Arthur Khachuyan: Intelligence artificielle en marketing

Arthur Khachuyan est un spécialiste russe bien connu du traitement des mégadonnées, fondateur de Social Data Hub (maintenant Tazeros Global). Partenaire HSE. Préparé et présenté conjointement avec la Higher School of Economics Higher Data Bill au Conseil de la Fédération. Il a pris la parole à l'Institut Curie de Paris, Université d'État de Saint-Pétersbourg, Université fédérale sous le gouvernement de la Fédération de Russie, à Red Apple, International OpenDataDay, RIW 2016, AlfaFuturePeople.

La conférence a été enregistrée au festival en plein air «Geek picnic» à Moscou en 2019.



Arthur Khachuyan (ci-après - AH): - Si d'un grand nombre d'industries - de la médecine, de la construction, de quelque chose, de choisir quelque chose, où la technologie du big data, de l'apprentissage automatique, du deep learning est le plus souvent utilisée, alors c'est probablement le marketing. Parce que depuis environ trois ans, tout ce qui nous entoure dans une sorte de communication publicitaire est désormais lié spécifiquement à l'analyse des données et précisément à ce que l'on peut appeler l'intelligence artificielle. Par conséquent, aujourd'hui, je vais vous en parler à partir d'une histoire si lointaine ...

Si vous imaginez l'intelligence artificielle, à quoi elle ressemble - c'est probablement quelque chose. L'image étrange est l'un des réseaux de neurones que j'ai écrit il y a un an pour trouver la dépendance de ce que fait mon chien - combien de fois il doit aller grand, petit et comment cela dépend généralement de combien il mange ou non . C'est une blague sur la façon dont l'intelligence artificielle pourrait être imaginée.



Mais encore, réfléchissons à la façon dont tout cela fonctionne dans les communications publicitaires. Il existe trois domaines dans lesquels les algorithmes modernes de la publicité et du marketing peuvent interagir avec nous. Il est clair que la première histoire vise à obtenir et à extraire des connaissances supplémentaires sur nous, puis à les utiliser à des fins bonnes et pas très bonnes; personnaliser l'approche à chaque personne spécifique; Naturellement, après cela, pour former une certaine demande afin de terminer l'action cible principale et de mener une certaine vente.

En utilisant la technologie, ils essaient de résoudre le problème d'une communication efficace.

Si je vous dis de penser à ce qui est commun entre Pornhub et M. Vidéo », qu'en pensez-vous?

Commentaires du public (ci-après - H): - Teleki, public.

AH: - Mon concept est que ce sont deux endroits où les gens viennent pour un certain type de service, ou appelons-le - pour un certain type de biens. Et ce public est différent en ce qu'il ne veut rien dire au vendeur. Elle veut entrer et obtenir ce qui l'intéresse sous une forme explicite ou implicite. Naturellement, personne ne vient à "M. Vidéo », ne veut communiquer avec aucun vendeur, ne veut pas comprendre, ne veut répondre à aucune de ses questions.

Par conséquent, la première histoire découle de tout cela.

Lorsque la technologie d'acquérir des connaissances supplémentaires est apparue afin de ne pas communiquer avec une personne d'une manière ou d'une autre. Nous aimons tous quand nous appelons la banque, et la banque nous dit: «Bonjour. Alexey, tu es notre client VIP. Un surhomme va vous parler maintenant. » Vous venez dans cette banque et il y a vraiment un manager unique qui peut vous parler. Malheureusement ou heureusement, pas une seule entreprise n'a encore trouvé comment embaucher un millier de gestionnaires personnels pour un millier de clients; et puisque la plupart de ces personnes sont maintenant en ligne, la tâche consiste à comprendre de quel type de personne il s'agit et comment communiquer correctement avec lui avant de consulter une ressource publicitaire. Et donc, en fait, il existe des technologies qui tentent de résoudre ce problème.

L'exploration de données est le nouveau pétrole

Imaginez que vous êtes propriétaire d'un étal de fleurs. Trois personnes viennent à toi. Le premier tient très longtemps, hésite, essaie de vous parler, prend une sorte de bouquet - vous partez pour l'envelopper, vous sortez pour y faire quelque chose; avec ce bouquet, il s'enfuit de l'étal - vous avez perdu vos trois mille roubles. Pourquoi est-ce arrivé? Vous ne savez rien de cette personne: vous ne connaissez pas ses antécédents de pulsions au ministère de l'Intérieur, vous ne savez pas qu'il est kleptomane, est inscrit dans un dispensaire psychiatrique. Pourquoi? Parce que vous l'avez vu pour la première fois et que vous n'êtes pas un spécialiste de l'analyse comportementale.

Quelque chose d'autre vient ... Vitaly. Vitaly comprend aussi très longtemps, dit-il, "Eh bien, maintenant, j'ai besoin de ceci, cela, cela." Et tu lui dis, - Des fleurs pour maman, non? Et vous lui vendez un bouquet.

Le concept ici est de trouver suffisamment de données pour comprendre ce dont cette personne a besoin. Tout le monde a immédiatement pensé à une sorte de réseaux publicitaires et ainsi de suite ...

Tout le monde a probablement entendu à plusieurs reprises la phrase stupide que "les données sont du nouveau pétrole"? Tout le monde a sûrement entendu. En fait, les gens ont appris à collecter des données depuis longtemps, mais extraire des données de ces données est la tâche que l'intelligence artificielle tente maintenant de résoudre dans le marketing, ou une sorte d'algorithmes statistiques. Pourquoi? Parce que si vous parlez à une personne, celle-ci peut vous donner la bonne, la mauvaise ou la réponse teintée. La blague que je raconte aux étudiants - en quoi les sondages diffèrent des statistiques - je vais vous la raconter sous forme de blague:

Ainsi, dans deux villages, ils ont décidé de mener une étude sur la durée moyenne de la dignité masculine. Donc, dans le premier village, Villaribo, la longueur moyenne est de 15 centimètres, dans le village de Villabaggio - 25. Savez-vous pourquoi? Parce que dans le premier village, des mesures ont été prises, et dans le second - une enquête.

L'industrie du porno - le fleuron des systèmes de recommandation

C'est pourquoi l'approche moderne de l'analyse de toutes les personnes sans exception, même si elles sont légèrement inférieures à 100%, mais ce sont des personnes qui n'ont pas besoin d'être interrogées, elles n'ont pas besoin d'être regardées. Il suffit d'analyser ce que l'on appelle aujourd'hui l'empreinte numérique pour comprendre ce dont cette personne a besoin, comment lui parler correctement, comment bien former la demande autour de lui. D'une part, c'est une machine stupide (mais nous le savons tous très bien); nous ne voulons pas communiquer avec des gens de M. Vidéo ", et plus encore, en accédant à des ressources telles que" Pornhub ", nous voulons obtenir exactement ce dont nous avons besoin.

Pourquoi est-ce que je parle toujours de pornhub? Parce que l'industrie pour adultes est la première à analyser des technologies similaires, à introduire des technologies similaires, à analyser des données. Si vous prenez les trois bibliothèques les plus populaires dans ce domaine (par exemple, TensorFlow ou Pandas pour le "petit lanceur", pour le traitement de csv-shek et ainsi de suite), si vous ouvrez sur le "Github", avec un court "google" tous ces noms, vous trouverez quelques personnes qui ont travaillé ou travaillent actuellement à Pornhub, et les premiers là-bas à mettre en œuvre exactement les systèmes de recommandation. En général, cette histoire est très avancée et montre à quel point ce public est important, à quel point cette entreprise a progressé.

Trois niveaux d'identification

Autour de la personne, il existe un énorme ensemble de données qui peuvent être identifiées. Je le divise généralement officiellement en trois niveaux, plongeant de plus en plus profondément. Naturellement, l'entreprise dispose de ses propres données.

Si, par exemple, nous parlons de construire un système de recommandation, alors le premier niveau est les données qui sont situées près du magasin lui-même (historique des achats, toutes sortes de transactions, comment une personne a interagi avec l'interface).

Ensuite, il y a un niveau (relativement le plus grand) - c'est ce qu'on appelle l'open source. Ne pensez pas que je vous invite à analyser les réseaux sociaux, mais en fait, ce qui se trouve dans les sources ouvertes ouvre un énorme ensemble de données que vous pouvez dire sur une personne à connaître.

Et la troisième grande partie est l'environnement de cette personne elle-même. Oui, il y a une opinion que si une personne n'est pas sur les réseaux sociaux - il n'y a pas de données à son sujet (vous savez probablement déjà que ce n'est pas le cas), mais surtout, les données qui se trouvent dans le profil de la personne (ou dans une application) ) - ce n'est que 40% des connaissances qui peuvent être obtenues à ce sujet. Les informations restantes proviennent de son environnement. L'expression «dites-moi qui est votre ami et je dirai qui vous êtes» prend un nouveau sens au 21e siècle, car une énorme quantité de données peut être obtenue autour de cette personne.

En parlant plus près des communications publicitaires, obtenir une communication publicitaire ne vient pas de la publicité, mais d'un de vos amis, d'un ami ou d'une personne en quelque sorte vérifiée - c'est une fonctionnalité très cool utilisée par un tas de spécialistes du marketing. Quand une sorte d'application vous donne soudainement un code promo gratuit, vous postez à ce sujet et attirez ainsi un nouveau public. En fait, ce code promotionnel pour le Yandex.Taxi conditionnel n'a pas été choisi du tout au hasard, et pour cela, une énorme quantité de données a été analysée sur votre potentiel à attirer un nouveau public et à interagir avec lui d'une manière ou d'une autre.

Ils analysent même le comportement des héros de la série

Je vais vous montrer trois photos, et vous me direz quelle est la différence entre elles.

Celui-ci:



Celui-ci:



Et celui-ci:



Quelle est la différence entre eux? Ici, tout est simple. Comme en mécanique quantique, dans ce cas, ce créateur a été formé par un observateur. Autrement dit, la différence dans la même campagne publicitaire menée par la même marque en même temps, uniquement chez celle qui a regardé cette création. Personnellement, quand je vais à l'Amediateka, ils montrent toujours Khala Drogo. Je ne sais pas ce qu’Amediateka pense de mes préférences, mais ça arrive.

Ce qu'on appelle maintenant les communications personnalisées est l'histoire la plus populaire pour attirer un public et interagir correctement avec lui. Si, dans un premier temps, nous identifions des personnes utilisant nos propres données de marque, des données open source et, par exemple, les données d'environnement de cette personne, nous pouvons l'analyser et comprendre qui il est, comment lui parler correctement et, surtout, dans quelle langue lui parler.

Ici, la technologie est allée si loin que les héros de la série qu'une personne regarde sont analysés. Autrement dit, vous aimez la série - ils [aiment] regarder, regarder, avec qui vous avez interagi, afin de comprendre quelle personne a raison pour que vous interagissiez avec lui. Cela ressemble à un non-sens complet, mais dans l'intérêt de certaines ressources, essayez-le - différentes personnes voient une créativité différente (afin d'interagir correctement avec elle).

Pas un seul média moderne ou aucune ressource vidéo ne vous montre simplement des nouvelles. Allez dans les médias - un grand nombre d'algorithmes sont chargés qui vous identifient, comprennent toutes vos activités précédentes, font appel au matmodel puis vous montrent quelque chose. Dans ce cas, voici une histoire tellement étrange.

Comment définissez-vous vos besoins? Psychométrie Physiognomie

Il y a tellement d'approches (réelles) pour déterminer les besoins réels d'une personne et comment communiquer correctement avec elle. Il existe de nombreuses approches, chacun décide de différentes manières, on ne peut pas dire à quel point il est bon ou mauvais. Basique, semble-t-il, tout le monde le sait.



Psychométrie Après l'histoire avec Cambridge Analytics, elle a pris une tournure choquante, à mon avis, parce qu'une entreprise politique sur deux vient maintenant et dit: «Oh, pouvez-vous me le faire comme Trump? Je veux aussi gagner, etc. » En fait, cela, bien sûr, n'a aucun sens pour nos réalités, par exemple les élections politiques. Mais trois modèles sont utilisés pour déterminer les psychotypes:

• le premier est basé sur le contenu que vous consommez - sur les mots que vous écrivez, sur certaines informations que vous aimez, la vidéo, etc.;
• la seconde est liée à la façon dont vous interagissez avec l'interface Web, à la façon dont vous tapez, aux boutons que vous maintenez enfoncés - en effet, il existe des sociétés entières qui peuvent déterminer de manière fiable ce que l'on appelle maintenant des psychotypes en utilisant l'écriture du clavier.
• Je ne suis pas psychologue, je ne comprends pas exactement comment cela fonctionne, mais du point de vue des communications publicitaires, le public divisé en ces segments fonctionne très bien, parce que quelqu'un a besoin de montrer un écran rouge avec une femme bleue, quelqu'un a besoin d'un noir est un fond bleu avec une sorte d'abstraction, et cela fonctionne très cool. À certains niveaux bas - à tel point qu'une personne n'y pense même pas. Maintenant, quel est le principal problème sur le marché publicitaire? Tous sont des agents des services spéciaux, tout le monde se cache, tout le monde a un million de permissions de navigateur installées pour ne pas être identifiées de quelque manière que ce soit - vous avez probablement des Adblocks, Gostry et toutes sortes d'applications qui bloquent le suivi. Pour cette raison, il est très difficile de comprendre quelque chose sur une personne. Et la technologie est allée plus loin - vous devez non seulement savoir que cette personne est revenue sur votre site pour la 125e fois, mais qu'elle est toujours une personne si étrange.

La physionomie est une science très controversée. Ce n'est même pas considéré comme de la science. Il s'agit d'un groupe de personnes qui avaient l'habitude de programmer des détecteurs de mensonges pour un certain ministère de l'Intérieur, et maintenant ils sont engagés, comme on dit, dans la personnification du créateur. L'approche ici est très simple: prenez quelques-unes de vos photos publiques de certains réseaux sociaux, en les utilisant pour construire une géométrie tridimensionnelle. Et si vous êtes avocat, vous allez maintenant dire qu'il s'agit d'une personne et de données personnelles; et je vais vous dire que ce sont 300 000 points situés dans l'espace, et ce n'est pas une personne, et ce ne sont pas des données personnelles. C'est ce que tout le monde dit habituellement quand Roskomnadzor vient à eux.

Mais sérieusement, séparément, votre visage, si votre nom et prénom ne sont pas signés là-bas, n'est pas vos données personnelles. L'essentiel est que les gars marquent diverses caractéristiques faciales qui affectent la façon dont une personne prend des décisions et comment interagir avec elle. Quelque part, cela fonctionne mal, dans certains segments de la publicité; dans quels segments cela fonctionne très bien. En fin de compte, il s'avère que lorsque vous accédez à une certaine ressource, vous voyez plus d'une bannière qui est montrée à tout le monde, mais, par exemple ... il est maintenant normal de faire 16 ou 20 options pour différents publics - et cela fonctionne très bien. Oui, c'est encore plus triste du point de vue du consommateur, car les gens commencent à manipuler de plus en plus. Néanmoins, d'un point de vue commercial, cela fonctionne très bien.

La boîte noire de l'apprentissage automatique

Cela pose le problème suivant de ces technologies: après tout, pour la plupart des développeurs, ce que l'on appelle maintenant le deep learning est une «boîte noire». Si vous avez plongé une fois dans cette histoire et parlé avec les développeurs, ils disent toujours: "Oh, écoutez, eh bien, nous avons quelque chose de si incompréhensible là-bas, et nous ne savons pas comment cela fonctionne." Peut-être que quelqu'un l'avait.

C'est en fait loin de la vérité. Ce qu'on appelle maintenant l'apprentissage automatique est loin d'être une boîte noire. Il existe un grand nombre d'approches pour décrire les données d'entrée et de sortie, et à la fin, l'entreprise peut bien comprendre sur la base des signes que la machine a décidé de vous montrer cette vidéo pornographique ou autre. La question est qu'aucune des entreprises ne révèle cela, car: premièrement, un secret commercial; deuxièmement, il y aura une énorme quantité de données dont vous n'étiez même pas au courant.

Par exemple, avant cela, dans une discussion sur l'éthique, nous avons discuté de la façon dont les réseaux sociaux analysent les messages personnels afin de marquer les gens dans une sorte d'histoires publicitaires. Vous écrivez quelque chose à quelqu'un - sur cette base, vous obtenez une certaine étiquette pour, en fait, une sorte de communication publicitaire. Et vous ne le prouverez jamais, et il est probablement inutile de le prouver. Cependant, si de tels modèles étaient révélés, ils le seraient. Il s'avère que le marché de la construction de tels systèmes de recommandation prétend ne pas savoir pourquoi cela s'est produit.

Les gens ne veulent pas savoir ce qu'ils savent d'eux.

Et la deuxième histoire est que le client ne veut jamais savoir pourquoi il a reçu cette annonce particulière, ce produit particulier. Je vais vous raconter une telle histoire. Ma première expérience dans la mise en œuvre commerciale de systèmes de recommandation basés sur de tels algorithmes a été pour des recherches en 2015 dans un très grand réseau de sex-shops (oui, ce n'est pas non plus une histoire très hospitalière).



Les clients se sont vu offrir ce qui suit: ils se connectent, se connectent avec leur réseau social, quelque part en 5 secondes, ils reçoivent un magasin entièrement personnalisé pour eux, c'est-à-dire que tous les produits ont changé directement - ils tombent dans une certaine catégorie et ainsi de suite. Savez-vous combien la conversion de ce magasin a augmenté? Pas du tout! Les gens sont entrés et ont immédiatement fui. Ils sont entrés et ont réalisé qu'on leur offrait exactement ce qu'ils pensaient ...

Le problème avec ce test était que sous chaque produit, il était écrit pourquoi ils vous l'avaient suggéré ("parce que vous êtes dans le groupe caché" Une femme puissante cherche un homme "chiffon"). Par conséquent, les systèmes de recommandation modernes ne montrent jamais les données sur la base desquelles la «prédiction» a été faite.

Les médias sont une histoire très populaire car ils utilisent tous des systèmes d'orientation similaires. Auparavant, les algorithmes étaient très simples: voir la catégorie "Politique" - ils vous montreront les nouvelles de la catégorie "Politique". Maintenant, tout est si compliqué qu'ils analysent les endroits où vous avez arrêté la souris, les mots sur lesquels vous vous êtes concentré, ce que vous avez copié, comment vous avez interagi avec cette page. Puis il analyse le vocabulaire des messages eux-mêmes: oui, vous ne lisez pas seulement les nouvelles de Poutine, mais d'une certaine manière, avec une certaine couleur émotionnelle. Et quand une personne reçoit des nouvelles, elle ne pense même pas à la façon dont elle est venue ici. Néanmoins, interagit ensuite avec ce contenu.

Tout cela, bien sûr, vise à garder un pauvre homme malheureux qui est tellement fou de la grande quantité d'informations qui l'entourent. Il faut dire ici qu'il serait bien d'utiliser de tels systèmes pour personnifier la créativité autour de vous, collecter des informations, mais, malheureusement, il n'y a pas de tels services à ce jour.

L'intelligence artificielle prend le client au décollage et forme la demande

Et ici se pose une question philosophique très intéressante, passant de la création d'un système de recommandation à la formation de la demande. Personne n'y pense rarement, mais lorsque vous essayez de demander à Instagram conditionnel: «Pourquoi recueillez-vous des données? Pourquoi ne pas me montrer une annonce absolument aléatoire? "," Instagram "vous dira:" Ami, tout est fait pour vous montrer exactement ce qui vous intéresse. " Comme, nous voulons vraiment vous connaître afin de vous montrer exactement ce que vous recherchez.



Mais la technologie a depuis longtemps franchi cette terrible étape, et des technologies similaires ne prédisent plus ce dont vous avez besoin. Ils (attention!) Forment la demande. C'est probablement la pire chose qui tourne autour de l'intelligence artificielle dans de telles communications. C'est terrible dans la mesure où il a été utilisé presque universellement au cours des 3 à 5 dernières années - de l'émission Google à l'émission Yandex, en passant par certains systèmes ... D'accord, je ne dirai rien de mal à propos de Yandex; et bon.

À quoi ça sert? De telles communications publicitaires sont depuis longtemps passées de stratégie lorsque vous écrivez «Je veux acheter un siège enfant» et que vous voyez cent mille millions de publications. Ils ont poursuivi en disant ceci: seule une femme a posté une photo avec un ventre à peine visible, son mari a immédiatement commencé à poursuivre les messages - «Homme, bientôt accouchement. Achetez un siège bébé. "

Ici, vous vous demandez raisonnablement pourquoi, avec de telles avancées technologiques gigantesques, nous voyons toujours de telles publicités merdiques sur les réseaux sociaux? Le problème est que l'argent résout toujours tout sur ce marché, donc à un certain moment, un annonceur comme «Coca-Cola» peut venir dire: «Ici, vous avez 20 millions - montrez mes bannières de merde à tout Internet». Et ils le font vraiment.

Mais si vous créez une sorte de compte propre et testez la précision avec laquelle ces algorithmes vous devineront: ils essaient d'abord de vous deviner, puis ils commencent à faire quelque chose à l'avance. Et le cerveau humain fonctionne de telle manière que, recevant des informations fiables pour lui, il ne traite même pas le moment pour lequel il a reçu ces informations. La première règle consiste à déterminer que vous êtes dans un rêve - vous devez comprendre comment vous êtes venu ici. Une personne ne se souvient jamais du moment où elle était dans une pièce. C'est la même chose ici.

Google peut commencer à façonner votre vision du monde

De telles études ont été menées par plusieurs sociétés étrangères engagées dans le suivi oculaire. Ils placent des appareils sur des ordinateurs spéciaux qui enregistrent où les yeux du sujet regardent. Elle a pris de cinq à sept mille volontaires qui ont simplement fait défiler la bande, interagi avec les réseaux sociaux, avec de la publicité, et ils ont écrit des informations sur les parties de bannières et de créations que ces personnes cessent de regarder.

Et il s'est avéré que lorsque les gens reçoivent une création aussi super personnalisée, ils n'y pensent même pas - ils passent immédiatement en revue, commencent à interagir avec elle. Du point de vue des affaires, c'est bien, mais du point de vue de nous, en tant qu'utilisateurs, ce n'est pas très cool, car - de quoi ont-ils peur? - Qu'à un moment donné, le «Google» conditionnel puisse commencer (et, bien sûr, ne même pas commencer) à former sa propre vision du monde. Il peut, par exemple, demain, commencer à montrer aux gens que la terre est plate.

C'est une blague, mais ils ont été surpris un grand nombre de fois qu'au cours des élections, ils ont commencé à donner certaines informations à certaines personnes. Nous sommes tous habitués au fait que le moteur de recherche obtient tout honnêtement. Mais, comme je le dis toujours, si vous voulez vraiment savoir comment fonctionne le monde, écrivez votre propre moteur de recherche, sans filtres, sans prêter attention au droit d'auteur, sans classer aucun de vos amis dans la liste. L'émission de données réelles sur Internet est généralement différente de ce que montrent Google, Yandex, Bing, etc. Certains documents se cachent, car les amis, les collègues, les ennemis ou quelqu'un d'autre (ou un ancien amant avec qui vous avez couché) n'ont pas d'importance.

Comment Trump a gagné

Lors des dernières élections aux États-Unis, une étude très simple a été menée. Ils ont pris les mêmes demandes à différents endroits, à partir de différentes adresses IP, de différentes villes, différentes personnes ont googlé la même chose. Conventionnellement, la demande était dans le style de: qui gagnera l'élection? Et étonnamment, les résultats ont donc été construits que dans les États où le plus grand nombre de personnes ont essayé de voter pour le mauvais candidat, ils ont reçu de bonnes nouvelles concernant le candidat promu par Google. Lequel? Eh bien, c'est clair quoi - celui qui est devenu président. C'est une histoire absolument impossible à prouver, et toutes ces études - avec votre doigt sur l'eau. Google peut dire: "Les gars, tout cela est fait pour que nous affichions le contenu le plus pertinent pour vous."

Désormais, sachez que ce que l'on appelle le plus pertinent n'est pas une figue. La société considère comme pertinent ce que vous devez vendre pour de bonnes ou de mauvaises raisons.

Ceux qui n'ont pas d'argent se préparent déjà pour de futurs achats

Il y a encore un moment si intéressant, dont je vais parler. Un grand nombre de publics actifs sont désormais sur les réseaux sociaux, dans les applications - ce sont des jeunes. Nous l'appelons ainsi - les jeunes insolvables: les enfants de 8 à 9 ans qui cliquent sur les jeux débiles, ce sont les 12-13-14 qui ne s'inscrivent que sur les réseaux sociaux. Pourquoi les grandes entreprises dépenseraient-elles d'énormes budgets et ressources pour créer des applications pour des publics insolvables qui ne sont jamais monétisées? Dès que ce public deviendra solvable, il y aura suffisamment de données à son sujet pour prédire très bien son comportement.



Demandez maintenant à un cibleologue quel est le public le plus difficile? Ils diront: très rentable. Parce que vendre, par exemple, un appartement d'une valeur de 150 millions de roubles via les réseaux sociaux est presque impossible. Des cas isolés où l'on fait une sorte de publicité pour 10 mille personnes, on achète cet appartement - le client a du succès ... Mais un sur dix mille du point de vue statistique est de la merde complète. Alors, pourquoi est-il difficile d'identifier un public très rentable? Parce que les gens qui font maintenant partie d'un public très rentable sont nés quand Internet était encore très petit, quand Artemy Lebedev ne savait toujours pas, et il n'y a aucune information à leur sujet. Il est impossible de prédire leur modèle de comportement, il est impossible de comprendre qui sont les dirigeants pour eux et de quelles sources de contenu ils reçoivent.

Par conséquent, lorsque vous deviendrez tous milliardaires en 25 ans, et que les entreprises qui vont vous vendre quelque chose auront une énorme quantité de données. Par conséquent, un remarquable RGPD est désormais apparu en Europe, ce qui empêche la collecte de données auprès des mineurs.

Naturellement, cette figue ne fonctionne pas dans la pratique, car tous les enfants jouent toujours les comptes de la mère et du père - de cette façon, les informations sont collectées. La prochaine fois que vous donnerez un comprimé à votre enfant, pensez-y.

Absolument pas un avenir terrible et anti-utopique, quand tout le monde meurt dans la guerre avec les machines - histoire absolument réelle maintenant. Il existe un grand nombre d'entreprises qui créent des algorithmes pour le psycho-profilage des personnes en jouant à des jeux. Industrie très intéressante. Sur cette base, les gens sont ensuite segmentés, afin qu'ils puissent en quelque sorte communiquer avec eux.



La prévision du comportement de ces personnes sera disponible dans 10 à 15 ans - exactement au moment où elles deviendront un public solvable. Plus important encore, ces personnes ont déjà autorisé à l'avance à traiter leurs données personnelles, à les transférer à des tiers et tout cela est du bonheur, etc.

Qui perdra un emploi?

Et la dernière histoire que j'ai, c'est que tout le monde demande toujours ce qui se passera dans 50 ans: nous mourrons tous, il y aura du chômage chez les commerçants ... Y a-t-il des commerçants qui s'inquiètent du chômage, non? S'inquiéter, en général, n'en vaut pas la peine, car toute personne hautement qualifiée ne perdra pas son emploi.



Peu importe quels algorithmes sont créés, peu importe à quel point la voiture arrive à ce que nous avons ici (pointe vers la tête), si elle se développe assez rapidement, ces personnes ne seront jamais inactives, car quelqu'un devra utiliser ces créations à faire. Oui, il y a toutes sortes de «ghans» qui dessinent des images qui ressemblent à des gens, créent de la musique, mais encore, il est peu probable qu'un jour les gens perdent leur travail dans ce domaine.



J'ai tout avec l'histoire, vous pouvez donc poser des questions si vous en avez plus. Je vous remercie



Présentateur: - Amis, nous passons maintenant au bloc Question-Réponse. Vous levez la main - je viens à vous.



Question du public (H): - Question sur la "boîte noire". Ils ont dit que vous pouvez comprendre précisément pourquoi un tel résultat pour un tel utilisateur. S'agit-il d'une sorte d'algorithmes, ou est-ce à chaque fois pour chaque modèle ad hoc (note de l'auteur: «spécialement pour cela» - unité phraséologique latine) que vous devez analyser? Ou y en a-t-il déjà des prêts, pour un réseau de neurones, vous pouvez comprendre, en gros, le sens des affaires?

AH:- Ici, vous devez comprendre ce qui suit: dans l'apprentissage automatique, il y a un grand nombre de tâches. Par exemple, il existe une tâche - la régression. Pour la régression, aucun réseau neuronal n'est nécessaire. Tout y est simple: vous disposez de plusieurs indicateurs, vous devez calculer les suivants. Il y a des tâches où il est nécessaire de recourir à une chose telle que l'apprentissage en profondeur. En effet, dans l'apprentissage en profondeur, il est difficile de comprendre de manière fiable quels poids ont été définis pour quels neurones, mais légalement, tout ce que vous devez faire est de comprendre quelles données étaient en entrée, comment elles se sont déroulées. C'est suffisamment légal pour breveter une telle décision et cela suffit pour comprendre sur la base de laquelle l'histoire a été adoptée.

Il n'y a rien de tel que vous êtes allé sur le site et on vous a montré une sorte de bannière parce que vous avez photographié avec Instagram il y a deux mois avec des cheveux roux. Si le développeur ne fixe pas la collecte de ces données, le marquage de la couleur des cheveux dans ce modèle, alors il ne sera pas pris au plafond.

Comment vendre les résultats des systèmes d'apprentissage automatique?

Z: - La seule question est: c'est de comprendre comment expliquer, de vendre à quelqu'un qui ne comprend pas le machine learning. Je veux dire: mon modèle - de la couleur des cheveux conduit clairement à ... eh bien, la couleur des cheveux change ... Est-ce possible ou non?



AH: - Peut-être que oui. Mais du point de vue des ventes, le seul schéma fonctionnera: vous avez une campagne publicitaire, nous remplaçons le public par celui que la machine forme - et vous regardez simplement le résultat. Ceci est, malheureusement, la seule option fiable du client pour convaincre qu'une telle histoire fonctionne, car il existe de nombreuses solutions sur le marché qui ont déjà été mises en œuvre et qui n'ont pas fonctionné.

À propos de la création d'une identité virtuelle

Z: - Bonjour. Merci pour la conférence. La question est: quelle est la chance pour une personne qui, pour une raison quelconque, ne veut pas suivre le machine learning, créer une personnalité virtuelle qui est fondamentalement différente de sa propre personnalité, par l'interaction avec l'interface ou pour d'autres raisons?



AH: - Il existe un tas de plugins différents qui traitent spécifiquement de la randomisation du comportement. Il y a une chose sympa - Ghostery, qui, à mon avis, vous cache presque complètement d'un tas de trackers différents qui ne peuvent pas ensuite enregistrer ces informations. Mais en fait, maintenant, un profil fermé sur les réseaux sociaux vous suffira pour que personne, aucun mauvais analyseur n'y collecte quoi que ce soit. Il est probablement préférable de mettre une sorte d'extension ou d'écrire quelque chose vous-même.

Vous voyez, c'est un tel concept que légalement, par exemple, les données personnelles se réfèrent à des données par lesquelles vous pouvez être identifié, et la loi donne comme exemple l'adresse du lieu de résidence, l'âge, etc. Désormais, les données permettant de vous identifier sont innombrables: la même écriture au clavier, la même pression, la signature numérique du navigateur ... Tôt ou tard, la personne se trompe. Il peut s'asseoir quelque part dans le «café» à travers le «Tor», mais à la fin, à un moment donné, il oubliera d'activer le VPN, ou autre chose, et à ce moment-là, il pourra être identifié. La façon la plus simple est donc de créer un compte fermé et d'installer une sorte d'extension.

Le marché évolue vers le fait que vous devez appuyer sur un seul bouton pour obtenir le résultat

Z: - Merci pour l'histoire. Comme toujours, c'est toujours intéressant (je vous suis). La question est: quels progrès en termes de création de systèmes conviviaux de systèmes de recommandation? Vous avez dit qu'à un moment vous étiez engagé dans des systèmes de recommandation pour trouver un partenaire sexuel, un ami de la vie (ou de la musique qu'une personne pourrait potentiellement aimer) ... Quelle est la promesse de tout cela, et comment voyez-vous son développement précisément du point de vue de la création des systèmes dont les gens ont besoin?

AH:- En général, le marché évolue vers le fait que les gens doivent appuyer sur un bouton et obtenir immédiatement ce dont ils ont besoin. Quant à mon expérience dans la création d'applications de rencontres (nous allons d'ailleurs la redémarrer à la fin de l'année), là, en plus du fait que 65% étaient des hommes mariés, le problème de recommandation le plus difficile était que plusieurs modèles étaient proposés à la personne au début de l'application - « Amitié »,« Sexe »,« Amitié sexuelle »et« Affaires ». Les gens n'ont pas choisi ce dont ils avaient besoin. Les hommes sont venus choisir "Love", mais en fait ils ont jeté un nu à tout le monde, et ainsi de suite.

Le problème était d'identifier une personne qui ne correspond à aucun de ces modèles, et de la prendre et de la déplacer en douceur de l'autre côté. En raison de la petite quantité de données, il est très difficile de déterminer s'il s'agit d'une erreur d'algorithme de prévision ou si une personne ne fait pas partie de sa catégorie. C'est la même chose avec la musique: il y a très peu d'algorithmes vraiment dignes qui sont bons pour composer de la musique. Peut-être Yandex.Music. Quelqu'un considère que l'algorithme Yandex.Music est mauvais. Par exemple, je l'aime bien. Par exemple, personnellement, je n'aime pas l'algorithme de musique YouTube, etc.

Il y a, bien sûr, leurs subtilités - tout est lié aux licences ... Mais en réalité la demande pour de tels systèmes est assez importante. La société Retail Rocket, qui était impliquée dans la mise en œuvre de systèmes de recommandation, était connue à un moment donné, maintenant elle ne fonctionne pas très bien - apparemment, car ils n'ont pas développé leurs propres algorithmes pendant longtemps. Tout y va - que nous entrions et, sans rien appuyer, obtenions ce dont nous avons besoin (et complètement stupides, car la capacité de choisir a complètement disparu de nous).

Commercialisation de la grippe

Z: - Bonjour. Je m'appelle Konstantin. Je voudrais poser une question sur le marketing d'influence. Connaissez-vous des systèmes qui permettent à une entreprise de choisir un blogueur approprié pour une entreprise en fonction de certaines statistiques, etc.? Et pour quelles raisons cela se fait-il?



AH: - Oui, je vais partir de loin et dire immédiatement que le problème avec toutes ces technologies est que toute cette intelligence artificielle dans le marketing évolue comme un funambule: il y a de grandes entreprises à gauche qui ont beaucoup d'argent, et elles auront de toute façon tout fonctionne efficacement, car leurs campagnes publicitaires visent simplement à les regarder; d'autre part, il y a un tas de petites entreprises pour lesquelles cela ne fonctionnera pas, car elles ont beaucoup de données. Jusqu'à présent, l'applicabilité de ces histoires se situe quelque part au milieu.

Quand il y a déjà de bons budgets, et la tâche est de traiter ces budgets correctement (et, en principe, il y a déjà beaucoup de données) ... Je connais quelques services, quelque chose comme "Getblogger", qui semblent avoir des algorithmes. Honnêtement, je n'ai pas étudié ces algorithmes. Je peux vous dire quelle approche nous utilisons pour rechercher des leaders d'opinion lorsque certaines mères ont besoin de faire un cadeau.

Nous utilisons une métrique appelée Content Distribution Time. Cela fonctionne comme suit: vous prenez la personne dont vous analysez le public et vous devez systématiquement (par exemple, toutes les 5 minutes) collecter des informations sur qui l'a posté, commenté, etc. Ainsi, il sera possible de comprendre à quel moment chaque personne de son public a interagi avec son contenu. Répétez cette opération pour chaque représentant de son public, et ainsi, en utilisant la métrique du temps de distribution moyen du contenu, il peut, par exemple, être jeté en couleur dans un grand graphique de réseau de ces personnes et utiliser cette métrique pour construire des clusters.

Cela fonctionne assez bien si nous voulons, par exemple, trouver 15 mères qui détiennent leur opinion publique sur une femme.ru. Mais c'est une implémentation technique assez compliquée (bien qu'il soit théoriquement purement possible de le faire sur Python également). L'essentiel est que le problème du marketing d'influence dans les grandes agences de publicité est qu'elles ont besoin de grands blogueurs sympas et chers qui ne font rien. Eh bien, la marque automobile veut vendre certains produits par le biais d'une sorte de leader d'opinion - ils doivent utiliser le blogueur automobile en dernier lieu, car le public de ceux-ci a déjà acheté une voiture, ou il sait avec certitude quelle voiture il veut, il regarde juste les voitures cool. Ici, il est important de ne pas manquer l'analyse de l'audience de la personne elle-même.

Bots marketing

Z: - Dites-moi, dans quelle mesure les robots sur les réseaux sociaux affectent-ils la collecte d'informations et sa qualité?



AH: - Avec les robots, c'est une chose si intéressante. Les bots bon marché sont faciles à identifier - ils ont le même contenu, ou ils sont amis entre eux, ou ils sont dans une seule grille. Avec les bots complexes, il existe également des approches. Ou demandez-vous une tâche comment lier une personne à son faux?

Z: - Quelle quantité d'informations de qualité seront produites avec toutes ces ordures?

AH: - Ici, cela fonctionne de cette façon: étant donné qu'il existe une énorme quantité de données (par exemple, pour une sorte de recherche marketing), vous pouvez simplement jeter tout ce broyeur. Autrement dit, il vaut mieux jeter un peu plus de vraies personnes que de capturer des robots, car il est inutile pour eux de diffuser toutes sortes d'annonces. Mais si vous collectez des mesures, par exemple, des interactions avec des bannières ou des systèmes de recommandation, ces comptes peuvent être supprimés.

Actuellement, il y a six personnages virtuels sur les réseaux sociaux ou simplement des pages laissées ou des introvertis, que les algorithmes «correspondent» comme des bots. Quant à lier une personne à son faux, tout ici est également lié au fait qu'une personne commettra une erreur tôt ou tard, et le fait est que le modèle de comportement est le même - celui de son vrai compte, celui de son faux. Tôt ou tard, ils regarderont le même contenu ou autre chose.

Tout se résume non pas au pourcentage d'erreur, mais au temps nécessaire à une identification fiable d'une personne. Pour quelqu'un qui vit avec son Instagram, ce temps d'identification fiable se résume à cinq minutes. Pour quelqu'un - de six à huit mois.

À qui et comment vendre des données?

Z: - Bonjour. Je souhaite savoir comment les données sont vendues entre les entreprises? Par exemple, j'ai une application dans laquelle vous pouvez savoir (au développeur) où va une personne, qui stocke et combien d'argent elle y dépense. Et je voudrais savoir comment, disons, vendre à ces magasins des informations sur leur public ou jeter leurs données dans une énorme base de données et être payé pour cela?



AH: - Quant à la vente directe de données à quelqu'un - vous, tous les autres, avez été dépassé par l'OFD - les opérateurs de données fiscales, qui ont intelligemment intégré le transfert des chèques et la taxe et tentent maintenant de tout vendre à tout le monde. En effet, en fait, ils ont effondré l'ensemble du marché de l'analytique mobile. En fait, vous pouvez intégrer votre application, par exemple, un pixel Facebook, son système DMP; puis utilisez ce public pour vendre. Par exemple, le pixel «May Target». Je ne sais pas seulement quel type d'audience vous avez, vous devez comprendre. Mais dans tous les cas, vous pouvez intégrer soit dans Yandex ou My Target, qui sont les plus grands systèmes DMP.

C'est une histoire assez intéressante. Le seul problème est que vous leur donnez tout le trafic, et ils prennent en charge la monétisation de ce trafic sous forme d'échanges. Ils peuvent vous dire que 10 personnes ont utilisé votre audience, ou non. Par conséquent, soit vous créez votre régie publicitaire, soit vous abandonnez à un grand DMP.

Qui va gagner - un artiste ou un technicien?

Z: - Une question un peu éloignée de la partie technique. Il a été dit au sujet des craintes des commerçants au sujet du chômage de masse imminent. Y a-t-il une sorte de concurrence entre le marketing créatif (ces gars qui ont créé des publicités poulet, les publicités Volkswagen semblent l'être) et ceux qui traitent avec Big Date (qui disent: nous allons simplement collecter toutes les données et diffuser des publicités ciblées pour tout le monde )? En tant que personne directement impliquée, quelle est votre opinion, qui va gagner - un artiste, un technicien, ou ce sera une sorte d'effet synergique?



AH: - Écoutez, eh bien, ils travaillent ensemble. Les ingénieurs n'inventent pas la créativité. Ceux qui sont créatifs ne viennent pas avec un public. Il y a une certaine histoire multidisciplinaire. En réalité, ceux qui sont assis et pressent des boutons ont maintenant des problèmes, ceux qui font des "leurres" pressent la même chose chaque jour - de telles personnes disparaissent.

Mais ceux qui analysent les données resteront naturellement, mais quelqu'un doit traiter ces données. Quelqu'un devra trouver ces images, les dessiner. Une telle machine créative n'arrivera pas! C'est de la folie complète! Ou comme, par exemple, la publicité virale Carprice, qui, soit dit en passant, a très bien fonctionné. Rappelez-vous, c'était sur YouTube: "Vendez à Carprais", elle est absolument folle. Bien sûr, aucun réseau de neurones ne générera une telle histoire.
Je soutiens généralement le fait que pas les gens ne perdront leur emploi, mais ils auront un peu plus de temps libre et ils pourront consacrer ce temps libre à l'auto-éducation.

La publicité primitive va mourir

Z: - Dans l'ensemble, les publicités qui sont affichées, les bannières - au même endroit, même les textes de vente n'y sont pas écrits: "Nous avons besoin de fenêtres - prenez-le!", "Vous avez besoin d'autre chose - prenez-le!", Autrement dit, il n'y a pas du tout de création .

AH: - Une telle publicité mourra, bien sûr, tôt ou tard. Il mourra non pas tant à cause du développement de la technologie, mais à cause du développement de vous et de moi.

Le pertinent est mieux mélangé avec le non pertinent

Z: - Je suis là! J'ai une question sur une expérience qui, comme vous l'avez dit, n'a pas réussi (avec un système de recommandation). Et à votre avis, le problème est qu'il a été signé là-bas, pourquoi il est recommandé, ou que tout ce que l'utilisateur a vu était pertinent pour lui? Parce que j'ai lu une expérience pour les mamans, et il n'y avait pas tellement de données là-bas et il n'y avait pas tellement de données sur Internet, il y avait juste les données d'un détaillant en alimentation - grossesse prédit (qu'ils seraient des mamans). Et quand ils ont montré une sélection de produits pour les femmes enceintes, les mères ont été horrifiées d'avoir appris à leur sujet avant certaines choses officielles. Et ça n'a pas marché. Et afin de résoudre ce problème, ils ont délibérément mélangé des produits pertinents avec quelque chose de complètement hors de propos.



AH: - Nous avons spécifiquement montré aux gens sur la base des recommandations qui ont été faites pour comprendre leurs commentaires. En fait, à partir d'ici, le concept est né que les gens n'ont pas besoin de dire qu'il s'agit d'une sorte de biens super pertinents pour lui.

Oui, au fait, il existe une approche pour les mélanger avec des non pertinents. Mais il y a le contraire: parfois, des gens entrent et interagissent avec ce produit non pertinent - des émissions aléatoires sont obtenues, des modèles tombent en panne et tout est encore plus compliqué. Mais c'est vraiment le cas. De plus, de nombreuses entreprises en particulier, si elles savent que quelqu'un traite leurs données (quelqu'un peut leur voler un tel retour), elles les mélangent spécialement parfois afin que vous puissiez prouver plus tard que vous n'avez pas pris les données de son système de recommandation, mais du marché conditionnel Yandex.Market.

Bloqueurs de publicités et sécurité du navigateur

Z: - Bonjour. Vous avez mentionné Ghostery et Adblock. Pouvez-vous me dire comment ces trackers sont généralement efficaces (peut-être d'après les statistiques)? Et avez-vous reçu des commandes d'entreprises: disent-ils, assurez-vous que nos annonces ne peuvent pas être fermées par Adblock.

AH: - Nous ne contactons pas directement les plateformes publicitaires - simplement parce qu'elles n'ont pas demandé à ce que tout le monde voie leurs publicités. J'utilise personnellement Ghostery - je pense que c'est une extension très cool. Maintenant, tous les navigateurs se battent pour la confidentialité: Mozilla a publié un tas de mises à jour de toutes sortes, Google Chrome est désormais très sécurisé. Ils bloquent tous tout ce qui est possible. Safari a déjà désactivé le Gyroscope par défaut.
Et cette tendance, bien sûr, est bonne (pas pour ceux qui collectent des données, même s'ils en ont également retiré), car les gens ont d'abord bloqué les cookies. Tous ceux qui possédaient des réseaux publicitaires se souvenaient d'une technologie aussi merveilleuse que les empreintes digitales du navigateur - ce sont des algorithmes qui reçoivent 60 paramètres différents (résolution d'écran, version, polices installées) et calculent un «identifiant» unique en fonction d'eux. Nous sommes passés à cela. Et les navigateurs ont commencé à lutter avec cela. En général, ce sera une bataille sans fin des titans.

Le dernier développement "Mozilla" est assez protégé. Elle n'enregistre pratiquement aucun cookie, fixe une courte durée de vie. Surtout si vous activez Incognito, personne ne vous trouvera du tout. La question est qu'il sera difficile de saisir des mots de passe dans tous les services.

Où le psychotypage et la physionomie fonctionnent-ils et ne fonctionnent-ils pas?

Z: - Arthur, merci beaucoup pour la conférence. Avec plaisir aussi, je suis vos conférences sur "YouTube". Vous avez mentionné que les spécialistes du marketing ont de plus en plus souvent recours au psychotypage, à la physionomie. Ma question est: dans quelles catégories de marques ça marche? Ma conviction est qu'il ne convient que pour FMCG. Par exemple, choisir une voiture, c'est ...

AH: - Je peux télécharger là où cela fonctionne exactement. Cela fonctionne dans toutes sortes d'histoires comme Amediateki, des émissions de télévision, des films, etc. Cela fonctionne bien dans les banques et les produits bancaires, si ce n'est pas un segment premium, mais toutes sortes de cartes d'étudiant, des versements - ce sont les choses. Cela fonctionne vraiment très bien dans FMCG et dans toutes sortes de «iPhones», chargeurs, dans tout ce cheburd. Cela fonctionne bien dans les produits de «maman», «de père». Bien que je sache que dans la pêche (il y a un tel sujet) ... Plusieurs fois, il y a eu des cas avec des pêcheurs - ils ne peuvent jamais être segmentés de manière fiable. Je ne sais pas pourquoi. Une sorte d'erreur statistique.

Cela ne fonctionne pas bien avec les automobilistes, avec des bijoux, avec certaines choses pour la maison. En fait, cela ne fonctionne pas bien avec quelque chose que les gens n'auraient jamais écrit sur les réseaux sociaux - vous pouvez le vérifier de cette façon. Conditionnellement, avec l'achat d'une machine à laver: voici comment comprendre qui a une machine à laver et qui n'en a pas? Il semble que tout le monde l'a. Vous pouvez utiliser les données du CRF - pour voir qui a acheté quoi par chèques, pour «récupérer» ces personnes par chèques. Mais en fait, des choses dont vous n'auriez jamais parlé, par exemple sur Instagram, il est difficile de travailler avec de telles choses.

Les machines reconnaissent les tours comme des lancers statistiques.

Z: - J'ai une question sur le ciblage. Est-il possible (ou soudainement qu'ils existent) un personnage aléatoire conditionnel qui se contredit en tout: au début, il google "les meilleurs gymnases", puis google "10 façons de ne rien faire"? Et donc dans tout. Le ciblage peut-il suivre celui qui se contredit?

AH: - La seule question ici est: si vous avez utilisé Google pendant 2 ans, vous lui avez dit tout ce que vous pouviez sur vous-même, et maintenant installez un plug-in qui écrira des requêtes aléatoires similaires, puis, bien sûr, selon les statistiques, vous pouvez comprendra - ce que vous faites maintenant est une valeur statistique aberrante, et le tout est d'éliminer. Si vous le souhaitez - enregistrez un nouveau compte, mais le volume de publicité ne changera pas. Elle deviendra juste bizarre. Bien qu'elle soit étrange maintenant.

Un peu de publicité :)

Merci de rester avec nous. Aimez-vous nos articles? Vous voulez voir des matériaux plus intéressants? Soutenez-nous en passant une commande ou en recommandant à vos amis des VPS basés sur le cloud pour les développeurs à partir de 4,99 $ , un analogue unique de serveurs d'entrée de gamme que nous avons inventés pour vous: Toute la vérité sur les VPS (KVM) E5-2697 v3 (6 cœurs) 10 Go DDR4 480 Go SSD 1 Gbit / s à partir de 19 $ ou comment diviser le serveur? (les options sont disponibles avec RAID1 et RAID10, jusqu'à 24 cœurs et jusqu'à 40 Go de DDR4).

Dell R730xd 2 fois moins cher au centre de données Equinix Tier IV à Amsterdam? Nous avons seulement 2 x Intel TetraDeca-Core Xeon 2x E5-2697v3 2.6GHz 14C 64GB DDR4 4x960GB SSD 1Gbps 100 TV à partir de 199 $ aux Pays-Bas! Dell R420 - 2x E5-2430 2.2Ghz 6C 128GB DDR3 2x960GB SSD 1Gbps 100TB - à partir de 99 $! Pour en savoir plus sur la création d'un bâtiment d'infrastructure. classe utilisant des serveurs Dell R730xd E5-2650 v4 coûtant 9 000 euros pour un sou?