या व्यक्तीने इंटरफेसशी कसा संवाद साधला).

पुढे एक स्तर आहे (तुलनेने सर्वात मोठा) - यालाच ओपन सोर्स म्हणतात. असे समजू नका की मी तुम्हाला सोशल नेटवर्क्स स्क्रॅप करण्यासाठी प्रोत्साहित करतो, परंतु खरं तर, खुल्या स्त्रोतांमध्ये जे उपलब्ध आहे ते डेटाचा एक मोठा संच उघडते जे तुम्ही एखाद्या व्यक्तीबद्दल जाणून घेऊ शकता.

आणि तिसरा मोठा भाग म्हणजे या व्यक्तीचे स्वतःचे वातावरण. होय, असे मत आहे की जर एखादी व्यक्ती सोशल नेटवर्क्सवर नसेल तर तेथे त्याच्याबद्दल कोणताही डेटा नाही (आपल्याला कदाचित आधीच माहित असेल की हे सत्य नाही), परंतु सर्वात महत्वाची गोष्ट म्हणजे एखाद्या व्यक्तीच्या प्रोफाइलवर असलेला डेटा (किंवा काही ऍप्लिकेशनमध्ये) फक्त 40% ज्ञान आहे जे त्याबद्दल मिळवता येते. बाकीची माहिती त्याच्या वातावरणातून मिळते. "तुमचा मित्र कोण आहे ते मला सांगा आणि मी तुम्हाला सांगेन की तुम्ही कोण आहात" या वाक्याचा XNUMX व्या शतकात एक नवीन अर्थ होतो कारण त्या व्यक्तीभोवती मोठ्या प्रमाणात डेटा मिळू शकतो.

जर आपण जाहिरात संप्रेषणाच्या जवळ बोललो, तर जाहिरातींचे संप्रेषण जाहिरातींमधून नाही तर एखाद्या मित्राकडून, ओळखीच्या किंवा एखाद्या प्रकारे सत्यापित व्यक्तीकडून प्राप्त करणे हे एक अतिशय छान वैशिष्ट्य आहे जे बरेच मार्केटर वापरतात. जेव्हा काही ऍप्लिकेशन अचानक तुम्हाला विनामूल्य प्रोमो कोड देते, तेव्हा तुम्ही त्याबद्दल एक पोस्ट करता आणि त्याद्वारे नवीन प्रेक्षकांना आकर्षित करता. खरं तर, सशर्त "Yandex.Taxi" साठी हा प्रोमो कोड यादृच्छिकपणे निवडला गेला नाही, परंतु यासाठी, नवीन प्रेक्षकांना आकर्षित करण्याच्या आणि कसा तरी त्यांच्याशी संवाद साधण्याच्या आपल्या संभाव्यतेबद्दल मोठ्या प्रमाणात डेटाचे विश्लेषण केले गेले.

ते टीव्ही मालिकांमधील पात्रांच्या वर्तनाचे विश्लेषण देखील करतात

मी तुम्हाला तीन चित्रे दाखवतो आणि तुम्ही मला सांगा की त्यांच्यात काय फरक आहे.

हे एक:

हे:

आणि हे एक:

त्यांच्यात काय फरक आहे? येथे सर्व काही सोपे आहे. क्वांटम मेकॅनिक्स प्रमाणे, या प्रकरणात ही सर्जनशीलता निरीक्षकाने तयार केली होती. म्हणजेच, एकाच वेळी एकाच ब्रँडद्वारे चालवल्या जाणार्‍या समान जाहिरात मोहिमेतील फरक हा सर्जनशील कोणी पाहिला आहे. व्यक्तिशः, जेव्हा मी अमेडियाटेकला जातो तेव्हा ते अजूनही खल ड्रोगो दाखवतात. Amediateka माझ्या प्राधान्यांबद्दल काय विचार करते हे मला माहित नाही, परंतु काही कारणास्तव हे घडते.

ज्याला आता वैयक्तिकृत संप्रेषण म्हटले जाते ती प्रेक्षकांना आकर्षित करण्याची आणि त्याच्याशी योग्यरित्या संवाद साधण्याची सर्वात लोकप्रिय कथा आहे. जर पहिल्या टप्प्यावर आम्ही आमचा स्वतःचा ब्रँड डेटा, ओपन सोर्स डेटा आणि उदाहरणार्थ, या व्यक्तीच्या वातावरणातील डेटा वापरून लोक ओळखले, तर आम्ही त्याचे विश्लेषण केल्यानंतर, तो कोण आहे, त्याच्याशी योग्यरित्या कसे बोलावे हे समजू शकतो आणि सर्वात महत्त्वाचे म्हणजे , तो कोणती भाषा बोलतो त्याच्याशी बोला.

इथं तंत्रज्ञान इतकं पुढे गेलं आहे की टीव्ही मालिकांमध्ये लोक बघतात त्या पात्रांचे आता विश्लेषण होऊ लागले आहे. म्हणजेच, तुम्हाला टीव्ही मालिका आवडतात - त्या [आवडी] पाहिल्या जातात, तुम्ही कोणाशी संवाद साधला हे ते पाहतात, तुमच्याशी संवाद साधण्यासाठी कोणत्या प्रकारची व्यक्ती योग्य असेल हे समजून घेण्यासाठी. हे संपूर्ण मूर्खपणासारखे वाटत आहे, परंतु केवळ मनोरंजनासाठी, ते एका संसाधनावर वापरून पहा - भिन्न लोक भिन्न क्रिएटिव्ह पाहतात (त्याशी योग्यरित्या संवाद साधण्यासाठी).

एकही आधुनिक मीडिया किंवा कोणताही व्हिडिओ संसाधन तुम्हाला काही बातम्या दाखवत नाही. मीडियावर जा - मोठ्या संख्येने अल्गोरिदम लोड केले आहेत जे तुम्हाला ओळखतात, तुमची सर्व मागील क्रियाकलाप समजून घेतात, गणिताच्या मॉडेलला आवाहन करतात आणि नंतर तुम्हाला काहीतरी दाखवतात. या प्रकरणात, अशी एक विचित्र कथा आहे.

गरजा कशा ठरवल्या जातात? सायकोमेट्री. शरीरशास्त्र

एखाद्या व्यक्तीच्या वास्तविक गरजा आणि त्यांच्याशी योग्यरित्या संवाद कसा साधायचा हे ठरवण्यासाठी अनेक (वास्तविक) दृष्टिकोन आहेत. बरेच दृष्टिकोन आहेत, प्रत्येक गोष्ट वेगळ्या पद्धतीने सोडवली जाते, कोणते चांगले आणि कोणते वाईट हे सांगणे अशक्य आहे. मुख्य लोकांना सर्वकाही माहित आहे असे दिसते.

सायकोमेट्री. केंब्रिज अॅनालिटिक्सच्या कथेनंतर, माझ्या मते, एक प्रकारचा धक्कादायक प्रकार झाला, कारण प्रत्येक दुसरी राजकीय कंपनी आता येते आणि म्हणते: "अरे, तू मला ट्रम्पसारखे बनवू शकतोस का? मलाही जिंकायचे आहे, वगैरे.” खरं तर, हे अर्थातच आपल्या वास्तविकतेसाठी मूर्खपणाचे आहे, उदाहरणार्थ, राजकीय निवडणुका. परंतु सायकोटाइप निश्चित करण्यासाठी, तीन मॉडेल वापरले जातात:

• प्रथम तुम्ही वापरत असलेल्या सामग्रीवर आधारित आहे - तुम्ही लिहित असलेले शब्द, तुम्हाला आवडणारी काही माहिती, व्हिडिओ इ.;
• दुसरी गोष्ट तुम्ही वेब इंटरफेसशी कसा संवाद साधता, तुम्ही कसे टाइप करता, तुम्ही कोणती बटणे दाबता याच्याशी जोडलेले आहे - खरंच, अशा संपूर्ण कंपन्या आहेत ज्या, त्यांच्या कीबोर्ड हस्तलेखनाच्या आधारे, आता ज्याला सायकोटाइप म्हणतात ते अगदी विश्वासार्हपणे ठरवू शकतात.
• मी फारसा मानसशास्त्रज्ञ नाही, हे कसे कार्य करते हे मला खरोखर समजत नाही, परंतु जाहिरात संप्रेषणाच्या दृष्टिकोनातून, या विभागांमध्ये विभागलेले प्रेक्षक चांगले कार्य करतात, कारण एखाद्याला निळ्यासह लाल स्क्रीन दर्शविणे आवश्यक आहे. स्त्री, एखाद्याला गडद स्क्रीन - निळ्या रंगाची पार्श्वभूमी काही प्रकारच्या अ‍ॅब्स्ट्रॅक्शनसह दर्शविणे आवश्यक आहे आणि ते खूप छान कार्य करते. काही निम्न स्तरांवर - इतके की एखादी व्यक्ती त्याबद्दल विचारही करत नाही. आता जाहिरात बाजारात मुख्य समस्या काय आहे? प्रत्येकजण एक गुप्तचर एजंट आहे, प्रत्येकजण लपलेला आहे, प्रत्येकाकडे लाखो हजार ब्राउझर परवानग्या स्थापित आहेत, कोणत्याही प्रकारे ओळखले जाऊ नयेत - आपल्याकडे कदाचित “अ‍ॅडब्लॉक्स”, “गोस्ट्रे” आणि ट्रॅकिंग अवरोधित करणारे सर्व प्रकारचे अनुप्रयोग आहेत. यामुळे, एखाद्या व्यक्तीबद्दल काहीही समजणे फार कठीण आहे. आणि तंत्रज्ञान पुढे सरकले आहे - आपल्याला हे माहित असणे आवश्यक आहे की ही व्यक्ती 125 व्या वेळी आपल्या साइटवर परत आली आहे, परंतु ती अशी आणि अशी विचित्र व्यक्ती देखील आहे.

फिजिओग्नॉमी हे अतिशय वादग्रस्त विज्ञान आहे. त्याला विज्ञानही मानले जात नाही. हा लोकांचा एक गट आहे जो काही अंतर्गत व्यवहार मंत्रालयासाठी खोटे शोधक प्रोग्राम करत असे आणि आता ते ज्याला सर्जनशीलतेचे अवतार म्हणतात त्यात गुंतलेले आहेत. येथे दृष्टीकोन अगदी सोपा आहे: तुमची अनेक सार्वजनिक छायाचित्रे काही सोशल नेटवर्क्सवरून घेतलेली आहेत आणि त्यांच्यापासून त्रिमितीय भूमिती तयार केली आहे. आणि जर तुम्ही वकील असाल, तर तुम्ही आता म्हणाल की ही एक व्यक्ती आणि वैयक्तिक डेटा आहे; परंतु मी तुम्हाला सांगेन की हे 300 हजार बिंदू अंतराळात आहेत आणि हे एक व्यक्ती नाही आणि वैयक्तिक डेटा नाही. जेव्हा रोस्कोमनाडझोर त्यांच्याकडे येतो तेव्हा प्रत्येकजण हेच म्हणतो.

परंतु गंभीरपणे, तुमचा चेहरा स्वतंत्रपणे, तुमचे नाव आणि आडनाव तेथे स्वाक्षरी नसल्यास, तुमचा वैयक्तिक डेटा नाही. मुद्दा असा आहे की मुले विविध चेहर्यावरील वैशिष्ट्ये चिन्हांकित करतात जी एखादी व्यक्ती कशी निर्णय घेते आणि त्याच्याशी योग्यरित्या संवाद कसा साधावा यावर प्रभाव पाडतात. काही भागात हे खराब काम करते, काही जाहिरात विभागांमध्ये; कोणत्या विभागांमध्ये ते खूप चांगले कार्य करते. सरतेशेवटी, असे दिसून येते की जेव्हा तुम्ही एखाद्या संसाधनावर जाता तेव्हा, तुम्हाला फक्त एकच बॅनर दिसत नाही जो प्रत्येकाला दाखवला जातो, परंतु, उदाहरणार्थ... आता वेगवेगळ्या प्रेक्षकांसाठी 16 किंवा 20 पर्याय बनवणे सामान्य आहे - आणि ते कार्य करते अतिशय थंड. होय, ग्राहकांच्या दृष्टिकोनातून हे आणखी दुःखदायक आहे, कारण लोक अधिकाधिक हाताळले जाऊ लागले आहेत. परंतु तरीही, व्यवसायाच्या दृष्टिकोनातून ते खूप चांगले कार्य करते.

मशीन लर्निंगचा ब्लॅक बॉक्स

यामुळे अशा तंत्रज्ञानामध्ये पुढील समस्या उद्भवतात: शेवटी, बहुतेक विकसकांसाठी आता ज्याला डीप लर्निंग म्हणतात ते "ब्लॅक बॉक्स" आहे. जर तुम्ही या कथेत मग्न असाल आणि विकसकांशी बोललात तर ते नेहमी म्हणतात: "अरे, ऐका, बरं, आम्ही तिथे काहीतरी अनाकलनीय कोडित केले आहे आणि ते कसे कार्य करते हे आम्हाला माहित नाही." कदाचित कोणीतरी हे घडले असेल.

हे प्रत्यक्षात सत्यापासून दूर आहे. ज्याला आता मशीन लर्निंग म्हणतात ते “ब्लॅक बॉक्स” पासून दूर आहे. इनपुट आणि आउटपुट डेटाचे वर्णन करण्यासाठी मोठ्या संख्येने दृष्टीकोन आहेत आणि शेवटी मशीनने आपल्याला हा अश्लील व्हिडिओ किंवा दुसरा दर्शविण्याचा निर्णय कोणत्या चिन्हांच्या आधारे कंपनीला पूर्णपणे समजू शकतो. प्रश्न असा आहे की कोणत्याही कंपनीने हे कधीही उघड केले नाही, कारण: प्रथम, हे एक व्यापार रहस्य आहे; दुसरे म्हणजे, तुम्हाला माहिती नसलेल्या डेटाची एक मोठी रक्कम असेल.

उदाहरणार्थ, याआधी, नैतिकतेवरील चर्चेत, आम्ही काही प्रकारच्या जाहिरात कथांमध्ये लोकांना टॅग करण्यासाठी सामाजिक नेटवर्क वैयक्तिक संदेशांचे विश्लेषण कसे करतात यावर चर्चा केली. आपण एखाद्याला काहीतरी लिहिल्यास, त्यावर आधारित आपल्याला विशिष्ट टॅग प्राप्त होतो, खरं तर, काही प्रकारच्या जाहिरात संप्रेषणांसाठी. आणि तुम्ही ते कधीच सिद्ध करणार नाही आणि ते सिद्ध करण्यात काही अर्थ नाही. तथापि, समान नमुने उघड झाल्यास, ते अस्तित्वात असतील. असे का घडले हे कळत नसल्याचा आव आणणाऱ्या अशा शिफारस करणाऱ्या यंत्रणा तयार करण्याचे मार्केट असल्याचे दिसून आले.

लोकांना त्यांच्याबद्दल काय माहित आहे हे लोकांना जाणून घ्यायचे नाही

आणि दुसरी गोष्ट अशी आहे की क्लायंटला कधीच हे जाणून घ्यायचे नसते की त्याला ही विशिष्ट जाहिरात, हे विशिष्ट उत्पादन का मिळाले. मी तुम्हाला ही कथा सांगेन. तंतोतंत संशोधनाच्या फायद्यासाठी तत्सम अल्गोरिदमवर आधारित शिफारस प्रणालीच्या व्यावसायिक अंमलबजावणीचा माझा पहिला अनुभव 2015 मध्ये सेक्स शॉप्सच्या खूप मोठ्या नेटवर्कमध्ये होता (होय, विशेषतः अप्रिय कथा देखील नाही).

ग्राहकांना पुढील ऑफर देण्यात आली: ते येतात, त्यांच्या सोशल नेटवर्कसह लॉग इन करतात आणि सुमारे 5 सेकंदांनंतर त्यांना त्यांच्यासाठी पूर्णपणे वैयक्तिकृत स्टोअर प्राप्त होते, म्हणजेच, सर्व उत्पादने बदलली आहेत - ते एका विशिष्ट श्रेणीमध्ये येतात आणि याप्रमाणे. . तुम्हाला माहीत आहे का या स्टोअरचा रूपांतरण दर किती वाढला आहे? कोणत्याही प्रकारे नाही! लोक आत आले आणि लगेच तेथून पळून गेले. ते आत आले आणि त्यांना समजले की ते नेमके काय विचार करत आहेत ते त्यांना ऑफर केले गेले होते...

या चाचणीतील समस्या अशी होती की प्रत्येक उत्पादनाखाली तुम्हाला ते विशिष्ट का ऑफर केले गेले हे लिहिलेले होते ("कारण तुम्ही छुप्या गटाचे सदस्य आहात "शक्तिशाली स्त्री डोअरमॅट असलेल्या पुरुषाच्या शोधात आहे"). म्हणूनच, आधुनिक शिफारस प्रणाली कधीही डेटा दर्शवत नाहीत ज्याच्या आधारावर "अंदाज" केले गेले.

एक अतिशय लोकप्रिय कथा मीडिया आहे कारण ते सर्व समान शिफारस प्रणाली वापरतात. पूर्वी, अल्गोरिदम खूप सोपे होते: "राजकारण" श्रेणी पहा - आणि ते तुम्हाला "राजकारण" श्रेणीतील बातम्या दाखवतात. आता सर्व काही इतके क्लिष्ट आहे की आपण ज्या ठिकाणी माउस थांबवला आहे, आपण कोणत्या शब्दांवर लक्ष केंद्रित केले आहे, आपण काय कॉपी केले आहे, आपण या पृष्ठाशी सामान्यत: कसा संवाद साधला आहे याचे ते विश्लेषण करतात. मग तो संदेशांच्या शब्दसंग्रहाचे स्वतः विश्लेषण करतो: होय, तुम्ही पुतीनबद्दलच्या बातम्या फक्त वाचत नाही, तर एका विशिष्ट प्रकारे, विशिष्ट भावनिक रंगाने. आणि जेव्हा एखाद्याला एखादी बातमी मिळते तेव्हा तो इथे कसा आला याचा विचारही करत नाही. तरीही, तो नंतर या सामग्रीशी संवाद साधतो.

हे सर्व, साहजिकच, गरीब, दुर्दैवी लहान माणसाला त्याच्या आजूबाजूला असलेल्या प्रचंड माहितीमुळे आधीच वेडा बनवण्याचा उद्देश आहे. येथे असे म्हटले पाहिजे की आपल्या सभोवतालच्या क्रिएटिव्हला वैयक्तिकृत करण्यासाठी आणि काही माहिती संकलित करण्यासाठी अशा प्रणाली वापरणे चांगले होईल, परंतु दुर्दैवाने, अद्याप अशा कोणत्याही सेवा नाहीत.

कृत्रिम बुद्धिमत्ता क्लायंटला हवेत पकडते आणि मागणी निर्माण करते

आणि येथे एक अतिशय मनोरंजक तात्विक प्रश्न उद्भवतो, शिफारस प्रणाली तयार करण्यापासून मागणी निर्माण करण्यापर्यंत. क्वचितच कोणी त्याबद्दल विचार करते, परंतु जेव्हा तुम्ही तथाकथित इंस्टाग्रामला विचारण्याचा प्रयत्न करता, “तुम्ही डेटा का गोळा करत आहात? मला पूर्णपणे यादृच्छिक जाहिराती का दाखवत नाहीत?" - इंस्टाग्राम तुम्हाला सांगेल: "मित्रा, तुमच्यासाठी नक्की काय मनोरंजक आहे हे दर्शविण्यासाठी हे सर्व केले गेले आहे." जसे, आम्हाला तुम्हाला इतके अचूकपणे जाणून घ्यायचे आहे की तुम्ही काय शोधत आहात ते आम्ही तुम्हाला दाखवू शकतो.

परंतु तंत्रज्ञानाने हा भयंकर उंबरठा ओलांडला आहे आणि तत्सम तंत्रज्ञान आपल्याला काय हवे आहे याचा अंदाज लावत नाही. ते (लक्ष!) मागणी निर्माण करतात. अशा संप्रेषणांमध्ये कृत्रिम बुद्धिमत्तेभोवती फिरणारी ही कदाचित सर्वात भयानक गोष्ट आहे. भितीदायक गोष्ट अशी आहे की गेल्या 3-5 वर्षांपासून ते जवळजवळ सर्वत्र वापरले जात आहे - Google शोध परिणामांपासून Yandex शोध परिणामांपर्यंत, काही प्रणालींपर्यंत... ठीक आहे, मी Yandex बद्दल काहीही वाईट बोलणार नाही; आणि चांगले.

मुद्दा काय आहे? तुम्ही “मला चाइल्ड सीट विकत घ्यायची आहे” आणि लाखो दशलक्ष प्रकाशने पहात असलेल्या रणनीतीपासून अशा जाहिरातींचे संप्रेषण दूर होऊन बराच काळ लोटला आहे. ते पुढील गोष्टींकडे वळले: स्त्रीने केवळ दृश्यमान पोट असलेला फोटो पोस्ट करताच, तिच्या पतीला लगेच संदेश येऊ लागतील: “यार, जन्म लवकरच येत आहे. मुलांसाठी सीट विकत घ्या."

इथे, तुम्ही कदाचित विचाराल की, तंत्रज्ञानात एवढ्या अवाढव्य प्रगतीनंतरही सोशल नेटवर्क्सवर अशा फसव्या जाहिराती का दिसतात? समस्या अशी आहे की या मार्केटमध्ये सर्व काही अजूनही पैशाने ठरवले जाते, त्यामुळे एक चांगला क्षण Coca-Cola सारखे काही जाहिरातदार येऊन म्हणतील: "हे तुमच्यासाठी 20 दशलक्ष आहेत - संपूर्ण इंटरनेटवर माझे खराब बॅनर दाखवा." आणि ते खरोखर ते करतील.

परंतु जर तुम्ही काही प्रकारचे स्वच्छ खाते तयार केले आणि अशा अल्गोरिदमने तुमचा अंदाज किती अचूकपणे लावला याची चाचणी घेतल्यास: ते प्रथम तुमचा अंदाज लावण्याचा प्रयत्न करतात आणि नंतर ते तुमच्याशी आगाऊ काहीतरी करण्यास सुरवात करतात. आणि मानवी मेंदू अशा प्रकारे कार्य करतो की, त्याच्यासाठी विश्वासार्ह माहिती प्राप्त करताना, ही माहिती का मिळाली या क्षणीही तो प्रक्रिया करत नाही. तुम्ही स्वप्नात आहात हे ठरवण्याचा पहिला नियम म्हणजे तुम्ही इथे कसे आलात हे समजून घेणे. एखाद्या व्यक्तीला तो एका विशिष्ट खोलीत कधी संपला ते आठवत नाही. इथेही तेच आहे.

Google तुमचे जागतिक दृश्य आकार देऊ शकते

आय-ट्रॅकिंगमध्ये गुंतलेल्या अनेक परदेशी कंपन्यांनी असे अभ्यास केले. त्यांनी विशेष संगणकांवर उपकरणे स्थापित केली जी चाचणी विषयाचे डोळे कोठे पाहत आहेत याची नोंद करतात. मी पाच ते सात हजार स्वयंसेवक घेतले ज्यांनी फक्त फीड स्क्रोल केले, सोशल नेटवर्क्ससह, जाहिरातींसह संवाद साधला आणि त्यांनी बॅनर आणि क्रिएटिव्हच्या कोणत्या भागांवर या लोकांनी डोळे थांबवले याची माहिती रेकॉर्ड केली.

आणि असे दिसून आले की जेव्हा लोकांना असे हायपर-पर्सनलाइझ क्रिएटिव्ह मिळते, तेव्हा ते त्याबद्दल विचारही करत नाहीत - ते लगेच पुढे जातात, त्याच्याशी संवाद साधण्यास सुरवात करतात. व्यवसायाच्या दृष्टिकोनातून, हे चांगले आहे, परंतु आमच्या दृष्टिकोनातून, वापरकर्ते म्हणून, हे खूप छान नाही, कारण - त्यांना कशाची भीती वाटते? - एका चांगल्या क्षणी सशर्त “Google” स्वतःचे जागतिक दृश्य तयार करण्यास प्रारंभ करू शकते (किंवा अर्थातच ते सुरू होणार नाही). उद्या, उदाहरणार्थ, तो लोकांना पृथ्वी सपाट असल्याच्या बातम्या दाखवू शकतो.

नुसती गंमत करत आहे, पण ते इतके वेळा पकडले गेले आहेत की निवडणुकीच्या वेळी ते विशिष्ट लोकांना विशिष्ट माहिती देऊ लागतात. शोध इंजिनला सर्वकाही प्रामाणिकपणे मिळते याची आपल्याला सवय आहे. परंतु, मी नेहमी म्हणतो, जग कसे कार्य करते हे तुम्हाला खरोखर जाणून घ्यायचे असल्यास, फिल्टरशिवाय, कॉपीराइटकडे लक्ष न देता, शोध परिणामांमध्ये तुमच्या काही मित्रांना रँक न करता, तुमचे स्वतःचे शोध इंजिन लिहा. इंटरनेटवरील वास्तविक डेटाचे प्रदर्शन सामान्यतः Google, Yandex, Bing इत्यादींद्वारे दर्शविल्या गेलेल्यापेक्षा वेगळे असते. काही साहित्य लपलेले आहे कारण मित्र, सहकारी, शत्रू किंवा कोणीतरी (किंवा माजी प्रियकर ज्याच्यासोबत तुम्ही झोपलात) - काही फरक पडत नाही.

ट्रम्प कसे जिंकले

अमेरिकेत जेव्हा शेवटची निवडणूक होती, तेव्हा एक अतिशय साधा अभ्यास करण्यात आला होता. त्यांनी वेगवेगळ्या ठिकाणी, वेगवेगळ्या आयपी अॅड्रेसवरून, वेगवेगळ्या शहरांमधून, वेगवेगळ्या लोकांनी त्याच गोष्टी गुगल केल्या. पारंपारिकपणे, विनंती अशा शैलीत होती: निवडणूक कोण जिंकेल? आणि आश्चर्यकारकपणे, निकाल अशा प्रकारे तयार केले गेले की ज्या राज्यांमध्ये सर्वात जास्त लोकांनी चुकीच्या उमेदवाराला मत देण्याचा प्रयत्न केला, त्यांना Google ने प्रचार केलेल्या उमेदवाराबद्दल काही चांगली बातमी मिळाली. कोणता? बरं, हे स्पष्ट आहे की कोणता - जो अध्यक्ष झाला. ही एक पूर्णपणे अप्रमाणित कथा आहे आणि हे सर्व अभ्यास पाण्यात बोट ठेवणारे आहेत. Google म्हणू शकते: "मित्रांनो, हे सर्व केले आहे जेणेकरून आम्ही तुमच्यासाठी सर्वात संबंधित सामग्री दर्शवू."

आतापासून, तुम्हाला हे माहित असले पाहिजे की ज्याला जास्तीत जास्त प्रासंगिक म्हटले जाते ते तसे नाही. कंपनी काही चांगल्या किंवा वाईट कारणास्तव तुम्हाला विकल्या जाणाऱ्या संबंधित गोष्टीला कॉल करते.

ज्यांच्याकडे आता पैसे नाहीत ते भविष्यातील खरेदीसाठी आधीच तयार आहेत

येथे आणखी एक मनोरंजक मुद्दा आहे ज्याबद्दल मी तुम्हाला सांगेन. आता सोशल नेटवर्क्सवर आणि अॅप्समध्ये सक्रिय प्रेक्षक मोठ्या संख्येने तरुण आहेत. चला याला म्हणूया - दिवाळखोर तरुण: 8-9 वर्षे वयोगटातील मुले जे मोरोनिक गेम खेळतात, हे 12-13-14 आहेत जे फक्त सोशल नेटवर्क्सवर नोंदणी करत आहेत. मोठ्या कंपन्या पैसे न देणाऱ्या प्रेक्षकांसाठी अॅप्लिकेशन तयार करण्यासाठी प्रचंड बजेट आणि संसाधने का खर्च करतील ज्यांची कधीही कमाई केली जात नाही? ज्या क्षणी हा प्रेक्षक सॉल्व्हेंट बनतो, तेव्हा त्याच्या वर्तनाचा अचूक अंदाज लावण्यासाठी त्याबद्दल पुरेसा डेटा असेल.

आता कोणत्याही लक्ष्यशास्त्रज्ञाला विचारा, सर्वात कठीण प्रेक्षक कोणते आहे? ते म्हणतील: अत्यंत फायदेशीर. कारण, उदाहरणार्थ, सोशल नेटवर्क्सद्वारे 150 दशलक्ष रूबल किमतीचे अपार्टमेंट विकणे जवळजवळ अशक्य आहे. जेव्हा तुम्ही 10 हजार लोकांसाठी काही प्रकारची जाहिरात करता तेव्हा एक वेगळी प्रकरणे असतात, एकजण हे अपार्टमेंट विकत घेतो - क्लायंट यशस्वी होतो... परंतु दहा हजारांपैकी एक, सांख्यिकीय दृष्टिकोनातून, पूर्ण बकवास आहे. तर, उच्च उत्पन्न प्रेक्षक ओळखणे कठीण का आहे? कारण जे लोक आता अत्यंत फायदेशीर प्रेक्षकांचे सदस्य आहेत त्यांचा जन्म तेव्हा झाला होता जेव्हा इंटरनेट अजूनही खूप लहान होते, जेव्हा आर्टेमी लेबेडेव्हला अद्याप कोणीही ओळखत नव्हते आणि त्यांच्याबद्दल कोणतीही माहिती नाही. त्यांच्या वर्तन पद्धतीचा अंदाज लावणे अशक्य आहे, त्यांचे मत नेते कोण आहेत हे समजणे अशक्य आहे आणि त्यांना सामग्रीच्या कोणत्या स्त्रोतांकडून प्राप्त होते.

म्हणून जेव्हा तुम्ही सर्व 25 वर्षात अब्जाधीश व्हाल आणि ज्या कंपन्या तुम्हाला काहीतरी विकणार आहेत त्यांच्याकडे प्रचंड प्रमाणात डेटा असेल. म्हणूनच आमच्याकडे आता युरोपमध्ये एक अद्भुत GDPR आहे जो अल्पवयीन मुलांकडून डेटा गोळा करण्यास प्रतिबंधित करतो.

स्वाभाविकच, हे व्यवहारात अजिबात कार्य करत नाही, कारण सर्व मुले अजूनही त्यांच्या आई आणि वडिलांच्या खात्यांवर खेळतात - अशा प्रकारे माहिती गोळा केली जाते. पुढच्या वेळी तुम्ही तुमच्या मुलाला टॅब्लेट द्याल तेव्हा याचा विचार करा.

पूर्णपणे भयानक, डिस्टोपियन भविष्य नाही, जेव्हा प्रत्येकजण मशीनसह युद्धात मरेल - आता एक पूर्णपणे वास्तविक कथा. अशा अनेक कंपन्या आहेत ज्या सायको-प्रोफाइलिंग लोकांसाठी ते गेम कसे खेळतात यावर आधारित अल्गोरिदम तयार करत आहेत. एक अतिशय मनोरंजक उद्योग. या सर्वांच्या आधारे, लोक नंतर त्यांच्याशी कसा तरी संवाद साधण्यासाठी विभागले जातात.

या लोकांच्या वर्तणुकीचा अंदाज 10-15 वर्षांत उपलब्ध होईल - अगदी त्याच क्षणी जेव्हा ते सॉल्व्हेंट प्रेक्षक बनतील. सर्वात महत्त्वाचे म्हणजे या लोकांनी त्यांच्या वैयक्तिक डेटावर प्रक्रिया करण्यासाठी, ते तृतीय पक्षांकडे हस्तांतरित करण्यासाठी आगाऊ परवानगी दिली आहे आणि हे सर्व आनंद आहे, इत्यादी.

त्यांची नोकरी कोण गमावेल?

आणि माझी शेवटची गोष्ट अशी आहे की प्रत्येकजण नेहमी विचारतो की 50 वर्षांत काय होईल: आपण सर्व मरणार आहोत, मार्केटर्ससाठी बेरोजगारी असेल... येथे मार्केटर्स आहेत ज्यांना बेरोजगारीची चिंता आहे, बरोबर? सर्वसाधारणपणे, काळजी करण्याची गरज नाही, कारण कोणतीही उच्च पात्र व्यक्ती आपली नोकरी गमावणार नाही.

कोणतेही अल्गोरिदम तयार केले असले तरीही, मशीन आपल्याजवळ असलेल्या गोष्टींशी कितीही जवळ जाते (त्याच्या डोक्याकडे निर्देश करते), जर ते त्वरीत विकसित झाले तर अशा लोकांना कधीही निष्क्रिय सोडले जाणार नाही, कारण एखाद्याला या सर्जनशील गोष्टी तयार कराव्या लागतील. करा. होय, सर्व प्रकारचे "गॅन" आहेत जे लोकांसारखे दिसणारे चित्र काढतात आणि संगीत तयार करतात, परंतु तरीही या क्षेत्रातील लोक त्यांच्या नोकऱ्या गमावतील अशी शक्यता नाही.

माझ्याकडे कथेसह सर्वकाही आहे, त्यामुळे तुमच्याकडे अधिक असल्यास तुम्ही प्रश्न विचारू शकता. धन्यवाद.

अग्रगण्य: - मित्रांनो, आता आपण "प्रश्न आणि उत्तर" ब्लॉककडे जात आहोत. तू हात वर कर - मी तुझ्याकडे येतो.

प्रेक्षकांकडून प्रश्न (XNUMX): - "ब्लॅक बॉक्स" बद्दल प्रश्न. ते म्हणाले की अशा आणि अशा वापरकर्त्यासाठी असा आणि असा निकाल का प्राप्त झाला हे विशेषतः समजून घेणे शक्य आहे. हे काही प्रकारचे अल्गोरिदम आहेत किंवा प्रत्येक मॉडेल तदर्थ (लेखकाची टीप: "विशेषतः यासाठी" - एक लॅटिन वाक्यांशशास्त्रीय एकक) प्रत्येक वेळी त्याचे विश्लेषण करणे आवश्यक आहे का? किंवा काही प्रकारच्या न्यूरल नेटवर्कसाठी तयार आहेत जे, ढोबळमानाने, व्यवसाय अर्थ लावू शकतात?

ओह: - येथे तुम्हाला खालील गोष्टी समजून घेणे आवश्यक आहे: मशीन लर्निंगमध्ये मोठ्या संख्येने कार्ये आहेत. उदाहरणार्थ, एक कार्य आहे - प्रतिगमन. रीग्रेशनसाठी, कोणत्याही न्यूरल नेटवर्कची अजिबात गरज नाही. सर्व काही सोपे आहे: आपल्याकडे अनेक निर्देशक आहेत, आपल्याला खालील गणना करणे आवश्यक आहे. अशी कार्ये आहेत जिथे सखोल शिक्षणासारख्या गोष्टीचा अवलंब करणे आवश्यक आहे. खरंच, सखोल शिक्षणामध्ये कोणत्या न्यूरॉन्सला कोणते वजन नियुक्त केले गेले हे विश्वासार्हपणे समजणे कठीण आहे, परंतु कायदेशीररित्या तुम्हाला फक्त हे समजून घेणे आवश्यक आहे की इनपुटमध्ये कोणता डेटा होता आणि तो आउटपुटवर कसा खेळला गेला. अशा निर्णयाचे पेटंट घेण्यासाठी हे कायदेशीरदृष्ट्या पुरेसे आहे आणि कथा कोणत्या आधारावर तयार केली गेली हे समजून घेणे पुरेसे आहे.

असे नाही की तुम्ही साइटवर गेलात आणि काही प्रकारचे बॅनर दाखवले गेले कारण तुम्ही दोन महिन्यांपूर्वी Instagram वर लाल केसांचा फोटो घेतला होता. जर विकसकाने या डेटाचे संकलन आणि या मॉडेलमध्ये केसांच्या रंगाचे चिन्हांकन समाविष्ट केले नाही तर ते कोठूनही बाहेर येणार नाही.

मशीन लर्निंग सिस्टमचे परिणाम कसे विकायचे?

Z: - हा फक्त एक प्रश्न आहे: नेमके कसे समजावून सांगायचे, ज्याला मशीन लर्निंग समजत नाही त्याला कसे विकायचे. मला म्हणायचे आहे: माझे मॉडेल केसांच्या रंगापासून ते स्पष्टपणे पुढे जाते... तसेच, केसांचा रंग बदलतो... हे शक्य आहे की नाही?

ओह: - कदाचित होय. परंतु विक्रीच्या दृष्टिकोनातून, एकच योजना कार्य करेल: तुमच्याकडे एक जाहिरात मोहीम आहे, आम्ही प्रेक्षकांची जागा मशीनद्वारे व्युत्पन्न करतो - आणि तुम्हाला फक्त परिणाम दिसेल. दुर्दैवाने, ग्राहकांना विश्वासार्हपणे पटवून देण्याचा हा एकमेव मार्ग आहे की अशी कथा कार्य करते, कारण बाजारात असे बरेच उपाय आहेत जे एकदा लागू केले गेले होते आणि ते कार्य करत नाहीत.

आभासी व्यक्तिमत्व तयार करण्याबद्दल

Z: - नमस्कार. व्याख्यानाबद्दल धन्यवाद. प्रश्न असा आहे की: एखाद्या व्यक्तीला कोणती संधी आहे, ज्याला काही कारणास्तव मशीन लर्निंगच्या नेतृत्वाचे अनुसरण करायचे नाही, स्वत: साठी एक आभासी व्यक्तिमत्व तयार करण्याची इच्छा आहे जी त्याच्या स्वत: च्या व्यक्तिमत्त्वापेक्षा पूर्णपणे भिन्न आहे, इंटरफेसशी संवाद साधून किंवा काहींसाठी दुसरे कारण?

ओह: - यादृच्छिक वर्तनाशी विशेषत: विविध प्लगइन्सचा समूह आहे. एक छान गोष्ट आहे - घोस्ट्री, जी माझ्या मते, तुम्हाला वेगवेगळ्या ट्रॅकर्सच्या समूहापासून जवळजवळ पूर्णपणे लपवते जी नंतर ही माहिती रेकॉर्ड करू शकत नाही. पण खरं तर, आता तुम्हाला फक्त सोशल नेटवर्क्सवर बंद प्रोफाइलची गरज आहे जेणेकरून कोणीही, कोणीही वाईट स्क्रॅपर तेथे काहीही गोळा करू शकत नाही. काही प्रकारचे विस्तार स्थापित करणे किंवा स्वतः काहीतरी लिहिणे कदाचित चांगले आहे.

तुम्ही पहा, येथे संकल्पना अशी आहे की कायदेशीररित्या, उदाहरणार्थ, वैयक्तिक डेटा डेटाचा संदर्भ देते ज्याद्वारे तुमची ओळख पटवता येते आणि कायदा उदाहरण म्हणून तुमचा राहण्याचा पत्ता, वय इत्यादी देतो. आजकाल असंख्य डेटा आहे ज्याद्वारे तुमची ओळख पटवता येते: समान कीबोर्ड हस्तलेखन, तेच प्रेस, ब्राउझरची डिजिटल स्वाक्षरी... लवकरच किंवा नंतर, एखादी व्यक्ती चूक करते. तो “थोर” वापरून “कॅफे” मध्ये कुठेतरी असू शकतो, परंतु शेवटी, एका चांगल्या क्षणी, एकतर व्हीपीएन चालू करणे विसरेल किंवा दुसरे काहीतरी, आणि त्या क्षणी त्याची ओळख पटू शकेल. त्यामुळे खाजगी खाते बनवणे आणि काही विस्तार स्थापित करणे हा सर्वात सोपा मार्ग आहे.

बाजार त्या बिंदूकडे जात आहे जिथे परिणाम मिळविण्यासाठी तुम्हाला फक्त एक बटण दाबावे लागेल.

Z: - कथेबद्दल धन्यवाद. नेहमीप्रमाणे, नेहमीच खूप मनोरंजक (मी तुमचे अनुसरण करत आहे). प्रश्न असा आहे: वापरकर्त्यांसाठी सकारात्मक सिस्टीम तयार करण्याच्या बाबतीत काय प्रगती आहे, शिफारस प्रणाली? तुम्ही म्हणाल की एकेकाळी तुम्ही लैंगिक जोडीदार, जीवनातील मित्र (किंवा एखाद्या व्यक्तीला आवडू शकेल असे संगीत) शोधण्यासाठी शिफारस प्रणालीवर काम करत होता... हे सर्व किती आशादायक आहे आणि त्यातून तुम्ही त्याचा विकास कसा पाहता? लोकांना आवश्यक असलेल्या प्रणाली तयार करण्याचा दृष्टिकोन?

ओह: - सर्वसाधारणपणे, बाजार अशा ठिकाणी जात आहे जिथे लोकांना एक बटण दाबावे लागेल आणि त्यांना जे हवे आहे ते त्वरित मिळवावे लागेल. डेटिंग ऍप्लिकेशन्स तयार करण्याच्या माझ्या अनुभवाबद्दल (तसे, आम्ही वर्षाच्या शेवटी ते पुन्हा लाँच करू), 65% विवाहित पुरुष होते या वस्तुस्थितीव्यतिरिक्त, शिफारस केलेली सर्वात कठीण समस्या ही होती की एखाद्या व्यक्तीला अनेक मॉडेल ऑफर केले गेले. अर्जाच्या सुरूवातीस - " मैत्री", "सेक्स", "सेक्स फ्रेंडशिप" आणि "व्यवसाय". लोकांनी त्यांना आवश्यक ते निवडले नाही. पुरुष आले आणि त्यांनी "प्रेम" निवडले, परंतु प्रत्यक्षात त्यांनी सर्वांवर नग्नता फेकली, आणि असेच.

समस्या अशी होती की अशा व्यक्तीला ओळखणे जे यापैकी एक मॉडेलमध्ये बसत नाही, आणि कसे तरी सहजतेने त्याला घेऊन दुसऱ्या दिशेने हलवा. डेटाच्या छोट्या प्रमाणामुळे, अंदाज लावण्याच्या अल्गोरिदममधील ही त्रुटी आहे की नाही किंवा एखादी व्यक्ती त्याच्या श्रेणीमध्ये नाही हे निर्धारित करणे फार कठीण आहे. संगीताच्या बाबतीतही असेच आहे: आता खूप कमी योग्य अल्गोरिदम आहेत जे संगीत चांगले "फकास्ट" करू शकतात. कदाचित “Yandex.Music”. काही लोकांना वाटते की Yandex.Music अल्गोरिदम खराब आहे. उदाहरणार्थ, मला ती आवडते. मला वैयक्तिकरित्या, उदाहरणार्थ, YouTube म्युझिक अल्गोरिदम वगैरे आवडत नाही.

अर्थातच काही बारीकसारीक गोष्टी आहेत - सर्व काही परवान्यांशी जोडलेले आहे... परंतु प्रत्यक्षात, अशा प्रणालींची मागणी खूप जास्त आहे. एकेकाळी, रिटेल रॉकेट कंपनी ओळखली जात होती, जी शिफारस प्रणालींच्या अंमलबजावणीमध्ये गुंतलेली होती, परंतु आता ती काही प्रमाणात चांगली चालत नाही - वरवर पाहता कारण त्यांनी त्यांचे अल्गोरिदम बराच काळ विकसित केले नाहीत. सर्व काही या दिशेने जाते - आपण आत जातो आणि काहीही न दाबता, आपल्याला आवश्यक असलेले मिळवा (आणि पूर्णपणे मूर्ख बनतो, कारण आपली निवड करण्याची क्षमता पूर्णपणे नाहीशी झाली आहे).

विपणन प्रभावित करा

Z: - नमस्कार. माझे नाव कॉन्स्टँटिन आहे. मी प्रभाव मार्केटिंग बद्दल एक प्रश्न उपस्थित करू इच्छितो. काही सांख्यिकीय डेटावर आधारित व्यवसायासाठी योग्य ब्लॉगर निवडण्याची परवानगी देणारी कोणतीही प्रणाली तुम्हाला माहीत आहे का? आणि हे कोणत्या आधारावर केले जाते?

ओह: - होय, मी दुरूनच सुरुवात करेन आणि ताबडतोब सांगेन की या सर्व तंत्रज्ञानाची समस्या अशी आहे की मार्केटिंगमधील ही सर्व कृत्रिम बुद्धिमत्ता आता एका टायट्रोप वॉकरसारखी आहे: डावीकडे मोठ्या कंपन्या आहेत ज्यांच्याकडे भरपूर पैसा आहे आणि कोणत्याही परिस्थितीत त्यांच्या कार्यासाठी सर्व काही प्रभावी होईल कारण त्यांच्या जाहिरात मोहिमे केवळ दृश्यांवर केंद्रित आहेत; दुसरीकडे, असे बरेच छोटे व्यवसाय आहेत ज्यासाठी हे कार्य करणार नाही, कारण त्यांच्याकडे भरपूर डेटा आहे. आतापर्यंत या कथांची उपयोज्यता कुठेतरी मध्यभागी आहे.

जेव्हा आधीच चांगले बजेट असतात, आणि या बजेटवर योग्य प्रकारे प्रक्रिया करणे हे काम असते (आणि तत्त्वतः, आधीच भरपूर डेटा आहे)… मला काही सेवा माहित आहेत, गेटब्लॉगर सारख्या, ज्यात अल्गोरिदम आहेत असे दिसते. खरे सांगायचे तर, मी या अल्गोरिदमचा अभ्यास केलेला नाही. जेव्हा आपल्याला काही मातांना भेटवस्तू देण्याची आवश्यकता असते तेव्हा मत नेते शोधण्यासाठी आम्ही कोणता दृष्टिकोन वापरतो हे मी तुम्हाला सांगू शकतो.

आम्ही सामग्री वितरण वेळ नावाचा मेट्रिक वापरतो. हे असे कार्य करते: तुम्ही ज्याच्या प्रेक्षकाचे विश्लेषण करत आहात अशा व्यक्तीला तुम्ही घ्या आणि तुम्हाला पद्धतशीरपणे (उदाहरणार्थ, दर 5 मिनिटांनी एकदा) प्रत्येक पोस्टची माहिती संकलित करणे आवश्यक आहे, ज्याला ते आवडले, त्यावर टिप्पणी केली, इत्यादी. अशा प्रकारे, तुमच्या प्रेक्षकांमधील प्रत्येक व्यक्तीने तुमच्या सामग्रीशी कोणत्या वेळी संवाद साधला हे तुम्ही समजू शकता. त्याच्या प्रेक्षकांच्या प्रत्येक प्रतिनिधीसाठी या ऑपरेशनची पुनरावृत्ती करा आणि अशा प्रकारे, सामग्री प्रसाराच्या सरासरी वेळेचे मेट्रिक वापरून, उदाहरणार्थ, या लोकांच्या मोठ्या नेटवर्क आलेखामध्ये रंगीत केले जाऊ शकते आणि क्लस्टर तयार करण्यासाठी या मेट्रिकचा वापर केला जाऊ शकतो.

उदाहरणार्थ, काही woman.ru वर त्यांचे सार्वजनिक मत राखणार्‍या 15 माता शोधणे आम्हाला हवे असल्यास हे चांगले कार्य करते. परंतु हे एक जटिल तांत्रिक अंमलबजावणी आहे (जरी पूर्णपणे सैद्धांतिकदृष्ट्या ते पायथनमध्ये केले जाऊ शकते). सर्वात महत्त्वाची गोष्ट अशी आहे की मोठ्या जाहिरात एजन्सींमध्ये मार्केटिंगच्या प्रभावाची समस्या ही आहे की त्यांना मोठ्या, छान, महाग ब्लॉगर्सची आवश्यकता आहे जे काम करत नाहीत. आता, कार ब्रँड काही ओपिनियन लीडरद्वारे काही उत्पादन विकू इच्छित आहे - त्यांना शेवटचा उपाय म्हणून कार ब्लॉगर वापरण्याची आवश्यकता आहे, कारण त्यांच्या प्रेक्षकांनी एकतर आधीच कार खरेदी केली आहे, किंवा त्यांना नेमकी कोणत्या प्रकारची कार हवी आहे हे माहित आहे, फक्त बसतो आणि मस्त कार पाहतो. येथे स्वतः व्यक्तीच्या प्रेक्षकांचे विश्लेषण गमावू नये हे महत्वाचे आहे.

विपणन सांगकामे

Z: - मला सांगा, सोशल नेटवर्क्सवरील बॉट्स माहितीच्या संकलनावर आणि त्याच्या गुणवत्तेवर किती परिणाम करतात?

ओह: - बॉट्ससह ही एक मनोरंजक गोष्ट आहे. स्वस्त बॉट्स ओळखणे अगदी सोपे आहे - त्यांच्याकडे एकतर समान सामग्री आहे किंवा ते एकमेकांचे मित्र आहेत किंवा ते एकाच नेटवर्कमध्ये आहेत. जटिल सांगकाम्या हाताळण्यासाठी देखील दृष्टिकोन आहेत. किंवा आपण एखाद्या व्यक्तीला त्याच्या बनावटशी कसे जोडायचे ते प्रश्न विचारत आहात?

Z: - या सर्व कचऱ्यासह किती उच्च-गुणवत्तेची माहिती आउटपुट होईल?

ओह: - येथे हे अशा प्रकारे कार्य करते: मोठ्या प्रमाणात डेटा आहे या वस्तुस्थितीमुळे (उदाहरणार्थ, काही प्रकारच्या विपणन संशोधनासाठी), हे सर्व रिफ्राफ फक्त बाहेर फेकले जाऊ शकते. म्हणजेच, बॉट्स पकडण्यापेक्षा थोडे अधिक वास्तविक लोकांना बाहेर फेकणे चांगले आहे, कारण त्यांच्यासाठी कोणतीही जाहिरात दर्शविणे निरुपयोगी आहे. परंतु आपण मेट्रिक्स गोळा केल्यास, उदाहरणार्थ, बॅनर किंवा शिफारस प्रणालीसह परस्परसंवाद, अशी खाती बाहेर फेकली जाऊ शकतात.

आता सोशल नेटवर्क्सवर, जवळपास सहा टक्के व्हर्च्युअल कॅरेक्टर्स किंवा फक्त सोडलेली पेज किंवा इंट्रोव्हर्ट्स आहेत, ज्यांचे अल्गोरिदम बॉट्स म्हणून “जुळतात”. एखाद्या व्यक्तीला त्याच्या बनावटशी जोडण्याबद्दल, येथे देखील, सर्वकाही या वस्तुस्थितीशी जोडलेले आहे की ती व्यक्ती लवकरच किंवा नंतर चूक करेल आणि गोष्ट अशी आहे की वर्तन मॉडेल समान आहे - त्याचे खरे खाते आणि बनावट दोन्ही. लवकरच किंवा नंतर ते समान सामग्री किंवा दुसरे काहीतरी पाहतील.

येथे हे सर्व त्रुटीच्या टक्केवारीवर नाही तर एखाद्या व्यक्तीला विश्वासार्हपणे ओळखण्यासाठी आवश्यक असलेल्या वेळेवर अवलंबून आहे. त्यांच्या इंस्टाग्रामवर राहणाऱ्या व्यक्तीसाठी, विश्वासार्ह ओळखीसाठी ही वेळ पाच मिनिटांवर येते. काहींसाठी - सहा ते आठ महिने.

डेटा कोणाला आणि कसा विकायचा?

Z: - नमस्कार. कंपन्यांमध्ये डेटा कसा विकला जातो हे जाणून घेण्यात मला रस आहे? उदाहरणार्थ, माझ्याकडे एक ऍप्लिकेशन आहे ज्यामध्ये तुम्ही (विकासकाला) एखादी व्यक्ती कुठे जाते, तो कोणत्या स्टोअरमध्ये जातो आणि तेथे किती पैसे खर्च करतो हे शोधू शकता. आणि मला हे जाणून घेण्यात स्वारस्य आहे की, मी माझ्या प्रेक्षकांबद्दलचा डेटा या स्टोअरमध्ये कसा विकू शकतो किंवा माझा डेटा एका मोठ्या डेटाबेसमध्ये कसा ठेवू शकतो आणि त्यासाठी पैसे कसे मिळवू शकतो?

ओह: – एखाद्याला थेट डेटा विकण्याबाबत, तुम्ही आणि इतर प्रत्येकजण OFD – फिस्कल डेटा ऑपरेटरच्या पुढे होता, ज्यांनी धूर्तपणे चेक हस्तांतरण आणि कर कार्यालय यांच्यात स्वतःला तयार केले आणि आता प्रत्येकाला डेटा विकण्याचा प्रयत्न करत आहात. खरंच, त्यांनी प्रत्यक्षात संपूर्ण मोबाइल विश्लेषण बाजार क्रॅश केला. खरं तर, आपण आपला अनुप्रयोग एम्बेड करू शकता, उदाहरणार्थ, Facebook पिक्सेल, त्याची DMP प्रणाली; नंतर हे प्रेक्षक विक्रीसाठी वापरा. उदाहरणार्थ, “मे टार्गेट” पिक्सेल. तुमच्याकडे कोणत्या प्रकारचे प्रेक्षक आहेत हे मला माहीत नाही, तुम्हाला समजून घेणे आवश्यक आहे. परंतु कोणत्याही परिस्थितीत, आपण एकतर यांडेक्स किंवा माय टार्गेटमध्ये समाकलित करू शकता, जे सर्वात मोठ्या डीएमपी सिस्टम आहेत.

ही एक अतिशय मनोरंजक कथा आहे. फक्त अडचण अशी आहे की तुम्ही त्यांना सर्व ट्रॅफिक द्याल आणि ते, एक्सचेंज म्हणून, या रहदारीचे कमाई स्वतःवर घेतील. ते तुम्हाला सांगू शकत नाहीत की 10 लोकांनी तुमचे प्रेक्षक वापरले आहेत. म्हणून, एकतर तुम्ही तुमचे स्वतःचे जाहिरात नेटवर्क तयार करा किंवा तुम्ही मोठ्या DMP ला शरण जाल.

कोण जिंकेल - कलाकार की तंत्रज्ञ?

Z: - तांत्रिक भागापासून थोडा दूर असलेला प्रश्न. येणार्‍या मोठ्या प्रमाणात बेरोजगारीबद्दल मार्केटर्सच्या भीतीबद्दल सांगितले गेले. क्रिएटिव्ह मार्केटिंग (हे लोक जे चिकन जाहिरात, फोक्सवॅगन जाहिराती, असे दिसते) आणि बिग डेटामध्ये गुंतलेले (जे म्हणतात: आता आम्ही फक्त सर्व डेटा गोळा करू आणि लक्ष्यित जाहिराती वितरीत करू) यांच्यात काही प्रकारचा स्पर्धात्मक संघर्ष आहे का? प्रत्येकजण)? एक व्यक्ती म्हणून जो थेट सहभागी आहे, कोण जिंकेल याबद्दल तुमचे मत काय आहे - एक कलाकार, एक तंत्रज्ञ, किंवा काही प्रकारचे समन्वयात्मक प्रभाव असेल?

ओह: - ऐका, ते एकत्र काम करतात. अभियंते सर्जनशीलता घेऊन येत नाहीत. जे सर्जनशील आहेत ते प्रेक्षक शोधत नाहीत. येथे एक प्रकारची बहुविद्याशाखीय कथा आहे. आता खरी अडचण त्यांच्यासाठी आहे जे बसून बटणे दाबतात, जे “माकडाचे काम” करतात, दररोज तेच तेच दाबतात - हे असे लोक आहेत जे अदृश्य होतील.

परंतु जे डेटाचे विश्लेषण करतात ते नैसर्गिकरित्या राहतील, परंतु कोणीतरी या डेटावर प्रक्रिया केली पाहिजे. कोणीतरी या चित्रांसह यावे लागेल, त्यांना काढा. मशीन अशा सर्जनशीलतेसह येऊ शकत नाही! हा पूर्ण वेडेपणा आहे! किंवा जसे की, उदाहरणार्थ, कारप्राइसची व्हायरल जाहिरात, ज्याने, तसे, खूप चांगले काम केले. लक्षात ठेवा, YouTube वर हे एक होते: "ते Carprice वर विक्री करा," पूर्णपणे वेडा. अर्थात, कोणतेही न्यूरल नेटवर्क अशी कथा निर्माण करणार नाही.
सर्वसाधारणपणे, मी या वस्तुस्थितीचा समर्थक आहे की लोक त्यांच्या नोकर्‍या गमावतील असे नाही, परंतु त्यांच्याकडे थोडा अधिक मोकळा वेळ असेल आणि ते हा मोकळा वेळ स्व-शिक्षणासाठी घालवू शकतील.

आदिम जाहिराती नष्ट होतील

Z: - मोठ्या प्रमाणात, दर्शविल्या जाणार्‍या जाहिराती, बॅनर - मोठ्या प्रमाणात, अगदी विक्री करणारे मजकूर देखील तेथे लिहिलेले नाहीत: "तुम्हाला खिडक्या आवश्यक आहेत - ते घ्या!", "तुम्हाला आणखी काहीतरी हवे आहे - ते घ्या!", म्हणजे, तेथे सर्जनशीलता अजिबात नाही.

ओह: - अशा जाहिराती नक्कीच लवकर किंवा नंतर नष्ट होतील. ते तंत्रज्ञानाच्या विकासामुळे नाही तर तुमच्या आणि माझ्या विकासामुळे नष्ट होईल.

अप्रासंगिक सह संबंधित मिसळणे चांगले आहे

Z: - मी येथे आहे! मला प्रयोगाबद्दल एक प्रश्न आहे जो तुम्ही म्हणालात तो तुमच्यासाठी कार्य करत नाही (शिफारसदार प्रणालीसह). तुमच्या मते, तिथे काय स्वाक्षरी केली होती, त्याची शिफारस का केली जाते, किंवा वापरकर्त्याने पाहिलेली प्रत्येक गोष्ट त्याच्याशी सुसंगत असल्याचे दिसते? कारण मी मातांसाठी एक प्रयोग वाचला होता, आणि अजून इतका डेटा नव्हता आणि इंटरनेटवरून इतका डेटा नव्हता, फक्त एका किराणा विक्रेत्याचा डेटा होता ज्याने गर्भधारणेचा अंदाज लावला होता (त्या माता होतील). आणि जेव्हा त्यांनी गर्भवती मातांसाठी उत्पादनांची निवड दर्शविली, तेव्हा मातांना भीती वाटली की त्यांना कोणत्याही अधिकृत गोष्टींपूर्वी त्यांच्याबद्दल माहिती मिळाली. आणि ते चालले नाही. आणि या समस्येचे निराकरण करण्यासाठी, त्यांनी जाणूनबुजून संबंधित उत्पादने पूर्णपणे असंबद्ध काहीतरी मिसळली.

ओह: “आम्ही विशेषतः लोकांना त्यांचा अभिप्राय समजून घेण्यासाठी शिफारसी कोणत्या आधारावर केल्या होत्या हे दाखवले. वास्तविक, येथेच ही संकल्पना जन्माला आली की लोकांना हे सांगण्याची गरज नाही की ही त्याच्यासाठी काही अति-संबंधित उत्पादने आहेत.

होय, तसे, त्यांना अप्रासंगिकांसह मिसळण्याचा दृष्टीकोन आहे. परंतु उलट गोष्ट आहे: काहीवेळा लोक येतात आणि या असंबद्ध उत्पादनाशी संवाद साधतात - यादृच्छिक आउटलियर्स होतात, मॉडेल खंडित होतात आणि गोष्टी आणखी क्लिष्ट होतात. पण हे प्रत्यक्षात अस्तित्वात आहे. शिवाय, बर्‍याच कंपन्या जाणूनबुजून, जर त्यांना माहित असेल की कोणीतरी त्यांच्या डेटावर प्रक्रिया करत आहे (कोणीतरी त्यांच्याकडून असे आउटपुट चोरू शकते), ते कधीकधी ते मिसळतात जेणेकरून ते नंतर हे सिद्ध करू शकतील की आपण त्याच्या शिफारस प्रणालीमधून डेटा घेतला नाही, परंतु तथाकथित Yandex.Market.

जाहिरात ब्लॉकर्स आणि ब्राउझर सुरक्षा

Z: - नमस्कार. तुम्ही Ghostery आणि Adblock चा उल्लेख केला आहे. असे ट्रॅकर्स सर्वसाधारणपणे (कदाचित आकडेवारीवर आधारित) किती प्रभावी आहेत हे तुम्ही सांगू शकाल का? आणि तुमच्याकडे कंपन्यांकडून काही ऑर्डर आहेत का: ते म्हणतात, आमची जाहिरात Adblock द्वारे बंद केली जाऊ शकत नाही याची खात्री करा.

ओह: - आम्ही थेट जाहिरात प्लॅटफॉर्मशी संपर्क साधत नाही - तंतोतंत जेणेकरून ते त्यांच्या जाहिराती प्रत्येकासाठी दृश्यमान बनवण्यास सांगत नाहीत. मी वैयक्तिकरित्या Ghostery वापरतो - मला वाटते की हे खूप छान विस्तार आहे. आता सर्व ब्राउझर गोपनीयतेसाठी लढत आहेत: Mozilla ने सर्व प्रकारच्या अद्यतनांचा समूह जारी केला आहे, Google Chrome आता सुपर-सुरक्षित आहे. ते सर्व त्यांना शक्य असलेल्या सर्व गोष्टी अवरोधित करतात. "सफारी" ने अगदी डीफॉल्टनुसार "Gyroscope" बंद केले आहे.
आणि हा ट्रेंड अर्थातच चांगला आहे (जे डेटा गोळा करतात त्यांच्यासाठी नाही, जरी ते देखील त्यातून बाहेर पडले), कारण लोकांनी प्रथम कुकीज अवरोधित केल्या. जाहिरात नेटवर्क्सच्या मालकीच्या प्रत्येकाला ब्राउझर फिंगरप्रिंट्स सारख्या अद्भुत तंत्रज्ञानाची आठवण होते - हे अल्गोरिदम आहेत जे 60 भिन्न पॅरामीटर्स (स्क्रीन रिझोल्यूशन, आवृत्ती, स्थापित फॉन्ट) प्राप्त करतात आणि त्यांच्या आधारे ते एक अद्वितीय "आयडी" ची गणना करतात. याकडे वळूया. आणि ब्राउझरने यासह संघर्ष करण्यास सुरवात केली. सर्वसाधारणपणे, ही टायटन्सची अंतहीन लढाई असेल.

नवीनतम विकसक Mozilla खूप सुरक्षित आहे. हे अक्षरशः कोणत्याही कुकीज वाचवते आणि लहान आयुष्य सेट करते. विशेषत: तुम्ही “गुप्त” चालू केल्यास, तुम्हाला कोणीही सापडणार नाही. प्रश्न असा आहे की सर्व सेवांमध्ये संकेतशब्द प्रविष्ट करणे गैरसोयीचे असेल.

सायकोटाइपिंग आणि फिजिओग्नॉमी कुठे कार्य करते आणि कार्य करत नाही?

Z: - आर्थर, व्याख्यानाबद्दल खूप खूप धन्यवाद. यूट्यूबवर तुमची व्याख्याने फॉलो करताना मलाही आनंद होतो. तुम्ही नमूद केले आहे की मार्केटर्स सायकोटाइपिंग आणि फिजिओग्नॉमीचा वापर वाढवत आहेत. माझा प्रश्न आहे: हे कोणत्या ब्रँड श्रेणींमध्ये कार्य करते? माझा विश्वास आहे की हे फक्त FMCG साठी योग्य आहे. उदाहरणार्थ, कार निवडणे म्हणजे...

ओह: - ते नेमके कुठे कार्य करते ते मी डाउनलोड करू शकतो. हे "Amediateka", टीव्ही मालिका, चित्रपट आणि अशा सर्व प्रकारच्या कथांमध्ये कार्य करते. हे बँक आणि बँकिंग उत्पादनांमध्ये चांगले कार्य करते, जर ते प्रीमियम सेगमेंट नसेल तर सर्व प्रकारचे विद्यार्थी कार्ड, हप्ते योजना - अशा प्रकारच्या गोष्टी. हे FMCG आणि सर्व प्रकारचे iPhones, चार्जर, या सर्व बकवासात खरोखरच चांगले कार्य करते. हे "आई आणि पॉप" उत्पादनांमध्ये चांगले कार्य करते. जरी मला माहित आहे की मासेमारीत (असा एक विषय आहे)... मच्छिमारांसोबत अनेक वेळा प्रकरणे घडली आहेत - ते कधीही विश्वसनीयरित्या विभागले जाऊ शकत नाहीत. मला माहित नाही का. काही प्रकारची सांख्यिकीय त्रुटी.

हे वाहनचालकांसह, दागिन्यांसह किंवा काही घरगुती वस्तूंसह चांगले कार्य करत नाही. खरं तर, ज्या गोष्टींबद्दल लोक सोशल मीडियावर कधीच लिहित नाहीत अशा गोष्टींसह ते चांगले कार्य करत नाही - तुम्ही ते या प्रकारे तपासू शकता. पारंपारिकपणे, वॉशिंग मशिन खरेदी करताना: कोणाकडे वॉशिंग मशीन आहे आणि कोणाकडे नाही हे कसे समजून घ्यावे? प्रत्येकाकडे आहे असे दिसते. तुम्ही OFD डेटा वापरू शकता - पावत्या वापरून कोणी काय खरेदी केले ते पहा आणि पावत्या वापरून या लोकांशी जुळवा. परंतु खरं तर, अशा काही गोष्टी आहेत ज्याबद्दल आपण कधीही बोलणार नाही, उदाहरणार्थ, Instagram वर - अशा गोष्टींसह कार्य करणे कठीण आहे.

यंत्रे सांख्यिकीय स्टफिंग म्हणून युक्त्या ओळखतात.

Z: - मला लक्ष्य करण्याबद्दल एक प्रश्न आहे. सशर्त यादृच्छिक पात्राचे हे शक्य आहे (किंवा ते अचानक अस्तित्वात आहेत) जे प्रत्येक गोष्टीत स्वतःला विरोध करतात: प्रथम तो “सर्वोत्तम जिम” Google करतो आणि नंतर “काहीही न करण्याचे 10 मार्ग” Google करतो? आणि म्हणून ते प्रत्येक गोष्टीत आहे. टार्गेटिंग स्वतःशी विरोधाभास असलेल्या गोष्टीचा मागोवा ठेवू शकते?

ओह: - येथे फक्त एकच प्रश्न आहे: जर तुम्ही 2 वर्षांपासून Google वापरत असाल, तर तुम्ही स्वतःबद्दल जे काही करू शकता ते सर्व सांगितले आणि आता स्वतःसाठी एक प्लगइन स्थापित करा जे समान यादृच्छिक क्वेरी लिहेल, तर नक्कीच, आकडेवारीवरून तुम्हाला मिळेल. समजून घेण्यास सक्षम व्हा - तुम्ही आता काय करत आहात हे एक सांख्यिकीय आउटलायर आहे आणि हे सर्व बाहेर काढण्याची बाब आहे. आपण इच्छित असल्यास, नवीन खाते नोंदणी करा, परंतु जाहिरातीचे प्रमाण बदलणार नाही. ती फक्त विचित्र होईल. जरी ती अजूनही विचित्र आहे.

काही जाहिराती 🙂

आमच्यासोबत राहिल्याबद्दल धन्यवाद. तुम्हाला आमचे लेख आवडतात का? अधिक मनोरंजक सामग्री पाहू इच्छिता? ऑर्डर देऊन किंवा मित्रांना शिफारस करून आम्हाला समर्थन द्या, $4.99 पासून विकसकांसाठी क्लाउड VPS, एंट्री-लेव्हल सर्व्हरचे एक अद्वितीय अॅनालॉग, जे तुमच्यासाठी आमच्याद्वारे शोधले गेले आहे: VPS (KVM) E5-2697 v3 (6 Cores) 10GB DDR4 480GB SSD 1Gbps बद्दल संपूर्ण सत्य $19 पासून किंवा सर्व्हर कसा शेअर करायचा? (RAID1 आणि RAID10 सह उपलब्ध, 24 कोर पर्यंत आणि 40GB DDR4 पर्यंत).

डेल R730xd ऍमस्टरडॅममधील इक्विनिक्स टियर IV डेटा सेंटरमध्ये 2 पट स्वस्त? फक्त इथेच 2 x इंटेल टेट्राडेका-कोर Xeon 2x E5-2697v3 2.6GHz 14C 64GB DDR4 4x960GB SSD 1Gbps 100 टीव्ही $199 पासून नेदरलँड मध्ये! Dell R420 - 2x E5-2430 2.2Ghz 6C 128GB DDR3 2x960GB SSD 1Gbps 100TB - $99 पासून! बद्दल वाचा इन्फ्रास्ट्रक्चर कॉर्पोरेशन कसे तयार करावे. डेल R730xd E5-2650 v4 सर्व्हरचा वापर करून 9000 युरो किमतीचा वर्ग?

स्त्रोत: www.habr.com