Arthur Khachuyan je znani ruski strokovnjak za obdelavo velikih podatkov, ustanovitelj podjetja Social Data Hub (zdaj Tazeros Global). Partner Nacionalne raziskovalne univerze Visoka ekonomska šola. Skupaj z Nacionalno raziskovalno univerzo Visoka ekonomska šola je pripravil in predstavil predlog zakona o velikih podatkih v Svetu federacije.Govoril je na Inštitutu Curie v Parizu, Državni univerzi v Sankt Peterburgu, Zvezni univerzi pri Vladi Ruske federacije, pri Red Apple, International OpenDataDay, RIW 2016, AlfaFuturePeople.
Predavanje je bilo posneto na festivalu na prostem “Geek Picnic” v Moskvi leta 2019.
Arthur Khachuyan (v nadaljevanju – AH): – Če iz ogromnega števila panog – od medicine, od gradbeništva, od nečesa, nečesa, izbrati tisto, kjer se najpogosteje uporablja tehnologija velikih podatkov, strojnega učenja, globokega učenja, potem je to verjetno marketing. Kajti zadnja tri ali več let je vse, kar nas obdaja v nekakšnih oglaševalskih komunikacijah, vezano prav na analizo podatkov in prav na to, kar lahko imenujemo umetna inteligenca. Zato vam bom danes povedal o tem iz tako zelo oddaljene zgodovine...
Če si predstavljate umetno inteligenco in kako izgleda, je verjetno nekaj takega. Nenavadna slika je ena od nevronskih mrež, ki sem jih napisal pred enim letom, da bi ugotovil odvisnost od tega, kaj počne moj pes - kolikokrat mora biti velik, majhen in kako je to na splošno odvisno od tega, koliko poje ali ne?. To je šala o tem, kako si je mogoče zamisliti umetno inteligenco.
A vseeno pomislimo, kako vse skupaj deluje v oglaševalskem komuniciranju. Obstajajo trije načini, na katere lahko sodobni algoritmi v oglaševanju in trženju sodelujejo z nami. Jasno je, da je prva zgodba namenjena pridobivanju in izluščitvi dodatnega znanja o tebi in meni ter uporabi le-tega v dobre in manj dobre namene; prilagoditi pristop vsaki osebi; Seveda po tem ustvarite določeno povpraševanje, da izvedete glavno ciljno akcijo in izvedete določeno prodajo.
S pomočjo tehnologije poskušajo rešiti problem učinkovite komunikacije
Če vam rečem, da razmislite o tem, kaj sta Pornhub in M. Video«, o čem razmišljate?
Komentarji občinstva (v nadaljevanju C): - TV, občinstvo.
OH: – Moj koncept je, da sta to dve mesti, kamor pridejo ljudje po določeno vrsto storitve, ali temu rečemo določeno vrsto blaga. In to občinstvo je drugačno po tem, da prodajalcu ne želi ničesar povedati. Želi vstopiti in dobiti tisto, kar jo zanima v neki eksplicitni ali implicitni obliki. Seveda nihče ne pride k M. Video” ne želi komunicirati z nobenim prodajalcem, ne želi razumeti, ne želi odgovoriti na nobeno njihovo vprašanje.
Zato iz vsega tega sledi prva zgodba.
Ko so se pojavile tehnologije za pridobivanje dodatnega znanja, da bi se nekako izognili komunikaciji z osebo. Vsi imamo radi, ko pokličemo banko in nam banka reče: »Pozdravljeni. Alexey, ti si naša VIP stranka. Zdaj se bo s teboj pogovarjal kakšen super menedžer.” Pridete v to banko in tam je res edinstven menedžer, ki se lahko pogovarja s tabo. Žal ali na srečo se še nobeno podjetje ni domislilo, kako najeti tisoč osebnih menedžerjev za tisoč strank; in ker je večina teh ljudi zdaj na spletu, je naloga razumeti, kakšna oseba je to in kako z njim pravilno komunicirati, preden pride do nekega oglaševalskega vira. In zato so se dejansko pojavile tehnologije, ki poskušajo rešiti ta problem.
Pridobivanje podatkov je novo olje
Predstavljajmo si, da ste lastnik cvetličarne. Trije ljudje te pridejo pogledat. Prvi stoji zelo dolgo, okleva, poskuša govoriti s teboj, vzame kakšen šopek - greš ga zaviti, greš ven, da tam nekaj narediš; pobegne od stojnice s tem šopkom - izgubili ste svojih tri tisoč rubljev. Zakaj se je to zgodilo? O tej osebi ne veste ničesar: ne poznate njegove zgodovine aretacij na ministrstvu za notranje zadeve, ne veste, da je kleptoman in da je registriran v psihiatričnem dispanzerju. Zakaj? Ker ste to videli prvič in niste vedenjski analitik.
Pride še nekdo ... Vitalij. Tudi Vitalij rabi zelo dolgo, da ugotovi, reče: "No, potrebujem to in to." In mu rečeš: "Rože za mamo, kajne?" In prodaš mu šopek.
Koncept tukaj je najti dovolj podatkov, da bi razumeli, kaj oseba dejansko potrebuje. Vsi so takoj pomislili na nekakšna oglaševalska omrežja in tako naprej ...
Vsi ste verjetno že večkrat slišali neumno frazo, da so podatki "novo olje"? Zagotovo so že vsi slišali. Pravzaprav so se ljudje že zdavnaj naučili zbirati podatke, vendar je pridobivanje podatkov iz teh podatkov naloga, ki jo zdaj poskuša rešiti umetna inteligenca v marketingu oziroma nekakšni statistični algoritmi. Zakaj? Kajti če se s človekom pogovarjaš, ti lahko da pravilen, napačen ali kako obarvan odgovor. Študentom povem šalo, kako se raziskave razlikujejo od statistike. To vam bom povedal kot anekdoto:
To pomeni, da so se v dveh vaseh odločili narediti raziskavo o povprečni dolžini moškosti. To pomeni, da je v prvi vasi, Villaribo, povprečna dolžina 15 centimetrov, v vasi Villabaggio - 25. Ali veste, zakaj? Ker so bile v prvi vasi opravljene meritve, v drugi pa anketa.
Porno industrija je paradni konj priporočilnih sistemov
Zato je sodoben pristop tak, da analiziramo vse ljudi brez izjeme, tudi če jih je nekaj manj kot 100 %, a to so ljudje, ki jih ni treba vprašati, ni jih treba gledati. Dovolj je analizirati, kar se zdaj imenuje digitalni odtis, da bi razumeli, kaj ta oseba potrebuje, kako pravilno govoriti z njim, kako pravilno ustvariti povpraševanje okoli njega. Po eni strani je to brezumni stroj (vendar ti in jaz to zelo dobro veva); ne želimo komunicirati z ljudmi iz M. Video«, še bolj pa, ko gremo na vire, kot je Pornhub, želimo dobiti točno to, kar potrebujemo.
Zakaj vedno govorim o Pornhubu? Kajti industrija za odrasle je prva, ki pride do analize takih tehnologij, do implementacije teh tehnologij, do analize podatkov. Če vzamete tri najbolj priljubljene knjižnice na tem področju (na primer TensorFlow ali Pandas za Python, za obdelavo datotek CSV in tako naprej), če jo odprete na Githubu, boste s kratkim Googlom vseh teh imen našli nekaj ljudi, ki so delali ali trenutno delajo v podjetju Pornhub in so bili prvi, ki so tam implementirali priporočilne sisteme. Na splošno je ta zgodba zelo napredna in kaže, koliko je to občinstvo, koliko je to podjetje napredovalo.
Tri stopnje identifikacije
Okoli osebe je ogromen nabor podatkov, ki jih je mogoče identificirati. Običajno to formalno razdelim na tri ravni, ki gredo vedno globlje. Seveda ima podjetje svoje podatke.
Če recimo govorimo o izgradnji priporočilnega sistema, potem so prvi nivo podatki, ki se nahajajo v sami trgovini (zgodovina nakupov, vse vrste transakcij, kako je oseba komunicirala z vmesnikom).
Sledi raven (relativno največja) - to je tisto, kar imenujemo odprte kode. Ne mislite, da vas spodbujam, da brskate po družbenih omrežjih, ampak dejansko tisto, kar je na voljo v odprtih virih, odpre ogromno podatkov, ki jih lahko recimo izveste o človeku.
In tretji večji del je okolje te osebe same. Da, obstaja mnenje, da če človek ni na družbenih omrežjih, tam ni nobenih podatkov o njem (verjetno že veste, da to ni res), vendar je najbolj pomembno, da podatki, ki so na profilu osebe (ali v neki aplikaciji) je le 40% znanja, ki ga je mogoče pridobiti o tem. Ostale informacije dobi iz svojega okolja. Besedna zveza »povej mi, kdo je tvoj prijatelj in povedal ti bom, kdo si« v XNUMX. stoletju dobiva nov pomen, saj je okoli te osebe mogoče pridobiti ogromno podatkov.
Če govorimo bližje oglaševalskim komunikacijam, potem je prejemanje oglasnih sporočil ne od oglaševanja, ampak od nekega prijatelja, znanca ali nekako preverjene osebe zelo kul funkcija, ki jo uporablja veliko tržnikov. Ko vam neka aplikacija nenadoma ponudi brezplačno promocijsko kodo, o tem objavite objavo in s tem pritegnete novo občinstvo. Pravzaprav ta promocijska koda za pogojni »Yandex.Taxi« ni bila izbrana naključno, ampak je bila za to analizirana ogromna količina podatkov o vašem potencialu, da pritegnete novo občinstvo in nekako komunicirate z njimi.
Analizirajo celo obnašanje likov televizijskih serij
Pokazal vam bom tri slike, vi pa povejte, kakšna je razlika med njimi.
Tale:
To:
In še ta:
Kakšna je razlika med njimi? Tukaj je vse preprosto. Tako kot v kvantni mehaniki je tudi v tem primeru to ustvarjalnost oblikoval opazovalec. To pomeni, da je razlika v isti oglaševalski akciji, ki jo izvaja ista blagovna znamka hkrati, le v tem, kdo je gledal to kreativo. Osebno, ko grem v Amediateko, še vedno prikazujejo Khal Droga. Ne vem, kaj si Amediateka misli o mojih preferencah, ampak iz nekega razloga se to zgodi.
To, kar zdaj imenujemo personalizirane komunikacije, je najbolj priljubljena zgodba o privabljanju občinstva in pravilni interakciji z njim. Če smo na prvi stopnji identificirali ljudi z uporabo lastnih podatkov o blagovni znamki, odprtokodnih podatkov in na primer podatkov iz okolja te osebe, lahko po analizi osebe razumemo, kdo je, kako se z njo pravilno pogovarjati in, kar je najpomembnejše. , kateri jezik govori, se pogovarjajte z njim.
Tukaj je šla tehnologija tako daleč, da se zdaj analizirajo liki v televizijskih serijah, ki jih ljudje gledajo. To pomeni, da imate radi televizijske serije - gledajo jih [všečke], pogledajo, s kom ste tam komunicirali, da bi razumeli, kakšna oseba bi bila primerna za vas. Sliši se kot popolna neumnost, a za zabavo poskusite na enem od virov - različni ljudje vidijo različne kreative (da bi z njimi pravilno komunicirali).
Noben sodoben medij ali kateri koli video vir vam ne pokaže le nekaj novic. Pojdite k medijem - naloženih je ogromno algoritmov, ki vas identificirajo, razumejo vso vašo prejšnjo dejavnost, se pritožijo na matematični model in vam nato nekaj pokažejo. V tem primeru je tako čudna zgodba.
Kako se določijo potrebe? Psihometrija. Fiziognomija
Obstaja veliko (resničnih) pristopov, kako ugotoviti dejanske potrebe osebe in kako z njo pravilno komunicirati. Pristopov je veliko, vse se rešuje različno, nemogoče je reči, kaj je dobro in kaj slabo. Zdi se, da glavni vse vedo.
Psihometrija. Po zgodbi s Cambridge Analytics se je zgodil nekakšen šokanten, po mojem mnenju nekakšen obrat, saj vsaka druga politična družba zdaj pride in reče: »Oh, ali me lahko naredite kot Trumpa? Želim si tudi zmagati in tako naprej.” Pravzaprav je to seveda nesmisel za naše realnosti, na primer politične volitve. Toda za določitev psihotipov se uporabljajo trije modeli:
- prvi temelji na vsebini, ki jo uživate – besede, ki jih napišete, nekatere informacije, ki so vam všeč, videoposnetki itd.;
- drugi je vezan na to, kako komunicirate s spletnim vmesnikom, kako tipkate, katere gumbe pritiskate – dejansko obstajajo cela podjetja, ki lahko na podlagi pisave na tipkovnici precej zanesljivo določijo, čemur se danes reče psihotipe.
- Nisem ravno psiholog, res ne razumem, kako to deluje, a z vidika oglaševalske komunikacije občinstvo, razdeljeno na te segmente, deluje zelo dobro, saj je nekomu treba pokazati rdeč ekran z modro ženska, nekomu je treba pokazati temen zaslon - modro ozadje z nekakšno abstrakcijo in deluje zelo kul. Na nekaterih nizkih ravneh - tako zelo, da človek sploh ne razmišlja o tem. Kaj je zdaj glavni problem na oglaševalskem trgu? Vsi so obveščevalni agenti, vsi se skrivajo, vsi imajo nameščenih milijon tisoč dovoljenj brskalnika, da ne bi bili identificirani na noben način - verjetno imate »Adblocks«, »Gostrey« in vse vrste aplikacij, ki blokirajo sledenje. Zaradi tega je zelo težko karkoli razumeti o osebi. In tehnologija je šla naprej - vedeti morate ne samo, da se je ta oseba že 125. vrnila na vašo spletno stran, ampak da je tudi taka in drugačna oseba.
Fiziognomija je zelo kontroverzna veda. Sploh se ne šteje za znanost. To je skupina ljudi, ki je nekoč programirala detektorje laži za neko ministrstvo za notranje zadeve, zdaj pa se ukvarja s tem, kar se imenuje poosebitev ustvarjalnosti. Pristop je zelo preprost: več vaših javnih fotografij je vzetih iz nekaterih družbenih omrežij in iz njih je zgrajena tridimenzionalna geometrija. In če ste pravnik, boste zdaj rekli, da je to oseba in osebni podatek; vendar vam povem, da je to 300 tisoč točk, ki se nahajajo v vesolju, in to ni oseba in ni osebni podatek. To običajno rečejo vsi, ko Roskomnadzor pride k njim.
Ampak resno, vaš obraz posebej, če tam nista podpisana vaše ime in priimek, ni vaš osebni podatek. Bistvo je, da fantje označijo različne obrazne poteze, ki vplivajo na to, kako se človek odloča in kako pravilno komunicirati z njim. Na nekaterih področjih to deluje slabo, na nekaterih oglaševalskih segmentih; v katerih segmentih deluje zelo dobro. Na koncu se izkaže, da ko obiščete nek vir, ne vidite samo ene pasice, ki je prikazana vsem, ampak na primer ... zdaj je normalno narediti 16 ali 20 možnosti za različna občinstva - in deluje zelo kul. Da, to je še bolj žalostno s stališča potrošnika, saj se ljudje vedno bolj manipulirajo. A kljub temu s poslovnega vidika deluje zelo dobro.
Črna skrinjica strojnega učenja
To povzroča naslednjo težavo s takimi tehnologijami: navsezadnje je za večino razvijalcev zdaj tisto, kar imenujemo globoko učenje, »črna skrinjica«. Če ste bili kdaj potopljeni v to zgodbo in ste se pogovarjali z razvijalci, ti vedno rečejo: "Oh, poslušaj, no, tam smo kodirali nekaj tako nerazumljivega in ne vemo, kako deluje." Morda se je komu to že zgodilo.
To pravzaprav še zdaleč ni res. To, kar zdaj imenujemo strojno učenje, še zdaleč ni »črna skrinjica«. Obstaja ogromno pristopov k opisovanju vhodnih in izhodnih podatkov, na koncu pa lahko podjetje dodobra razume, na podlagi kakšnih znakov se je stroj odločil, da vam pokaže ta ali drug pornografski video. Vprašanje je, da nobeno od podjetij tega nikoli ne razkrije, ker: prvič, to je poslovna skrivnost; drugič, tam bo ogromno podatkov, za katere sploh niste vedeli.
Pred tem smo na primer v razpravi o etiki razpravljali o tem, kako družbena omrežja analizirajo osebna sporočila, da bi označili ljudi v nekakšnih reklamnih zgodbah. Če nekomu nekaj napišete, na podlagi tega prejmete določeno oznako za pravzaprav nekakšno oglaševalsko komunikacijo. In tega ne boste nikoli dokazali in najbrž nima smisla dokazovati. Če pa bi se razkrili podobni vzorci, bi obstajali. Izkazalo se je, da se trg za gradnjo takšnih sistemov priporočil pretvarja, da ne ve, zakaj se je to zgodilo.
Ljudje ne želijo vedeti, kaj ljudje vedo o njih
In druga zgodba je ta, da naročnik nikoli noče vedeti, zakaj je prejel ravno ta oglas, ta izdelek. Povedal vam bom to zgodbo. Moja prva izkušnja s komercialno implementacijo priporočilnih sistemov, ki temeljijo na podobnih algoritmih, ravno zaradi raziskovanja, je bila leta 2015 v zelo veliki mreži spolnih trgovin (ja, tudi ne posebej neprijetna zgodba).
Kupcem je bilo ponujeno naslednje: vstopijo, se prijavijo s svojim socialnim omrežjem in po približno 5 sekundah prejmejo popolnoma personalizirano trgovino zanje, se pravi, da so vsi izdelki spremenjeni - spadajo v določeno kategorijo itd. . Ali veste, koliko se je povečala stopnja konverzije te trgovine? Nikakor ne! Ljudje so vstopili in takoj zbežali stran. Prišli so in ugotovili, da se jim ponuja točno to, o čemer razmišljajo ...
Težava pri tem testu je bila v tem, da je pod vsakim izdelkom pisalo, zakaj so vam ponudili prav tega (»ker ste članica skrite skupine »Močna ženska išče moškega, ki je predpražnik«). Zato sodobni sistemi priporočil nikoli ne pokažejo podatkov, na podlagi katerih je bila narejena »napoved«.
Zelo priljubljena zgodba so mediji, saj vsi uporabljajo podobne sisteme priporočil. Prej so bili algoritmi zelo preprosti: poglejte kategorijo »Politika« - in prikažejo vam novice iz kategorije »Politika«. Zdaj je vse tako zapleteno, da analizirajo mesta, kjer ste ustavili miško, na katere besede ste se osredotočili, kaj ste kopirali, kako ste na splošno komunicirali s to stranjo. Nato analizira besedišče samih sporočil: ja, ne berete samo novic o Putinu, ampak na določen način, z določeno čustveno obarvanostjo. In ko človek prejme kakšno novico, sploh ne pomisli, kako je prišel sem. Kljub temu je nato v interakciji s to vsebino.
Vse to je seveda namenjeno ohranjanju ubogega, nesrečnega malega človeka, ki že tako nori od ogromne količine informacij, ki so okoli njega. Tukaj je treba povedati, da bi bilo lepo uporabiti takšne sisteme za personalizacijo kreative okoli sebe in zbiranje nekaterih informacij, vendar na žalost teh storitev še ni.
Umetna inteligenca ujame stranko v zraku in ustvari povpraševanje
In tu se pojavi eno zelo zanimivo filozofsko vprašanje, ki se premika od oblikovanja sistema priporočil do ustvarjanja povpraševanja. Redkokdo pomisli na to, ko pa poskušate vprašati tako imenovani Instagram: »Zakaj zbirate podatke? Zakaj mi ne bi prikazal popolnoma naključnega oglaševanja?« - Instagram vam bo rekel: »Prijatelj, vse to je narejeno zato, da bi vam pokazal točno tisto, kar vas zanima.« Na primer, želimo vas poznati tako natančno, da vam lahko pokažemo točno to, kar iščete.
Toda tehnologija je že zdavnaj prestopila ta strašni prag in podobne tehnologije ne predvidevajo več, kaj potrebujete. Ti (pozor!) ustvarjajo povpraševanje. To je verjetno najstrašnejša stvar, ki se vrti okoli umetne inteligence v tovrstnih komunikacijah. Strašljivo je, da se je v zadnjih 3-5 letih uporabljal skoraj povsod - od rezultatov iskanja Google do rezultatov iskanja Yandex, do nekaterih sistemov ... V redu, o Yandexu ne bom rekel nič slabega; in dobro.
Kaj je smisel? Že dolgo je minilo, odkar so se takšne reklamne komunikacije oddaljile od strategije, kjer napišeš "želim kupiti otroški sedež" in vidiš sto tisoč milijonov objav. Prešli so na naslednje: takoj ko je ženska objavila fotografijo s komaj vidnim trebuščkom, so možu takoj začela slediti sporočila: »Človek, kmalu bo porod. Kupi otroški sedež."
Tu se lahko upravičeno vprašate, zakaj ob tako velikanskem napredku tehnologije še vedno vidimo tako usrano oglaševanje na družbenih omrežjih? Težava je v tem, da na tem trgu še vedno vse odloča denar, zato lahko v lepem trenutku pride kakšen oglaševalec, kot je Coca-Cola, in reče: "Tukaj je 20 milijonov za vas - pokažite moje usrane pasice celemu internetu." In res bodo to storili.
Če pa narediš nek čisti račun in preizkusiš, kako natančno te takšni algoritmi uganejo: najprej te poskušajo uganiti, potem pa ti začnejo nekaj delati vnaprej. In človeški možgani delujejo tako, da ob prejemu zanj zanesljive informacije niti ne predelajo trenutka, zakaj so to informacijo prejeli. Prvo pravilo, da ugotovite, da ste v sanjah, je razumeti, kako ste prišli sem. Človek se nikoli ne spomni trenutka, ko je končal v določenem prostoru. Tukaj je enako.
Google bo morda začel oblikovati vaš pogled na svet
Tovrstne študije je izvedlo več tujih podjetij, ki se ukvarjajo z i-sledenjem. Na posebne računalnike so namestili naprave, ki beležijo, kam gledajo oči testiranca. Vzel sem od pet do sedem tisoč prostovoljcev, ki so preprosto listali po viru, komunicirali z družbenimi omrežji, z oglaševanjem in beležili informacije o tem, na katerih delih pasic in oglasov so ti ljudje ustavili oči.
In izkazalo se je, da ljudje, ko prejmejo takšno hiperpersonalizirano kreativo, sploh ne pomislijo nanjo – takoj gredo naprej, začnejo z njo komunicirati. S poslovnega vidika je to dobro, z vidika nas kot uporabnikov pa ni preveč kul, ker – česa se bojijo? – Da lahko pogojni »Google« v nekem lepem trenutku začne (ali pa seveda ne začne) oblikovati svoj pogled na svet. Jutri lahko na primer začne ljudem kazati novice, da je zemlja ploščata.
Heca se, ampak že tolikokrat so jih ujeli, da med volitvami začnejo dajati določene informacije določenim ljudem. Vsi smo navajeni, da iskalnik vse dobi pošteno. Ampak, kot vedno pravim, če res želite vedeti, kako deluje svet, napišite svoj iskalnik, brez filtrov, brez posvečanja pozornosti avtorskim pravicam, brez uvrstitve nekaterih svojih prijateljev v rezultate iskanja. Prikaz resničnih podatkov na internetu se praviloma razlikuje od tistega, kar prikazujejo Google, Yandex, Bing ipd. Nekateri materiali so skriti zaradi prijateljev, sodelavcev, sovražnikov ali nekoga drugega (ali nekdanjega ljubimca, s katerim ste spali) - ni pomembno.
Kako je Trump zmagal
Ko so bile zadnje volitve v Združenih državah, je bila izvedena zelo preprosta študija. Prevzeli so iste zahteve na različnih mestih, z različnih naslovov IP, iz različnih mest, različni ljudje so googlali isto stvar. Konvencionalno je bila zahteva v stilu: kdo bo zmagal na volitvah? In neverjetno, rezultati so bili sestavljeni tako, da so v tistih državah, kjer je največ ljudi poskušalo glasovati za napačnega kandidata, prejeli nekaj dobrih novic o kandidatu, ki ga je promoviral Google. Kateri? No, jasno je, kateri - tisti, ki je postal predsednik. To je absolutno nedokazljiva zgodba in vse te študije so prst v vodo. Google lahko reče: "Fantje, vse to je narejeno zato, da vam pokažemo najbolj relevantno vsebino."
Od zdaj naprej morate vedeti, da tisto, kar se imenuje maksimalno relevantno, nikakor ne drži. Podjetje imenuje relevantno nekaj, kar vam je treba prodati iz nekega dobrega ali slabega razloga.
Tisti, ki zdaj nimajo denarja, se že pripravljajo na prihodnje nakupe
Tukaj je še ena zanimiva točka, o kateri vam bom povedal. Ogromno aktivno občinstvo zdaj na družbenih omrežjih in v aplikacijah so mladi. Recimo temu tako - insolventna mladina: otroci 8-9 let, ki se igrajo neumne igre, to so 12-13-14, ki se šele registrirajo na družbenih omrežjih. Zakaj bi ogromna podjetja porabila ogromne proračune in vire za ustvarjanje aplikacij za neplačniško občinstvo, ki ni nikoli monetizirano? V trenutku, ko bo ta publika postala plačilno sposobna, bo o njej dovolj podatkov, da lahko zelo dobro predvidimo njeno obnašanje.
Zdaj vprašajte katerega koli ciljnega strokovnjaka, katera publika je najtežje? Rekli bodo: zelo donosno. Ker je prodaja na primer stanovanja, vrednega 150 milijonov rubljev prek družbenih omrežij, skoraj nemogoča. So osamljeni primeri, ko narediš neko reklamo za 10 tisoč ljudi, eden kupi to stanovanje - stranka je uspešna ... Eden od deset tisoč pa je s statističnega vidika popolna bedarija. Zakaj je torej težko prepoznati občinstvo z visokimi dohodki? Ker so se ljudje, ki so zdaj člani visoko dobičkonosne publike, rodili, ko je bil internet še zelo majhen, ko še nihče ni poznal Artemija Lebedeva in o njih ni nobenih informacij. Nemogoče je predvideti njihov vedenjski vzorec, nemogoče je razumeti, kdo so njihovi mnenjski voditelji in iz katerih virov vsebine prejemajo.
Torej, ko boste čez 25 let vsi postali milijarderji in bodo podjetja, ki vam bodo nekaj prodala, imela ogromno podatkov. Zato imamo zdaj v Evropi čudovito uredbo GDPR, ki preprečuje zbiranje podatkov mladoletnikov.
Seveda to v praksi sploh ne deluje, saj vsi otroci še vedno igrajo na maminih in očetovih računih - tako se zbirajo informacije. Ko boste naslednjič otroku dali tablico, pomislite na to.
Nikakor ne neka strašljiva, distopična prihodnost, ko bodo vsi umrli v vojni s stroji - zdaj popolnoma resnična zgodba. Obstaja ogromno podjetij, ki ustvarjajo algoritme za psihoprofiliranje ljudi glede na to, kako igrajo igre. Zelo zanimiva industrija. Na podlagi vsega tega se potem ljudje segmentirajo, da se z njimi nekako komunicira.
Napovedi vedenja teh ljudi bodo na voljo čez 10-15 let - natanko v trenutku, ko bodo postali plačilno sposobna publika. Najpomembneje pa je, da so ti ljudje že vnaprej dali dovoljenje za obdelavo njihovih osebnih podatkov, posredovanje tretjim osebam in vse to je sreča itd.
Kdo bo izgubil službo?
In moja zadnja zgodba je, da se vsi vedno sprašujejo, kaj bo čez 50 let: vsi bomo umrli, za tržnike bo brezposelnost ... Tukaj so tržniki, ki jih skrbi brezposelnost, kajne? Na splošno je skrb odveč, saj visoko kvalificirana oseba ne bo izgubila službe.
Ne glede na to, kakšni algoritmi so ustvarjeni, ne glede na to, kako blizu se stroj približa temu, kar imamo tukaj (pokaže na svojo glavo), če se dovolj hitro razvija, takšni ljudje ne bodo nikoli ostali brez dela, ker bo nekdo moral ustvariti te kreativne stvari narediti. Ja, obstajajo vse vrste "ganov", ki rišejo slike, ki izgledajo kot ljudje, in ustvarjajo glasbo, a vseeno je malo verjetno, da bodo ljudje na tem področju kdaj ostali brez službe.
Imam vse z zgodbo, tako da lahko postavljate vprašanja, če imate več. Hvala vam.
Svinec: – Prijatelji, zdaj prehajamo na blok »Vprašanje in odgovor«. Dvigneš roko - pridem do tebe.
Vprašanje iz publike (XNUMX): – Vprašanje o »črni skrinjici«. Rekli so, da je mogoče konkretno razumeti, zakaj je bil dosežen tak in tak rezultat za takega in takega uporabnika. Ali so to nekakšni algoritmi ali ga je treba analizirati vsakič za vsak model ad hoc (opomba avtorja: "še posebej za to" - latinska frazeološka enota)? Ali pa obstajajo že pripravljeni za nekakšno nevronsko mrežo, ki je, grobo rečeno, lahko poslovno smiselna?
OH: – Tukaj morate razumeti naslednje: v strojnem učenju je ogromno nalog. Na primer, obstaja naloga - regresija. Za regresijo sploh niso potrebne nevronske mreže. Vse je preprosto: imate več kazalnikov, izračunati morate naslednje. Obstajajo naloge, pri katerih je treba uporabiti tako stvar, kot je globoko učenje. Dejansko je pri poglobljenem učenju težko zanesljivo razumeti, kakšne uteži so bile dodeljene katerim nevronom, toda s pravnega vidika je vse, kar morate razumeti, kateri podatki so bili na vhodu in kako so se odigrali na izhodu. To je pravno dovolj za patentiranje takšne odločitve in dovolj za razumevanje, na podlagi česa je nastala zgodba.
Ni tako, da ste šli na spletno mesto in vam je bila prikazana nekakšna pasica, ker ste se pred dvema mesecema na Instagramu fotografirali z rdečimi lasmi. Če razvijalec v ta model ne vključi zbiranja teh podatkov in označevanja barve las, potem ne bo prišlo od nikoder.
Kako prodajati rezultate sistemov strojnega učenja?
Z: – Vprašanje je samo, kaj: točno kako razložiti, kako prodati nekomu, ki ne razume strojnega učenja. Želim povedati: moj model jasno vodi od barve las do ... no, spremembe barve las ... Je to mogoče ali ne?
OH: - Mogoče ja. Toda s prodajnega vidika bo delovala edina shema: imate oglaševalsko kampanjo, mi zamenjamo občinstvo s tistim, ki ga ustvari stroj - in šele vidite rezultat. To je žal edini način, da kupca zanesljivo prepričamo, da takšna zgodba deluje, saj je na trgu ogromno rešitev, ki so bile nekoč implementirane in niso delovale.
O ustvarjanju virtualne osebnosti
Z: - Zdravo. Hvala za predavanje. Vprašanje je, kakšno možnost ima človek, ki iz neznanega razloga ne želi slediti zgledu strojnega učenja, da si ustvari virtualno osebnost, ki je radikalno drugačna od njegove lastne osebnosti, prek interakcije z vmesnikom ali za nekatere drug razlog?
OH: – Obstaja kup različnih vtičnikov, ki se posebej ukvarjajo z naključnim vedenjem. Obstaja kul stvar - Ghostery, ki te po mojem mnenju skoraj popolnoma skrije pred kupom različnih sledilcev, ki potem ne morejo zabeležiti teh informacij. A v resnici je zdaj vse, kar potrebujete, zaprt profil na družbenih omrežjih, da tam nihče, nobeni zlobni strgalci, ne more ničesar nabrati. Verjetno je bolje namestiti kakšno razširitev ali pa sam kaj napisati.
Vidite, koncept tukaj je, da se pravno na primer osebni podatki nanašajo na podatke, po katerih vas je mogoče identificirati, zakonodaja pa kot primer navaja vaš naslov prebivališča, starost itd. Dandanes obstaja nešteto podatkov, po katerih te prepoznamo: enaka pisava na tipkovnici, enak tisk, digitalni podpis brskalnika ... Človek se prej ali slej zmoti. Lahko je nekje v "kavarni" z uporabo "Thorja", a na koncu, v nekem lepem trenutku, se VPN pozabi vklopiti ali kaj drugega in v tistem trenutku ga je mogoče identificirati. Najlažji način je torej ustvariti zasebni račun in namestiti kakšno razširitev.
Trg se pomika proti točki, ko morate pritisniti le en gumb, da dobite rezultate.
Z: - Hvala za zgodbo. Kot vedno vedno zelo zanimivo (te spremljam). Vprašanje je: kakšen je napredek v smislu ustvarjanja sistemov, ki so pozitivni za uporabnike, sistemov priporočil? Rekli ste, da ste se nekoč ukvarjali s priporočilnim sistemom za iskanje spolnega partnerja, prijatelja v življenju (ali glasbe, ki bi bila človeku potencialno všeč) ... Kako obetavno je vse to in kako vidite njegov razvoj od zornega kota ustvarjanja sistemov, ki jih ljudje potrebujejo?
OH: – Na splošno se trg premika do točke, ko morajo ljudje pritisniti en gumb in takoj dobiti, kar potrebujejo. Kar zadeva moje izkušnje pri ustvarjanju aplikacij za zmenke (mimogrede, konec leta jo bomo znova zagnali), je bila poleg dejstva, da je bilo 65% poročenih moških, najtežja težava pri priporočilu, da je bilo osebi ponujenih več modelov. na začetku aplikacije - "Prijateljstvo", "Seks", "Spolno prijateljstvo" in "Posel". Ljudje niso izbrali tistega, kar potrebujejo. Moški so prišli in izbrali "Ljubezen", v resnici pa so na vse vrgli goloto in tako naprej.
Težava je bila identificirati osebo, ki ne ustreza enemu od teh modelov, in jo nekako gladko vzeti in premakniti v drugo smer. Zaradi majhne količine podatkov je zelo težko ugotoviti, ali gre za napako v napovedovalnem algoritmu ali pa oseba ni v svoji kategoriji. Enako je z glasbo: zdaj je zelo malo zares vrednih algoritmov, ki znajo glasbo dobro »fastirati«. Morda "Yandex.Music". Nekateri menijo, da je algoritem Yandex.Music slab. Meni je na primer všeč. Meni osebno na primer ni všeč glasbeni algoritem YouTube in tako naprej.
Seveda je nekaj tankosti - vse je vezano na licence ... Toda v resnici je povpraševanje po takih sistemih precej veliko. Včasih je bilo znano podjetje Retail Rocket, ki se je ukvarjalo z implementacijo priporočilnih sistemov, zdaj pa mu nekako ne gre najbolje - očitno zato, ker dolgo časa niso razvijali svojih algoritmov. Vse gre k temu - do te mere, da vstopimo in, ne da bi karkoli pritisnili, dobimo tisto, kar potrebujemo (in postanemo popolnoma neumni, ker je naša možnost izbire popolnoma izginila).
Vplivno trženje
Z: - Zdravo. Moje ime je Konstantin. Rada bi postavila vprašanje o trženju vpliva. Ali poznate kakšne sisteme, ki podjetju omogočajo, da na podlagi nekih statističnih podatkov in podobno izbere primernega blogerja za podjetje? In na kakšni podlagi je to storjeno?
OH: – Da, začel bom od daleč in takoj rekel, da je problem vseh teh tehnologij v tem, da je vsa ta umetna inteligenca v marketingu zdaj kot vrvohojac: na levi so velika podjetja, ki imajo veliko denarja, in v v vsakem primeru bo vse učinkovito za njihovo delo, saj njihove oglaševalske akcije ciljajo zgolj na oglede; po drugi strani pa je veliko malih podjetij, za katera to ne bo delovalo, ker imajo veliko podatkov. Zaenkrat je uporabnost teh zgodb nekje na sredini.
Ko že obstajajo dobri proračuni in je naloga pravilno obdelati te proračune (in načeloma je podatkov že kar veliko)… Poznam par storitev, nekaj takega kot Getblogger, ki menda imajo algoritme. Iskreno povedano, teh algoritmov nisem preučeval. Lahko vam povem, kakšen pristop uporabljamo pri iskanju mnenjskih voditeljev, ko moramo nekaj mater obdariti.
Uporabljamo meritev, imenovano čas distribucije vsebine. Deluje takole: vzamete osebo, katere občinstvo analizirate, in morate sistematično (na primer enkrat na 5 minut) zbrati podatke o vsaki objavi, komu je bila všeč, jo je komentiral in tako naprej. Tako lahko razumete, v katerem trenutku je vsaka oseba v vaši publiki komunicirala z vašo vsebino. Ponovite to operacijo za vsakega predstavnika njegovega občinstva in tako lahko z uporabo metrike povprečnega časa razširjanja vsebine na primer pobarvate te ljudi v velikem mrežnem grafu in s to metriko zgradite grozde.
To deluje zelo dobro, če želimo na primer najti 15 mater, ki ohranjajo svoje javno mnenje na neki woman.ru. Toda to je precej zapletena tehnična izvedba (čeprav je čisto teoretično to mogoče narediti v Pythonu). Bistvo je, da je težava pri trženju vpliva v velikih oglaševalskih agencijah ta, da potrebujejo velike, kul, drage blogerje, ki ne delajo za drek. Zdaj želi avtomobilska znamka prodati nek izdelek prek nekega mnenjskega voditelja - v skrajnem primeru morajo uporabiti avtomobilskega blogerja, ker je njihovo občinstvo že kupilo avto ali pa točno ve, kakšen avto hoče, samo sedi in gleda kul avtomobile. Tukaj je pomembno, da ne zamudite analize občinstva osebe same.
Marketinški roboti
Z: – Povejte mi, koliko boti na družbenih omrežjih vplivajo na zbiranje informacij in njihovo kakovost?
OH: – Tako zanimiva stvar je z boti. Poceni bote je precej enostavno prepoznati – ali imajo enako vsebino, ali so med seboj prijatelji ali pa so v istem omrežju. Obstajajo tudi pristopi k obravnavanju kompleksnih botov. Ali pa sprašujete problem, kako povezati osebo z njegovim ponaredkom?
Z: – Kako kakovostne informacije bodo rezultat z vsemi temi smeti?
OH: – Tukaj deluje takole: zaradi dejstva, da obstaja ogromna količina podatkov (na primer za nekakšno marketinško raziskavo), se lahko vsa ta bedarija preprosto vrže ven. To pomeni, da je bolje vreči malo več resničnih ljudi kot ujeti bote, ker jim je neuporabno prikazovati kakršno koli oglaševanje. Če pa zbirate meritve, na primer interakcije s pasicami ali sistemi priporočil, lahko takšne račune zavržete.
Zdaj je na družbenih omrežjih približno šest odstotkov virtualnih likov ali preprosto zapuščenih strani ali introvertov, ki jih algoritmi »poklopijo« kot bote. Kar zadeva povezovanje človeka z njegovim ponaredkom, je tudi tukaj vse vezano na to, da bo človek prej ali slej naredil napako, stvar pa je, da je model obnašanja enak - tako njegov pravi račun kot lažni. Prej ali slej bodo gledali isto vsebino ali kaj drugega.
Tu se vse ne nanaša na odstotek napake, temveč na količino časa, ki je potreben za zanesljivo identifikacijo osebe. Za nekoga, ki živi s svojim Instagramom, se ta čas za zanesljivo identifikacijo zmanjša na pet minut. Za nekatere – za šest do osem mesecev.
Komu in kako prodati podatke?
Z: - Zdravo. Zanima me, kako poteka prodaja podatkov med podjetji? Imam na primer aplikacijo, v kateri lahko ugotoviš (razvijalcu), kam gre oseba, v katere trgovine hodi in koliko denarja tam zapravi. In zanima me, kako lahko, recimo, prodam podatke o svojem občinstvu tem trgovinam ali dam svoje podatke v eno veliko bazo podatkov in dobim za to plačilo?
OH: – Kar se tiče neposredne prodaje podatkov nekomu, ste bili vi in vsi ostali pred OFD – operaterji fiskalnih podatkov, ki so se premeteno vgradili med prenos čekov in davčno blagajno in sedaj skušajo vsem prodati podatke. Pravzaprav so sesuli celoten trg mobilne analitike. Pravzaprav lahko vdelate svojo aplikacijo, na primer Facebook pixel, njegov sistem DMP; nato uporabite to občinstvo za prodajo. Na primer slikovna pika »May Target«. Samo ne vem, kakšno publiko imate, morate razumeti. V vsakem primeru pa se lahko integrirate v Yandex ali My Target, ki sta največja sistema DMP.
To je precej zanimiva zgodba. Edina težava je, da jim boste dali ves promet, oni pa bodo kot borze prevzeli monetizacijo tega prometa. Lahko vam povedo ali pa tudi ne, da je vaše občinstvo izkoristilo 10 ljudi. Torej, ali zgradite svojo oglaševalsko mrežo ali pa se prepustite velikim DMP.
Kdo bo zmagal - umetnik ali tehnik?
Z: – Vprašanje, ki je nekoliko oddaljeno od tehničnega dela. Rečeno je bilo o strahu tržnikov glede prihajajoče množične brezposelnosti. Ali obstaja nekakšen konkurenčni boj med kreativnim trženjem (ti fantje, ki so se domislili oglaševanja piščancev, oglaševanje Volkswagna, se zdi) in tistimi, ki so vpleteni v velike podatke (ki pravijo: zdaj bomo samo zbrali vse podatke in ciljno oglaševali vsi)? Kakšno je vaše mnenje kot oseba, ki je neposredno vpletena, kdo bo zmagal - umetnik, tehnik, ali bo prišlo do kakšnega sinergijskega učinka?
OH: – Poslušaj, no, delata skupaj. Inženirji se ne domislijo ustvarjalnosti. Tisti, ki so ustvarjalni, si ne izmišljajo občinstva. Tukaj je nekakšna multidisciplinarna zgodba. Resnične težave so zdaj za tiste, ki sedijo in pritiskajo na gumbe, za tiste, ki opravljajo »opičja opravila«, pritiskajo isto stvar vsak dan - to so ljudje, ki bodo izginili.
A tisti, ki analizirajo podatke, bodo seveda ostali, a nekdo mora te podatke obdelati. Nekdo si bo moral izmisliti te slike, jih narisati. Stroj ne more pripraviti takšne ustvarjalnosti! To je popolna norost! Ali kot na primer virusno oglaševanje Carprice, ki se je, mimogrede, zelo dobro obneslo. Ne pozabite, na YouTubu je bilo tole: "Prodajte ga pri Carpriceu," popolnoma noro. Seveda nobena nevronska mreža ne bo ustvarila takšne zgodbe.
Na splošno sem zagovornik tega, da ne bodo ljudje ostali brez službe, ampak bodo imeli malo več prostega časa, ta prosti čas pa bodo lahko porabili za samoizobraževanje.
Primitivno oglaševanje bo izumrlo
Z: - Na splošno oglaševanje, ki je prikazano, pasice - na splošno niso napisana niti prodajna besedila: "Potrebujete okna - vzemite!", "Potrebujete nekaj drugega - vzemite!", tj. tam sploh ni ustvarjalnosti.
OH: – Tako oglaševanje bo seveda prej ali slej zamrlo. Izmrla ne bo toliko zaradi razvoja tehnologije, ampak zaradi razvoja tebe in mene.
Bolje je mešati relevantno z nepomembnim
Z: - Tukaj sem! Imam vprašanje glede eksperimenta, za katerega ste rekli, da vam ni uspel (s sistemom priporočil). Je po vašem mnenju problem to, kar je tam podpisano, zakaj je priporočljivo, ali je to, da se je uporabniku vse, kar je videl, zdelo relevantno? Ker sem prebrala eksperiment za matere, pa še ni bilo toliko podatkov in ni bilo toliko podatkov iz interneta, bili so samo podatki od prodajalca živil, ki je napovedal nosečnost (da bodo mame). In ko so pokazali izbor izdelkov za bodoče mamice, so se mamice zgražale, da so zanje izvedele pred vsemi uradnimi stvarmi. In ni šlo. In da bi rešili ta problem, so namenoma pomešali ustrezne izdelke z nečim popolnoma nepomembnim.
OH: »Ljudem smo posebej pokazali osnovo, na kateri so bila pripravljena priporočila, da bi razumeli njihove povratne informacije. Pravzaprav se je tu rodil koncept, da ljudem ni treba dopovedovati, da so to zanj neki superrelevantni izdelki.
Da, mimogrede, obstaja pristop, da jih pomešamo z nepomembnimi. Toda obstaja nasprotna stvar: včasih pridejo ljudje v interakcijo s tem nepomembnim izdelkom – pojavijo se naključni izstopi, modeli se pokvarijo in stvari postanejo še bolj zapletene. Ampak to dejansko obstaja. Še več, mnoga podjetja namerno, če vedo, da nekdo obdeluje njihove podatke (nekdo bi jim lahko ukradel tak izhod), jih včasih pomešajo, da lahko kasneje dokažejo, da podatkov niste vzeli iz njihovega priporočilnega sistema, ampak iz tako imenovani Yandex.Market.
Zaviralci oglasov in varnost brskalnika
Z: - Zdravo. Omenili ste Ghostery in Adblock. Nam lahko zaupate, kako učinkoviti so takšni sledilci nasploh (morda na podlagi statistike)? In ali ste imeli naročila podjetij: pravijo, poskrbite, da Adblock ne more zapreti našega oglaševanja.
OH: – Ne kontaktiramo neposredno z oglaševalskimi platformami – prav zato, da ne zahtevajo, da je njihovo oglaševanje vidno vsem. Osebno uporabljam Ghostery – mislim, da je zelo kul razširitev. Zdaj se vsi brskalniki borijo za zasebnost: Mozilla je izdala kup najrazličnejših posodobitev, Google Chrome je zdaj super varen. Vsi blokirajo vse, kar lahko. »Safari« je celo privzeto izklopil »Gyroscope«.
In ta trend je seveda dober (ne za tiste, ki zbirajo podatke, čeprav so se iz tega tudi izvlekli), ker so ljudje najprej blokirali piškotke. Vsi, ki so bili lastniki oglaševalskih omrežij, so se spomnili tako čudovite tehnologije, kot so prstni odtisi brskalnika - to so algoritmi, ki prejmejo 60 različnih parametrov (ločljivost zaslona, različica, nameščene pisave) in na njihovi podlagi izračunajo edinstven "ID". Pojdimo k temu. In brskalniki so se s tem začeli boriti. Na splošno bo to neskončna bitka titanov.
Najnovejši razvijalec Mozilla je precej varen. Praktično ne shrani piškotkov in nastavi kratko življenjsko dobo. Še posebej, če vklopite »Inkognito«, vas nihče ne bo našel. Vprašanje je, da bo neprijetno vnašati gesla v vse storitve.
Kje psihotipizacija in fizionomija delujeta in ne?
Z: – Arthur, najlepša hvala za predavanje. Vaša predavanja z veseljem spremljam tudi na YouTubu. Omenili ste, da se tržniki vse pogosteje zatekajo k uporabi psihotipizacije in fizionomije. Moje vprašanje je: v katerih kategorijah blagovnih znamk to deluje? Moje prepričanje je, da je to primerno samo za FMCG. Na primer, izbira avtomobila je...
OH: – Lahko prenesem, kjer točno deluje. To deluje v vseh vrstah zgodb, kot je "Amediateka", TV serijah, filmih in tako naprej. To dobro deluje v bankah in bančnih produktih, če ne gre za premium segment, ampak za vse vrste študentskih izkaznic, obrokov - take stvari. To res zelo dobro deluje v FMCG in vseh vrstah iPhonov, polnilnikov, vsega tega sranja. To dobro deluje pri izdelkih »mama in pop«. Čeprav vem, da pri ribištvu (je taka tema)... Večkrat so bili primeri z ribiči - nikoli se jih ne da zanesljivo segmentirati. Ne vem zakaj. Nekakšna statistična napaka.
To ne deluje dobro z avtomobilisti, z nakitom ali nekaterimi gospodinjskimi predmeti. Pravzaprav ne deluje dobro s stvarmi, o katerih ljudje nikoli ne bi pisali na družbenih omrežjih – to lahko preverite takole. Običajno z nakupom pralnega stroja: tukaj je, kako razumeti, kdo ima pralni stroj in kdo ne? Zdi se, kot da ga imajo vsi. Uporabite lahko podatke OFD – s pomočjo računov si oglejte, kdo je kaj kupil, in s pomočjo računov povežite te osebe. Toda v resnici obstajajo stvari, o katerih nikoli ne bi govorili, na primer na Instagramu - s takimi stvarmi je težko delati.
Stroji prepoznajo trike kot statistično polnjenje.
Z: – Imam vprašanje glede ciljanja. Ali je možen (ali kar naenkrat obstajajo) pogojno naključni lik, ki si v vsem nasprotuje: najprej pogugla »najboljše telovadnice«, nato pa pogugla »10 načinov, kako ne narediti ničesar«? In tako je v vsem. Ali lahko ciljanje spremlja nekaj, kar je v nasprotju s samim seboj?
OH: – Edino vprašanje tukaj je naslednje: če uporabljate Google 2 leti, mu poveste vse, kar lahko o sebi, in zdaj sami namestite vtičnik, ki bo pisal podobne naključne poizvedbe, potem boste seveda iz statistike biti sposoben razumeti – to, kar počnete zdaj, je statistični izstop in vse to je stvar presejanja. Če želite, registrirajte nov račun, vendar se obseg oglaševanja ne bo spremenil. Postala bo samo čudna. Čeprav je še vedno čudna.
Nekaj oglasov 🙂
Hvala, ker ste ostali z nami. So vam všeč naši članki? Želite videti več zanimivih vsebin? Podprite nas tako, da oddate naročilo ali priporočite prijateljem, , edinstven analog začetnih strežnikov, ki smo ga izumili za vas: (na voljo z RAID1 in RAID10, do 24 jeder in do 40 GB DDR4).
Dell R730xd dvakrat cenejši v podatkovnem centru Equinix Tier IV v Amsterdamu? Samo tukaj na Nizozemskem! Dell R420 - 2x E5-2430 2.2 Ghz 6C 128 GB DDR3 2x960 GB SSD 1 Gbps 100 TB - od 99 $! Preberite o
Vir: www.habr.com