Arthur Khachuyan to znany rosyjski specjalista w dziedzinie przetwarzania dużych zbiorów danych, założyciel firmy Social Data Hub (obecnie Tazeros Global). Partner Państwowej Uczelni Badawczej Wyższej Szkoły Ekonomicznej. Przygotował i przedstawił wraz z Wyższą Szkołą Ekonomiczną Państwowego Uniwersytetu Badawczego projekt ustawy o Big Data w Radzie Federacji.Występował w Instytucie Curie w Paryżu, Uniwersytecie Państwowym w Petersburgu, Uniwersytecie Federalnym pod Rządem Federacji Rosyjskiej, w Red Apple, International OpenDataDay, RIW 2016, AlfaFuturePeople.
Wykład został nagrany podczas festiwalu plenerowego „Geek Picnic” w Moskwie w 2019 roku.
Arthur Khachuyan (dalej – AH): – Jeśli z ogromnej liczby branż – od medycyny, od budownictwa, od czegoś, czegoś, wybrać tę, w której najczęściej wykorzystuje się technologię big data, uczenie maszynowe, głębokie uczenie się, to prawdopodobnie jest to marketing. Bo od trzech lat wszystko, co nas otacza w jakichś przekazach reklamowych, jest już powiązane właśnie z analizą danych i właśnie z tym, co można nazwać sztuczną inteligencją. Dlatego dziś opowiem Wam o tym z tak bardzo odległej historii...
Jeśli wyobrażasz sobie sztuczną inteligencję i jej wygląd, prawdopodobnie jest to coś takiego. Dziwny obrazek to jedna z sieci neuronowych, którą pisałem rok temu, żeby znaleźć zależność od tego, co robi mój pies - ile razy musi chodzić duży, mały i jak to w ogóle zależy od tego, ile zje czy nie? To żart na temat tego, jak można sobie wyobrazić sztuczną inteligencję.
Ale mimo to zastanówmy się, jak to wszystko działa w komunikacji reklamowej. Nowoczesne algorytmy w reklamie i marketingu mogą z nami współdziałać na trzy sposoby. Oczywiste jest, że pierwsza historia ma na celu zdobycie i wydobycie dodatkowej wiedzy o Tobie i mnie, a następnie wykorzystanie jej do dobrych i niezbyt dobrych celów; personalizować podejście do każdej konkretnej osoby; Oczywiście po tym stwórz określony popyt, aby wykonać główne działanie docelowe i przeprowadzić określoną sprzedaż.
Korzystając z technologii, próbują rozwiązać problem skutecznej komunikacji
Jeśli powiem ci, żebyś pomyślał o tym, co Pornhub i M. Wideo”, o czym myślisz?
Komentarze publiczności (zwane dalej C): - Telewizja, publiczność.
OH: – Moja koncepcja jest taka, że są to dwa miejsca, do których ludzie przychodzą po określony rodzaj usługi, czy też nazwijmy to, określony rodzaj towaru. A ta publiczność jest inna, ponieważ nie chce nic powiedzieć sprzedawcy. Chce przyjść i uzyskać to, co ją interesuje, w jakiejś wyraźnej lub ukrytej formie. Naturalnie nikt nie przychodzi do M. Video” nie chce komunikować się z żadnym sprzedawcą, nie chce zrozumieć, nie chce odpowiadać na żadne ich pytania.
Dlatego z tego wszystkiego wynika pierwsza historia.
Kiedy pojawiły się technologie zdobywania dodatkowej wiedzy, aby w jakiś sposób uniknąć komunikacji z osobą. Wszyscy uwielbiamy, gdy dzwonimy do banku, a on mówi nam: „Witam. Alexey, jesteś naszym klientem VIP. Teraz porozmawia z tobą jakiś supermenedżer”. Przychodzisz do tego banku i naprawdę jest tam wyjątkowy menadżer, z którym możesz porozmawiać. Niestety lub na szczęście żadna firma nie wymyśliła jeszcze, jak zatrudnić tysiąc osobistych menedżerów dla tysiąca klientów; a ponieważ większość tych osób jest teraz online, zadaniem jest zrozumienie, jaka to osoba i jak poprawnie się z nią komunikować, zanim dotrze do jakiegoś zasobu reklamowego. I dlatego faktycznie pojawiły się technologie, które próbują rozwiązać ten problem.
Ekstrakcja danych to nowy olej
Wyobraźmy sobie, że jesteś właścicielem stoiska z kwiatami. Trzy osoby przychodzą cię odwiedzić. Pierwszy stoi bardzo długo, waha się, próbuje z tobą porozmawiać, bierze jakiś bukiet - idziesz go zawinąć, wychodzisz tam coś zrobić; ucieka ze straganu z tym bukietem - straciłeś trzy tysiące rubli. Dlaczego to się stało? Nic nie wiesz o tej osobie: nie znasz jej historii aresztowań w MSW, nie wiesz, że jest kleptomanem i jest zarejestrowany w przychodni psychiatrycznej. Dlaczego? Ponieważ widziałeś to po raz pierwszy i nie jesteś analitykiem behawioralnym.
Przychodzi ktoś inny... Witalij. Witalijowi również zajmuje to bardzo dużo czasu, mówi: „No cóż, potrzebuję tego i tamtego”. I mówisz mu: „Kwiaty dla mamy, prawda?” I sprzedajesz mu bukiet.
Założeniem jest zdobycie wystarczającej ilości danych, aby zrozumieć, czego dana osoba faktycznie potrzebuje. Wszyscy od razu pomyśleli o jakichś sieciach reklamowych i tak dalej…
Każdy zapewne nie raz słyszał głupie stwierdzenie, że „dane to nowa ropa”? Z pewnością każdy słyszał. Tak naprawdę ludzie nauczyli się zbierać dane już dawno temu, jednak wydobywanie danych z tych danych to zadanie, które obecnie próbuje rozwiązać sztuczna inteligencja w marketingu, czyli pewnego rodzaju algorytmy statystyczne. Dlaczego? Ponieważ jeśli rozmawiasz z osobą, może ona dać ci dobrą, złą lub w jakiś sposób kolorową odpowiedź. Żartem, który opowiadam moim studentom, jest to, czym ankiety różnią się od statystyk. Opowiem to w formie anegdoty:
Oznacza to, że w dwóch wsiach postanowiono przeprowadzić badanie dotyczące średniej długości życia męskiego. Oznacza to, że w pierwszej wiosce Villaribo średnia długość wynosi 15 centymetrów, we wsi Villabaggio - 25. Czy wiesz dlaczego? Bo w pierwszej wsi prowadzono pomiary, a w drugiej ankietę.
Branża porno jest okrętem flagowym systemów rekomendacji
Dlatego współczesne podejście polega na analizie wszystkich ludzi bez wyjątku, nawet jeśli jest ich trochę mniej niż 100%, ale takich ludzi nie trzeba pytać, nie trzeba na nich patrzeć. Wystarczy przeanalizować to, co obecnie nazywa się śladem cyfrowym, aby zrozumieć, czego ta osoba potrzebuje, jak poprawnie z nią rozmawiać, jak prawidłowo kreować wokół niej popyt. Z jednej strony jest to bezmyślna maszyna (ale ty i ja doskonale to wiemy); nie chcemy komunikować się z osobami z M. Wideo”, a tym bardziej, gdy odwiedzamy zasoby takie jak Pornhub, chcemy uzyskać dokładnie to, czego potrzebujemy.
Dlaczego zawsze mówię o Pornhubie? Bo branża dla dorosłych jako pierwsza podchodzi do analizy takich technologii, do wdrażania takich technologii, do analizy danych. Jeśli weźmiesz trzy najpopularniejsze biblioteki w tym obszarze (na przykład TensorFlow lub Pandas dla Pythona, do przetwarzania plików CSV itd.), jeśli otworzysz je na Githubie, po krótkim Google wszystkich tych nazw znajdziesz kilka osób, które pracowały lub obecnie pracują w firmie Pornhub i jako pierwsze wdrożyły tam systemy rekomendacji. W ogóle ta historia jest bardzo zaawansowana i pokazuje, jak bardzo ta publiczność, jak bardzo ta firma poszła do przodu.
Trzy poziomy identyfikacji
Istnieje ogromny zbiór danych dotyczących danej osoby, które można zidentyfikować. Zwykle formalnie dzielę to na trzy poziomy, wchodząc coraz głębiej. Oczywiście firma posiada własne dane.
Jeśli, powiedzmy, mówimy o budowaniu systemu rekomendacji, to pierwszy poziom to dane, które znajdują się w samym sklepie (historia zakupów, wszelkiego rodzaju transakcje, sposób interakcji danej osoby z interfejsem).
Dalej jest poziom (stosunkowo największy) - to tak zwane otwarte źródła. Nie myśl, że zachęcam Cię do przeglądania sieci społecznościowych, ale tak naprawdę to, co jest dostępne w otwartych źródłach, otwiera ogromny zbiór danych, dzięki którym możesz, powiedzmy, dowiedzieć się o danej osobie.
Trzecią ważną częścią jest środowisko samej tej osoby. Tak, istnieje opinia, że jeśli danej osoby nie ma na portalach społecznościowych, to nie ma tam żadnych danych na jej temat (pewnie już wiesz, że to nieprawda), ale najważniejsze jest to, aby dane, które znajdują się na profilu danej osoby (lub w jakiejś aplikacji) to tylko 40% wiedzy, jaką można o nim zdobyć. Resztę informacji uzyskuje się z jego otoczenia. Wyrażenie „powiedz mi, kim jest twój przyjaciel, a powiem ci, kim jesteś” nabiera w XXI wieku nowego znaczenia, ponieważ na temat tej osoby można pozyskać ogromną ilość danych.
Jeśli mówimy bliżej o komunikacji reklamowej, to otrzymywanie komunikacji reklamowej nie od reklamy, a od jakiegoś znajomego, znajomego lub w jakiś sposób zweryfikowanej osoby jest bardzo fajną funkcją, z której korzysta wielu marketerów. Kiedy jakaś aplikacja nagle daje Ci darmowy kod promocyjny, publikujesz o tym post i tym samym przyciągasz nowych odbiorców. W rzeczywistości ten kod promocyjny dla warunkowego „Yandex.Taxi” nie został wybrany losowo, ale w tym celu przeanalizowano ogromną ilość danych na temat Twojego potencjału przyciągnięcia nowych odbiorców i jakiejś interakcji z nimi.
Analizują nawet zachowania bohaterów seriali telewizyjnych
Pokażę ci trzy zdjęcia, a ty powiesz mi, jaka jest między nimi różnica.
Ten:
Ten:
I ten:
Jaka jest różnica między nimi? Tutaj wszystko jest proste. Podobnie jak w mechanice kwantowej, i w tym przypadku twórczość ta jest tworzona przez obserwatora. Oznacza to, że różnica w tej samej kampanii reklamowej prowadzonej przez tę samą markę w tym samym czasie polega tylko na tym, kto oglądał tę kreację. Osobiście, kiedy chodzę do Amediateki, wciąż pokazują Khal Drogo. Nie wiem, co Amediateka myśli o moich preferencjach, ale z jakiegoś powodu tak się dzieje.
To, co obecnie nazywa się komunikacją spersonalizowaną, to najpopularniejsza opowieść o przyciąganiu odbiorców i właściwej interakcji z nimi. Jeśli na pierwszym etapie zidentyfikowaliśmy osoby korzystając z danych naszej marki własnej, danych open source i np. danych z otoczenia tej osoby, to po jej przeanalizowaniu jesteśmy w stanie zrozumieć, kim on jest, jak poprawnie z nim rozmawiać i co najważniejsze , jakim językiem mówi, porozmawiaj z nim.
W tym przypadku technologia posunęła się tak daleko, że obecnie analizuje się postacie z seriali telewizyjnych, które ludzie oglądają. Oznacza to, że lubisz seriale telewizyjne - oni [lajki] są oglądani, patrzą, z kim miałeś w nich interakcję, aby zrozumieć, z jaką osobą byłby odpowiedni dla ciebie kontakt. Brzmi to jak kompletny nonsens, ale tak dla zabawy wypróbuj to na jednym z zasobów - różni ludzie widzą różne kreacje (aby poprawnie z nimi współdziałać).
Żadne współczesne media ani żadne zasoby wideo nie pokazują tylko niektórych wiadomości. Idź do mediów - załadowana jest ogromna liczba algorytmów, które Cię identyfikują, rozumieją całą Twoją poprzednią aktywność, odwołują się do modelu matematycznego, a następnie coś Ci pokazują. W tym przypadku mamy do czynienia z taką dziwną historią.
Jak określa się potrzeby? Psychometria. Fizjonomia
Istnieje wiele (realnych) podejść do określenia rzeczywistych potrzeb danej osoby i prawidłowego komunikowania się z nią. Podejść jest wiele, wszystko rozwiązuje się inaczej, nie da się powiedzieć, co jest dobre, a co złe. Wydaje się, że główni wiedzą wszystko.
Psychometria. Po tej historii z Cambridge Analytics nastąpił, moim zdaniem, szok, pewien zwrot, bo teraz co druga firma polityczna przychodzi i mówi: „Och, czy możesz sprawić, że polubię Trumpa? Ja też chcę wygrać i tak dalej. W rzeczywistości jest to oczywiście nonsens w naszej rzeczywistości, na przykład wybory polityczne. Ale aby określić psychotypy, stosuje się trzy modele:
- pierwszy opiera się na treściach, które konsumujesz – słowach, które piszesz, niektórych informacjach, które lubisz, filmach itp.;
- drugi jest powiązany ze sposobem interakcji z interfejsem internetowym, sposobem pisania i naciskania przycisków – w rzeczywistości istnieją całe firmy, które na podstawie pisma odręcznego na klawiaturze potrafią całkiem wiarygodnie określić, co nazywa się obecnie psychotypami.
- Nie jestem zbyt wielkim psychologiem, nie do końca rozumiem, jak to działa, ale z punktu widzenia przekazu reklamowego widownia podzielona na te segmenty sprawdza się bardzo dobrze, bo komuś trzeba pokazać czerwony ekran z niebieskim kobieto, trzeba komuś pokazać ciemny ekran – niebieskie tło z jakąś abstrakcją i to działa bardzo fajnie. Na pewnym niskim poziomie – tak bardzo, że człowiek nawet o tym nie myśli. Jaki jest obecnie główny problem rynku reklamowego? Każdy jest agentem wywiadu, każdy się ukrywa, każdy ma zainstalowany milion tysięcy uprawnień przeglądarki, aby nie zostać w żaden sposób zidentyfikowany - prawdopodobnie masz „Adblocks”, „Gostrey” i wszelkiego rodzaju aplikacje blokujące śledzenie. Z tego powodu bardzo trudno jest zrozumieć cokolwiek na temat danej osoby. A technologia poszła do przodu - musisz nie tylko wiedzieć, że ta osoba wróciła na Twoją stronę po raz 125, ale także, że jest taką i taką dziwną osobą.
Fizjonomia jest nauką bardzo kontrowersyjną. Nie jest to nawet uważane za naukę. To grupa ludzi, która kiedyś programowała wykrywacze kłamstw dla jakiegoś MSW, a obecnie zajmuje się tzw. personifikacją twórczości. Podejście jest tutaj bardzo proste: kilka Twoich publicznych zdjęć pochodzi z niektórych sieci społecznościowych i z nich budowana jest trójwymiarowa geometria. A jeśli jesteś prawnikiem, powiesz teraz, że jest to osoba i dane osobowe; ale powiem ci, że jest to 300 tysięcy punktów zlokalizowanych w kosmosie i nie jest to osoba ani dane osobowe. To zwykle mówią wszyscy, gdy przychodzi do nich Roskomnadzor.
Ale tak na serio, Twoja twarz osobno, jeśli nie jest tam podpisane Twoje imię i nazwisko, nie jest Twoimi danymi osobowymi. Chodzi o to, że chłopaki zaznaczają różne rysy twarzy, które wpływają na to, jak dana osoba podejmuje decyzje i jak prawidłowo z nią współdziałać. W niektórych obszarach działa to słabo, w niektórych segmentach reklamy; w jakich segmentach sprawdza się bardzo dobrze. Ostatecznie okazuje się, że kiedy wchodzisz do jakiegoś zasobu, widzisz nie tylko jeden baner, który jest wyświetlany wszystkim, ale na przykład… teraz normalne jest tworzenie 16 lub 20 opcji dla różnych odbiorców – i to działa bardzo fajny. Tak, jest to jeszcze smutniejsze z punktu widzenia konsumenta, ponieważ ludźmi zaczyna się coraz bardziej manipulować. Niemniej jednak z biznesowego punktu widzenia działa to bardzo dobrze.
Czarna skrzynka uczenia maszynowego
Rodzi to następujący problem z takimi technologiami: w końcu dla większości programistów to, co nazywa się obecnie głębokim uczeniem, jest „czarną skrzynką”. Jeśli kiedykolwiek zagłębiłeś się w tę historię i rozmawiałeś z twórcami, zawsze mówią: „Och, słuchaj, cóż, zakodowaliśmy tam coś tak niezrozumiałego i nie wiemy, jak to działa”. Być może komuś się to przytrafiło.
W rzeczywistości jest to dalekie od prawdy. To, co obecnie nazywa się uczeniem maszynowym, jest dalekie od „czarnej skrzynki”. Istnieje ogromna liczba podejść do opisu danych wejściowych i wyjściowych, a ostatecznie firma może dokładnie zrozumieć, na podstawie jakich znaków maszyna zdecydowała się pokazać Ci ten lub inny film pornograficzny. Rzecz w tym, że żadna z firm nigdy tego nie ujawnia, bo: po pierwsze, jest to tajemnica handlowa; po drugie, będzie ogromna ilość danych, o których nawet nie miałeś pojęcia.
Na przykład wcześniej w dyskusji na temat etyki omawialiśmy, w jaki sposób sieci społecznościowe analizują osobiste wiadomości, aby oznaczać ludzi w pewnego rodzaju historiach reklamowych. Jeśli napiszesz coś do kogoś, na tej podstawie otrzymasz konkretny tag, służący w istocie do pewnego rodzaju przekazu reklamowego. I nigdy tego nie udowodnisz i prawdopodobnie nie ma sensu tego udowadniać. Gdyby jednak odkryto podobne wzorce, istniałyby. Okazuje się, że rynek budowy takich systemów rekomendacyjnych udaje, że nie wie, dlaczego tak się stało.
Ludzie nie chcą wiedzieć, co inni o nich wiedzą
A druga historia jest taka, że klient nigdy nie chce wiedzieć, dlaczego otrzymał tę konkretną reklamę, ten konkretny produkt. Opowiem ci tę historię. Moje pierwsze doświadczenie z komercyjnym wdrażaniem systemów rekomendacji opartych na podobnych algorytmach właśnie na potrzeby badań miało miejsce w 2015 roku w bardzo dużej sieci sex shopów (tak, też nie jest to szczególnie nieprzyjemna historia).
Klientom zaproponowano następującą opcję: wchodzą, logują się za pomocą swojej sieci społecznościowej i po około 5 sekundach otrzymują dla nich całkowicie spersonalizowany sklep, czyli wszystkie produkty się zmieniły - należą do określonej kategorii i tak dalej . Czy wiesz o ile wzrósł współczynnik konwersji tego sklepu? W żadnym wypadku! Ludzie weszli i natychmiast od niego uciekli. Przyszli i zdali sobie sprawę, że zaoferowano im dokładnie to, o czym myśleli...
Problem z tym testem polegał na tym, że pod każdym produktem było napisane, dlaczego zaproponowano Ci właśnie ten konkretny produkt („ponieważ należysz do ukrytej grupy „Silna kobieta szuka mężczyzny, który jest wycieraczką”). Dlatego współczesne systemy rekomendacji nigdy nie pokazują danych, na podstawie których sporządzono „prognozę”.
Bardzo popularną historią są media, ponieważ wszystkie korzystają z podobnych systemów rekomendacji. Wcześniej algorytmy były bardzo proste: spójrz na kategorię „Polityka” - i pokażą Ci wiadomości z kategorii „Polityka”. Teraz wszystko jest tak skomplikowane, że analizują miejsca, w których zatrzymałeś mysz, na jakich słowach się skoncentrowałeś, co skopiowałeś, jak ogólnie wchodziłeś w interakcję z tą stroną. Następnie analizuje słownictwo samych przekazów: tak, nie czyta się tylko wiadomości o Putinie, ale w pewien sposób, z pewnym zabarwieniem emocjonalnym. A kiedy ktoś otrzymuje jakąś wiadomość, nawet nie myśli o tym, jak tu przyszedł. Niemniej jednak następnie wchodzi w interakcję z tą treścią.
Wszystko to oczywiście ma na celu odciągnięcie biednego, nieszczęsnego małego człowieka, który już oszalał, od ogromnej ilości otaczających go informacji. Tutaj trzeba powiedzieć, że fajnie byłoby używać takich systemów do personalizowania otaczającej Cię kreacji i zbierania pewnych informacji, ale niestety nie ma jeszcze takich usług.
Sztuczna inteligencja łapie klienta w powietrzu i kreuje popyt
I tu pojawia się bardzo ciekawe pytanie filozoficzne, przechodzące od stworzenia systemu rekomendacji do kreowania popytu. Rzadko kiedy ktoś o tym myśli, ale gdy próbujesz zapytać tzw. Instagrama: „Po co zbierasz dane? Dlaczego nie pokażesz mi zupełnie przypadkowych reklam?” – Instagram powie Ci: „Przyjacielu, to wszystko ma na celu pokazanie Ci dokładnie tego, co Cię interesuje”. Chcemy Cię poznać tak dokładnie, żebyśmy mogli pokazać Ci dokładnie to, czego szukasz.
Ale technologia już dawno przekroczyła ten straszny próg i podobne technologie nie przewidują już, czego potrzebujesz. Oni (uwaga!) kreują popyt. To prawdopodobnie najstraszniejsza rzecz, która dotyczy sztucznej inteligencji w tego typu komunikacji. Przerażające jest to, że przez ostatnie 3-5 lat był używany niemal wszędzie – od wyników wyszukiwania Google, przez wyniki wyszukiwania Yandex, po niektóre systemy… Dobra, nie powiem nic złego o Yandex; I dobrze.
Jaki jest sens? Już dawno w komunikacji reklamowej odeszliśmy od strategii, w której pisze się „chcę kupić fotelik dziecięcy” i ogląda się sto miliardów publikacji. Przeszli do tego: gdy tylko kobieta opublikowała zdjęcie z ledwo widocznym brzuchem, od razu po jej mężu zaczęły pojawiać się komunikaty: „Człowieku, poród już niedługo. Kup fotelik dziecięcy.”
W tym miejscu można rozsądnie zapytać, dlaczego przy tak gigantycznym postępie technologicznym wciąż widzimy tak gówniane reklamy w sieciach społecznościowych? Problem w tym, że na tym rynku nadal o wszystkim decydują pieniądze, więc w pewnym pięknym momencie jakiś reklamodawca taki jak Coca-Cola może przyjść i powiedzieć: „Oto 20 milionów dla ciebie – pokaż moje gówniane banery całemu Internetowi”. I naprawdę to zrobią.
Ale jeśli założysz jakieś czyste konto i sprawdzisz, jak dokładnie takie algorytmy Cię odgadną: najpierw próbują Cię odgadnąć, a potem zaczną z wyprzedzeniem coś z Tobą robić. A ludzki mózg działa w ten sposób, że otrzymując wiarygodną dla niego informację, nawet nie przetwarza momentu, w którym tę informację otrzymał. Pierwszą zasadą pozwalającą ustalić, że śnisz, jest zrozumienie, jak tu przybyłeś. Człowiek nigdy nie pamięta momentu, w którym znalazł się w określonym pokoju. Tutaj jest tak samo.
Google może zacząć kształtować Twój światopogląd
Badania takie przeprowadziło kilka zagranicznych firm zajmujących się i-trackingiem. Na specjalnych komputerach zainstalowali urządzenia, które rejestrują, gdzie patrzą oczy osoby badanej. Wziąłem od pięciu do siedmiu tysięcy ochotników, którzy po prostu przewijali kanał, wchodzili w interakcję z sieciami społecznościowymi, reklamami i rejestrowali informacje, na których częściach banerów i kreacji zatrzymali wzrok ci ludzie.
I okazuje się, że ludzie otrzymując tak hiperspersonalizowaną kreację nawet o tym nie myślą – od razu idą dalej, wchodzą z nią w interakcję. Z biznesowego punktu widzenia to dobrze, ale z punktu widzenia nas, użytkowników, nie jest to zbyt fajne, bo – czego oni się boją? – Aby w pewnym pięknym momencie warunkowe „Google” mogło zacząć (lub oczywiście nie zacząć) kształtować swój własny światopogląd. Jutro na przykład może zacząć pokazywać ludziom wiadomość, że Ziemia jest płaska.
Żartuję, ale przyłapano ich już tyle razy, że podczas wyborów zaczynają podawać określone informacje konkretnym osobom. Wszyscy jesteśmy przyzwyczajeni do tego, że wyszukiwarka wszystko dostaje uczciwie. Ale jak zawsze powtarzam, jeśli naprawdę chcesz wiedzieć, jak działa świat, napisz własną wyszukiwarkę, bez filtrów, bez zwracania uwagi na prawa autorskie, bez umieszczania niektórych znajomych w wynikach wyszukiwania. Wyświetlanie prawdziwych danych w Internecie zasadniczo różni się od tego, co pokazują Google, Yandex, Bing i tak dalej. Niektóre materiały są ukryte, ponieważ przyjaciele, koledzy, wrogowie lub ktoś inny (lub były kochanek, z którym spałeś) - to nie ma znaczenia.
Jak Trump wygrał
Kiedy w Stanach Zjednoczonych odbyły się ostatnie wybory, przeprowadzono bardzo proste badanie. Przyjęli te same żądania w różnych miejscach, z różnych adresów IP, z różnych miast, różni ludzie szukali w Google tego samego. Tradycyjnie prośba była w stylu: kto wygra wybory? I o dziwo, wyniki zostały tak skonstruowane, że w tych stanach, w których najwięcej osób próbowało głosować na niewłaściwego kandydata, docierały do nich dobre wieści na temat promowanego przez Google kandydata. Który? No cóż, wiadomo który – ten, który został prezydentem. Jest to historia absolutnie nie do udowodnienia, a wszystkie te badania to palec w wodzie. Google może powiedzieć: „Chłopaki, to wszystko po to, abyśmy wyświetlali wam najbardziej odpowiednie treści”.
Odtąd powinieneś wiedzieć, że to, co nazywa się maksymalnie istotnym, absolutnie nie jest prawdą. Firma nazywa istotnym czymś, co należy Ci sprzedać z dobrego lub złego powodu.
Ci, którzy nie mają pieniędzy teraz, są już przygotowani na przyszłe zakupy
Jest jeszcze jedna interesująca kwestia, o której wam opowiem. Ogromną liczbę aktywnych odbiorców w sieciach społecznościowych i aplikacjach stanowią obecnie młodzi ludzie. Nazwijmy to tak - niewypłacalna młodzież: dzieci w wieku 8-9 lat, które grają w kretyńskie gry, to 12-13-14 lat, które dopiero rejestrują się w sieciach społecznościowych. Dlaczego ogromne firmy miałyby wydawać ogromne budżety i zasoby na tworzenie aplikacji dla niepłacących odbiorców, na których nigdy nie zarabia się pieniędzy? W momencie, gdy ta publiczność stanie się wypłacalna, będzie wystarczająca ilość danych na jej temat, aby bardzo dobrze przewidzieć jej zachowanie.
Teraz zapytaj dowolnego specjalistę ds. targetowania, jaka jest najtrudniejsza publiczność? Powiedzą: wysoce opłacalne. Ponieważ sprzedaż na przykład mieszkania o wartości 150 milionów rubli za pośrednictwem sieci społecznościowych jest prawie niemożliwa. Zdarzają się pojedyncze przypadki, gdy robisz jakąś reklamę na 10 tysięcy osób, ktoś kupuje to mieszkanie - klient odnosi sukces... Ale jeden na dziesięć tysięcy, statystycznie rzecz biorąc, to kompletna bzdura. Dlaczego więc trudno jest zidentyfikować odbiorców o wysokich dochodach? Ponieważ ludzie, którzy obecnie należą do bardzo dochodowej publiczności, urodzili się, gdy Internet był jeszcze bardzo mały, kiedy nikt jeszcze nie znał Artemy'ego Lebiediewa i nie ma o nich żadnych informacji. Nie da się przewidzieć wzorców ich zachowań, nie da się zrozumieć, kim są ich liderzy opinii i z jakich źródeł treści czerpią.
Kiedy więc za 25 lat wszyscy zostaniecie miliarderami, a firmy, które będą wam coś sprzedawać, będą miały ogromną ilość danych. Dlatego właśnie mamy w Europie wspaniałe RODO, które uniemożliwia zbieranie danych od nieletnich.
Oczywiście w praktyce to w ogóle nie działa, ponieważ wszystkie dzieci nadal bawią się na kontach matki i ojca - w ten sposób zbierane są informacje. Gdy następnym razem będziesz dawać dziecku tablet, pomyśl o tym.
Absolutnie nie jakaś straszna, dystopijna przyszłość, kiedy wszyscy zginą w wojnie z maszynami – to teraz absolutnie prawdziwa historia. Istnieje ogromna liczba firm, które tworzą algorytmy psychoprofilowania ludzi na podstawie tego, jak grają w gry. Bardzo ciekawa branża. Na tej podstawie ludzie są następnie segmentowani, aby w jakiś sposób się z nimi porozumieć.
Przewidywanie zachowań tych osób będzie możliwe za 10-15 lat – dokładnie w momencie, gdy staną się oni wypłacalną publicznością. Najważniejsze, że te osoby już wcześniej wyraziły zgodę na przetwarzanie swoich danych osobowych, przekazywanie ich osobom trzecim i to wszystko jest szczęściem i tak dalej.
Kto straci pracę?
A moja ostatnia historia jest taka, że wszyscy zawsze pytają, co będzie za 50 lat: wszyscy umrzemy, dla marketerów będzie bezrobocie... Są tu marketerzy, którzy martwią się bezrobociem, prawda? Ogólnie rzecz biorąc, nie ma się czym martwić, ponieważ żadna wysoko wykwalifikowana osoba nie straci pracy.
Nieważne, jakie algorytmy zostaną stworzone, nieważne, jak blisko maszyna zbliży się do tego, co mamy tutaj (wskazuje na głowę), jeśli będzie się rozwijać wystarczająco szybko, tacy ludzie nigdy nie zostaną pozostawieni bezczynni, bo ktoś będzie musiał tworzyć te twórcze rzeczy Do. Tak, jest mnóstwo „ganów”, którzy rysują obrazy przypominające ludzi i tworzą muzykę, ale nadal jest mało prawdopodobne, aby ludzie w tym rejonie kiedykolwiek stracili pracę.
Mam wszystko z tą historią, więc jeśli masz więcej, możesz zadawać pytania. Dziękuję.
Moderator: – Kochani, przechodzimy teraz do bloku „Pytania i odpowiedzi”. Podnosisz rękę – podchodzę do Ciebie.
Pytanie od publiczności (XNUMX): – Pytanie o „czarną skrzynkę”. Powiedzieli, że można konkretnie zrozumieć, dlaczego taki a taki wynik uzyskano dla takiego i takiego użytkownika. Czy to są jakieś algorytmy, czy też trzeba to każdorazowo analizować ad hoc dla każdego modelu (przyp. autora: „specjalnie do tego” – łacińska jednostka frazeologiczna)? A może istnieją gotowe rozwiązania dla jakiejś sieci neuronowej, które z grubsza rzecz biorąc mogą mieć sens biznesowy?
OH: – Tutaj musisz zrozumieć, co następuje: w uczeniu maszynowym jest ogromna liczba zadań. Na przykład jest zadanie - regresja. Do regresji nie są w ogóle potrzebne sieci neuronowe. Wszystko jest proste: masz kilka wskaźników, musisz obliczyć, co następuje. Są zadania, w których konieczne jest skorzystanie z czegoś takiego jak głębokie uczenie się. Rzeczywiście, w przypadku głębokiego uczenia się trudno jest wiarygodnie zrozumieć, jakie wagi przypisano konkretnym neuronom, ale z prawnego punktu widzenia wszystko, czego potrzebujesz, to zrozumieć, jakie dane znajdowały się na wejściu i jak były odtwarzane na wyjściu. To wystarczy prawnie, aby opatentować taką decyzję i wystarczy zrozumieć, na jakiej podstawie powstała cała historia.
To nie jest tak, że weszłeś na tę stronę i pokazano Ci jakiś baner, ponieważ dwa miesiące temu zrobiłeś zdjęcie z rudymi włosami na Instagramie. Jeśli deweloper nie uwzględni gromadzenia tych danych i oznaczenia koloru włosów w tym modelu, to nie pojawi się to znikąd.
Jak sprzedawać wyniki systemów uczenia maszynowego?
Z: – Pytanie tylko co: jak dokładnie wytłumaczyć, jak sprzedać komuś, kto nie rozumie uczenia maszynowego. Chcę powiedzieć: moja modelka wyraźnie prowadzi od koloru włosów do… no cóż, zmiany koloru włosów… Czy to możliwe, czy nie?
OH: - Może tak. Ale z punktu widzenia sprzedaży zadziała jedyny schemat: masz kampanię reklamową, zastępujemy odbiorców tą wygenerowaną przez maszynę - i po prostu widzisz wynik. Tylko tak niestety można rzetelnie przekonać klienta, że taka historia działa, bo na rynku jest mnóstwo rozwiązań, które kiedyś zostały wdrożone i nie sprawdziły się.
O tworzeniu wirtualnej osobowości
Z: - Cześć. Dziękuję za wykład. Pytanie brzmi: jakie szanse ma osoba, która z jakiegoś powodu nie chce podążać śladem uczenia maszynowego, aby stworzyć dla siebie wirtualną osobowość radykalnie odmienną od własnej osobowości, poprzez interakcję z interfejsem lub dla niektórych inny powód?
OH: – Istnieje wiele różnych wtyczek, które zajmują się konkretnie losowym zachowaniem. Jest fajna rzecz - Ghostery, która moim zdaniem prawie całkowicie ukrywa Cię przed mnóstwem różnych trackerów, które nie mogą następnie zapisać tych informacji. Ale tak naprawdę teraz wystarczy zamknięty profil na portalach społecznościowych, aby nikt, żadne złe skrobaki, nie mógł tam niczego zbierać. Chyba lepiej zainstalować jakieś rozszerzenie lub napisać coś samodzielnie.
Widzisz, koncepcja jest taka, że z prawnego punktu widzenia, na przykład, dane osobowe odnoszą się do danych, na podstawie których można Cię zidentyfikować, a prawo podaje jako przykład Twój adres zamieszkania, wiek i tak dalej. W dzisiejszych czasach istnieje niezliczona ilość danych, dzięki którym można Cię zidentyfikować: to samo pismo odręczne na klawiaturze, to samo naciśnięcie, cyfrowy podpis przeglądarki... Prędzej czy później ktoś popełnia błąd. Może być gdzieś w „kawiarni” za pomocą „Thor”, ale w końcu, w pewnym pięknym momencie, albo VPN zapomni się włączyć, albo coś innego i w tym momencie można go zidentyfikować. Najłatwiej więc założyć konto prywatne i zainstalować jakieś rozszerzenie.
Rynek zmierza do punktu, w którym wystarczy nacisnąć jeden przycisk, aby uzyskać wyniki.
Z: - Dziękuję za historię. Jak zwykle bardzo ciekawie (obserwuję). Pytanie brzmi: jaki jest postęp w tworzeniu pozytywnych dla użytkowników systemów, systemów rekomendacji? Powiedziałaś, że kiedyś pracowałaś nad systemem rekomendacji znalezienia partnera seksualnego, przyjaciela w życiu (lub muzyki, którą dana osoba mogłaby potencjalnie polubić)… Jak bardzo to wszystko jest obiecujące i jak widzisz jego rozwój od z punktu widzenia tworzenia systemów, których ludzie potrzebują?
OH: – Generalnie rynek zmierza do punktu, w którym ludzie muszą nacisnąć jeden przycisk i od razu dostać to, czego potrzebują. Jeśli chodzi o moje doświadczenie w tworzeniu aplikacji randkowych (nawiasem mówiąc, wznowimy je pod koniec roku), oprócz tego, że 65% stanowili żonaci mężczyźni, najtrudniejszym problemem z rekomendacją było to, że danej osobie zaproponowano kilka modelek na początku aplikacji - „Przyjaźń”, „Seks”, „Przyjaźń seksualna” i „Biznes”. Ludzie nie wybierali tego, czego potrzebowali. Mężczyźni przyszli i wybrali „Miłość”, ale w rzeczywistości rzucali na wszystkich nagością i tak dalej.
Problem polegał na zidentyfikowaniu osoby, która nie pasuje do żadnego z tych modeli i jakoś płynnie ją zabrać i przesunąć w drugą stronę. Ze względu na niewielką ilość danych bardzo trudno określić, czy jest to błąd w algorytmie prognostycznym, czy też dana osoba nie należy do swojej kategorii. Podobnie jest z muzyką: obecnie jest bardzo niewiele naprawdę godnych uwagi algorytmów, które potrafią dobrze „facastować” muzykę. Może „Yandex.Music”. Niektórzy uważają, że algorytm Yandex.Music jest zły. Na przykład ją lubię. Mnie osobiście nie podoba się na przykład algorytm muzyki YouTube i tak dalej.
Są oczywiście pewne subtelności - wszystko jest powiązane z licencjami... Ale w rzeczywistości zapotrzebowanie na takie systemy jest dość duże. Swego czasu znana była firma Retail Rocket, która zajmowała się wdrażaniem systemów rekomendacyjnych, ale teraz jakoś nie radzi sobie zbyt dobrze – najwyraźniej dlatego, że przez długi czas nie rozwijała swoich algorytmów. Wszystko zmierza w tym kierunku – do tego stopnia, że wchodzimy i nie naciskając niczego, zdobywamy to, czego potrzebujemy (i stajemy się kompletnie głupi, bo nasza zdolność wyboru całkowicie zniknęła).
Marketing wpływu
Z: - Cześć. Nazywam się Konstanty. Chciałbym zadać pytanie dotyczące marketingu wpływu. Czy znasz jakieś systemy, które pozwalają firmie wybrać odpowiedniego blogera dla firmy na podstawie danych statystycznych i tak dalej? A na jakiej podstawie się to robi?
OH: – Tak, zacznę od daleka i od razu powiem, że problem z tymi wszystkimi technologiami polega na tym, że cała ta sztuczna inteligencja w marketingu działa teraz jak linoskoczek: po lewej stronie są duże firmy, które mają dużo pieniędzy, a w w każdym razie wszystko będzie dla nich skuteczne, ponieważ ich kampanie reklamowe nastawione są po prostu na wyświetlenia; z drugiej strony istnieje wiele małych firm, w przypadku których to nie zadziała, ponieważ dysponują dużą ilością danych. Jak dotąd, przydatność tych historii plasuje się gdzieś pośrodku.
Kiedy już są dobre budżety, a zadaniem jest prawidłowe ich przetworzenie (a w zasadzie danych jest już całkiem sporo)… Znam kilka serwisów, np. Getblogger, które podobno mają algorytmy. Szczerze mówiąc, nie studiowałem tych algorytmów. Mogę powiedzieć, jakiego podejścia używamy, aby znaleźć liderów opinii, gdy musimy dać prezent niektórym matkom.
Używamy metryki zwanej czasem dystrybucji treści. Działa to w ten sposób: bierzesz osobę, której odbiorców analizujesz i systematycznie (np. raz na 5 minut) zbierasz informacje o każdym poście, kto go polubił, skomentował i tak dalej. W ten sposób dowiesz się, w którym momencie każda osoba z Twojej grupy odbiorców weszła w interakcję z Twoimi treściami. Powtórz tę operację dla każdego przedstawiciela swojej publiczności, a co za tym idzie, wykorzystując metrykę średniego czasu rozpowszechniania treści, można ją np. pokolorować na dużym wykresie sieciowym tych osób i wykorzystać tę metrykę do budowy klastrów.
Działa to całkiem dobrze, jeśli chcemy na przykład znaleźć 15 matek, które podtrzymują swoją opinię publiczną na jakiejś kobiecie.ru. Jest to jednak dość złożona implementacja techniczna (choć czysto teoretycznie da się to zrobić w Pythonie). Najważniejsze jest to, że problem z marketingiem wpływu w dużych agencjach reklamowych polega na tym, że potrzebują one dużych, fajnych i drogich blogerów, którzy nie pracują za gówno. Teraz marka samochodowa chce sprzedać jakiś produkt za pośrednictwem jakiegoś lidera opinii – musi w ostateczności skorzystać z blogera motoryzacyjnego, bo jej odbiorcy albo już kupili samochód, albo wiedzą dokładnie, jakiego samochodu chcą, po prostu siedzi i patrzy na fajne samochody. Ważne jest, aby nie przegapić analizy odbiorców samej osoby.
Boty marketingowe
Z: – Powiedz mi, jak bardzo boty na portalach społecznościowych wpływają na gromadzenie informacji i ich jakość?
OH: – To bardzo interesująca rzecz z botami. Tanie boty są dość łatwe do zidentyfikowania - albo mają tę samą treść, albo są ze sobą przyjaciółmi, albo są w tej samej sieci. Istnieją również podejścia do radzenia sobie ze złożonymi botami. A może zadajesz sobie pytanie, jak połączyć osobę z jej podróbką?
Z: – Jak wysokiej jakości informacje zostaną uzyskane przy tych wszystkich śmieciach?
OH: – Tutaj to działa w ten sposób: ze względu na to, że jest ogromna ilość danych (na przykład do jakichś badań marketingowych), całą tę hołotę można po prostu wyrzucić. Oznacza to, że lepiej wyrzucić trochę więcej prawdziwych ludzi, niż przechwytywać boty, ponieważ wyświetlanie im reklam nie ma sensu. Jeśli jednak zbierzesz metryki, na przykład interakcje z banerami lub systemami rekomendacji, takie konta mogą zostać wyrzucone.
Obecnie w sieciach społecznościowych znajduje się około sześciu procent wirtualnych postaci lub po prostu porzuconych stron lub introwertyków, których algorytmy „dopasowują” do botów. Jeśli chodzi o powiązanie osoby z jej fałszywką, również tutaj wszystko wiąże się z tym, że dana osoba prędzej czy później popełni błąd, a rzecz w tym, że model zachowania jest ten sam - zarówno jego prawdziwe konto, jak i jego fałszywe. Prędzej czy później obejrzą tę samą treść lub coś innego.
Tutaj wszystko sprowadza się nie do procentu błędu, ale do ilości czasu potrzebnego do wiarygodnej identyfikacji osoby. Dla kogoś, kto żyje swoim Instagramem, czas na wiarygodną identyfikację sprowadza się do pięciu minut. Dla niektórych – o sześć do ośmiu miesięcy.
Komu i jak sprzedawać dane?
Z: - Cześć. Interesuje mnie, w jaki sposób dane są sprzedawane pomiędzy firmami? Mam na przykład aplikację, w której możesz dowiedzieć się (dla programisty), dokąd dana osoba chodzi, do jakich sklepów chodzi i ile pieniędzy tam wydaje. I ciekawi mnie, jak, powiedzmy, mogę sprzedać dane o moich odbiorcach tym sklepom lub umieścić je w jednej ogromnej bazie danych i zarabiać na tym?
OH: – Jeśli chodzi o sprzedaż danych komuś bezpośrednio, to ty i wszyscy inni wyprzedziliście OFD – operatorów danych fiskalnych, którzy sprytnie wbudowali się pomiędzy przekazywanie czeków a Urzędem Skarbowym i teraz starają się sprzedać dane każdemu. Rzeczywiście, rozbili cały rynek analityki mobilnej. Tak naprawdę możesz osadzić swoją aplikację, na przykład piksel Facebooka, jego system DMP; następnie wykorzystaj tę publiczność do sprzedaży. Na przykład piksel „May Target”. Po prostu nie wiem, jakiego rodzaju masz publiczność, musisz to zrozumieć. Ale w każdym razie możesz zintegrować się z Yandex lub My Target, które są największymi systemami DMP.
To całkiem interesująca historia. Jedynym problemem jest to, że oddasz im cały ruch, a oni, jako giełdy, wezmą na siebie monetyzację tego ruchu. Mogą, ale nie muszą, powiedzieć Ci, że 10 osób skorzystało z Twojej publiczności. Dlatego albo budujesz własną sieć reklamową, albo poddajesz się dużym DMP.
Kto wygra – artysta czy technik?
Z: – Pytanie trochę odległe od części technicznej. Mówiono o obawach marketerów przed nadchodzącym masowym bezrobociem. Czy istnieje jakiś rodzaj walki konkurencyjnej pomiędzy kreatywnym marketingiem (wydaje się, że ci goście, którzy wymyślili reklamę kurczaków, reklamę Volkswagena) a tymi, którzy zajmują się Big Data (którzy mówią: teraz po prostu zbierzemy wszystkie dane i dostarczymy ukierunkowane reklamy wszyscy)? Jako osoba bezpośrednio zaangażowana, jaka jest Twoja opinia na temat tego, kto wygra – artysta, technik, a może wystąpi jakiś efekt synergii?
OH: – Słuchaj, cóż, oni razem pracują. Inżynierowie nie wymyślają kreatywności. Ci, którzy są kreatywni, nie wymyślają publiczności. Mamy tu do czynienia z pewnego rodzaju multidyscyplinarną historią. Prawdziwymi problemami są teraz ci, którzy siedzą i naciskają przyciski, ci, którzy wykonują „małpią robotę”, naciskając codziennie to samo – to ludzie, którzy znikną.
Ale ci, którzy analizują dane, naturalnie pozostaną, ale ktoś musi te dane przetworzyć. Ktoś będzie musiał wymyślić te obrazki, narysować je. Maszyna nie jest w stanie wykazać się taką kreatywnością! To kompletne szaleństwo! Albo jak na przykład wirusowa reklama Carprice, która swoją drogą zadziałała bardzo dobrze. Pamiętajcie, na YouTube był taki filmik: „Sprzedaj w Carprice”, absolutnie szalony. Oczywiście żadna sieć neuronowa nie wygeneruje takiej historii.
Generalnie jestem zwolennikiem tego, że to nie ludzie stracą pracę, ale będą mieli trochę więcej wolnego czasu, który będą mogli przeznaczyć na samokształcenie.
Prymitywne reklamy wymrą
Z: - Ogólnie rzecz biorąc, wyświetlane reklamy, banery - w zasadzie nie są tam napisane nawet teksty sprzedażowe: „Potrzebujesz okien - weź to!”, „Potrzebujesz czegoś innego - weź to!”, To znaczy tam w ogóle nie ma kreatywności.
OH: – Taka reklama oczywiście prędzej czy później wymrze. Wymrze nie tyle z powodu rozwoju technologii, ile z powodu rozwoju ciebie i mnie.
Lepiej mieszać istotne z nieistotnymi
Z: - Jestem tutaj! Mam pytanie dotyczące eksperymentu, o którym twierdziłeś, że się nie udał (z systemem rekomendacji). Czy Twoim zdaniem problemem jest to, co tam zostało podpisane, dlaczego jest to zalecane, czy może wszystko, co zobaczył użytkownik, wydawało mu się istotne? Bo czytałam o eksperymencie dla matek i nie było jeszcze za dużo danych i nie było za dużo danych z Internetu, były tylko dane od sprzedawcy artykułów spożywczych, który przewidywał ciążę (że zostaną matkami). A kiedy pokazali wybór produktów dla przyszłych matek, matki były przerażone, że dowiedziały się o nich przed jakimikolwiek oficjalnymi wydarzeniami. I to nie zadziałało. Aby rozwiązać ten problem, celowo wymieszali odpowiednie produkty z czymś zupełnie nieistotnym.
OH: „W szczególności pokazaliśmy ludziom, na jakiej podstawie sformułowano zalecenia, aby zrozumieć ich opinie. Właściwie to tutaj narodziła się koncepcja, że nie trzeba ludziom mówić, że są to dla niego bardzo istotne produkty.
Tak, nawiasem mówiąc, istnieje podejście do mieszania ich z nieistotnymi. Ale jest coś odwrotnego: czasami ludzie przychodzą i wchodzą w interakcję z tym nieistotnym produktem - pojawiają się przypadkowe wartości odstające, modele się psują i wszystko staje się jeszcze bardziej skomplikowane. Ale to faktycznie istnieje. Co więcej, wiele firm celowo, jeśli wie, że ktoś przetwarza ich dane (ktoś mógłby ukraść im takie dane), czasami je miesza, aby później móc udowodnić, że nie pobrałeś danych z ich systemu rekomendacji, ale z tak zwany Yandex.Market.
Blokowanie reklam i bezpieczeństwo przeglądarki
Z: - Cześć. Wspomniałeś o Ghostery i Adblocku. Czy możesz nam powiedzieć, jak ogólnie skuteczne są takie moduły śledzące (być może na podstawie statystyk)? A czy miałeś jakieś zamówienia od firm: mówią, upewnij się, że nasza reklama nie może zostać zamknięta przez Adblock.
OH: – Nie kontaktujemy się bezpośrednio z platformami reklamowymi – właśnie po to, aby nie prosiły o to, aby ich reklamy były widoczne dla wszystkich. Osobiście używam Ghostery – uważam, że to bardzo fajne rozszerzenie. Teraz wszystkie przeglądarki walczą o prywatność: Mozilla wydała mnóstwo wszelkiego rodzaju aktualizacji, Google Chrome jest teraz superbezpieczny. Wszyscy blokują wszystko, co mogą. „Safari” domyślnie wyłączyło nawet „Żyroskop”.
I ten trend jest oczywiście dobry (nie dla tych, którzy zbierają dane, choć im też z tego wyszło), bo ludzie najpierw blokowali pliki cookies. Każdy, kto był właścicielem sieci reklamowych, pamiętał tak wspaniałą technologię, jak odciski palców przeglądarki - są to algorytmy, które otrzymują 60 różnych parametrów (rozdzielczość ekranu, wersja, zainstalowane czcionki) i na ich podstawie obliczają unikalny „ID”. Przejdźmy do tego. Przeglądarki zaczęły się z tym zmagać. Ogólnie rzecz biorąc, będzie to niekończąca się bitwa tytanów.
Najnowsza wersja deweloperska Mozilla jest dość bezpieczna. Nie zapisuje praktycznie żadnych plików cookie i zapewnia krótki czas życia. Zwłaszcza jeśli włączysz „Incognito”, nikt Cię nie znajdzie. Pytanie jest takie, że wprowadzanie haseł we wszystkich usługach będzie niewygodne.
Gdzie psychotypowanie i fizjonomia działają, a gdzie nie?
Z: – Artur, bardzo dziękuję za wykład. Lubię też śledzić Twoje wykłady na YouTube. Wspomniałaś, że marketerzy coraz częściej sięgają po psychotypowanie i fizjonomię. Moje pytanie brzmi: w jakich kategoriach marek to działa? Uważam, że jest to odpowiednie tylko dla FMCG. Na przykład wybór samochodu to...
OH: – Mogę pobrać tam, gdzie dokładnie to działa. To działa w przypadku wszelkiego rodzaju opowiadań, takich jak „Amediateka”, seriale, filmy i tak dalej. To sprawdza się w bankach i produktach bankowych, jeśli nie jest to segment premium, ale wszelkiego rodzaju karty studenckie, plany ratalne i tego typu rzeczy. To naprawdę działa bardzo dobrze w FMCG i wszelkiego rodzaju iPhone'ach, ładowarkach i całym tym badziewiu. Świetnie sprawdza się to w produktach typu „mama i pop”. Chociaż wiem, że w rybołówstwie (jest taki temat)... Już kilka razy zdarzały się przypadki z rybakami - nigdy nie dało się ich rzetelnie posegmentować. Nie wiem dlaczego. Jakiś błąd statystyczny.
Nie działa to dobrze w przypadku kierowców, biżuterii lub niektórych artykułów gospodarstwa domowego. Tak naprawdę nie sprawdza się to w przypadku rzeczy, o których ludzie nigdy by nie pisali w mediach społecznościowych – można to sprawdzić w ten sposób. Konwencjonalnie przy zakupie pralki: oto jak zrozumieć, kto ma pralkę, a kto nie? Wygląda na to, że każdy to ma. Możesz skorzystać z danych OFD - zobacz, kto co kupił na podstawie paragonów i dopasuj te osoby na podstawie paragonów. Ale tak naprawdę są rzeczy, o których nigdy byś nie powiedział, na przykład na Instagramie - trudno z takimi rzeczami pracować.
Maszyny rozpoznają sztuczki jako statystyczne wypełnienie.
Z: – Mam pytanie dotyczące targetowania. Czy jest możliwy (a może nagle istnieją) warunkowy losowy bohater, który we wszystkim sobie zaprzecza: najpierw wpisuje w Google „najlepsze siłownie”, a potem w Google „10 sposobów na nic nierobienie”? I tak jest we wszystkim. Czy targetowanie może śledzić coś, co jest sprzeczne samo w sobie?
OH: – Pytanie tylko jest takie: jeśli korzystasz z Google od 2 lat, powiedziałeś mu o sobie wszystko, co możesz, a teraz instalujesz dla siebie wtyczkę, która będzie pisać podobne losowe zapytania, to oczywiście ze statystyk będziesz być w stanie zrozumieć – to, co teraz robisz, jest statystyczną wartością odstającą, a to wszystko jest kwestią odsiania. Jeśli chcesz, zarejestruj nowe konto, ale ilość reklam się nie zmieni. Po prostu zrobi się dziwnie. Chociaż nadal jest dziwna.
Kilka reklam 🙂
Dziękujemy za pobyt z nami. Podobają Ci się nasze artykuły? Chcesz zobaczyć więcej ciekawych treści? Wesprzyj nas składając zamówienie lub polecając znajomym, , unikalny odpowiednik serwerów klasy podstawowej, który został przez nas wymyślony dla Ciebie: (dostępne z RAID1 i RAID10, do 24 rdzeni i do 40 GB DDR4).
Dell R730xd 2 razy taniej w centrum danych Equinix Tier IV w Amsterdamie? Tylko tutaj w Holandii! Dell R420 — 2x E5-2430 2.2 GHz 6C 128 GB DDR3 2x960 GB SSD 1 Gb/s 100 TB — od 99 USD! Czytać o
Źródło: www.habr.com