آرتھر کھچویان: "اشتہارات میں حقیقی بڑا ڈیٹا"

14 مارچ 2017 کو، سوشل ڈیٹا ہب کے سی ای او آرتھر کھچویان نے BBDO لیکچر میں بات کی۔ آرتھر نے ذہین نگرانی، طرز عمل کے ماڈلز بنانے، تصویر اور ویڈیو مواد کی شناخت کے ساتھ ساتھ دیگر سوشل ڈیٹا ہب ٹولز اور تحقیق کے بارے میں بات کی جو آپ کو سوشل نیٹ ورکس اور بگ ڈیٹا ٹیکنالوجیز کا استعمال کرتے ہوئے سامعین کو ہدف بنانے کی اجازت دیتے ہیں۔

آرتھر کھچویان (اس کے بعد - AH): - ہیلو! سب کو سلام! میرا نام آرتھر کھچویان ہے، میں کمپنی سوشل ڈیٹا ہب چلاتا ہوں، اور ہم ڈیٹا کے کھلے ذرائع، معلوماتی شعبوں کے مختلف دلچسپ فکری تجزیوں میں مصروف ہیں اور ہر طرح کی دلچسپ تحقیق کرتے ہیں۔

اور آج BBDO گروپ کے ساتھیوں نے ہم سے بڑے ڈیٹا کا تجزیہ کرنے کے لیے جدید ٹیکنالوجیز کے بارے میں بات کرنے کو کہا، اشتہارات کے لیے بڑا اور اتنا بڑا ڈیٹا نہیں: اسے کیسے استعمال کیا جاتا ہے، کچھ دلچسپ مثالیں دکھائیں۔ مجھے امید ہے کہ آپ راستے میں سوالات پوچھیں گے، کیونکہ میں بورنگ ہو سکتا ہوں اور جوہر وغیرہ کو ظاہر نہیں کر سکتا، لہذا شرمندہ نہ ہوں۔

درحقیقت، اہم سمتیں، جہاں کبھی کسی قسم کے "قریب-بگ ڈیٹا" کے حل استعمال کیے گئے تھے، وہ سب واضح ہیں - یہ سامعین کو ہدف بنانا، تجزیہ کرنا، کسی قسم کی تجزیاتی مارکیٹنگ تحقیق کرنا ہے۔ لیکن یہ ہمیشہ دلچسپ ہوتا ہے کہ کون سا اضافی ڈیٹا مل سکتا ہے، تجزیے کو لاگو کرنے کے بعد کیا اضافی معنی مل سکتے ہیں۔

ہمیں اشتہارات کے لیے ٹیکنالوجی کی ضرورت کیوں ہے؟

ہم کہاں سے شروع کریں؟ سب سے واضح چیز سوشل نیٹ ورکس پر اشتہار دینا ہے۔ آج میں نے اسے صبح کے وقت اتارا: کسی وجہ سے VKontakte سوچتا ہے کہ مجھے یہ خاص اشتہار دیکھنا چاہیے... یہ اچھا ہے یا برا دوسرا سوال ہے۔ ہم دیکھتے ہیں کہ میں یقینی طور پر بھرتیوں کے زمرے میں آتا ہوں:

سب سے پہلی اور سب سے دلچسپ چیز جسے تکنیکی حل کے طور پر لیا جا سکتا ہے... شروع کرنے سے پہلے جس چیز کا میں فیصلہ کرنا چاہتا تھا وہ ہے شرائط کی وضاحت کرنا: اوپن ڈیٹا کیا ہے اور بڑا ڈیٹا کیا ہے؟ کیونکہ اس معاملے میں تمام لوگوں کی اپنی اپنی سمجھ ہے، اور میں اپنی شرائط کسی پر مسلط نہیں کرنا چاہتا، لیکن... بس تاکہ کوئی اختلاف نہ ہو۔

ذاتی طور پر، میرے خیال میں کھلا ڈیٹا ہی وہ ہے جس تک میں بغیر کسی لاگ ان یا پاس ورڈ کے پہنچ سکتا ہوں۔ یہ سوشل نیٹ ورکس پر ایک کھلا پروفائل ہے، یہ تلاش کے نتائج ہیں، یہ کھلی رجسٹریاں ہیں، وغیرہ۔ بگ ڈیٹا، میری اپنی سمجھ میں، میں اسے اس طرح دیکھتا ہوں: اگر یہ ڈیٹا پلیٹ ہے، یہ ایک ارب قطاریں ہیں، اگر یہ کسی قسم کی ہے۔ فائل سٹوریج کا، یہ کہیں ڈیٹا کا ایک پیٹا بائٹ ہے۔ باقی میری اصطلاح میں بڑا ڈیٹا نہیں ہے بلکہ کچھ ایسا ہی ہے۔

اعلی صحت سے متعلق پروفائلنگ اور پروفائل اسکورنگ

آئیے ترتیب سے چلتے ہیں۔ سب سے پہلی اور سب سے دلچسپ چیز جو آپ اوپن ڈیٹا کے ذرائع کا تجزیہ کرنے سے حاصل کر سکتے ہیں وہ ہے اعلیٰ درستگی کی پروفائلنگ اور پروفائل اسکورنگ۔ یہ کیا ہے؟ یہ ایک ایسی کہانی ہے جہاں آپ کا سوشل نیٹ ورک اکاؤنٹ نہ صرف یہ پیش گوئی کر سکتا ہے کہ آپ کون ہیں، نہ صرف آپ کی دلچسپیاں۔

لیکن اب، مختلف ذرائع کو ملا کر، آپ اپنی تنخواہ کی اوسط سطح، آپ کے اپارٹمنٹ کی قیمت کتنی ہے، اور یہ کہاں واقع ہے۔ اور یہ تمام ڈیٹا دستیاب ذرائع سے لفظی طور پر استعمال کیا جا سکتا ہے۔ مثال کے طور پر، اگر آپ سوشل نیٹ ورک پر اپنا اکاؤنٹ لیتے ہیں، تو دیکھیں، کہیں، آپ کہاں رہتے ہیں، کہاں کام کرتے ہیں؛ سمجھیں کہ آپ جس کمپنی کے لیے کام کرتے ہیں وہ کاروبار کے کس حصے میں ہے؛ اگر آپ تجزیہ کار، مینیجر وغیرہ ہیں تو HH اور "Superjob" سے ملتی جلتی آسامیاں ڈاؤن لوڈ کریں۔ دیکھیں کہ آپ کہاں رہتے ہیں (بیس، CIAN کہتے ہیں)، سمجھیں کہ اس جگہ پر گھر کرائے پر لینے پر کتنا خرچ آتا ہے، اس جگہ گھر خریدنے میں کتنا خرچ آتا ہے، اندازہ لگائیں کہ آپ کتنی کمائی کرتے ہیں۔ مزید، اپنے سوشل نیٹ ورکس کا استعمال کرتے ہوئے، آپ یہ سمجھ سکتے ہیں کہ آپ کتنا سفر کرتے ہیں، آپ کہاں ہیں، اور آپ اپنے آجر کے لیے کتنے وفادار ہیں۔

اس کے مطابق، میٹرکس کی اتنی بڑی تعداد سے ہم جو چاہیں کر سکتے ہیں۔ ہم آپ کو اس پروڈکٹ سے متعارف کروا سکتے ہیں جس میں آپ کی دلچسپی ہو۔ کیا آپ ایک آن لائن اسٹور کا تصور کر سکتے ہیں؟ آپ وہاں جائیں - یہ آن لائن اسٹور ایک سوشل نیٹ ورک پر آپ کا اکاؤنٹ پکڑتا ہے اور آپ سے کہتا ہے: "ماشا، آپ نے ابھی اپنے بوائے فرینڈ سے رشتہ توڑ لیا ہے، یہ آپ کے لیے کچھ خاص پروڈکٹس ہیں۔" یہ مستقبل قریب نہیں ہے...

کسی شخص کے جغرافیائی محل وقوع کا تعین کیسے کیا جاتا ہے؟

سامعین کے سوالات کے جوابات:

• عام طور پر، تمام چیک انز میں سے 80% کو رہائش کی صحیح جگہ سمجھا جاتا ہے۔ لیکن جو لوگ کہیں بھی چیک ان نہیں کرتے ہیں، ان کے لیے کئی آپشنز ہیں: یا تو چیک ان کریں، یا جغرافیائی محل وقوع، یا یہ پوسٹس اور اشاعتوں کا تجزیہ ہے اس پورے عرصے کے لیے جب کسی شخص نے کچھ لکھا... اور کہیں، کچھ پاپ اپ ہوگا جیسے "میں اکادمیچسکایا کے قریب ایک سٹرولر خریدنا چاہتا ہوں" یا "میں نے حال ہی میں یہاں دیوار پر بدصورت گرافٹی دیکھی۔" یعنی، تقریباً 80% لوگوں کے لیے، ان کے جغرافیائی محل وقوع، ان کے کام کی جگہ اور ان کے رہنے کی جگہ کا تعین ڈیٹا یا میٹا ڈیٹا کے ذریعے کیا جا سکتا ہے جسے سوشل نیٹ ورکس سے جمع کیا جا سکتا ہے۔

  یہ ایک بار پھر پوسٹس کا تجزیہ ہے۔ آسان ترین معنوں میں، یہ سوشل نیٹ ورکس میں چیک ان اور جغرافیائی محل وقوع کا تجزیہ ہے، جو jpeg میٹا ڈیٹا کو حذف نہیں کرتے ہیں (آپ اس سے کچھ معلوم کر سکتے ہیں)۔ لیکن باقی لوگوں کے لیے، یہ عام طور پر ٹیکسٹ براڈکاسٹ ہوتے ہیں: یا تو کوئی شخص جب کسی چیز کے بارے میں لکھتا ہے تو اپنا مقام "چمکتا" ہے، یا وہ اپنے فون کو "چمک" دیتا ہے، جس کے ذریعے آپ Avito یا اس کے اکاؤنٹ پر اس کے کچھ اشتہارات تلاش کر سکتے ہیں۔ آٹو آر یو"۔ اس ڈیٹا کی بنیاد پر، آپ یکجا کر سکتے ہیں (مثال کے طور پر، "میں Mayakovskaya کے قریب ایک کار فروخت کر رہا ہوں") اور اسے تقریباً فرض کر سکتے ہیں۔

• لوگ عام طور پر اسے سوشل میڈیا پر پوسٹ کرتے ہیں۔ ہم صرف اوپن سورس کے ساتھ کام کرتے ہیں اور یہاں ہم صرف اوپن سورس کے بارے میں بات کر رہے ہیں۔ وہ عام طور پر اشتہارات شائع کرتے ہیں، یعنی ساٹھ فیصد معاملات میں، جب لوگوں نے اپنا موجودہ سیل فون نمبر "دکھایا" تو سب سے عام کہانی کسی چیز کی فروخت کے اشتہارات ہیں۔ یا تو کچھ گروپس میں کوئی شخص لکھتا ہے ("میں یہ یا وہ وہاں بیچتا ہوں")، یا کہیں چلا جاتا ہے۔

  جی ہاں! وہ عام طور پر اس طرح تبصرہ کرتے ہیں: "مجھے جواب دیں یا مجھے ایک SMS بھیجیں، میرے نمبر پر کال کریں۔ ایسا اکثر ان لوگوں کے ساتھ ہوتا ہے جو سوشل نیٹ ورکس پر کوئی چیز بیچتے ہیں، کچھ خریدتے ہیں، کسی کے ساتھ بات چیت کرتے ہیں... اس کے مطابق، اس نمبر کا استعمال کرتے ہوئے آپ CIAN پر اس کے پروفائل کو اس سے لنک کر سکتے ہیں، اگر اس نے کبھی کچھ شائع کیا ہے، یا دوبارہ، Avito. یہ صرف سب سے زیادہ مقبول، اعلی ذرائع ہیں، یہ آگے بڑھیں گے - یہ Avito، CIAN اور اسی طرح ہیں.

• اس سے مراد آن لائن اسٹور ہے۔ اس کے بعد چہرے کی شناخت اور پروفائل میچنگ کی ٹیکنالوجی ہوگی (ہم اس کے بارے میں بات کریں گے)۔ خالصتاً نظریاتی طور پر، اس کا اطلاق آف لائن اسٹور پر کیا جا سکتا ہے۔ اور عام طور پر، میرا بڑا خواب یہ ہے کہ جب سڑکوں پر بینرز نمودار ہوتے ہیں، جب آپ کسی کیمرے کے پاس سے گزرتے ہیں، تو یہ آپ کے چہرے کو "پھنسا" دیتا ہے۔ لیکن یہ کیس قانون کے ذریعہ ممنوع ہوگا کیونکہ یہ رازداری کی خلاف ورزی ہے۔ مجھے امید ہے کہ یہ جلد یا بدیر ہو جائے گا۔
• ذاتی تجربے سے۔ اکثر، جب کوئی شخص آپ کو کچھ لکھتا ہے، تو آپ اس کی زندگی کے کچھ ایسے حقائق پر عمل کرتے ہیں جو آپ کو معلوم نہیں ہونا چاہیے... زیادہ تر معاملات میں لوگ خوفزدہ ہو جاتے ہیں۔ لیکن! حالیہ اعدادوشمار کی بنیاد پر، سوشل نیٹ ورکس پر بند اکاؤنٹس کی تعداد میں 14% کی کمی واقع ہوئی ہے۔ جعلیوں کی تعداد بڑھ رہی ہے، کھلے کھاتوں کی تعداد بڑھ رہی ہے - لوگ تیزی سے کھلے پن کی طرف بڑھ رہے ہیں۔ مجھے لگتا ہے کہ 3-4 سالوں میں وہ اس حقیقت پر اتنا سخت ردعمل ظاہر کرنا چھوڑ دیں گے کہ کوئی ان کے بارے میں ایسی معلومات جانتا ہے جو ممکنہ طور پر انہیں نہیں جاننا چاہئے۔ لیکن حقیقت میں اس کی دیوار کو دیکھ کر حاصل کرنا بہت آسان ہے۔

کھلے ذرائع سے کیا لیا جا سکتا ہے؟

ان چیزوں کی ایک تخمینی فہرست ہے جو کھلے ذرائع سے کافی زیادہ وشوسنییتا کے ساتھ سمجھی جا سکتی ہیں۔ درحقیقت، اس سے بھی زیادہ مختلف میٹرکس ہیں۔ یہ اس طرح کی تحقیق کے گاہک پر منحصر ہے۔ کچھ HR ایجنسی ہے جو اس میں دلچسپی رکھتی ہے کہ آیا آپ سوشل نیٹ ورک پر قسم کھاتے ہیں یا عوامی جگہ پر۔ کوئی اس میں دلچسپی رکھتا ہے کہ آیا آپ کو Navalny کی اشاعتیں پسند ہیں یا، اس کے برعکس، United Russia کی اشاعتیں، یا کسی قسم کا فحش مواد - ایسی چیزیں اکثر ہوتی ہیں۔

اہم ہیں خاندانی اقدار، اپارٹمنٹ کی تخمینی قیمت، گھر، کار کی تلاش وغیرہ۔ اس کی بنیاد پر لوگوں کو سماجی گروہوں میں تقسیم کیا جا سکتا ہے۔ یہ ماسکو ٹنڈر کے صارفین ہیں، وہ کون ہیں (ان کے فیس بک اکاؤنٹس پر پائی جانے والی ان کی تصاویر کے مطابق)؛ ان کے مفادات کی بنیاد پر، وہ مختلف سماجی گروہوں میں تقسیم ہیں:

اگر ہم اشتہارات کے قریب جاتے ہیں، تو ہم آہستہ آہستہ معیاری اشتہاری ہدف بندی سے دور ہو گئے ہیں، جب آپ VKontakte پر یہ انتخاب کرتے ہیں کہ آپ 18 سالہ مردوں میں دلچسپی رکھتے ہیں جو کچھ مخصوص گروپس میں شامل ہیں۔ میرے پاس یہ تصویر اگلی ہے، اب میں آپ کو دکھاؤں گا:

سب سے اہم بات یہ ہے کہ زیادہ تر موجودہ خدمات جو تجزیہ کرتی ہیں، اصولی طور پر، وہ لوگ جو سوشل نیٹ ورکس کا تجزیہ کرتے ہیں، دلچسپیوں کا تجزیہ کرنے میں مصروف ہیں... سب سے پہلی چیز جو لوگوں کے ذہنوں میں آتی ہے وہ ہے اپنے سبسکرائبرز کے سرفہرست گروپوں کا تجزیہ کرنا۔ شاید یہ کچھ لوگوں کے لیے کام کرتا ہے، لیکن ذاتی طور پر میرے خیال میں یہ بنیادی طور پر غلط ہے۔ کیوں؟

آپ کی پسندیدگیاں جمع اور تجزیہ کی جاتی ہیں۔

اب اپنے فون لے لو، اپنے سرفہرست گروپس کو دیکھو - یقیناً 50% سے زیادہ ایسے گروپس ہوں گے جن کے بارے میں آپ پہلے ہی بھول چکے ہوں گے، یہ کچھ ایسا مواد ہے جو درحقیقت آپ کے لیے غیر متعلقہ ہے۔ آپ اسے بالکل استعمال نہیں کرتے ہیں، لیکن اس کے باوجود سسٹم آپ کو ان کے مطابق ٹریک کرے گا: کہ آپ نے کچھ مشہور گروپس کی ترکیبیں سبسکرائب کی ہیں۔ یعنی، آپ اس نظام کی خلاف ورزی کریں گے جو آپ کے پروفائل کا تجزیہ کرتا ہے، اور آپ کی دلچسپیوں کا جواز نہیں ہوگا۔

آگے بڑھ رہے ہیں... وہاں کیا ہے؟ ہم فرض کرتے ہیں کہ دوسرے لوگ کیا کر رہے ہیں۔ ہماری رائے میں، صارفین کی دلچسپیوں کا اندازہ لگانے کا سب سے مناسب طریقہ پسند ہے۔ مثال کے طور پر، VKontakte پر کوئی لائکس فیڈ نہیں ہے، اور لوگ سوچتے ہیں کہ کوئی نہیں جانتا کہ وہ کیا پسند کرتے ہیں۔ جی ہاں، انسٹاگرام پر کچھ لائکس متعارف کرائے جاتے ہیں، ہم فیس بک پر کچھ دیکھتے ہیں، لیکن کچھ گروپس میں موجود زیادہ تر مواد اسے عام فیڈ میں نشر نہیں کرتے اور لوگ لائیو رہتے ہیں اور یہ سمجھتے ہیں کہ کسی کو پتہ نہیں چلے گا کہ انہیں کیا پسند ہے۔

اور کسی خاص قسم کے مواد کو جمع کرکے جو ہماری دلچسپی کا حامل ہے، ان پوسٹس کو جمع کرکے، ان لائیکس کو جمع کرکے، پھر اس ڈیٹا بیس کا استعمال کرتے ہوئے اس شخص کو چیک کرکے، ہم انتہائی درستگی کے ساتھ یہ تعین کرسکتے ہیں کہ وہ کون ہے، اس کی قسمت کیا ہے، اسے کس چیز میں دلچسپی ہے۔ اسے بالکل ایک مخصوص سماجی گروپ میں رکھیں اور اس کے ساتھ بات چیت کریں۔

کار خریدنا رویے میں تبدیلی لاتا ہے۔

میرے پاس ایسی مثال ہے۔ میں فوری طور پر ایک ریزرویشن کروں گا کہ میری مثالیں قریب تر اشتہارات اور قریب قریب مارکیٹنگ ہیں، کیونکہ، آپ جانتے ہیں، زیادہ تر معاملات NDA وغیرہ کے ذریعہ محفوظ ہیں۔ لیکن پھر بھی بہت سی دلچسپ چیزیں ہوں گی۔ تو، ان لوگوں کے ساتھ کہانی: یہ وہ مرد ہیں جنہوں نے 2010 اور 2015 کے درمیان کار خریدی تھی۔ ان کے آن لائن سماجی رویے میں کس طرح تبدیلی آئی ہے اس کی نشاندہی رنگ سے ہوتی ہے۔ سبسکرائبرز میں لڑکیوں کا فیصد بدل گیا ہے، میں نے "لڑکے والے" پبلک پیجز کو سبسکرائب کیا، ایک مستقل جنسی ساتھی ملا...

یہ ساری چیز کار کے برانڈ اور لوگوں کی تعداد سے ٹوٹی ہوئی ہے۔ یہاں سے آپ لوگوں کے رویے اور یہ سب کیسے کام کرتا ہے کے بارے میں بہت سے دلچسپ نتائج اخذ کر سکتے ہیں۔ میں کہہ سکتا ہوں کہ پورش کیئن اور پودے لگائے گئے پریورا متوجہ سامعین کی تعداد کے لحاظ سے تقریباً ایک جیسے ہیں۔ اس سامعین کا معیار اور ان کے رویے مختلف ہیں، لیکن مقدار تقریباً ایک جیسی ہے۔ آپ یہاں سے جو نتیجہ اخذ کر سکتے ہیں وہی ہے جو آپ چاہتے ہیں، آپ کے بازار کے قریب۔ اگر آپ آڈی بیچتے ہیں تو آپ نعرہ لگاتے ہیں "ایک آڈی خریدو اور اپنے والدین سے دور ہو جاؤ!" اور اسی طرح.

جی ہاں، یہ اس حقیقت کی ایک مضحکہ خیز مثال ہے کہ لوگوں کا طرز عمل پسندیدگی کے تجزیہ پر مبنی ہے، اس بنیاد پر کہ وہ کس گروپ میں جاتے ہیں، وہ کس مواد کا تجزیہ کرتے ہیں - تقریباً 100% امکان کے ساتھ یہ واضح کرتا ہے کہ آپ کون ہیں۔ کیونکہ اگر آپ کو نیٹ ورک ٹریفک تک رسائی نہیں ہے اور آپ ذاتی پیغامات نہیں پڑھتے ہیں، تو لائکس ہمیشہ آپ کو بتائے گا کہ یہ شخص کون ہے - ایک حاملہ عورت، ایک ماں، ایک فوجی آدمی، ایک پولیس والا۔ اور آپ کے لیے، ایک ایسے شخص کے طور پر جو اشتہار دے سکتا ہے، یہ ہدف پر ایک بڑی ہٹ ہے۔

سامعین کے سوالات کے جوابات:

• ہر کالم اس کار میں موجود لوگوں کی تعداد ہے۔ ان کے رویے کے پیٹرن کیسے بدل گئے ہیں. دیکھو: وہ لوگ جنہوں نے پورش کیین خریدا - تقریباً 550 لوگ (پیلا)، سبسکرائبرز میں لڑکیوں کا فیصد بڑھ گیا ہے۔
• نمونہ 2010 سے 2015 تک سوشل نیٹ ورک "Vkontakte"، "Facebook"، "Instagram" کے صارفین ہیں۔ صرف وضاحت: یہاں منتخب کردہ کاریں وہ ہیں جن کی شناخت تصویروں میں 80% سے زیادہ درستگی کے ساتھ مخصوص ٹولز کے ذریعے کی جا سکتی ہے۔
• ایک خاص مدت کے دوران، اس کی کار (اچھی طرح سے، یعنی اس کی نہیں، ہم اسے سوشل نیٹ ورک پر چھوڑ دیتے ہیں)... ایک خاص مدت کے دوران، ایک شخص کی گاڑی کے ساتھ مسلسل تصویر کھنچوائی گئی، اس کے ساتھ تھی، اشاعتیں مختلف تھے، تصویریں مختلف زاویوں سے تھیں، وغیرہ۔ اس کے بعد ایک تصویر سامنے آئے گی کہ لوگ کن کاروں کے ساتھ تصاویر لے رہے ہیں اور... جی ہاں، یہ دوسرا سوال ہے - سوشل نیٹ ورک ڈیٹا پر بھروسہ۔
• چونکہ ہم نے اسے اٹھایا ہے، بدقسمتی سے، سوشل میڈیا ڈیٹا ہمیشہ درست نہیں ہوتا ہے۔ لوگ ہمیشہ اپنی معلومات شائع کرنے کے لیے مائل نہیں ہوتے ہیں۔ ذاتی طور پر، میں نے ایسا مطالعہ کیا: میں نے ماسکو یونیورسٹیوں کے فارغ التحصیل افراد کی تعداد کا موازنہ سوشل نیٹ ورکس پر رجسٹرڈ لوگوں کی تعداد سے کیا۔ اوسطاً، 60% زیادہ لوگ سوشل نیٹ ورکس پر رجسٹر ہوتے ہیں - ماسکو اسٹیٹ یونیورسٹی کے فارغ التحصیل ایک خاص سال میں کچھ خاص خصوصیات میں - اصولی طور پر اس سے کہیں زیادہ۔ تو ہاں - قدرتی طور پر، یہاں ایک فیصد غلطیاں ہیں، اور کوئی اسے چھپا نہیں سکتا۔ یہاں ہم صرف ان کاروں کو ایک بنیاد کے طور پر لیتے ہیں جن کی شناخت 80 فیصد سے زیادہ امکان کے ساتھ کی جا سکتی ہے۔

ماڈل ٹریننگ کے ذرائع کی فہرست

یہاں استعمال کیے جانے والے ذرائع کی ایک نمونہ فہرست ہے، جس کا استعمال کسی شخص کے سماجی پروفائل کا تعین کرنے کے لیے کیا جاتا ہے، وہ کون ہے۔

ہم سوشل نیٹ ورکس سے ایک پروفائل لیتے ہیں، CIAN سے - ایک اپارٹمنٹ کی قیمت لگ بھگ ہے، "Head-Hunter"، "Superjob" - یہ ایک دیے گئے شخص کی اوسط تنخواہ ہے۔ مجھے امید ہے کہ یہاں کوئی ہیڈ ہنٹر کے نمائندے نہیں ہیں، کیونکہ وہ سمجھتے ہیں کہ ان سے یہ ڈیٹا لینا بہت اچھا نہیں ہے۔ تاہم، یہ مخصوص علاقوں میں اسامیوں کے لیے مخصوص قسم کی سرگرمیوں کے لیے اوسط تنخواہ ہے۔

"Avito"، "Avto.ru": اکثر لوگ، جب ان کا فون روشن ہوتا ہے، تو ان کے پاس یہ ضرور ہوتا ہے (بڑی تعداد میں) کم از کم "Avito"، یا "Avto.ru" پر، یا دوسری کئی سائٹوں پر جہاں سے آپ سمجھ سکتے ہیں کہ وہ کون ہیں۔ اگر اس فون پر کوئی سٹرولر یا کار فروخت کی گئی ہو... Rosstat اور یونیفائیڈ اسٹیٹ رجسٹر آف لیگل اینٹیٹیز اب بھی زیادہ رجسٹر ہیں جن کی مدد سے آپ ملازمت کرنے والی کمپنی کی درجہ بندی کر سکتے ہیں - کچھ فارمولے کے مطابق، ایک ماڈل کے مطابق جو کسی بھی شخص مقرر کر سکتا ہے (آپ اس شخص کی رقم کا اندازہ لگا سکتے ہیں وغیرہ)۔

ٹنڈر لوگوں کی صورتحال سے متعلق ڈیٹا اکٹھا کرنے میں مدد کرتا ہے۔

اس کے علاوہ، ایک ایسی دلچسپ چیز ہے (متبادل طور پر، یہ مطالعہ میں بہت مضحکہ خیز ہے) - یہ ایک بار پھر، اس ٹنڈر کے لیے بوٹس کا استعمال کرتے ہوئے ماسکو ٹنڈر سے ڈیٹا اکٹھا کرنا ہے۔ لوگوں کی دوری کا تعین کیا گیا، اور پھر ان کے اندازاً مقام کا تعین کیا گیا۔

اس مطالعے کا مقصد سرکاری اداروں کی سرزمین پر ٹنڈر اکاؤنٹس کی تعداد کا تعین کرنا تھا - ڈوما میں، پراسیکیوٹر کے دفتر، وغیرہ۔ لیکن آپ بحیثیت اشتہاری، آپ جو چاہیں تصور کر سکتے ہیں: یہ ہو سکتا ہے، مثال کے طور پر، سٹاربکس یا کوئی اور... یعنی، ٹنڈر پر ان لوگوں کی تعداد جو آپ سے کافی پیتے ہیں، کچھ آرڈر کرتے ہیں، اسٹورز میں موجود ہیں اس جغرافیائی محل وقوع کے بارے میں: یہ کسی بھی خدمت کے ساتھ کیا جا سکتا ہے۔

سامعین کے ایک سوال کا جواب:

• ٹنڈر؟ آپ نہیں جانتے؟ ٹنڈر ایک ڈیٹنگ ایپ ہے جہاں آپ تصاویر (بائیں دائیں) دیکھتے ہیں، اور یہ ایپ آپ کو اس شخص سے فاصلہ دکھاتی ہے۔ اگر آپ کو تین مختلف مقامات سے اس شخص کا فاصلہ ملتا ہے، تو آپ تقریباً (+5-7 میٹر) مقام کا تعین کر سکتے ہیں۔ اس صورت میں، پراسیکیوٹر کے دفتر یا ریاست ڈوما کے علاقے پر تعین کے لئے، یہ اتنا مشکل نہیں ہے. لیکن پھر، یہ آپ کا اسٹور ہوسکتا ہے، یہ کچھ بھی ہوسکتا ہے۔

مثال کے طور پر، ایک طویل عرصہ پہلے ہمارے پاس ایسا معاملہ تھا (مطالعہ نہیں)، جب ہمیں سیلولر آپریٹرز میں سے ایک سے ٹریفک کی کثافت، سیلولر پوائنٹس کی نقل و حرکت کی کثافت پر ڈیٹا موصول ہوا، اور یہ تمام معلومات سپرمپوز کر دی گئی تھیں۔ شاہراہوں پر واقع بل بورڈز کے نقاط پر۔ اور سیلولر آپریٹر کا کام یہ طے کرنا ہے کہ تقریباً کتنے لوگ وہاں سے گزر رہے ہیں اور ممکنہ طور پر اس بل بورڈ اشتہار کو دیکھ سکتے ہیں۔

اگر یہاں بل بورڈ ایڈورٹائزنگ کے ماہرین موجود ہیں، تو آپ کہہ سکتے ہیں: انتہائی قابل اعتمادی کے ساتھ سمجھنا ناممکن ہے - کوئی آ رہا ہے، کوئی نظر نہیں آیا، کسی نے دیکھا... اس کے باوجود، یہ ایک مثال ہے کہ کس طرح 20 ارب کثیر الاضلاع ہیں۔ یہ ماسکو میں، جن پر مخصوص راستوں پر ہر گھنٹے میں ان لوگوں کی کثافت ہوتی ہے... آپ دیکھ سکتے ہیں کہ یہ لوگ کسی بھی لمحے کس چیز سے گزر رہے تھے اور مسافروں کے بہاؤ کا اندازہ لگا سکتے ہیں۔

سامعین کے ایک سوال کا جواب:

• کوئی بھی ایسا ڈیٹا نہیں دیتا۔ ہم نے آپریٹرز میں سے ایک کے لیے اس طرح کا مطالعہ کیا؛ یہ ایک خصوصی طور پر اندرونی کہانی ہے، لہذا، بدقسمتی سے، اسے تصویروں کی شکل میں پیش نہیں کیا گیا ہے۔ لیکن اکثر بڑی اشتہاری ایجنسیوں کو آپریٹر سے رابطہ کرنے میں کوئی مسئلہ نہیں ہوتا ہے۔ کم از کم ماسکو میں ایسی بہت سی نظیریں موجود ہیں جب، مثال کے طور پر، انشورنس کمپنیاں GetTaxi جیسی کمپنیوں سے رجوع کرتی ہیں، جو ڈرائیور کی عمر، وہ کس طرح گاڑی چلاتی ہیں (اچھی - بری، لاپرواہی - نہیں)، پیشین گوئی کرنے کے لیے غیر ذاتی ڈیٹا فراہم کرتی ہیں۔ پالیسیاں اور اسی طرح. ہر کوئی اس کے ساتھ جدوجہد کرتا ہے، لیکن کچھ اندرونی سطح پر، گمنام ڈیٹا دینا - میرے خیال میں کسی کو بھی ایسا مسئلہ نہیں ہے۔

تصویر اور پیٹرن کی شناخت

آگے بڑھو. میرا پسندیدہ تصویر کی شناخت ہے۔ چہروں کے ذریعے لوگوں کو تلاش کرنے کے بارے میں ایک چھوٹا سا حصہ ہوگا، لیکن ہم زیادہ تر یہ حصہ نہیں لیتے ہیں۔ ہم خاص طور پر تصویر کی شناخت لیتے ہیں اور اس بات کا تعین کرتے ہیں کہ اس تصویر میں کیا ہے - کار کی ساخت، اس کا رنگ، وغیرہ۔

میرے پاس یہ مضحکہ خیز مثال ہے:

مختلف سوشل نیٹ ورکس پر ٹیٹو کی تلاش پر اس طرح کا ایک مطالعہ تھا۔ اس کے مطابق، کسی بھی برانڈ پر، کسی بھی بصری تصویر پر، تقریباً کسی بھی بصری تصویر پر اسی کا اطلاق کیا جا سکتا ہے۔ وہ ہیں جو قابل اعتماد طریقے سے طے نہیں ہوسکتے ہیں (ہم انہیں نہیں لیتے ہیں)۔

یہ میرا پسندیدہ ہے۔ کار برانڈز اکثر اس کام کی طرف رجوع کرتے ہیں کیونکہ ان کا کام، مثال کے طور پر، کچھ BMW X6 کے تمام مالکان کو تلاش کرنا، یہ سمجھنا کہ وہ کون ہیں، وہ ایک دوسرے سے کیسے جڑے ہوئے ہیں، ان کی کیا دلچسپی ہے، وغیرہ۔ اس کا تعلق اس سوال سے ہے کہ لوگ سوشل نیٹ ورک پر کن کاروں کے ساتھ تصاویر لیتے ہیں۔

یہاں کوئی فلٹرنگ نہیں تھی: اعتراض ان کا تھا، گاڑی ان کی نہیں تھی۔ یہ صرف کاروں کی خرابی ہے - عمر وغیرہ۔ لیکن بصری تصویر کی شناخت کا استعمال اکثر ہوتا ہے: یہ حاملہ خواتین کی تلاش ہے، اور کسی قسم کے میڈیا میں برانڈ لوگو کی تلاش ہے (کون کیا پوسٹ کرتا ہے)۔

میرا پسندیدہ کیس (جو مختلف ریستوراں استعمال کرتے ہیں): سوشل نیٹ ورک پر کس قسم کے رولز پوسٹ کیے جاتے ہیں۔ یہ ایک مضحکہ خیز بات ہے، لیکن درحقیقت یہ آپ کو بہت سی دلچسپ چیزوں کو سمجھنے کی اجازت دیتی ہے، سب سے پہلے، آپ کے اپنے گاہکوں کے بارے میں: کون آپ کے پاس آیا اور انہوں نے ایسا کیوں کیا۔ کیونکہ یہ کوئی راز نہیں ہے کہ سشی بارز میں، زیادہ تر لوگ (میں "لڑکیاں" نہیں کہوں گا) چیک ان کرنے، کسی چیز کی تصویر لینے وغیرہ کے لیے تصویریں کھینچتے ہیں۔

برانڈ اس سے فائدہ اٹھا سکتا ہے۔ برانڈ اس بات میں دلچسپی رکھتا ہے کہ اسے کس قسم کی مصنوعات کی خوبصورتی سے تصویر کشی اور پوسٹ کرنے کی ضرورت ہے، وہاں کس قسم کے لوگ آئے تھے۔ یہ چیز کھانے سے لے کر تقریباً کسی بھی چیز کے ساتھ کی جا سکتی ہے۔

ویڈیو پیٹرن کی شناخت

سامعین کے ایک سوال کا جواب:

• ویڈیو پر نہیں۔ ہمارے پاس یہ ٹیسٹ موڈ میں ہے۔ ہم نے اس ٹیکنالوجی کو آزمایا، لیکن یہ پتہ چلا کہ... یہ ویڈیو کے ساتھ ہر چیز کو اچھی طرح سے پہچانتی ہے، لیکن ہمیں کہیں بھی اس کے لیے کوئی درخواست نہیں ملی۔ الوداع تجزیہ کرنے کے علاوہ کہ ویڈیو بلاگرز کتنی اور کس جگہ بات کر رہے ہیں... اس طرح کا ایک مطالعہ تھا۔ ان کے کتنے چہرے، کتنی بار ملتے ہیں۔ لیکن برانڈز نے ابھی تک یہ نہیں سوچا ہے کہ اس کے ساتھ کہاں آنا ہے۔ شاید کسی دن آ جائے۔

ایک بار پھر، یہ کھانا ہے، یہ حاملہ خواتین، مرد (حاملہ نہیں)، کاریں - کچھ بھی ہو سکتا ہے.

ایک اختیار کے طور پر، ایک میڈیا آؤٹ لیٹ کے لیے نئے سال کا مطالعہ تھا۔ اشتہارات سے بھی دور، لیکن پھر بھی۔ لوگوں نے نئے سال کے لیے کس قسم کا کھانا کھایا:

یہاں عمر کے لحاظ سے بھی ٹوٹ جاتا ہے۔ آپ ایسا تعلق دیکھ سکتے ہیں کہ نوجوان زیادہ تر کھانے کا آرڈر دیتے ہیں، بالغ لوگ زیادہ تر روایتی دسترخوان بناتے ہیں۔ یہ ایک مضحکہ خیز بات ہے، لیکن اسے ایک برانڈ کے مالک کے طور پر تصور کرتے ہوئے، آپ بہت سی چیزوں کا اندازہ لگا سکتے ہیں: آپ کی پروڈکٹ کو کون ہینڈل کرتا ہے اور کیسے، وہ اس کے بارے میں کیا لکھتے ہیں۔ اکثر، لوگ ہمیشہ متن میں خود برانڈ کا ذکر نہیں کرتے ہیں، اور روایتی تجزیاتی نگرانی کے نظام ہمیشہ برانڈ کے اس تذکرے کو صرف اس وجہ سے نہیں سمجھ سکتے ہیں کہ متن میں اس کا ذکر نہیں ہے۔ یا متن کی ہجے غلط ہے، کوئی ہیش ٹیگ یا کچھ بھی نہیں ہے۔

تصاویر نظر آرہی ہیں۔ فوٹو گرافی کے ساتھ، آپ یہ بتا سکتے ہیں کہ آیا یہ فریم کا مرکزی موضوع ہے یا فریم کا مرکزی موضوع نہیں۔ پھر آپ دیکھ سکتے ہیں کہ اس شخص نے کیا لکھا ہے۔ لیکن اکثر اسے ممکنہ سامعین کی تلاش کے طور پر استعمال کیا جاتا ہے جنہوں نے کچھ کاریں چلائی ہیں وغیرہ۔ اور پھر ہم ان کاروں کے ساتھ بہت سی دلچسپ چیزیں کریں گے۔

بوٹس کو انسانوں کی نقل کرنا سکھایا جاتا ہے۔

لوگوں کی گنتی کا استعمال کرنے کے لئے بھی ایک ایسا اختیار تھا:

لوگوں کا موازنہ کرنے کے لیے ایک آپشن موجود ہے، جب آپ کو کچھ تصاویر استعمال کرنے والے لوگوں کو تلاش کرنے کی ضرورت ہو، ان کے سوشل پروفائل کو سمجھیں کہ وہ کون ہیں۔ ایک بار پھر، ہم اس سوال کی طرف لوٹتے ہیں کہ اگر ہمارے پاس آف لائن اسٹور میں کیمرہ ہے، تو یہ سمجھنے کا کافی اچھا طریقہ ہے کہ آپ کے پاس کون آتا ہے، یہ لوگ کون ہیں، ان کی دلچسپی کس چیز میں ہے، کس چیز نے انہیں آپ کے پاس آنے کی ترغیب دی۔ .

اس کے بعد سب سے دلچسپ بات آتی ہے: اگر ہم سوشل نیٹ ورکس پر ان کے اکاؤنٹس کو جمع کرتے ہیں، تو یہ سمجھیں کہ یہ لوگ کون ہیں، ان کی کیا دلچسپی ہے، ہم (آپشن کے طور پر) ان لوگوں سے ملتا جلتا بوٹ بنا سکتے ہیں۔ یہ بوٹ ان لوگوں کی طرح رہنا شروع کر دے گا اور تجزیہ کرے گا کہ یہ مختلف سوشل نیٹ ورکس پر کیا اشتہارات دیکھتا ہے۔ یہ آپ کو درست طریقے سے سمجھنے کی اجازت دے گا کہ اس شخص کو کون سے برانڈز کو نشانہ بنایا گیا ہے۔ یہ بھی کافی عام کہانی ہے جب آپ کو نہ صرف یہ تجزیہ کرنے کی ضرورت ہوتی ہے کہ یہ شخص کون ہے اور اس کی کیا دلچسپیاں ہیں، بلکہ یہ بھی کہ آپ کے ممکنہ حریف یا دیگر دلچسپی رکھنے والے لوگوں کو کس قسم کی تشہیر کو نشانہ بنانا چاہیے۔

سوشل نیٹ ورکس میں رابطوں کا تجزیہ

اگلی دلچسپ بات لوگوں کے درمیان تعلقات کا تجزیہ ہے۔ دراصل، نیٹ ورک میں کنکشن کا تجزیہ، یہ نیٹ ورک گراف - اس میں تھوڑا سا، کچھ نیا نہیں ہے، یہ سب جانتے ہیں.

لیکن اشتہاری کاموں کی درخواست سب سے زیادہ دلچسپ ہے۔ یہ ان لوگوں کی تلاش ہے جو رجحانات مرتب کرتے ہیں، یہ ان لوگوں کی تلاش ہے جو اس نیٹ ورک کے اندر مخصوص معیار کے مطابق معلومات پھیلاتے ہیں۔ ہم کہتے ہیں کہ ہم ایک مخصوص BMW ماڈل کے ان ہی مالکان میں دلچسپی رکھتے ہیں۔ ان سب کو اکٹھا کر کے ہم رائے عامہ کو کنٹرول کرنے والوں کو تلاش کر سکتے ہیں۔ یہ ضروری نہیں کہ آٹوموٹو بلاگرز وغیرہ ہوں۔ عام طور پر یہ سادہ کامریڈ ہوتے ہیں جو مختلف عوامی صفحات پر بیٹھتے ہیں، کچھ مواد میں دلچسپی رکھتے ہیں اور بہت کم وقت میں، آپ کے برانڈ یا کسی دلچسپی رکھنے والے کو ذمہ داری کے اس شعبے کی طرف راغب کر سکتے ہیں۔ دلچسپی

ایسی مثال یہاں موجود ہے۔ ہمارے پاس کچھ ممکنہ لوگ ہیں، لوگوں کے درمیان رابطے۔ یہاں نارنجی لوگ ہیں، چھوٹے نقطے مشترکہ گروہ ہیں، مشترکہ دوست ہیں۔

اگر آپ ان تمام رابطوں کو آپس میں اکٹھا کریں تو آپ واضح طور پر دیکھ سکتے ہیں کہ ایسے لوگ ہیں جن کے مشترکہ گروپس ہیں، مشترکہ دوست ہیں، وہ آپس میں موجود ہیں... اور اگر اسی تصور کو مفادات کے لحاظ سے گروہوں میں تقسیم کیا جائے تو، مواد کے لحاظ سے، جسے وہ تقسیم کرتے ہیں، وہ ایک دوسرے کے ساتھ کتنا تعامل کرتے ہیں... یہاں آپ دیکھ سکتے ہیں کہ پچھلی تصویر کچھ یوں بنی:

یہاں گروپوں کو رنگ کے لحاظ سے واضح طور پر ممتاز کیا گیا ہے۔ اس معاملے میں، یہ ہائر سکول آف اکنامکس میں ہمارے ماسٹرز کے طالب علم ہیں۔ یہاں آپ دیکھ سکتے ہیں کہ ارغوانی/نیلے رنگ وہ ہیں جو ٹرانسپیرنسی انٹرنیشنل، اوپن روس، اور Khodorkovsky کے عوامی صفحات کو پسند کرتے ہیں۔ نیچے بائیں طرف سبز ہیں، جو متحدہ روس سے محبت کرتے ہیں۔

آپ دیکھ سکتے ہیں کہ پچھلی تصویر اس طرح تھی (یہ صرف لوگوں کے درمیان رابطے ہیں)، لیکن واضح طور پر حد بندی ہوگئی ہے۔ یعنی تمام لوگ ہمیشہ ایک دوسرے سے جڑے رہتے ہیں، ان کے مفادات یکساں ہیں، وہ ایک دوسرے کے دوست ہیں۔ کچھ اوپر، کچھ نیچے، اور کچھ دوسرے ساتھی وہاں ہیں۔ اور اگر ان چھوٹے ذیلی گرافوں میں سے ہر ایک کو دوسرے پیرامیٹرز کے ساتھ الگ الگ تصور کیا جائے اور مواد کی ترسیل کی رفتار کو دیکھا جائے (تقریباً، جو وہاں کیا پوسٹ کرتا ہے)، آپ کو ہر حصے میں ایک یا دو لوگ مل سکتے ہیں جو ہمیشہ عوامی رائے کو اپنے ہاتھ میں رکھتے ہیں، جس کے ساتھ بات چیت کرتے ہوئے، کسی قسم کی پوسٹ یا کچھ اور بھیجنے سے پوچھتے ہوئے - آپ اس پورے دلچسپ سامعین سے جواب حاصل کر سکتے ہیں۔

میرے پاس ایسی ہی ایک اور مثال ہے۔ ایک گراف بھی: یہ بی بی ڈی او گروپ کے ملازمین ہیں جو سوشل نیٹ ورکس پر ایک مثال کے طور پر پائے جاتے ہیں۔ یہ ان کے درمیان غیر دلچسپ، بڑا، سبز، کنکشن لگتا ہے...

لیکن میرے پاس ایک آپشن ہے جہاں گروپ پہلے ہی ان کے درمیان بنائے گئے ہیں۔ پھر، اگر کوئی دلچسپی رکھتا ہے، تو ایک انٹرایکٹو ورژن ہے - آپ کلک کر کے دیکھ سکتے ہیں۔

سب سے اوپر دائیں وہ ہیں جو پوٹن سے محبت کرتے ہیں۔ یہاں جامنی رنگ کے ڈیزائنر ہیں۔ وہ لوگ جو ڈیزائن میں دلچسپی رکھتے ہیں، کچھ دلچسپ، وغیرہ۔ یہاں سفید چیزیں مینجمنٹ ٹیم ہیں (بظاہر، جیسا کہ میں سمجھتا ہوں)؛ یہ وہ لوگ ہیں جو، عام طور پر، کسی بھی طرح سے جڑے ہوئے نہیں ہیں، لیکن تقریباً ایک ہی عہدوں پر کام کرتے ہیں۔ باقی ان کے مشترکہ گروپس، کنکشنز وغیرہ ہیں۔

برانڈز کو بلاگرز کی ضرورت نہیں ہوتی بلکہ رائے دینے والے لیڈروں کی ضرورت ہوتی ہے۔

ہم ان لوگوں کو لے جاتے ہیں اور انہیں ڈھونڈتے ہیں - پھر اشتہاری ایجنسی، اشتہاری کمپنی خود فیصلہ کرتی ہے: وہ اس شخص کو پیسے دے سکتی ہے تاکہ وہ کسی نہ کسی طرح اس مواد، کسی اور چیز سے تعامل کرے، یا اپنی مخصوص اشتہاری مہم ان تک پہنچائے۔ یہ بھی اکثر استعمال ہوتا ہے، خاص طور پر اب، کیونکہ تمام برانڈز بلاگرز کے ساتھ کام کرنا چاہتے ہیں، وہ چاہتے ہیں کہ ان کے مواد کو فروغ دیا جائے، لیکن اشتہاری ایجنسیاں واقعی رابطہ نہیں کرنا چاہتیں (اچھا، ایسا ہوتا ہے)۔

اور اس صورت حال سے نکلنے کا اصل طریقہ یہ ہے کہ ایسے لوگوں کو تلاش کیا جائے جو بلاگرز نہیں ہیں، بیوٹی بلاگرز نہیں ہیں، لیکن مثال کے طور پر، کچھ حقیقی مخلوقات جو اس برانڈ کے ساتھ بات چیت کرتے ہیں، جو کچھ خراب عوامی صفحہ "Mail.ru Answers" میں لکھ سکتے ہیں۔ آراء کی ایک مخصوص تعداد۔ یہ لوگ، جو اس شخص کے مواد میں مسلسل دلچسپی رکھتے ہیں، پوری چیز کو پھیلا دیں گے، اور برانڈ کو اس کی شمولیت حاصل ہو جائے گی۔

اس طرح کی ٹکنالوجی کو استعمال کرنے کا دوسرا آپشن اب کافی متعلقہ ہے - بوٹس کی تلاش، میری پسندیدہ۔ یہ آپ کے حریفوں کے لیے ایک شہرت کا خطرہ ہے، اور اشتہاری مہم، اور کسی بھی چیز سے غیر متعلقہ لوگوں کو نکالنے کا ایک موقع ہے (تبصرے کو حذف کرنا، اور لوگوں کے درمیان روابط تلاش کرنا)۔ میرے پاس ایسی مثال ہے، یہ بڑی اور انٹرایکٹو بھی ہے - آپ اسے منتقل کر سکتے ہیں۔ یہ ان لوگوں کے رابطے ہیں جنہوں نے لینٹاچ کمیونٹی میں تبصرے لکھے۔

یہ مثال اس لیے ہے تاکہ آپ سمجھ سکیں کہ بوٹس کتنے اچھے اور آسانی سے دکھائی دیتے ہیں۔ اور اس کے لیے آپ کو کسی تکنیکی علم کی ضرورت نہیں ہے۔ اس کا مطلب ہے کہ "Lentach" نے دمتری میدویدیف کے بارے میں FBK کی تحقیقات کے بارے میں ایک پوسٹ شائع کی، اور کچھ لوگوں نے تبصرے لکھنا شروع کر دیے۔ ہم نے ان تمام لوگوں کو اکٹھا کیا جنہوں نے تبصرے لکھے - یہ لوگ سبز ہیں۔ اب میں اسے منتقل کروں گا:

لوگ سبز ہیں (جنہوں نے تبصرے لکھے)۔ وہ یہاں ہیں، وہ یہاں ہیں۔ ان کے درمیان نیلے نقطے ان کے مشترکہ گروپ ہیں، پیلے نقطے ان کے مشترکہ سبسکرائبرز، دوست وغیرہ ہیں۔ زیادہ تر لوگ ایک دوسرے سے جڑے ہوئے ہیں۔ کیونکہ تین، چار، پانچ مصافحہ کی تھیوری کچھ بھی ہو، تمام لوگ سوشل نیٹ ورک پر ایک دوسرے سے جڑے ہوئے ہیں۔ ایسے لوگ نہیں ہیں جو ایک دوسرے سے جدا ہوں۔ یہاں تک کہ میرے سماجی طور پر فوبک دوست جو VKontakte کو خصوصی طور پر ویڈیوز دیکھنے کے لیے استعمال کرتے ہیں وہ بھی ہمارے جیسے ہی عوامی صفحات میں سے کچھ کے سبسکرائب ہیں۔

Navalny بھی بوٹس استعمال کرتا ہے۔ ہر ایک کے پاس بوٹس ہیں۔

لوگوں کا بڑا حصہ (یہاں ہے، یہاں) ایک دوسرے سے جڑے ہوئے ہیں۔ لیکن کامریڈز کا ایک ایسا چھوٹا گروپ ہے جو خاص طور پر ایک دوسرے کے دوست ہیں۔ یہاں وہ ہیں، چھوٹے سبز والے، یہاں ان کے باہمی دوست اور گروہ ہیں۔ یہاں تک کہ وہ الگ الگ گر گئے:

اور خوش قسمتی سے، یہ وہی لوگ تھے جنہوں نے اس پوسٹ کے نیچے لکھا: "Navalny کے پاس کوئی ثبوت نہیں ہے" اور اسی طرح کے تبصرے بھی لکھے۔ بالکل، میں نتیجہ اخذ کرنے کی ہمت نہیں کرتا۔ لیکن اس کے باوجود، میں نے فیس بک پر ایک اور پوسٹ کی تھی، جب لیبیڈیو اور ناوالنی کے درمیان بحث ہوئی، میں نے تبصروں کا اسی طرح تجزیہ کیا: پتہ چلا کہ وہ تمام لوگ جنہوں نے "لیبیڈیو گندا ہے" لکھا تھا، وہ سوشل پر نہیں تھے۔ نیٹ ورکس نے حال ہی میں چار مہینے، عوامی صفحات میں سے کسی کو سبسکرائب نہیں کیا، اچانک اس خاص پوسٹ پر گئے، یہ بالکل درست تبصرہ لکھا اور چھوڑ دیا۔ ایک بار پھر، یہاں سے نتیجہ اخذ کرنا ناممکن ہے، لیکن Navalny کی ٹیم میں سے کسی نے مجھے ایک تبصرہ لکھا کہ وہ بوٹس استعمال نہیں کرتے۔ ٹھیک ہے، ٹھیک ہے!

اشتہارات کے قریب، برانڈ کے قریب۔ اب ہر کسی کے پاس بوٹس ہیں! ہمارے پاس وہ ہیں، ہمارے حریف کے پاس ہیں، اور دوسروں کے پاس ہیں۔ انہیں اچھی طرح سے زندہ رہنے کے لیے باہر پھینک دینا چاہیے یا چھوڑ دینا چاہیے۔ اس طرح کے اعداد و شمار کی بنیاد پر (پچھلی سلائیڈ کی طرف اشارہ کرتے ہیں)، انہیں کمال تک پہنچائیں تاکہ وہ حقیقی لوگوں کی طرح نظر آئیں اور تب ہی انہیں استعمال کریں۔ اگرچہ بوٹس کا استعمال برا ہے! اس کے باوجود، ایک کافی عام کہانی ...

خودکار موڈ میں، ایسی چیز آپ کو اپنے تجزیے سے ان لوگوں کو فلٹر کرنے کی اجازت دیتی ہے جو تجزیے سے غیر متعلق ہیں، ایسے لوگ جنہیں نمونے میں شامل نہیں کیا جانا چاہیے، انہیں اس مطالعے میں شامل نہیں کیا جانا چاہیے۔ بہت کثرت سے استعمال کیا جاتا ہے۔ پھر، تمام کار مالکان واقعی کار کے مالک نہیں ہیں۔ بعض اوقات لوگ صرف ان لوگوں میں دلچسپی رکھتے ہیں جن کے پاس ممکنہ طور پر کار ہے، جو کچھ گروپوں میں بیٹھتے ہیں، کسی سے بات چیت کرتے ہیں، ان کے وہاں ایک خاص سامعین ہوتے ہیں۔

حقائق اور آراء کا تجزیہ

اگلا جو میرے پاس ہے وہ بھی میرا پسندیدہ ہے۔ یہ حقائق اور آراء کا تجزیہ ہے۔

آج کل ہر کوئی جانتا ہے کہ مختلف ذرائع میں اپنے برانڈ کا ذکر کیسے کرنا ہے۔ اس میں کوئی راز نہیں ہے۔ اور ایسا لگتا ہے کہ ہر کوئی ٹونالٹی کا حساب لگا سکتا ہے... اگرچہ ذاتی طور پر، میں سمجھتا ہوں کہ ٹونلٹی میٹرک بذات خود زیادہ دلچسپ نہیں ہے، کیونکہ جب آپ آتے ہیں اور کلائنٹ کو کہتے ہیں، "یار، آپ کے پاس 37 فیصد غیر جانبدار ہے،" اور وہ ایسا کہتا ہے۔ ، " زبردست! ٹھنڈا!" لہذا، تھوڑا سا آگے بڑھنا زیادہ دلچسپ ہوگا: جذبات کا اندازہ لگانے سے لے کر آپ کے پروڈکٹ کے بارے میں ان کی رائے کا اندازہ لگانے تک۔

اور یہ بھی ایک بہت دلچسپ بات ہے، کیونکہ... میں ذاتی طور پر مانتا ہوں کہ اصولی طور پر کوئی غیر جانبدار پیغامات نہیں ہو سکتے، کیونکہ اگر کوئی شخص عوامی جگہ پر کچھ لکھتا ہے، تو یہ پیغام کسی نہ کسی طرح رنگین ہو جاتا ہے۔ میں نے ذاتی طور پر کبھی کسی برانڈ کا ذکر کرنے والا غیر جانبدار پیغام نہیں دیکھا۔ عام طور پر یہ کسی قسم کی گندگی ہے۔

اگر ہم ان پیغامات کی ایک بڑی تعداد (لاکھوں، 10 ملین ہو سکتے ہیں) لیں، ہر پیغام سے مرکزی خیال کو نمایاں کریں، ان کو یکجا کریں، تو ہم کافی قابل اعتماد طریقے سے سمجھ سکتے ہیں کہ لوگ اس برانڈ کے بارے میں کیا کہتے ہیں، وہ کیا سوچتے ہیں۔ "مجھے پیکیجنگ پسند نہیں ہے،" "مجھے مستقل مزاجی پسند نہیں ہے،" وغیرہ۔

Transaero، Chupa Chups اور ریاستہائے متحدہ کے صدر کے بارے میں لوگ کیا سوچتے ہیں؟

میرے پاس ایک مضحکہ خیز مثال ہے: یہ ایک انفوگرافک ہے کہ سوشل نیٹ ورک کے صارفین Transaero کمپنی کے دیوالیہ ہونے کے بعد اس کے ساتھ کیا کریں گے۔

وہاں بہت سی دلچسپ مثالیں موجود ہیں: جلا دو، مار ڈالو، یورپ بھیج دو، یہاں تک کہ 2 فیصد ایسے بھی تھے جنہوں نے لکھا - "انہیں فوجی کارروائیوں کے لیے شام بھیجیں۔" مضحکہ خیز چیز سے آگے بڑھتے ہوئے، یہ تقریباً کوئی بھی برانڈ ہو سکتا ہے - میرے پسندیدہ کتے کے کھانے سے لے کر کچھ کاروں تک۔ جو بھی پیکیجنگ کو پسند نہیں کرتا ہے، جو کوئی حقیقی چیزیں پسند نہیں کرتا ہے - آپ ہمیشہ اس کے ساتھ کام کر سکتے ہیں، آپ اسے ہمیشہ مدنظر رکھ سکتے ہیں۔ ایسی بڑی تعداد میں مثالیں موجود ہیں جب لوگوں نے اپنی مصنوعات کی پیداوار کو تقریباً تبدیل کر دیا کیونکہ انہوں نے سوشل نیٹ ورکس پر لکھا کہ چوپا چپس کافی گول نہیں تھا یا یہ کافی میٹھا نہیں تھا۔

ایک اور مضحکہ خیز مثال ہے۔ اندازہ لگائیں کیا تبصرے اور کس کے بارے میں؟

کسی وجہ سے، اب رائے کا تجزیہ، پیغامات سے اخذ کردہ حقائق کا تجزیہ، بہت زیادہ استعمال نہیں کیا جاتا ہے اور بہت وسیع نہیں ہے. اگرچہ یہ ٹیکنالوجی انتہائی خفیہ نہیں ہے، لیکن اس میں عملی طور پر کوئی جانکاری نہیں ہے، کیونکہ لوگوں کے تبصروں سے، موضوع کو نکالنے، پیش گوئی کرنے اور ان کی گروپ بندی کرنے کے لیے کمپیوٹیشنل لسانیات میں ذہین کی ضرورت نہیں ہے۔ یہ کرنا اتنا مشکل نہیں ہے۔ لیکن مجھے امید ہے کہ اگلے چند سالوں میں لوگ اسے استعمال کرنا شروع کر دیں گے، کیونکہ... یہ ٹھنڈا ہو گا - یہ ایسا خودکار فیڈ بیک ہے! آپ ہمیشہ جانتے ہیں کہ وہ آپ کے بارے میں کیا کہہ رہے ہیں۔ ٹھیک ہے، آپ سمجھتے ہیں کہ یہ امریکی صدر کے بارے میں کیا گیا تھا.

سامعین کے ایک سوال کا جواب:

• جی ہاں، یہ انگریزی میں فیس بک ہے۔ ان کا یہاں روسی میں ترجمہ کیا گیا ہے۔ یہ کہیں لکھا تھا۔

بگ ڈیٹا اور سیاسی ٹیکنالوجیز

درحقیقت، میرے پاس ٹرمپ اور باقی سب کے بارے میں سیاست کی بہت سی مختلف دلچسپ مثالیں ہیں، لیکن ہم نے انہیں یہاں نہ لانے کا فیصلہ کیا۔ لیکن ایک سیاسی مثال ہے۔

یہ ریاستی ڈوما کے انتخابات ہیں۔ تم کب تھے؟ آخری سال؟ تقریباً ڈیڑھ سال پہلے کی بات ہے۔

یہ وہ لوگ ہیں جو اپنے صحیح مقام کا تعین کرنے کے قابل تھے، ایک مخصوص جیو پوائنٹ تک، یہ سمجھنے کے لیے کہ وہ کس انتخابی دائرے میں آتے ہیں۔ اور پھر ان لوگوں سے صرف وہی لیا گیا جنہوں نے اپنی قطعی رائے کا اظہار کیا، وہ کس کو ووٹ دیں گے۔

سیاسی ٹیکنالوجی کے نقطہ نظر سے، یہ بہت درست نہیں ہے، کیونکہ اس ساری چیز کو آبادی کی کثافت وغیرہ کے لحاظ سے معمول پر لانے کی ضرورت ہے۔ بہر حال، یہاں کے بلیوز آپ کو معلوم ہے کہ کس کو ووٹ دینے جا رہے ہیں، سرخ مخالف کامریڈز کو ووٹ دینے جا رہے ہیں، جن میں سے، ویسے، بہت سے نہیں تھے۔

مجھے ذاتی طور پر یقین ہے کہ بگ ڈیٹا سیاسی ٹیکنالوجیز تک جلد ہی کسی بھی وقت نہیں پہنچے گا، لیکن، ایک آپشن کے طور پر، امیدوار بھی ایک برانڈ ہے۔ اور یہ، کسی حد تک، آپ کے برانڈ کے بارے میں حقائق اور آراء کا تجزیہ، اور ایک دلچسپ چیز بھی ہے، کیونکہ آپ حقیقی وقت میں سمجھ سکتے ہیں کہ کون کیا کر رہا ہے۔ میں بی بی سی کے کئی کیسز جانتا ہوں، جب انہوں نے سوشل نیٹ ورکس کو حقیقی وقت میں کچھ نشریات میں مانیٹر کیا: فلاں فلاں جواب آیا، لوگ اس کے بارے میں لکھتے ہیں، فلاں فلاں سوال پوچھتے ہیں - اور یہ بہت اچھا ہے! مجھے لگتا ہے کہ یہ بہت جلد استعمال کیا جائے گا، کیونکہ یہ سب کے لئے دلچسپ ہے.

ماڈلنگ برانڈ پوزیشنز

اگلا میرے پاس برانڈ پوزیشنز کی ماڈلنگ ہے۔ ایک چھوٹا، مختصر حصہ اس بارے میں کہ آپ مختلف میٹرکس کا استعمال کرتے ہوئے برانڈز کی درجہ بندی کیسے کرسکتے ہیں (سوشل نیٹ ورکس پر سبسکرائبرز کی پسند نہیں، لیکن پیچیدہ میٹرکس کا استعمال، مواد میں دلچسپی، میٹرکس حاصل کرنے میں صرف کیا گیا وقت)۔

میرے پاس ایک خاص وجہ سے "فارما" کی مثال ہے۔ یہاں چھوٹے دائرے اندرونی، روشن ہیں - یہ متنی مواد کی وہ مقدار ہے جسے برانڈ خود تخلیق کرتا ہے، بڑا دائرہ تصویر اور ویڈیو مواد کی مقدار ہے جسے برانڈ خود تخلیق کرتا ہے۔

مرکز سے قربت ظاہر کرتی ہے کہ سامعین کے لیے مواد کتنا دلچسپ ہے۔ ایک بڑا ماڈل ہے، ہر طرح کے پیرامیٹرز کا ایک گروپ ہے: لائکس، پوسٹس، ریسپانس ٹائم، جس نے وہاں اوسطاً شیئر کیا... یہاں آپ دیکھ سکتے ہیں: یہاں ایک شاندار "کاگوٹسل" ہے، جو بہت زیادہ مقدار میں پمپ کرتا ہے۔ اس کا اپنا مواد بنانے میں پیسہ، اور اس کی وجہ سے وہ مرکز کے کافی قریب ہیں۔ اور ایسے کامریڈ بھی ہیں جو اپنا مواد خود تخلیق بھی کرتے ہیں لیکن سامعین کو اس میں کوئی دلچسپی نہیں ہوتی۔ یہ بہت مناسب مثال نہیں ہے، کیونکہ یہ تمام اکاؤنٹس عملی طور پر ختم ہو چکے ہیں۔

یگور کریڈ کو بستا سے زیادہ پیار کیا جاتا ہے۔

بدقسمتی سے، باقی... کیا دکھانا ہے... ٹھیک ہے، اصلی کمپنیوں کے آپشن کے طور پر روسی ریپرز بھی ہیں۔

پلس کیا ہے؟ حقیقت یہ ہے کہ کمپنی آپ کے برانڈ کے لیے کام کرنے والے سبسکرائبرز کی اوسط تنخواہ سے شروع ہو کر اس طرح کے ماڈل میں تقریباً کچھ بھی رکھ سکتی ہے۔ کوئی بھی ماڈل جو وہ پسند کرتے ہیں۔ چونکہ ہر ایڈورٹائزنگ ایجنسی اپنے میٹرکس کو مختلف طریقے سے شمار کرتی ہے، اس لیے برانڈز اپنے میٹرکس کو مختلف طریقے سے شمار کرتے ہیں۔

یہاں ایک بھی ہے - بستا، جو کہ بہت زیادہ مواد تیار کرتا ہے، لیکن اس کے دائرے میں واقع ہے، کیونکہ یہ مواد بظاہر سامعین کے لیے زیادہ دلچسپ نہیں ہے۔ ایک بار پھر، میں فیصلہ کرنے کا خیال نہیں کرتا ہوں۔ لیکن اس کے باوجود، یگور عقیدہ ہے، جو سوشل نیٹ ورک کے مطابق، ہمارے وقت کا تقریبا بہترین اداکار ہے، لیکن صرف اپنی ذاتی تصاویر شائع کرتا ہے. اس کے باوجود، اس کے سبسکرائبرز کی ایک بڑی تعداد ہے: ان میں سے ایک ملین کے قریب ہیں. مجھے صحیح نمبر یاد نہیں ہے۔ مجھے یاد ہے کہ ان لوگوں کی مصروفیت کا فیصد 85% سے بہت زیادہ ہے، یعنی فی ملین سبسکرائبرز پر اسے ان حقیقی لوگوں کی طرف سے 850 ہزار جوابات ملتے ہیں - یہ اصل پاگل پن ہے۔ یہ حقیقت ہے.

سامعین کے سوالات کے جوابات:

ریپر تجزیہ ماڈل بنانے میں کتنا وقت لگا؟

• ہر ایک کے اپنے ہدف والے سامعین ہوتے ہیں، ان لوگوں کے مفادات کا حساب ہر ایک کے لیے کیا جاتا ہے... یہ سب کچھ تقریباً مرکز کے فاصلے تک معمول کے مطابق کیا جاتا ہے، ان کی ریڈیل پوزیشن اہم نہیں ہوتی ہے (یہاں صرف خوبصورتی کے لیے گندا کیا جاتا ہے، تاکہ وہ ایک دوسرے میں مت بھاگو)۔ صرف مرکز سے قریب قریب ہی اہم ہے۔ یہ وہ ماڈل ہے جسے ہم استعمال کرتے ہیں۔ مثال کے طور پر، مجھے دائرہ بہتر لگتا ہے، کچھ لوگ اسے نیم دائرہ کے طور پر ذہن میں رکھتے ہیں۔
• یہ ماڈل دو یا تین گھنٹے میں جلدی سے مرتب کیا گیا تھا (ہاں، ایک شخص)۔ یہاں صرف میٹرکس داخل کیے گئے تھے: جسے ہم کس سے ضرب دیتے ہیں، اسے شامل کرتے ہیں، اور پھر کسی طرح اسے معمول پر لاتے ہیں۔ ماڈل پر منحصر ہے۔ ایسے لوگ ہیں جو اپنے صارفین کی اوسط تنخواہ (یہ مذاق نہیں ہے) میں دلچسپی رکھتے ہیں۔ اور اس کے لیے آپ کو ان کے رابطے تلاش کرنے ہوں گے، Avito، اس سب کا حساب لگائیں، اسے ضرب دیں۔ ایسا ہوتا ہے کہ اس کو مدنظر رکھنے میں کافی وقت لگتا ہے، لیکن خاص طور پر یہ (پچھلی سلائیڈ کی طرف اشارہ کرتا ہے) - یہاں کے پیرامیٹرز بہت آسان ہیں: سبسکرائبرز، دوبارہ پوسٹس وغیرہ۔ اسے مکمل ہونے میں تقریباً دو تین گھنٹے لگے۔ اس کے مطابق، اس چیز کو حقیقی وقت میں اپ ڈیٹ کیا جاتا ہے، اور آپ اسے استعمال کرسکتے ہیں.

اب آتا ہے مزے کا حصہ۔ میں مثالوں کے ساتھ کام کر چکا ہوں، کیونکہ زیادہ دیر تک اکیلے بات کرنا دلچسپ نہیں ہے۔ اور مجھے امید ہے کہ اب آپ سوالات پوچھیں گے، اور ہم درحقیقت ایک موضوع سے دوسرے موضوع پر جائیں گے، کیونکہ میرے پاس ایسی مثالیں ہیں کہ ٹیکنالوجیز کو کس طرح استعمال کیا جا سکتا ہے اور اسی طرح...

سامعین کے سوالات کے جوابات:

• میرے پاس ایک کے ساتھ ایک اور واحد ذاتی کیس تھا، تو بات کرنے کے لیے، "نزدیک کیسینو"، جب وہاں کیمرہ رکھا گیا تو چہرے پہچان لیے گئے، وغیرہ۔ تسلیم شدہ لوگوں کا فیصد یقینی طور پر کافی بڑا ہے - ہمارے اور ہمارے حریف دونوں۔ لیکن یہ حقیقت میں کافی دلچسپ ہے۔ میں اسے ایک دلچسپ چیز کے طور پر دیکھتا ہوں: آپ یہ سمجھ سکتے ہیں کہ یہ لوگ کون ہیں اور اچھی طرح سے اندازہ لگا سکتے ہیں کہ وہ یہاں کیوں آئے تھے، ان کی زندگیوں میں اس قدر کیا تبدیلی آئی ہے کہ انہوں نے کیسینو آنے کا فیصلہ کیا۔ لیکن جہاں تک کاروبار کی مخصوص اقسام کا تعلق ہے... اگر آپ ایسی چیز کو فارمیسی میں ڈالتے ہیں، تو کوئی فائدہ نہیں ہے - آپ اندازہ نہیں لگا سکتے کہ کوئی شخص فارمیسی میں کیوں آیا۔

  یہاں عالمی کام ایک ماڈل بنانا تھا تاکہ یہ سمجھا جا سکے کہ جب کوئی شخص ممکنہ طور پر آپ کے برانڈ میں دلچسپی لینا چاہتا ہے، تاکہ آپ اسے کوئی چیز خریدنے کے بعد نہیں (جیسا کہ اب ہو رہا ہے) اشتہار دے سکیں، بلکہ اسے اشتہار دیں۔ یہ سب کب ہو گا اس کی پیشین گوئی میں۔ یہ اس طرح کے "قریب جوئے بازی کے اڈوں" کے ساتھ دلچسپ تھا۔ ان لوگوں کا کافی دلچسپ فیصد نکلا - کیوں: کسی کو اچانک پروموشن ملا، کسی اور کو کچھ اور مل گیا - ایسی دلچسپ بصیرتیں۔ لیکن کچھ دکانوں کے ساتھ، پرچون کے ساتھ، کسی قسم کی گولیوں کی دکان کے ساتھ، مجھے لگتا ہے کہ یہ بہت درست نہیں ہوگا۔

کیا بگ ڈیٹا آف لائن استعمال ہوتا ہے؟

• یہ آف لائن تھا۔ آپ کو صرف یہ سمجھنے کی ضرورت ہے کہ یہ ماڈل فٹ ہوگا یا نہیں۔ ایک بار پھر، چمکتے پانی کے ساتھ... میں اصل میں ہر چیز میں دلچسپی رکھتا ہوں، لیکن میں ذاتی طور پر نہیں سمجھتا کہ ان لوگوں کی پروفائلز کتنی ہیں، ان کے رویے کا انحصار اس بات پر ہو سکتا ہے کہ وہ بوتل کا پانی کب خریدنا چاہتے ہیں۔ اگرچہ یہ واقعی سچ ہو سکتا ہے، مجھے نہیں معلوم۔

کتنے کھلے سوشل میڈیا اکاؤنٹس ہیں؟

• ہمارے پاس خاص طور پر 11 سوشل نیٹ ورک ہیں - یہ "Vkontakte"، "Facebook"، "Twitter"، "Odnoklassniki"، "Instagram" اور کچھ چھوٹی چیزیں ہیں (میں فہرست دیکھ سکتا ہوں، جیسے "Mail.ru" وغیرہ) . VKontakte پر ہمارے پاس ان تمام ساتھیوں کی ایک کاپی ضرور ہے۔ ہمارے پاس VKontakte پر لوگ ہیں - یہ 430 ملین ہے ہر وہ شخص جو اب تک موجود ہے (جن میں سے تقریباً 200 ملین مسلسل متحرک ہیں)؛ گروپس ہیں، ان لوگوں کے درمیان رابطے ہیں اور ایسا مواد ہے جو ہماری دلچسپی رکھتا ہے (متن)، اور میڈیا کا ایک حصہ، لیکن بہت چھوٹا... موٹے الفاظ میں، ہم اس تصویر کو دیکھتے ہیں: اگر وہاں چہرے ہیں، تو ہم ان کو بچائیں، اگر کوئی میم ہے، تو ہم انہیں بچاتے ہیں، ہم اسے نہیں بچاتے، کیونکہ ہمارے پاس میڈیا کے مواد کو بچانے کے لیے کافی نہیں ہوتا۔

  روسی زبان میں فیس بک ہے۔ کہیں اب 60-80% Odnoklassniki ہیں، ایک دو مہینوں میں ہم شاید ان سب کو انجام تک پہنچائیں گے۔ روسی انسٹاگرام۔ ان تمام سوشل نیٹ ورکس کے لیے گروپس، لوگ، ان کے درمیان رابطے اور متن موجود ہیں۔

• تقریباً 400 ملین لوگ۔ ایک لطیفیت ہے: ایسے لوگ ہیں جن کے شہر کی وضاحت نہیں کی گئی ہے (وہ ممکنہ طور پر روسی / غیر روسی ہیں)؛ ان میں سے، سوشل نیٹ ورکس کی اوسط VKontakte پر بند اکاؤنٹس کا 14% ہے، مجھے فیس بک پر صحیح اعداد و شمار نہیں معلوم۔
• ہم انسٹاگرام پر میڈیا کو بھی محفوظ نہیں کرتے ہیں – صرف اس صورت میں جب وہاں چہرے ہوں۔ ہم اس طرح کے (دوسرے) میڈیا مواد کو ذخیرہ نہیں کرتے ہیں۔ عام طور پر دلچسپ: صرف متن، لوگوں کے درمیان رابطے؛ تمام انسٹاگرام پر سب سے عام تحقیق سامعین کے بارے میں معمول کی تحقیق ہے: یہ لوگ کون ہیں، اور سب سے اہم بات یہ ہے کہ ان لوگوں کا دوسرے سوشل نیٹ ورکس سے تعلق۔ اس شخص کا پروفائل Vkontakte اور Facebook پر تلاش کریں تاکہ اس کی عمر وغیرہ کا حساب لگائیں۔
• ابھی تک ہر ایک کو لینے کی ضرورت نہیں ہے - صرف اس وجہ سے کہ کوئی گاہک نہیں ہیں۔ زبان کے حوالے سے: ہمارے پاس روسی، انگریزی، ہسپانوی زبان ہے، لیکن پھر بھی یہ صرف روس کے برانڈز کے لیے استعمال ہوتی ہے۔ ٹھیک ہے، یا وہ کمپنیاں جو انہیں روس سے لاتی ہیں۔
• ہم ہر روز بہت سے، بہت سے، بہت سے دھاگوں میں لوگوں کا انٹرویو کرتے ہیں: ہم ویب کو جمع کرکے ڈیٹا اکٹھا کرتے ہیں، اور Api کا استعمال کرتے ہوئے ان اشاریوں کو اپ ڈیٹ کرتے ہیں۔ 2-3 دنوں میں آپ پورے "VKontakte" سے گزر سکتے ہیں، ان سے گزرتے ہوئے؛ تقریباً ایک ہفتے میں آپ پورے فیس بک سے گزر سکتے ہیں، یہ سمجھ سکتے ہیں کہ کس نے کیا اپ ڈیٹ کیا ہے اور کیا نہیں۔ اور پھر ان لوگوں کو الگ سے دوبارہ جمع کریں: اصل میں کیا بدل گیا ہے، یہ پوری کہانی لکھیں۔ میرے تجربے میں شاذ و نادر ہی کسی کا پرانا سوشل میڈیا پروفائل کسی حقیقی کاروباری مقصد کے لیے استعمال کیا گیا ہو۔ یہ وہ وقت تھا جب ایک سیاسی شخصیت نے اپلائی کیا تھا، اور اس کا کام یہ سمجھنا تھا کہ ہیڈ کوارٹر میں کس قسم کے لوگ آتے ہیں، یہ کون لوگ ہیں جو 6-8 مہینے پہلے تھے (کیا انہوں نے اپنا پروفائل ڈیلیٹ کر دیا تھا، لیکن درحقیقت کسی اور امیدوار کے لیے بیلٹ آ گئے تھے۔ خراب کرنا)۔

  اور ایک دو بار - ذاتی کہانیاں جب کسی کی تصاویر عوامی ڈومین میں شائع کی گئیں۔ کنکشن تلاش کرنا ضروری تھا، وغیرہ۔ بدقسمتی سے، یہ افسوس کی بات ہے، لیکن ہم عدالت میں گواہی نہیں دے سکتے، کیونکہ ہمارا ڈیٹا بیس قانونی طور پر غیر قانونی ہے۔

• MongoDB اسٹوریج میرا پسندیدہ ہے۔

سوشل نیٹ ورک ڈیٹا اکٹھا کرنے سے لڑنے کی کوشش کر رہے ہیں۔

• عام طور پر ہم مشتہرین کو ان اکاؤنٹس کی صرف ایک فہرست اپ لوڈ کرتے ہیں، اور پھر وہ معیاری اکاؤنٹ استعمال کرتے ہیں... یعنی سوشل نیٹ ورکس پر، VKontakte پر، آپ ان لوگوں کی فہرست بتا سکتے ہیں۔

  لیکن فیس بک خریدی ہوئی کوکیز استعمال کرتا ہے۔ ہم خود کوکیز کے ساتھ کام نہیں کرتے ہیں، لیکن ایسی کئی کہانیاں تھیں جب مشتہر نے خود کچھ لوگوں کو دیا، ہم نے ان کے ساتھ بات چیت کی - ان کے پاس یہ نیٹ ورکس ہیں، ٹیزر کے ساتھ، نان ٹیزر اشتہارات، یہ "کوکیز"۔ آپ اسے باندھ سکتے ہیں - کوئی سوال نہیں! لیکن مجھے یہ چیزیں واقعی پسند نہیں ہیں کیونکہ مجھے نہیں لگتا کہ یہ بہت مستند ہے۔ یہ مکمل طور پر میری رائے میں ہے، یہ ٹی این ایس کی طرح ہے، جو ٹی وی کو "ٹریک" کرتا ہے - یہ واضح نہیں ہے کہ آپ یہ ٹی وی دیکھ رہے ہیں یا نہیں، آیا آپ اپنے ٹی وی کے آن ہونے کے دوران برتن دھو رہے ہیں... اور یہاں بھی ایسا ہی ہے۔ : میں اکثر انٹرنیٹ پر کچھ گوگل کرتا ہوں، لیکن اس کا مطلب یہ نہیں ہے کہ میں اسے خریدنا چاہتا ہوں۔

• اگر آپ کسی قسم کے معیاری سیاق و سباق کے اشتہارات کا نیٹ ورک استعمال کر رہے ہیں: میرے پاس کئی کہانیاں تھیں جب ہم نے ان لوگوں کو ان پر اتارا اور ان کے انٹرفیس کا استعمال کرتے ہوئے، ان کو ان کی سائٹوں پر "کوکیز" سے جوڑنے کی کوشش کی۔ لیکن مجھے ایسی چیزیں بالکل پسند نہیں ہیں۔

انٹرنیٹ صارف کی تنخواہ کا حساب لگانے کا فارمولا

• اوسط تنخواہ کا عمومی فارمولا: یہ وہ خطہ ہے جہاں کوئی شخص رہتا ہے، یہ کاروبار کا وہ زمرہ ہے جس میں وہ کام کرتا ہے (یعنی وہ کمپنی جو اس کا آجر ہے)، پھر اس کمپنی میں اس کی پوزیشن لی جاتی ہے، اوسط اس عہدے کے لیے تنخواہ کا تخمینہ لگایا گیا ہے... کسی مخصوص علاقے میں دی گئی اسامی کے لیے "ہیڈ ہنٹر" اور "سپر جاب" (اور کئی دوسرے ذرائع ہیں) سے لی گئی اوسط تنخواہ اور ایک دیئے گئے کاروباری تناظر کے لیے۔

  "Avito" اور "Avto.ru" سے اضافی پیرامیٹرز عام طور پر لیے جاتے ہیں اگر کسی شخص نے فون روشن کیا ہو۔ Avito کے ساتھ آپ دیکھ سکتے ہیں کہ ایک شخص کس قسم کی چیزیں بیچ رہا ہے - مہنگی، سستی، استعمال شدہ، استعمال نہیں کی گئی۔ "Avto.ru" سے آپ دیکھ سکتے ہیں کہ آیا اس کے پاس کار ہے - وہ اس کا مالک ہے، وہ اس کا مالک نہیں ہے۔ یہ 20% سے بھی کم لوگ ہیں جنہوں نے غلطی سے اپنا فون کہیں گرا دیا، اور ان کا اکاؤنٹ اس ڈیٹا کے ساتھ لنک کیا جا سکتا ہے۔

ڈیٹا اکٹھا کرنے والی کمپنی کس حجم میں کام کرتی ہے؟

• پیٹا بائٹس میں ذخیرہ شدہ تصویروں کا حجم 6,4 ہے۔ میں ابھی ترقی کی شرح کے بارے میں قطعی طور پر نہیں کہہ سکتا، کیونکہ 2016 میں ہم نے "پیریسکوپس" ریکارڈ کرنا شروع کیا اور ابھی ویڈیو ریکارڈ کرنا شروع کیا۔

  میں ٹھیک سے نہیں کہہ سکتا کہ یہ صفر کب تھا۔ ہم ایک کمپنی سے دوسری کمپنی میں چلے گئے - یہ سب لمبی کہانیاں ہیں۔ لیکن میں کہہ سکتا ہوں کہ وی کے، فیس بک، انسٹاگرام اور ٹویٹر - یہ تمام کاروبار (لوگ، گروپس اور ان کے درمیان رابطے) ٹیکسٹ اور مواد کے ساتھ - یہ حقیقت میں بہت زیادہ ڈیٹا نہیں ہے، اس کا امکان نہیں ہے کہ پیٹا بائٹ بھی کافی ہو۔ میرے خیال میں یہ 700 گیگا بائٹس ہے، شاید 800۔

کیا آپ کلائنٹس کو موجودہ مقام اور کہاں کھودنے کا تعین کرنے میں مدد کرتے ہیں؟

• جب کوئی کلائنٹ آتا ہے تو ہم اسے ایسی چیزیں تجویز کرتے ہیں لیکن ہم خود گوگل ٹرینڈز کی طرح ایسی باتیں نہیں کرتے۔
• ہمارے پاس بہت سی سماجی کہانیاں تھیں، جن میں انتخابی، انتخابات سے پہلے کی تاریخ تھی - ہم نے ان سب کا تجزیہ کیا۔ برانڈز اور برانڈز کے بارے میں رائے کا اندازہ لگانے کے ساتھ، ہر چیز تقریباً ہمیشہ متفق ہوتی ہے۔ یہاں انتخابی انتخابات کی کہانیاں ہیں - نہیں (اس تشخیص کے ساتھ کہ کس امیدوار کو جیتنا چاہئے)۔ میں نہیں جانتا کہ یہاں کون غلط ہے – ہم، یا وہ جو VTsIOM میں سوچتے ہیں۔
• عام طور پر ہم یہ کنٹرول کے نتائج خود برانڈ سے لیتے ہیں، وہ ان کامریڈز سے لیتے ہیں جو تحقیق کا حکم دیتے ہیں - ٹیلی فون ریسرچ، مارکیٹنگ ریسرچ وغیرہ۔ اس کے علاوہ، اس ساری چیز کو بنیادی چیزوں سے چیک کیا جا سکتا ہے: کسی نے میلنگ لسٹ کا جواب دیا، کسی نے سروے کیا... اگر یہ ایک بڑا برانڈ ہے (مثال کے طور پر، کوکا کولا)، تو یقینی طور پر اس کے پاس صارفین کی طرف سے ایک ملین یا دو اندرونی جائزے ہیں۔ - یہ صرف سوشل نیٹ ورکس پر تبصرے اور کچھ آراء نہیں ہیں۔ یہ کچھ قسم کے اندرونی نظام، جائزے، وغیرہ ہیں۔

قانون یہ نہیں جانتا کہ ذاتی ڈیٹا کیا ہے!

• ہم خصوصی طور پر کھلے ڈیٹا کے ذرائع کا تجزیہ کرتے ہیں اور کبھی بھی کسی گندی چال میں ملوث نہیں ہوتے ہیں۔ ہمارا ماڈل اس حقیقت پر بنایا گیا ہے کہ ہم تمام کھلے ڈیٹا کو کچھ عوامی ڈیٹا سینٹرز میں اسٹور کرتے ہیں، اسے کہیں اور کرائے پر لیتے ہیں، اور گھر پر، اپنے دفاتر میں، اپنے سرورز میں اس کا تجزیہ کرتے ہیں، اور یہ علاقے سے باہر کہیں نہیں جاتا ہے۔

  لیکن اوپن ڈیٹا کے میدان میں ہماری قانون سازی بہت مبہم ہے۔

  ہمارے پاس اس بات کی واضح سمجھ نہیں ہے کہ اوپن ڈیٹا کیا ہے، ذاتی ڈیٹا کیا ہے - یہ 152 واں وفاقی قانون ہے، لیکن پھر بھی... وہ کیسے گنتے ہیں؟ اب، اگر میرے پاس ایک ڈیٹا بیس میں آپ کا نام اور آپ کا فون نمبر ہے، دوسرے ڈیٹا بیس میں میرے پاس آپ کا فون نمبر اور آپ کا ای میل ہے، تیسرے میں میرے پاس ہے، آپ کا ای میل اور آپ کی کار؛ یہ سب غیر ذاتی ڈیٹا لگتا ہے۔ اگر آپ ان سب کو ایک ساتھ رکھیں تو لگتا ہے کہ قانون کے مطابق یہ ذاتی ڈیٹا بن جائے گا۔

  ہم اسے دو طریقوں سے حاصل کرتے ہیں۔ سب سے پہلے کلائنٹ کے لیے سافٹ ویئر کے ساتھ سرور انسٹال کرنا ہے، اور پھر یہ ڈیٹا اس کے علاقے سے باہر نہیں جاتا، اور پھر کلائنٹ اس ذاتی ڈیٹا، غیر ذاتی ڈیٹا وغیرہ کی تقسیم کا ذمہ دار ہے۔ یا دوسرا آپشن: اگر یہ کسی قسم کی کہانی ہے جہاں آپ کو سوشل نیٹ ورک یا کسی اور چیز پر مقدمہ کرنا پڑتا ہے...

  ہمیں اس طرح کا مطالعہ اس وقت ہوا جب ہم نے لائف نیوز کے لیے ان کامریڈز کے اکاؤنٹس اکٹھے کیے (یہاں یونائیٹڈ روس پرائمریز تھے) اور دیکھا کہ انہیں کس قسم کی فحش پسند ہے۔ یہ ایک مضحکہ خیز بات تھی، لیکن پھر بھی۔ ہم اسے اپنی ذاتی رائے کے طور پر بیچتے ہیں، قانونی طور پر دستاویزات میں ظاہر کیے بغیر جس کا ہم نے تجزیہ کیا ہے - قانونی اداروں کا یونیفائیڈ اسٹیٹ رجسٹر، تنخواہیں، سوشل نیٹ ورکس؛ ہم ماہر کی رائے بیچتے ہیں، اور پھر موقع پر ہم اس شخص کو وضاحت کرتے ہیں کہ ہم نے کیا اور کیسے تجزیہ کیا۔
  کئی کہانیاں تھیں، لیکن ان کا تعلق کچھ عوامی تجارتی منصوبوں سے تھا۔ مثال کے طور پر، ہمارے پاس لانگ بورڈز چلانے والوں کے لیے ایک مفت غیر منافع بخش پروجیکٹ ہے (اس طرح کے بورڈز لمبے ہوتے ہیں): کام لوگوں کی اشاعتیں جمع کرنا تھا - جب کوئی پوسٹ کرتا ہے "میں سواری کے لیے گورکی پارک گیا تھا۔" اور اب اسے نقشے پر آنا چاہیے، اور اس کے آس پاس کے لوگ دیکھ سکتے ہیں کہ کوئی اس کے قریب ہے۔ وی کے نے اس موضوع پر کافی دیر تک ہمارے ساتھ بات کی، کیونکہ انہیں یہ بات پسند نہیں آئی کہ ہم لوگوں کی اجازت کے بغیر یہ معلومات شائع کر رہے ہیں۔ لیکن پھر معاملہ عدالت میں نہیں آیا، کیونکہ کئی بڑی کمیونٹیز کے اندر ہم نے قواعد میں اضافہ کیا کہ ڈیٹا کو تھرڈ پارٹی، ایجنسیاں، کمپنیاں، تجزیہ وغیرہ استعمال کر سکتے ہیں۔ یقیناً یہ خاص طور پر اخلاقی نہیں تھا، لیکن پھر بھی۔

• ہم نے اسے وقت پر محسوس کیا اور اپنی ماہرانہ رائے سب کو بیچنا شروع کر دی۔

کیا آپ تعلیمی اداروں کے ساتھ کام کرتے ہیں؟

• ہم تعلیمی اداروں کے ساتھ تعاون کرتے ہیں، ہاں۔ ہمارے پاس ایک پوری رینج ہے: ہمارے پاس ہائر اسکول میں ماسٹرز کا پروگرام ہے، اور ہم دوسری یونیورسٹیوں کے ساتھ تعاون کرتے ہیں۔ ہمیں یونیورسٹیوں سے بہت پیار ہے!
• اگر آپ کے پاس میرے رابطے ہیں تو آپ مجھے لکھ سکتے ہیں۔ اور پریزنٹیشن کا لنک، اگر کسی کو دلچسپی ہو - یہ تمام مثالیں موجود ہیں، آپ اسے منتقل کر سکتے ہیں۔
• اگر آپ فون نمبر جانتے ہیں، میل - یہ تقریباً سو فیصد آپشن ہے، کوئی بھی اسے نہیں ہٹائے گا۔ اگر کوئی فون نمبر نہیں ہے، تو یہ عام طور پر ایک تصویر ہے؛ اگر کوئی تصویر نہیں ہے، تو یہ سال، رہائش کی جگہ، ملازمت ہے۔ یعنی، سال کے لحاظ سے، رہائش اور کام کی جگہ، تقریباً ہر ایک کو ہمیشہ بہت باریک بینی سے پہچانا جا سکتا ہے۔ لیکن یہ، ایک بار پھر، کام کے بارے میں ایک سوال ہے.

  ہمارے پاس ایک کلائنٹ ہے جو انٹرنیٹ ٹیلی ویژن فروخت کرتا ہے۔ کسی نے ان سے ان "گیمز آف تھرونز" کا سبسکرپشن خریدا، اور کام یہ ہے کہ وہ اپنے CRM کا استعمال کرتے ہوئے ان لوگوں کو سوشل نیٹ ورک پر تلاش کریں، اور پھر ان کے اثر و رسوخ کے علاقے سے ممکنہ لوگوں کو تلاش کریں۔ میرا مطلب صرف یہ ہے کہ ان کے پاس پہلا نام، آخری نام اور ای میل ہے... اور پھر کچھ کرنا بہت مشکل ہے۔ زیادہ تر معاملات میں، لوگوں کو ای میل کے ذریعے تلاش کیا جا سکتا ہے۔

• اپنے دوستوں کی ترکیب کی بنیاد پر، ہم عام طور پر سوشل نیٹ ورکس پر لوگوں کو "مماثل" کرتے ہیں، لیکن یہ ہمیشہ درست نہیں ہوتا ہے۔ ایسا نہیں ہے کہ یہ ہمیشہ صحیح نہیں ہوتا ہے - یہ ہمیشہ کام نہیں کرتا ہے۔ سب سے پہلے، اس کے لیے بہت محنت درکار ہے، کیونکہ یہ آپریشن (مماثل افراد) کو پہلے ہر ایک دوست کے لیے کرنا پڑے گا - یہ سمجھنے کے لیے کہ آیا وہ سوشل نیٹ ورکس سے آئے ہیں یا نہیں۔ اور پھر - کسی کو بھی ایک نامعلوم حقیقت کہ VKontakte پر ہمارے ایک جیسے دوست ہیں، فیس بک پر ہمارے مختلف دوست ہیں۔ سب کے لیے نہیں، لیکن میرے لیے، مثال کے طور پر، یہ اس طرح ہے؛ اور یہ زیادہ تر لوگوں کے لیے بھی سچ ہے۔

سب سے مکمل ڈیٹا کیسے اکٹھا کیا جاتا ہے؟

• اس کی طرف کلائنٹ کے لیے سافٹ ویئر انسٹال کرنا۔ ان پر ایک سرور انسٹال ہوتا ہے، جو ہم سے صرف عوامی ڈیٹا لیتا ہے، اور ان کے ذاتی ڈیٹا کو اندرونی طور پر پروسیس کرتا ہے۔ کلائنٹ کے ساتھ این ڈی اے کا نتیجہ اخذ کیا گیا ہے۔ یہ، یقیناً، بہت درست نہیں ہے کہ وہ اسے ہمیں منتقل کرتے ہیں، لیکن قانونی ذمہ داری کلائنٹ پر عائد ہوتی ہے - ٹھیک ہے، اس کے لیے سافٹ ویئر انسٹال کرنا، یا گمنام ڈیٹا منتقل کرنا۔ لیکن یہ بہت کم تھا، کیونکہ - صحیح یا غلط گمنامی - زیادہ تر معاملات میں ان لوگوں کے درمیان انحصار ختم ہو جاتا ہے۔

چہرے کی شناخت کا سافٹ ویئر کون خریدتا ہے؟

• ہم اصل میں یہاں جا رہے ہیں کیونکہ ہمارا بنیادی سافٹ ویئر جسے ہم بیچتے ہیں وہ ہے چہرے کی تلاش، ارتباط کا تجزیہ، اور ہم اسے سرکاری اداروں کو فروخت کرتے ہیں۔ اور ڈیڑھ سال پہلے، ہم نے فیصلہ کیا تھا کہ ہم ان تمام کہانیوں کو اشتہارات، مارکیٹنگ، عوامی مارکیٹ میں ڈالیں گے - اس طرح سوشل ڈیٹا ہب، ایک تجارتی قانونی ادارہ، تشکیل پایا۔ اور اب ہم یہاں آ رہے ہیں۔ ہم اب ڈیڑھ سال سے یہاں گھوم رہے ہیں، لوگوں کو یہ سمجھانے کی کوشش کر رہے ہیں کہ لوگوں کو ذکر کے ساتھ ڈاؤن لوڈ کرنے کی ضرورت نہیں ہے، انہیں سوالات کے جوابات دینے کی ضرورت ہے، کہ ٹونالٹی کی ضرورت نہیں ہے۔ ، اور اسی طرح. تو یہ کہنا مشکل ہے کہ کہاں...
• (آپ کا مطلب کون ہے؟) ان تمام ساتھیوں کے لیے جنہیں دہشت گردوں اور پیڈو فائلز کو تلاش کرنے کی ضرورت ہے۔
  میں فوراً کہہ سکتا ہوں (یہ اگلا سوال ہوگا): ہمارے اعداد و شمار کے مطابق، کسی بھی اساتذہ کو دوبارہ پوسٹ کرنے پر قید نہیں کیا گیا۔
• VKontakte پر - 14%؛ فیس بک پر کوئی بند پروفائل نہیں ہے (دوستوں کی ایک بند فہرست ہے، وغیرہ)۔ اور سب سے دلچسپ بات یہ ہے کہ میں نے ابھی ایک میسج لکھا تھا - اب وہ گن کر کہیں گے۔

ایسی چیز پوسٹ نہ کریں جس سے آپ کو شرم آئے گی!

• سوشل نیٹ ورکس پر کوئی ایسی چیز پوسٹ نہ کریں جس سے آپ کو شرم آئے - میں ذاتی طور پر اس کی پیروی کرتا ہوں۔ اگرچہ میرے پاس بہت زیادہ ذاتی تھے، کیونکہ میں فیس بک پر قسم کھاتا ہوں۔ ٹھیک ہے، وہاں تھا اور کچھ ہونا باقی تھا... کوئی ایسی چیز پوسٹ نہ کریں جو شرمناک ہو! اگر آپ بعد میں پبلک چیمبر میں کہیں کام کرنے جا رہے ہیں، ہاں، بہتر ہے کہ تبصرہ نہ کریں۔ اگر آپ ایسا نہیں کرنے جا رہے ہیں، بڑے پیمانے پر، کسی کو پرواہ نہیں ہے۔ میں آپ کو صرف یقین دلاتا ہوں کہ آپ کی ذاتی خط و کتابت کو کوئی نہیں پڑھتا، اور یہ سب اس پوری کہانی کو تشکیل دے رہا ہے...

  ہر ہفتے، کوئی نہ کوئی یقینی طور پر میرے پاس آتا ہے اور کہتا ہے: "ٹھیک ہے، میرے دوست کی تصاویر کسی گمنام عوامی صفحہ پر لیک ہو گئی تھیں! مدد! ویسے، گمنام عوامی صفحات پر کبھی بھی کچھ شائع نہ کریں۔

• میں دوسرے مانیٹرنگ سسٹم کے بارے میں نہیں جانتا - ہم اس بات کو یقینی طور پر مدنظر رکھیں گے، کہ برانڈ کا ذکر منفی تھا، خدا مجھے معاف کرے... لیکن میں یہ کہہ سکتا ہوں کہ ریاست کے ہر قسم کے کامریڈ صرف لوگوں میں دلچسپی رکھتے ہیں۔ جن کے سامعین 5 ہزار سے زیادہ ہیں اور ان کی رائے عامہ کسی پر اثر انداز ہو سکتی ہے۔ میرے تجربے میں، ایسا کبھی نہیں ہوا کہ HR ایجنسی جو ہم سے پروفائل اسیسمنٹ کا آرڈر دیتی ہو: "جو بھی Navalny کو پسند کرتا ہے، کسی کو نوکری پر نہ رکھیں!"

نتائج کی اشاعت کے بارے میں۔ تحقیق میں کتنے لوگ کام کر رہے ہیں؟

• سرفہرست 10 اشتہاری کمپنیوں میں سے سات اب اشاعت کر رہی ہیں۔ یہ کہنا مشکل ہے: جب ہم نے یہ ڈیڑھ سال پہلے شروع کیا تھا... ہمارے ہر علاقے میں کئی لوگ ہیں - بینکوں میں کئی لوگ ہیں، HR میں کئی لوگ ہیں، اشتہارات میں کئی لوگ ہیں۔ اور اب ہم سوچ رہے ہیں کہ پہلے کس کے پاس جانا زیادہ منافع بخش ہے، جس کے لیے ہمیں کچھ انٹرفیس بنانا شروع کرنے کی ضرورت ہے...
• (فی مارکیٹ سیگمنٹ لوگوں کی تعداد کے بارے میں) 25 سے زیادہ لوگ نہیں، کیونکہ ہم نے کسی کے ساتھ زیادتی نہیں کی۔
• عام طور پر، اصولی طور پر، مارکیٹ سے ان ٹیکنالوجیز کا استعمال کیا جاتا ہے، میرے خیال میں، 50 فیصد سے زیادہ۔ کچھ اشتہاری مہموں میں، کچھ اندرونی تجزیات کی کسی قسم میں۔ میں کہوں گا کہ 40 فیصد اسے اندرونی تجزیات میں استعمال کرتے ہیں، 50-60 فیصد اسے برانڈز کو ختم کرنے کے لیے فروخت کرتے ہیں۔ لیکن یہ پہلے سے ہی اشتہاری کمپنیوں پر منحصر ہے۔ آپ نے دیکھا، کچھ لوگ صرف خرچ کیے گئے پیسوں، اشتہارات کے لیے رپورٹ کرتے ہیں، جب کہ دوسرے لکھتے ہیں کہ وہ کتنے لوگوں کو لائے، کس قسم کے سامعین... میں ایسا کہوں گا، لیکن میں غلط ہو سکتا ہوں - میں نہیں کرتا۔ واقعی تصور نہیں کرتے کہ یہ تمام کامریڈ کیسے کام کرتے ہیں۔ میں صرف مقداری اعداد و شمار میں جانتا ہوں۔

کچھ اشتہارات 🙂

ہمارے ساتھ رہنے کے لیے آپ کا شکریہ۔ کیا آپ کو ہمارے مضامین پسند ہیں؟ مزید دلچسپ مواد دیکھنا چاہتے ہیں؟ آرڈر دے کر یا دوستوں کو مشورہ دے کر ہمارا ساتھ دیں، کلاؤڈ VPS برائے ڈویلپرز $4.99 سے, انٹری لیول سرورز کا ایک انوکھا اینالاگ، جو ہم نے آپ کے لیے ایجاد کیا تھا: VPS (KVM) E5-2697 v3 (6 Cores) 10GB DDR4 480GB SSD 1Gbps کے بارے میں پوری حقیقت $19 سے یا سرور کا اشتراک کیسے کریں؟ (RAID1 اور RAID10 کے ساتھ دستیاب، 24 کور تک اور 40GB DDR4 تک)۔

ایمسٹرڈیم میں Equinix Tier IV ڈیٹا سینٹر میں Dell R730xd 2 گنا سستا؟ صرف یہاں 2x Intel TetraDeca-Core Xeon 2x E5-2697v3 2.6GHz 14C 64GB DDR4 4x960GB SSD 1Gbps 100 TV $199 سے نیدرلینڈ میں! Dell R420 - 2x E5-2430 2.2Ghz 6C 128GB DDR3 2x960GB SSD 1Gbps 100TB - $99 سے! کے بارے میں پڑھا انفراسٹرکچر کارپوریشن کو کیسے بنایا جائے۔ ڈیل R730xd E5-2650 v4 سرورز کے استعمال کے ساتھ کلاس جس کی مالیت 9000 یورو ہے؟

ماخذ: www.habr.com