आर्थर खाचुआयन: मार्केटिंग में आर्टिफिशियल इंटेलिजेंस

आर्थर खाचुआन एक प्रसिद्ध रूसी बड़े डेटा प्रोसेसिंग विशेषज्ञ, सोशल डेटा हब (अब तज़ेरोस ग्लोबल) के संस्थापक हैं। एचएसई पार्टनर। फेडरेशन की परिषद में हायर स्कूल ऑफ इकोनॉमिक्स हायर डेटा बिल के साथ तैयार किया और प्रस्तुत किया। उन्होंने पेरिस में स्थित क्यूरी इंस्टीट्यूट, सेंट पीटर्सबर्ग स्टेट यूनिवर्सिटी, रूसी संघ की सरकार के तहत फेडरल यूनिवर्सिटी, रेड एप्पल, इंटरनेशनल ओपनडेटाडे, आरआईडब्ल्यू 2016, अल्फ़ाफ़ेन्थ पीपुल्स में बात की।

व्याख्यान 2019 में मास्को में ओपन-एयर उत्सव "गीक पिकनिक" में दर्ज किया गया था।



आर्थर खाचुआन (इसके बाद - एएच): - यदि उद्योगों की एक बड़ी संख्या से - दवा से, निर्माण से, किसी चीज से, किसी चीज का चयन करने के लिए, जहां बड़े डेटा, मशीन लर्निंग, गहरी सीखने की तकनीक का सबसे अधिक उपयोग किया जाता है, तो यह संभवतः है विपणन। क्योंकि पिछले तीन वर्षों के दौरान, जो कुछ भी हमें किसी भी तरह के विज्ञापन संचार में घेरता है, वह अब विशेष रूप से डेटा विश्लेषण से जुड़ा हुआ है और जिसे कृत्रिम बुद्धिमत्ता कहा जा सकता है। इसलिए, आज मैं आपको इसके बारे में एक ऐसी बहुत दूर की कहानी से बताऊंगा ...

यदि आप कृत्रिम बुद्धि की कल्पना करते हैं, तो यह कैसा दिखता है - शायद यह कुछ ऐसा है। अजीब तस्वीर तंत्रिका नेटवर्क में से एक है जिसे मैंने एक साल पहले लिखा था कि मेरे कुत्ते की निर्भरता का पता लगाने के लिए - उसे कितनी बार बड़े, छोटे और कितनी बार जाने की ज़रूरत है, यह आम तौर पर निर्भर करता है कि वह कितना खाती है या नहीं। । यह एक मजाक है कि कृत्रिम बुद्धि की कल्पना कैसे की जा सकती है।



लेकिन फिर भी, चलो यह सोचते हैं कि विज्ञापन संचार में यह कैसे काम करता है। विज्ञापन और विपणन में आधुनिक एल्गोरिदम हमारे साथ बातचीत कर सकते हैं के तीन क्षेत्र हैं। यह स्पष्ट है कि पहली कहानी का उद्देश्य हमारे बारे में अतिरिक्त ज्ञान प्राप्त करना और निकालना है और फिर कुछ अच्छे और बहुत अच्छे उद्देश्यों के लिए उनका उपयोग करना; प्रत्येक विशिष्ट व्यक्ति के दृष्टिकोण को निजीकृत करें; स्वाभाविक रूप से, उसके बाद, मुख्य लक्ष्य कार्रवाई को पूरा करने और एक निश्चित बिक्री का संचालन करने के लिए एक निश्चित मांग बनाने के लिए।

प्रौद्योगिकी का उपयोग करते हुए, वे प्रभावी संचार की समस्या को हल करने की कोशिश कर रहे हैं।

अगर मैं आपको यह सोचने के लिए कहूं कि पोर्नहब और एम के बीच क्या सामान्य है। वीडियो ”, आप क्या सोचेंगे?

दर्शकों से टिप्पणियां (इसके बाद - एच): - टेलीकी, दर्शक।

एएच: - मेरी अवधारणा यह है कि ये दो जगहें हैं जहां लोग एक निश्चित प्रकार की सेवा के लिए आते हैं, या इसे एक निश्चित प्रकार के सामान के लिए कहते हैं। और यह दर्शक इस मायने में अलग है कि वह विक्रेता को कुछ भी नहीं बताना चाहता है। वह अंदर जाना चाहती है और कुछ स्पष्ट या निहित रूप में उसे क्या दिलचस्पी है। स्वाभाविक रूप से, कोई भी "एम।" वीडियो ”, किसी भी विक्रेता के साथ संवाद नहीं करना चाहता है, समझना नहीं चाहता है, उनके किसी भी प्रश्न का उत्तर नहीं देना चाहता है।

इसलिए, इस सब से पहली कहानी इस प्रकार है।

जब किसी व्यक्ति के साथ किसी तरह से संवाद न करने के लिए अतिरिक्त ज्ञान प्राप्त करने की तकनीक दिखाई दी। जब हम बैंक को कॉल करते हैं, तो हम सभी इसे पसंद करते हैं, और बैंक हमें बताता है: “हैलो। एलेक्सी, आप हमारे वीआईपी ग्राहक हैं। अब कुछ सुपरमैन आपसे बात करेंगे। ” आप इस बैंक में आते हैं, और वास्तव में एक अनूठा प्रबंधक है जो आपसे बात कर सकता है। दुर्भाग्य से या सौभाग्य से, एक भी कंपनी ने अभी तक यह नहीं सोचा है कि एक हजार ग्राहकों के लिए एक हजार व्यक्तिगत प्रबंधकों को कैसे रखा जाए; और चूंकि इनमें से अधिकांश लोग अब ऑनलाइन हैं, इसलिए कार्य यह समझना है कि यह किस प्रकार का व्यक्ति है और कुछ विज्ञापन संसाधन में आने से पहले उसके साथ सही तरीके से संवाद कैसे करें। और इसलिए, वास्तव में, ऐसी प्रौद्योगिकियां हैं जो इस समस्या को हल करने की कोशिश कर रही हैं।

डेटा खनन नया तेल है

कल्पना कीजिए कि आप एक फूल स्टाल के मालिक हैं। तीन लोग आपके पास आते हैं। पहला व्यक्ति बहुत लंबे समय तक खड़ा रहता है, झिझकता है, आपसे बात करने की कोशिश करता है, किसी तरह का गुलदस्ता लेता है - आप इसे लपेटना छोड़ देते हैं, वहाँ कुछ करने के लिए बाहर जाते हैं; इस गुलदस्ते के साथ वह स्टाल से भाग जाता है - आपने अपने तीन हजार रूबल खो दिए। ऐसा क्यों हुआ? आप इस व्यक्ति के बारे में कुछ भी नहीं जानते हैं: आप आंतरिक मामलों के मंत्रालय में ड्राइव के उसके इतिहास को नहीं जानते हैं, आप नहीं जानते कि वह एक क्लेप्टोमैनियाक है, एक मनोरोग औषधालय में पंजीकृत है। क्यों? क्योंकि आपने उसे पहली बार देखा था, और आप व्यवहार विश्लेषण के विशेषज्ञ नहीं हैं।

कुछ और आता है ... विटाली। विटाली भी बहुत लंबे समय से समझता है, वह कहता है, "ठीक है, अब, मुझे इसकी आवश्यकता है, यह, वह।" और तुम उसे बताओ, - माँ के लिए फूल, सही? और आप उसे एक गुलदस्ता बेचते हैं।

इस अवधारणा को यह समझने के लिए पर्याप्त डेटा का पता लगाना है कि इस व्यक्ति को आखिर क्या चाहिए। सभी ने तुरंत किसी तरह के विज्ञापन नेटवर्क वगैरह के बारे में सोचा ...

सभी ने शायद बेवकूफ वाक्यांश को बार-बार सुना है कि "डेटा नया तेल है"? निश्चित रूप से सभी ने सुना। वास्तव में, लोगों ने बहुत समय पहले डेटा एकत्र करना सीख लिया था, लेकिन इस डेटा से डेटा निकालना वह कार्य है जिसे कृत्रिम बुद्धिमत्ता अब विपणन, या किसी प्रकार के सांख्यिकीय एल्गोरिदम में हल करने की कोशिश कर रहा है। क्यों? क्योंकि अगर आप किसी व्यक्ति के साथ बात करते हैं, तो वह आपको सही, गलत, या किसी भी तरह का जवाब दे सकता है। मैं विद्यार्थियों को जो चुटकुला सुनाता हूँ - चुनाव आँकड़ों से कैसे भिन्न होते हैं - मैं आपको मज़ाक के रूप में बताऊँगा:

इसलिए, दो गांवों में उन्होंने पुरुष गरिमा की औसत लंबाई पर एक अध्ययन करने का फैसला किया। तो, पहले गांव, विलारिबो में, औसत लंबाई 15 सेंटीमीटर है, विल्बागिओ के गांव में - 25. क्या आप जानते हैं कि क्यों? क्योंकि पहले गांव में माप लिया जाता था, और दूसरे में - एक सर्वेक्षण।

पोर्न उद्योग - सिफारिश प्रणालियों का प्रमुख

यही कारण है कि अपवाद के बिना सभी लोगों का विश्लेषण करने का आधुनिक दृष्टिकोण, भले ही वे 100% से थोड़ा कम हैं, लेकिन ये ऐसे लोग हैं जिन्हें पूछने की आवश्यकता नहीं है, उन्हें देखने की आवश्यकता नहीं है। यह समझने के लिए पर्याप्त है कि अब डिजिटल पदचिह्न क्या है, यह समझने के लिए कि इस व्यक्ति को क्या चाहिए, कैसे उससे सही तरीके से बात की जाए, कैसे उसके चारों ओर मांग को ठीक से तैयार किया जाए। एक ओर, यह एक नासमझ मशीन है (लेकिन हम सभी इसे अच्छी तरह से जानते हैं); हम M से लोगों के साथ संवाद नहीं करना चाहते हैं वीडियो ”, और इससे भी अधिक,“ पोर्नहब ”जैसे संसाधनों तक पहुँचकर, हम ठीक वही प्राप्त करना चाहते हैं जिसकी हमें आवश्यकता है।

मैं हमेशा पोर्नहब की बात क्यों कर रहा हूं? क्योंकि वयस्क उद्योग वह पहला है जो डेटा के विश्लेषण के लिए, समान तकनीकों की शुरूआत करने के लिए, समान तकनीकों का विश्लेषण करने के लिए आया था। यदि आप इस क्षेत्र में तीन सबसे लोकप्रिय पुस्तकालयों (उदाहरण के लिए, TensorFlow या Pandas "थोड़ा घड़ा", csv-shek और इतने पर प्रसंस्करण के लिए) लेते हैं, यदि आप "Github" पर खुलते हैं, तो थोड़े "Google" इन सभी नामों से आपको कुछ लोग मिलेंगे। जो या तो पोर्नहब में काम करते थे या वर्तमान में काम कर रहे हैं, और वहां के पहले लोग बिल्कुल सिफारिश प्रणाली लागू करते हैं। सामान्य तौर पर, यह कहानी बहुत ही उन्नत है, और दिखाती है कि यह दर्शक कितना है, यह कंपनी कितना आगे बढ़ चुकी है।

पहचान के तीन स्तर

व्यक्ति के चारों ओर डेटा का एक विशाल समूह होता है जिसे पहचाना जा सकता है। मैं आमतौर पर औपचारिक रूप से इसे तीन स्तरों में विभाजित करता हूं, गहरी और गहरी डाइविंग। स्वाभाविक रूप से, कंपनी का अपना डेटा है।

यदि, कहते हैं, हम एक सिफारिश प्रणाली के निर्माण के बारे में बात कर रहे हैं, तो पहला स्तर डेटा है जो स्टोर के पास ही स्थित है (खरीद इतिहास, सभी प्रकार के लेनदेन, कैसे एक व्यक्ति ने इंटरफेस के साथ बातचीत की)।

फिर एक स्तर है (अपेक्षाकृत सबसे बड़ा) - यह वह है जिसे ओपन सोर्स कहा जाता है। ऐसा मत सोचो कि मैं आपसे सामाजिक नेटवर्क को पार्स करने का आग्रह करता हूं, लेकिन वास्तव में, खुले स्रोतों में क्या है डेटा का एक बड़ा सेट खुल जाता है जिसके बारे में जानने के लिए आप किसी व्यक्ति के बारे में बता सकते हैं।

और तीसरा प्रमुख हिस्सा इस व्यक्ति का वातावरण स्वयं है। हां, एक राय है कि अगर कोई व्यक्ति सामाजिक नेटवर्क में नहीं है - उसके बारे में कोई डेटा नहीं है (आप शायद पहले से ही जानते हैं कि ऐसा नहीं है), लेकिन सबसे महत्वपूर्ण बात, वह डेटा जो व्यक्ति की प्रोफ़ाइल में है (या किसी एप्लिकेशन में) ) - यह केवल 40% ज्ञान है जो इसके बारे में प्राप्त किया जा सकता है। शेष जानकारी उसके परिवेश से प्राप्त की जाती है। वाक्यांश "मुझे यह बताएं कि आपका दोस्त कौन है और मैं कहूंगा कि आप कौन हैं" 21 वीं सदी में एक नया अर्थ लेता है, क्योंकि इस व्यक्ति के आसपास बड़ी मात्रा में डेटा प्राप्त किया जा सकता है।

विज्ञापन संचार के करीब बोलते हुए, विज्ञापन संचार प्राप्त करना विज्ञापन से नहीं है, बल्कि आपके किसी मित्र, परिचित या किसी तरह से सत्यापित व्यक्ति से है - यह एक बहुत ही अच्छी विशेषता है जिसका बहुत सारे विपणक उपयोग करते हैं। जब किसी तरह का आवेदन अचानक आपको एक मुफ्त प्रोमो कोड देता है, तो आप इसके बारे में पोस्ट करते हैं और इस तरह एक नए दर्शकों को आकर्षित करते हैं। वास्तव में, सशर्त Yandex.Taxi के लिए इस प्रचार कोड को यादृच्छिक रूप से नहीं चुना गया था, और इसके लिए एक नए दर्शकों को आकर्षित करने और किसी तरह इसके साथ बातचीत करने की आपकी क्षमता के बारे में बड़ी मात्रा में डेटा का विश्लेषण किया गया था।

वे श्रृंखला के नायकों के व्यवहार का भी विश्लेषण करते हैं

मैं आपको तीन तस्वीरें दिखाऊंगा, और आप मुझे बताएंगे कि उनमें क्या अंतर है।

यह एक:



यह एक:



और यह एक:



उनमें क्या अंतर है? यहां सब कुछ सरल है। जैसा कि क्वांटम यांत्रिकी में, इस मामले में, यह रचनात्मक एक पर्यवेक्षक द्वारा बनाया गया था। यही है, एक ही समय में एक ही ब्रांड द्वारा किए गए एक ही विज्ञापन अभियान में अंतर, केवल इस रचनात्मक को देखने वाले में। निजी तौर पर, जब मैं अम्दादिएटका जाता हूं, तब भी वे खाला ड्रोगो को दिखाते हैं। मुझे नहीं पता कि मेरी प्राथमिकताएँ क्या सोचती हैं, लेकिन यह किसी भी तरह होता है।

अब जिसे व्यक्तिगत संचार कहा जाता है वह दर्शकों को आकर्षित करने और इसके साथ ठीक से बातचीत करने की सबसे लोकप्रिय कहानी है। यदि पहले चरण में हमने अपने स्वयं के ब्रांड डेटा, ओपन सोर्स डेटा का उपयोग करके लोगों की पहचान की, और उदाहरण के लिए, इस व्यक्ति के पर्यावरण डेटा, हम उसका विश्लेषण कर सकते हैं और समझ सकते हैं कि वह कौन है, उससे सही तरीके से कैसे बात की जाए और सबसे महत्वपूर्ण बात, किस भाषा में उससे बात करो।

यहां तकनीक इतनी आगे बढ़ गई है कि श्रृंखला के नायकों को जिस व्यक्ति को देखा जा रहा है, उसका विश्लेषण किया जा रहा है। यही है, आप श्रृंखला को पसंद करते हैं - वे [जैसे] देखो, देखो, जिसके साथ आपने बातचीत की, यह समझने के लिए कि आपके साथ बातचीत करने के लिए कौन सा व्यक्ति आपके लिए सही है। यह पूरी तरह से बकवास लगता है, लेकिन कुछ संसाधनों पर रुचि के लिए, इसे आज़माएं - विभिन्न लोग अलग-अलग रचनात्मकता देखते हैं (इसके साथ सही तरीके से बातचीत करने के लिए)।

एक भी आधुनिक मीडिया आउटलेट या कोई भी वीडियो संसाधन आपको कोई भी समाचार नहीं दिखाता है। मीडिया पर जाएं - बड़ी संख्या में एल्गोरिदम लोड किए गए हैं जो आपको पहचानते हैं, आपकी सभी पिछली गतिविधि को समझते हैं, मैटमॉडल से अपील करते हैं और फिर आपको कुछ दिखाते हैं। इस मामले में, यहाँ इस तरह की एक अजीब कहानी है।

आप अपनी आवश्यकताओं को कैसे परिभाषित करते हैं? Psychometry। मुख का आकृति

किसी व्यक्ति की वास्तविक आवश्यकताओं को निर्धारित करने के लिए बहुत सारे दृष्टिकोण (वास्तविक) हैं, और उसके साथ सही तरीके से कैसे संवाद करें। कई दृष्टिकोण हैं, हर कोई विभिन्न तरीकों से निर्णय लेता है, कोई यह नहीं कह सकता कि कितना अच्छा है, कितना बुरा है। बुनियादी, ऐसा लगता है, हर कोई जानता है।



Psychometry। कैम्ब्रिज एनालिटिका के साथ कहानी के बाद, उसने मेरी राय में, एक प्रकार का मोड़ लिया, क्योंकि अब हर दूसरी राजनीतिक कंपनी आती है और कहती है: “ओह, क्या आप इसे ट्रम्प की तरह कर सकते हैं? मैं भी जीतना चाहता हूं, और इसी तरह। ” वास्तव में, यह, ज़ाहिर है, हमारी वास्तविकताओं के लिए बकवास है, उदाहरण के लिए, राजनीतिक चुनाव। लेकिन मनोविज्ञान को निर्धारित करने के लिए तीन मॉडलों का उपयोग किया जाता है:

• पहला आपके द्वारा उपभोग की जाने वाली सामग्री पर आधारित है - आपके द्वारा लिखे गए शब्दों पर, कुछ जानकारी पर जो आपको पसंद है, वीडियो, आदि;
• दूसरी बात यह है कि आप वेब इंटरफ़ेस के साथ कैसे इंटरैक्ट करते हैं, आप कैसे टाइप करते हैं, आप कौन से बटन दबाए रहते हैं - वास्तव में, पूरी तरह से ऐसी कंपनियां हैं जो कीबोर्ड की लिखावट का उपयोग करके अब यह निर्धारित कर सकती हैं कि अब क्या मनोगत कहा जाता है।
• मैं एक मनोवैज्ञानिक नहीं हूं, मुझे ठीक-ठीक समझ नहीं है कि यह कैसे काम करता है, लेकिन विज्ञापन संचार के दृष्टिकोण से, इन खंडों में विभाजित ऑडियंस बहुत अच्छी तरह से काम करते हैं, क्योंकि किसी को एक नीली महिला के साथ लाल स्क्रीन दिखाने की आवश्यकता है, किसी को एक अंधेरे की आवश्यकता है कुछ प्रकार के अमूर्त के साथ एक नीली पृष्ठभूमि है, और यह बहुत अच्छा काम करता है। कुछ निम्न स्तरों पर - इतना अधिक कि कोई व्यक्ति इसके बारे में सोचता भी नहीं है। अब विज्ञापन बाजार में मुख्य समस्या क्या है? सभी विशेष सेवाओं के एजेंट हैं, हर कोई छुपा रहा है, सभी के पास एक लाख हज़ार ब्राउज़र अनुमतियाँ स्थापित हैं ताकि उन्हें किसी भी तरह से पहचाना न जाए - आपके पास शायद एडब्लॉक, गोस्ट्री और सभी प्रकार के एप्लिकेशन हैं जो ट्रैकिंग को अवरुद्ध करते हैं। इस वजह से, किसी व्यक्ति के बारे में कुछ समझना बहुत मुश्किल है। और प्रौद्योगिकी आगे बढ़ गई है - आपको न केवल यह जानने की आवश्यकता है कि यह व्यक्ति 125 वीं बार आपकी साइट पर वापस आ गया है, बल्कि यह है कि वह अभी भी एक ऐसा अजीब व्यक्ति है।

फिजियोलॉजी एक बहुत ही विवादास्पद विज्ञान है। इसे विज्ञान भी नहीं माना जाता है। यह उन लोगों का एक समूह है, जो आंतरिक मामलों के मंत्रालय के लिए कुछ झूठ बोलने वालों को प्रोग्राम करते थे, और अब वे रचनात्मक लोगों के कहने पर इसमें लगे हुए हैं। यहाँ दृष्टिकोण बहुत सरल है: कुछ सामाजिक नेटवर्क से अपनी कुछ सार्वजनिक फ़ोटो लें, उनका उपयोग करके त्रि-आयामी ज्यामिति का निर्माण करें। और यदि आप एक वकील हैं, तो अब आप कहेंगे कि यह एक व्यक्ति और व्यक्तिगत डेटा है; और मैं आपको बताऊंगा कि ये अंतरिक्ष में स्थित 300 हज़ार बिंदु हैं, और यह एक व्यक्ति नहीं है, और वे व्यक्तिगत डेटा नहीं हैं। जब रोस्कोम्नादज़ोर उनके पास आते हैं, तो आमतौर पर हर कोई यही कहता है।

लेकिन गंभीरता से, अलग से, आपका चेहरा, अगर आपका नाम और उपनाम वहां पर हस्ताक्षरित नहीं है, तो आपका व्यक्तिगत डेटा नहीं है। लब्बोलुआब यह है कि लोग विभिन्न चेहरे की विशेषताओं को चिह्नित करते हैं जो प्रभावित करते हैं कि कोई व्यक्ति कैसे निर्णय लेता है और उसके साथ कैसे बातचीत करता है। कहीं यह विज्ञापन के कुछ क्षेत्रों में खराब काम करता है; किस सेगमेंट में यह बहुत अच्छा काम करता है। अंत में, यह पता चला है कि जब आप किसी निश्चित संसाधन पर जाते हैं, तो आपको एक से अधिक बैनर दिखाई देते हैं, जो सभी को दिखाए जाते हैं, लेकिन, उदाहरण के लिए ... विभिन्न ऑडियंस के लिए 16 या 20 विकल्प बनाना सामान्य है - और यह बहुत अच्छा काम करता है। हां, यह उपभोक्ता के दृष्टिकोण से भी दुखी है, क्योंकि लोग अधिक से अधिक हेरफेर करने लगे हैं। फिर भी, व्यापारिक दृष्टिकोण से, यह बहुत अच्छा काम करता है।

मशीन लर्निंग का ब्लैक बॉक्स

यह इस तरह की प्रौद्योगिकियों की निम्न समस्या को जन्म देता है: आखिरकार, अधिकांश डेवलपर्स के लिए अब जिसे गहरी शिक्षा कहा जाता है वह एक "ब्लैक बॉक्स" है। यदि आप एक बार इस कहानी में डूब गए और डेवलपर्स के साथ बात की, तो वे हमेशा कहते हैं: "ओह, सुनो, ठीक है, हमारे पास वहां कुछ ऐसा नहीं है, और हम नहीं जानते कि यह कैसे काम करता है।" शायद किसी के पास था।

यह वास्तव में सच्चाई से बहुत दूर है। जिसे अब मशीन लर्निंग कहा जाता है वह ब्लैक बॉक्स से बहुत दूर है। इनपुट और आउटपुट डेटा का वर्णन करने के लिए बड़ी संख्या में दृष्टिकोण हैं, और अंत में, कंपनी पूरी तरह से समझ सकती है कि मशीन ने आपको इस अश्लील वीडियो या किसी अन्य को दिखाने के लिए किन संकेतों के आधार पर निर्णय लिया है। सवाल यह है कि कोई भी कंपनी कभी भी इसका खुलासा नहीं करती है, क्योंकि: सबसे पहले, एक व्यापार रहस्य; दूसरी बात, बड़ी मात्रा में डेटा होगा जिसकी आपको जानकारी भी नहीं थी।

उदाहरण के लिए, इससे पहले, नैतिकता पर एक चर्चा में, हमने चर्चा की कि सामाजिक नेटवर्क किसी तरह की विज्ञापन कहानियों में लोगों को टैग करने के लिए व्यक्तिगत संदेशों का विश्लेषण कैसे करते हैं। आप किसी को कुछ लिखते हैं - इसके आधार पर आपको एक निश्चित टैग मिलता है, वास्तव में, किसी प्रकार का विज्ञापन संचार। और आप इसे कभी साबित नहीं करेंगे, और शायद इसे साबित करने का कोई मतलब नहीं है। हालांकि, अगर इस तरह के मॉडल का पता चला था, तो वे होंगे। यह पता चला है कि इस तरह की सिफारिश प्रणाली के निर्माण के लिए बाजार यह जानने का नाटक नहीं करता है कि ऐसा क्यों हुआ।

लोग जानना नहीं चाहते हैं कि वे उनके बारे में क्या जानते हैं।

और दूसरी कहानी यह है कि ग्राहक कभी नहीं जानना चाहता कि उसे यह विशेष घोषणा, यह विशेष उत्पाद क्यों मिला। मैं आपको एक ऐसी कहानी बताऊंगा। इस तरह के एल्गोरिदम पर आधारित अनुशंसा प्रणालियों के व्यावसायिक कार्यान्वयन में मेरा पहला अनुभव 2015 में सेक्स की दुकानों के एक बहुत बड़े नेटवर्क में शोध के लिए था (हाँ, यह भी एक बहुत ही आकर्षक कहानी नहीं है)।



ग्राहकों को निम्नलिखित की पेशकश की गई थी: वे लॉग इन करते हैं, अपने सोशल नेटवर्क के साथ लॉग इन करते हैं, 5 सेकंड में उन्हें उनके लिए पूरी तरह से व्यक्तिगत स्टोर प्राप्त होता है, अर्थात, सभी उत्पाद सीधे बदल गए हैं - वे एक निश्चित श्रेणी में आते हैं और इसी तरह। क्या आप जानते हैं कि इस स्टोर का रूपांतरण कितना बढ़ा है? बिलकुल नहीं! लोग अंदर आए और तुरंत वहां से भागे। वे अंदर आए और महसूस किया कि उन्हें वही पेश किया गया जो वे सोच रहे थे ...

इस परीक्षण के साथ समस्या यह थी कि प्रत्येक उत्पाद के तहत यह लिखा गया था कि उन्होंने आपको यह सुझाव क्यों दिया ("क्योंकि आप छिपे हुए समूह में हैं" शक्तिशाली महिला "चीर" आदमी की तलाश में है)। इसलिए, आधुनिक सिफारिशकर्ता सिस्टम कभी भी डेटा नहीं दिखाते हैं जिसके आधार पर "भविष्यवाणी" की गई थी।

मीडिया बहुत लोकप्रिय कहानी है क्योंकि वे सभी समान रेफरल सिस्टम का उपयोग करते हैं। पहले, एल्गोरिदम बहुत सरल थे: "राजनीति" श्रेणी देखें - वे आपको "राजनीति" श्रेणी से समाचार दिखाएंगे। अब सब कुछ इतना जटिल है कि वे उन जगहों का विश्लेषण करते हैं जहां आपने माउस को रोका था, आपने किन शब्दों पर ध्यान केंद्रित किया, आपने क्या कॉपी किया, आपने इस पेज के साथ कैसे बातचीत की। फिर वह स्वयं संदेशों की शब्दावली का विश्लेषण करता है: हाँ, आप पुतिन के बारे में केवल खबर नहीं पढ़ रहे हैं, बल्कि एक निश्चित तरीके से, कुछ विशिष्ट भावनात्मक रंग के साथ। और जब कोई व्यक्ति कुछ समाचार प्राप्त करता है, तो वह इस बारे में भी नहीं सोचेगा कि वह यहां कैसे आया था। फिर भी, इस सामग्री के साथ बातचीत करता है।

यह सब, निश्चित रूप से, एक गरीब, दुर्भाग्यपूर्ण आदमी को रखने के उद्देश्य से है, जो उसके आस-पास की विशाल मात्रा में जानकारी के लिए इतना पागल है। यहां यह कहा जाना चाहिए कि अपने आसपास रचनात्मकता को बढ़ावा देने के लिए ऐसी प्रणालियों का उपयोग करना अच्छा होगा, कुछ जानकारी एकत्र करें, लेकिन, दुर्भाग्य से, अब तक ऐसी कोई सेवाएं नहीं हैं।

आर्टिफिशियल इंटेलिजेंस क्लाइंट को टेक-ऑफ और फॉर्म की मांग को पकड़ता है

और यहां एक बहुत ही रोचक दार्शनिक सवाल उठता है, एक सिफारिश प्रणाली के निर्माण से मांग के गठन तक बढ़ रहा है। शायद ही कोई इसके बारे में सोचता है, लेकिन जब आप सशर्त इंस्टाग्राम से पूछने की कोशिश करते हैं, “आप डेटा क्यों एकत्र कर रहे हैं? मुझे एक बिल्कुल यादृच्छिक विज्ञापन क्यों नहीं दिखाया गया? ”,“ इंस्टाग्राम ”आपको बताएगा:“ मित्र, यह सब आपको वही दिखाने के लिए किया गया है जिसमें आपकी रुचि है ”। जैसे, हम आपको निश्चित रूप से यह जानना चाहते हैं कि आप वास्तव में क्या देख रहे हैं।



लेकिन तकनीक ने इस भयानक मील के पत्थर पर लंबे समय से कदम रखा है, और इसी तरह की तकनीकों ने भविष्यवाणी नहीं की है कि आपको लंबे समय तक क्या चाहिए। वे (ध्यान!) माँग माँगते हैं। यह संभवतः सबसे खराब चीज है जो इस तरह के संचार में कृत्रिम बुद्धिमत्ता के चारों ओर घूमती है। यह भयानक है कि इसका उपयोग पिछले 3-5 वर्षों से लगभग हर जगह किया गया है - Google जारी करने से लेकर यैंडेक्स जारी करने तक, कुछ प्रणालियों तक ... ठीक है, मैंने यांडेक्स के बारे में कुछ भी बुरा नहीं कहा; और अच्छा है।

क्या कहना है? जब आप "मैं एक बच्चा सीट खरीदना चाहता हूं" लिखता हूं तो ऐसे विज्ञापन संचार लंबे समय से रणनीति से चले गए हैं, और आप एक लाख मिलियन प्रकाशनों को देखते हैं। वे निम्नलिखित पर गए: केवल एक महिला ने एक मुश्किल से दिखाई देने वाली पेटी के साथ एक तस्वीर पोस्ट की, उसका पति तुरंत संदेशों का पीछा करना शुरू कर देगा - "यार, जल्द ही डिलीवरी। एक बच्चा सीट खरीदें। "

यहां आप यथोचित रूप से पूछते हैं कि इतनी बड़ी तकनीकी प्रगति के साथ, हम अभी भी सोशल नेटवर्क पर इस तरह के चमकदार विज्ञापन क्यों देखते हैं? समस्या यह है कि पैसा अभी भी इस बाजार पर सब कुछ हल करता है, इसलिए कुछ ठीक क्षण में "कोका-कोला" जैसे कुछ विज्ञापनदाता आ सकते हैं और कह सकते हैं: "यहां आपके पास 20 मिलियन हैं - मेरे बकवास बैनर पूरे इंटरनेट पर दिखाएं"। और वे वास्तव में ऐसा करते हैं।

लेकिन अगर आप किसी प्रकार का स्वच्छ खाता बनाते हैं और परीक्षण करते हैं कि इस तरह के एल्गोरिदम आपके बारे में कितना सही अनुमान लगाते हैं: वे पहले आपको अनुमान लगाने की कोशिश करते हैं, और फिर वे पहले से कुछ करना शुरू कर देते हैं। और मानव मस्तिष्क इस तरह से काम करता है कि, इसके लिए विश्वसनीय जानकारी प्राप्त करने के बाद, यह उस पल की प्रक्रिया भी नहीं करता है कि इसे यह जानकारी क्यों मिली। पहला नियम यह निर्धारित करना है कि आप एक सपने में हैं - आपको यह समझने की आवश्यकता है कि आप यहां कैसे आए। एक व्यक्ति उस क्षण को कभी याद नहीं करता जब वह एक कमरे में था। यहाँ भी ऐसा ही है।

Google आपके विश्वदृष्टि को आकार देना शुरू कर सकता है

इस तरह के अध्ययन कई विदेशी कंपनियों द्वारा किए गए थे जो आंखों पर नज़र रखने में लगे हुए हैं। वे विशेष कंप्यूटरों पर उपकरण डालते हैं जो रिकॉर्ड करते हैं जहां विषय की आंखें दिखती हैं। उसने पांच से सात हजार स्वयंसेवकों से लिया, जिन्होंने केवल टेप को स्क्रॉल किया, सामाजिक नेटवर्क के साथ बातचीत की, विज्ञापन के साथ, और उन्होंने जानकारी लिखी जिस पर बैनर और क्रिएटिव के कुछ हिस्से इन लोगों को देखना बंद कर देते हैं।

और यह पता चला कि जब लोगों को ऐसी सुपर-पर्सनलाइज्ड क्रिएटिव मिलती है, तो वे इसके बारे में सोचते भी नहीं हैं - वे तुरंत खत्म हो जाते हैं, इसके साथ बातचीत शुरू करते हैं। व्यवसाय के दृष्टिकोण से, यह अच्छा है, लेकिन उपयोगकर्ताओं के रूप में, इस दृष्टिकोण से, यह बहुत अच्छा नहीं है, क्योंकि - वे किससे डरते हैं? - एक ही पल में सशर्त "Google" अपना स्वयं का विश्वदृष्टि बनाने के लिए शुरू हो सकता है (और निश्चित रूप से, शुरू भी नहीं)। उदाहरण के लिए, वह कल लोगों को दिखाना शुरू कर सकता है कि पृथ्वी समतल है।

यह एक मजाक है, लेकिन वे कई बार पकड़े गए थे कि चुनाव के दौरान वे कुछ लोगों को निश्चित जानकारी देना शुरू करते हैं। हम सभी इस तथ्य के अभ्यस्त हैं कि खोज इंजन को यह सब ईमानदारी से मिलता है। लेकिन, जैसा कि मैं हमेशा कहता हूं, यदि आप वास्तव में जानना चाहते हैं कि दुनिया कैसे काम करती है, तो अपने स्वयं के खोज इंजन को लिखें, बिना फिल्टर के, कॉपीराइट पर ध्यान दिए बिना, अपने किसी भी मित्र को सूची में शामिल किए बिना। इंटरनेट पर वास्तविक डेटा जारी करना आम तौर पर Google, यैंडेक्स, बिंग और शो से अलग है। कुछ सामग्री छुपा रहे हैं, क्योंकि दोस्तों, सहकर्मियों, दुश्मनों या किसी और (या एक पूर्व प्रेमी जिसके साथ आप सोए थे) कोई फर्क नहीं पड़ता।

ट्रम्प कैसे जीते?

जब संयुक्त राज्य अमेरिका में अंतिम चुनाव हुआ था, एक बहुत ही सरल अध्ययन किया गया था। उन्होंने एक ही अनुरोध अलग-अलग स्थानों से, अलग-अलग शहरों से, अलग-अलग आईपी से अलग-अलग लोगों से लिया। परंपरागत रूप से, अनुरोध इस शैली में था: चुनाव कौन जीतेगा? और आश्चर्यजनक रूप से, परिणामों का निर्माण इस प्रकार किया गया कि उन राज्यों में जहां सबसे अधिक संख्या में लोगों ने गलत उम्मीदवार को वोट देने की कोशिश की, उन्हें Google द्वारा प्रचारित उम्मीदवार के बारे में कुछ अच्छी खबर मिली। कौन सा? खैर, यह स्पष्ट है कि कौन - कौन राष्ट्रपति बने। यह एक पूरी तरह से अप्राप्य कहानी है, और ये सभी अध्ययन - पानी में आपकी उंगली के साथ। Google कह सकता है: "दोस्तों, यह सब इसलिए किया जाता है ताकि हम आपके लिए सबसे अधिक प्रासंगिक सामग्री दिखाए।"

अब से, आपको पता होना चाहिए कि जिसे सबसे अधिक प्रासंगिक कहा जाता है वह अंजीर नहीं है। कंपनी आपको कुछ अच्छे या बुरे कारणों के लिए बेचने के लिए प्रासंगिक कहती है।

जिनके पास अब पैसा नहीं है वे पहले से ही भविष्य की खरीदारी की तैयारी कर रहे हैं

अभी भी ऐसा एक दिलचस्प क्षण है, जिसके बारे में मैं बात करूंगा। अनुप्रयोगों में बड़ी संख्या में सक्रिय दर्शक अब सोशल नेटवर्क पर हैं - ये युवा लोग हैं। हम इसे ऐसा कहते हैं - दिवालिया युवाओं: 8-9 साल के बच्चे जो नैतिक खेलों पर क्लिक करते हैं, ये 12-13-14 हैं जो केवल सोशल नेटवर्क पर पंजीकरण करते हैं। बड़ी कंपनियां भारी मात्रा में बजट और संसाधन खर्च करने के लिए दिवालिया होने वाले दर्शकों के लिए आवेदन क्यों नहीं करतीं? जिस क्षण यह दर्शक विलायक हो जाएगा, उसके व्यवहार के बारे में अच्छी तरह से अनुमान लगाने के लिए इसके बारे में पर्याप्त डेटा होगा।



अब किसी भी टारगेटोलॉजिस्ट से पूछें कि सबसे कठिन दर्शक कौन सा है? वे कहेंगे: अत्यधिक लाभदायक। क्योंकि बेचने के लिए, उदाहरण के लिए, सामाजिक नेटवर्क के माध्यम से 150 मिलियन रूबल का एक अपार्टमेंट लगभग असंभव है। पृथक मामले जब आप 10 हजार लोगों के लिए किसी तरह का विज्ञापन करते हैं, तो कोई इस अपार्टमेंट को खरीदता है - ग्राहक को सफलता मिलती है ... लेकिन आंकड़ों के दृष्टिकोण से दस हजार में से एक पूरी तरह से बकवास है। तो, अत्यधिक लाभदायक दर्शकों की पहचान करना क्यों मुश्किल है? क्योंकि जो लोग अब एक बहुत ही लाभदायक दर्शकों के सदस्य हैं, वे पैदा हुए थे जब इंटरनेट अभी भी बहुत छोटा था, जब आर्टेम लेबेदेव अभी भी नहीं जानते थे, और उनके बारे में कोई जानकारी नहीं है। उनके व्यवहार के मॉडल की भविष्यवाणी करना असंभव है, यह समझना असंभव है कि नेता उनके लिए कौन सोचते हैं, वे किस सामग्री को स्वीकार करते हैं।

इसलिए, जब आप सभी 25 वर्षों में अरबपति बन जाएंगे, और जो कंपनियां आपको कुछ बेचने जा रही हैं, उनके पास बड़ी मात्रा में डेटा होगा। इसलिए, एक उल्लेखनीय GDPR अब यूरोप में दिखाई दिया है, जो नाबालिगों के डेटा के संग्रह को रोकता है।

स्वाभाविक रूप से, यह अंजीर व्यवहार में काम नहीं करता है, क्योंकि सभी बच्चे अभी भी माता, पिता के खाते खेलते हैं - इस तरह से जानकारी एकत्र की जाती है। अगली बार जब आप अपने बच्चे को एक टैबलेट दें, तो उसके बारे में सोचें।

बिल्कुल कुछ भयानक, विरोधी-विरोधी भविष्य नहीं है, जब हर कोई मशीनों के साथ युद्ध में मर जाता है - अब बिल्कुल वास्तविक कहानी। बड़ी संख्या में कंपनियां हैं जो गेम खेलने के तरीके से साइको-प्रोफाइलिंग लोगों के लिए एल्गोरिदम बनाती हैं। बहुत दिलचस्प उद्योग है। इसके आधार पर, लोगों को तब खंडित किया जाता है, ताकि वे किसी तरह उनके साथ संवाद कर सकें।



इन लोगों के व्यवहार की भविष्यवाणी 10-15 वर्षों में उपलब्ध होगी - ठीक उसी समय जब वे एक विलायक दर्शक बन जाएंगे। सबसे महत्वपूर्ण बात, इन लोगों ने अपने व्यक्तिगत डेटा को संसाधित करने के लिए पहले ही अनुमति दे दी है, इसे तीसरे पक्ष को हस्तांतरित करें और यह सब खुशी है, और इसी तरह।

कौन नौकरी खोएगा?

और मेरे पास आखिरी कहानी यह है कि हर कोई हमेशा पूछता है कि 50 वर्षों में क्या होगा: हम सभी मर जाएंगे, बाजारियों से बेरोजगारी होगी ... क्या बाजार में बेरोजगारी के बारे में चिंतित हैं, है ना? चिंता करने के लिए, सामान्य रूप से, इसके लायक नहीं है, क्योंकि कोई भी उच्च योग्य व्यक्ति अपनी नौकरी नहीं खोएगा।



कोई फर्क नहीं पड़ता कि क्या एल्गोरिदम बनाए जाते हैं, इससे कोई फर्क नहीं पड़ता कि कार हमारे पास कितना है (बिंदुओं के लिए), अगर यह जल्दी से पर्याप्त विकसित होता है, तो ऐसे लोग कभी भी बेकार नहीं होंगे, क्योंकि किसी को इन क्रिएटिव का उपयोग करना होगा करने के लिए। हां, सभी प्रकार के "घन" हैं जो ऐसे चित्र बनाते हैं जो लोगों की तरह दिखते हैं, संगीत बनाते हैं, लेकिन फिर भी, यह संभावना नहीं है कि किसी दिन लोग इस क्षेत्र में अपना काम खो देंगे।



मेरे पास इतिहास के साथ सब कुछ है, इसलिए यदि आपके पास अधिक है तो आप प्रश्न पूछ सकते हैं। आपका धन्यवाद



प्रस्तुतकर्ता: - दोस्तों, अब हम प्रश्न-उत्तर ब्लॉक की ओर बढ़ रहे हैं। तुम हाथ उठाओ - मैं तुम्हारे पास आता हूं।



दर्शकों से प्रश्न (एच): - "ब्लैक बॉक्स" के बारे में प्रश्न। उन्होंने कहा कि आप विशेष रूप से समझ सकते हैं कि इस तरह के उपयोगकर्ता के लिए ऐसा क्यों है। क्या ये कुछ प्रकार के एल्गोरिदम हैं, या यह हर बार प्रत्येक तदर्थ मॉडल (लेखक का ध्यान दें: "विशेष रूप से इसके लिए" - लैटिन वाक्यांशवैज्ञानिक इकाई) आपको पार्स करने की आवश्यकता है? या पहले से ही तैयार हैं, कुछ तंत्रिका नेटवर्क के लिए, आप समझ सकते हैं, मोटे तौर पर बोल रहा है, व्यापार अर्थ?

एएच:- यहां आपको निम्नलिखित को समझने की आवश्यकता है: मशीन सीखने में बड़ी संख्या में कार्य होते हैं। उदाहरण के लिए, एक कार्य है - प्रतिगमन। प्रतिगमन के लिए, किसी भी तंत्रिका नेटवर्क की आवश्यकता नहीं है। सब कुछ सरल है: आपके पास कई संकेतक हैं, आपको निम्नलिखित गणना करने की आवश्यकता है। ऐसे कार्य हैं जहां गहरी सीखने जैसी चीज का सहारा लेना आवश्यक है। दरअसल, गहरी शिक्षा में यह समझना मुश्किल है कि किस न्यूरॉन्स के लिए वजन निर्धारित किया गया था, लेकिन कानूनी तौर पर आपको बस इतना करना होगा कि इनपुट में क्या डेटा था, यह कैसे खेला गया। यह इस तरह के निर्णय को पेटेंट कराने के लिए पर्याप्त कानूनी है और यह इस बात को समझने के लिए पर्याप्त है कि कहानी को किस आधार पर अपनाया गया था।

ऐसी कोई बात नहीं है कि आप साइट पर गए थे और आपको किसी तरह का बैनर दिखाया गया था क्योंकि आपने दो महीने पहले इंस्टाग्राम पर लाल बालों के साथ फोटो खिंचवाई थी। यदि डेवलपर इस डेटा का संग्रह, इस मॉडल में बालों के रंग का अंकन नहीं करता है, तो इसे छत से नहीं लिया जाएगा।

मशीन लर्निंग सिस्टम के परिणाम कैसे बेचें?

Z: - बस सवाल यह है: यह समझना है कि कैसे समझाना है, किसी को बेचना है जो मशीन लर्निंग को नहीं समझता है। मैं कहना चाहता हूं: मेरे मॉडल - बालों के रंग से स्पष्ट रूप से होता है ... ठीक है, बालों का रंग बदलता है ... क्या यह संभव है या नहीं?



आह: - शायद हाँ। लेकिन बिक्री के दृष्टिकोण से, केवल योजना ही काम करेगी: आपके पास एक विज्ञापन अभियान है, हम दर्शकों को उस मशीन से जोड़ते हैं जो मशीन बनाती है - और आप सिर्फ परिणाम देखते हैं। यह, दुर्भाग्य से, इस तरह की कहानी काम करने का एकमात्र विश्वसनीय ग्राहक विकल्प है, क्योंकि बाजार पर बहुत सारे समाधान हैं जो एक बार लागू किए गए थे और उन्होंने काम नहीं किया था।

एक आभासी पहचान बनाने के बारे में

Z: - नमस्कार। व्याख्यान के लिए धन्यवाद। सवाल यह है: किसी ऐसे व्यक्ति के लिए क्या मौका है जो किसी कारण से मशीन लर्निंग का अनुसरण नहीं करना चाहता है, एक आभासी व्यक्तित्व का निर्माण करता है जो इंटरफ़ेस के साथ बातचीत के माध्यम से या कुछ अन्य कारणों से अपने स्वयं के व्यक्तित्व से मौलिक रूप से अलग है?



एएच: - अलग-अलग प्लगइन्स का एक गुच्छा है जो विशेष रूप से व्यवहार के यादृच्छिककरण से निपटते हैं। एक अच्छी बात है - घोस्टरी, जो, मेरी राय में, लगभग पूरी तरह से आपको अलग-अलग ट्रैकर्स के झुंड से छुपाता है जो तब इस जानकारी को रिकॉर्ड नहीं कर सकते हैं। लेकिन वास्तव में, अब सोशल नेटवर्क पर एक बंद प्रोफ़ाइल आपके लिए पर्याप्त होगी ताकि कोई भी, कोई भी दुष्ट अभिजन वहां कुछ भी इकट्ठा न करे। किसी तरह का विस्तार करना या खुद कुछ लिखना बेहतर है।

आप देखते हैं, यहां ऐसी अवधारणा है जो कानूनी रूप से, उदाहरण के लिए, व्यक्तिगत डेटा डेटा को संदर्भित करता है जिसके द्वारा आपको पहचाना जा सकता है, और कानून एक उदाहरण के रूप में निवास स्थान, आयु, और इसी तरह का पता देता है। अब वह डेटा जिसके द्वारा आपको पहचाना जा सकता है, वह अनगिनत है: एक ही कीबोर्ड की लिखावट, एक ही प्रेस, ब्राउज़र का डिजिटल हस्ताक्षर ... जितनी जल्दी या बाद में, व्यक्ति गलत है। वह "टॉर" के माध्यम से "कैफे" में कहीं बैठ सकता है, लेकिन अंत में एक बिंदु पर या तो वह वीपीएन, या कुछ और चालू करना भूल जाएगा, और उस पल में उसे पहचाना जा सकता है। इसलिए सबसे आसान तरीका है कि एक बंद खाता बनाएं और किसी प्रकार का एक्सटेंशन स्थापित करें।

बाजार इस तथ्य की ओर बढ़ रहा है कि आपको परिणाम प्राप्त करने के लिए केवल एक बटन दबाने की आवश्यकता है

Z: - कहानी के लिए धन्यवाद। हमेशा की तरह, यह हमेशा दिलचस्प होता है (मैं आपका अनुसरण करता हूं)। सवाल यह है: सिफारिश प्रणाली के उपयोगकर्ता के अनुकूल सिस्टम बनाने के मामले में क्या प्रगति है? आपने कहा कि एक समय आप एक यौन साथी, जीवन के दोस्त (या संगीत जिसे एक व्यक्ति संभवतः पसंद कर सकता है) को खोजने के लिए सिफारिश प्रणालियों में लगा हुआ था ... यह सब कितना होनहार है, और आप सिस्टम को लोगों के ज़रूरत के दृष्टिकोण से इसके विकास को कैसे ठीक से देखते हैं?

एएच:- सामान्य तौर पर, बाजार इस तथ्य की ओर बढ़ रहा है कि लोगों को एक बटन दबाने की जरूरत है और तुरंत वह प्राप्त करें जो उन्हें चाहिए। डेटिंग ऐप्स बनाने में मेरे अनुभव के अनुसार (हम, वर्ष के अंत में इसे फिर से शुरू करेंगे), वहाँ, इस तथ्य के अलावा कि 65% विवाहित पुरुष थे, सबसे कठिन सिफारिश की समस्या यह थी कि आवेदन की शुरुआत में व्यक्ति को कई मॉडल पेश किए गए थे - " दोस्ती "," सेक्स "," सेक्स दोस्ती "और" व्यापार "। लोगों ने वह नहीं चुना जिसकी उन्हें जरूरत थी। पुरुष "लव" का चयन करने के लिए आए थे, लेकिन वास्तव में उन्होंने सभी को नग्न किया, और इसी तरह।

समस्या एक ऐसे व्यक्ति की पहचान करना थी जो इन मॉडलों में से किसी पर भी फिट नहीं बैठता है, और किसी भी तरह आसानी से उसे दूसरी तरफ ले जाता है। डेटा की थोड़ी मात्रा के कारण, यह निर्धारित करना बहुत मुश्किल है कि यह पूर्वानुमान एल्गोरिथ्म त्रुटि है या कोई व्यक्ति उसकी श्रेणी में नहीं है। यह संगीत के साथ भी ऐसा ही है: बहुत कम ही योग्य एल्गोरिदम हैं जो संगीत की रचना करने में अच्छे हैं। शायद Yandex.Music। कोई व्यक्ति Yandex.Music एल्गोरिथम को बुरा मानता है। उदाहरण के लिए, मैं उसे पसंद करता हूं। उदाहरण के लिए, मैं व्यक्तिगत रूप से YouTube-संगीत एल्गोरिदम और इतने पर नहीं हूं।

बेशक, उनकी सूक्ष्मताएं हैं - सब कुछ लाइसेंस से बंधा हुआ है ... लेकिन वास्तव में ऐसी प्रणालियों की मांग काफी बड़ी है। रिटेल रॉकेट कंपनी, जो अनुशंसा प्रणालियों के कार्यान्वयन में लगी हुई थी, एक समय में जानी जाती थी, अब यह किसी भी तरह बहुत अच्छी तरह से नहीं रहती है - जाहिरा तौर पर, क्योंकि वे लंबे समय तक अपने स्वयं के एल्गोरिदम विकसित नहीं करते थे। सब कुछ इस पर जाता है - कि हम अंदर जाते हैं, कुछ भी दबाए बिना, हमें वह मिलता है जो हमें चाहिए (और पूरी तरह से गूंगा, क्योंकि चुनने की क्षमता हमसे पूरी तरह से गायब हो गई है)।

इन्फ्लुएंजा विपणन

Z: - नमस्कार। मेरा नाम कोंस्टेंटिन है। मैं प्रभाव विपणन के बारे में एक सवाल उठाना चाहूंगा। क्या आप किसी भी सिस्टम को जानते हैं जो किसी व्यवसाय को कुछ आंकड़ों और इसी तरह के आधार पर व्यवसाय के लिए एक उपयुक्त ब्लॉगर चुनने की अनुमति देता है? और यह किस आधार पर किया जाता है?



एएच: - हां, मैं दूर से शुरू करूंगा और तुरंत कहूंगा कि इन सभी तकनीकों के साथ समस्या यह है कि विपणन में यह सभी कृत्रिम बुद्धि एक तंग वॉकर की तरह बढ़ रही है: बाईं ओर बड़ी कंपनियां हैं जिनके पास बहुत पैसा है, और उनके पास वैसे भी होगा सब कुछ कुशलता से काम करता है, क्योंकि उनके विज्ञापन अभियान केवल देखने के उद्देश्य से होते हैं; दूसरी ओर, छोटे व्यवसाय का एक समूह है जो इसके लिए काम नहीं करता है, क्योंकि उनके पास बहुत अधिक डेटा है। अब तक, इन कहानियों की प्रयोज्यता बीच में कहीं है।

जब पहले से ही अच्छे बजट होते हैं, और कार्य इन बजटों को सही ढंग से संसाधित करना है (और, सिद्धांत रूप में, पहले से ही बहुत अधिक डेटा है) ... मैं कुछ सेवाओं को जानता हूं, "गेटब्लॉगर" जैसी कुछ चीजें, जो एल्गोरिदम लगती हैं। मैंने ईमानदारी से इन एल्गोरिदम का अध्ययन नहीं किया है। मैं आपको बता सकता हूं कि राय के नेताओं की खोज के लिए हम किस दृष्टिकोण का उपयोग करते हैं जब कुछ माताओं को वर्तमान देने की आवश्यकता होती है।

हम सामग्री वितरण समय नामक एक मीट्रिक का उपयोग करते हैं। यह निम्नानुसार काम करता है: आप उस व्यक्ति को लेते हैं जिसके दर्शक आप विश्लेषण कर रहे हैं, और आपको व्यवस्थित रूप से (उदाहरण के लिए, हर 5 मिनट में) जानकारी एकत्र करना है कि किसने इसे पोस्ट किया, इस पर टिप्पणी की, और इसी तरह। इस प्रकार, यह समझना संभव होगा कि किस समय उनके दर्शकों के प्रत्येक व्यक्ति ने उनकी सामग्री के साथ बातचीत की। अपने दर्शकों के प्रत्येक प्रतिनिधि के लिए इस ऑपरेशन को दोहराएं, और इस प्रकार, सामग्री के औसत वितरण समय के मीट्रिक का उपयोग करके, यह, उदाहरण के लिए, इन लोगों के एक बड़े नेटवर्क ग्राफ में रंग में फेंक दिया जा सकता है और क्लस्टर बनाने के लिए इस मीट्रिक का उपयोग कर सकता है।

यह काफी अच्छी तरह से काम करता है अगर हम चाहते हैं, उदाहरण के लिए, 15 माताओं को खोजने के लिए जो किसी महिला पर अपनी सार्वजनिक राय रखते हैं। लेकिन यह एक जटिल जटिल तकनीकी कार्यान्वयन है (हालाँकि यह सैद्धांतिक रूप से पाइथन पर भी ऐसा करना संभव है)। लब्बोलुआब यह है कि बड़ी विज्ञापन एजेंसियों में प्रभाव विपणन की समस्या यह है कि उन्हें बड़े, शांत, महंगे ब्लॉगर्स की ज़रूरत होती है जो एक लानत की बात नहीं करते हैं। खैर, ऑटो ब्रांड कुछ प्रकार के राय नेता के माध्यम से कुछ उत्पाद बेचना चाहता है - उन्हें ऑटो ब्लॉगर का उपयोग करने की आवश्यकता है, क्योंकि उन लोगों के दर्शकों ने या तो पहले से ही एक कार खरीदी है, या यह सुनिश्चित करना जानता है कि यह किस कार को चाहता है, यह सिर्फ शांत कारों को देखता है। यहां यह महत्वपूर्ण है कि व्यक्ति के दर्शकों के विश्लेषण को स्वयं याद न करें।

मार्केटिंग बॉट

Z: - मुझे बताओ, सामाजिक नेटवर्क पर बॉट जानकारी और इसकी गुणवत्ता के संग्रह को कितनी मजबूती से प्रभावित करते हैं?



एएच: - बॉट्स के साथ ऐसी दिलचस्प बात। सस्ते बॉट्स की पहचान करना आसान है - उनके पास या तो एक ही सामग्री है, या वे एक दूसरे के साथ दोस्त हैं, या वे एक ही ग्रिड में हैं। जटिल बॉट के साथ भी दृष्टिकोण हैं। या आप किसी कार्य को पूछ रहे हैं कि किसी व्यक्ति को उसके नकली से कैसे जोड़ा जाए?

Z: - इस सारे कचरे से कितनी गुणवत्ता की जानकारी मिलेगी?

एएच: - यहां यह इस तरह से काम करता है: इस तथ्य के कारण कि बड़ी मात्रा में डेटा है (उदाहरण के लिए, कुछ प्रकार के विपणन अनुसंधान के लिए), आप बस इस सभी शशर को बाहर फेंक सकते हैं। यही है, बॉट पर कब्जा करने की तुलना में थोड़ा अधिक वास्तविक लोगों को फेंकना बेहतर है, क्योंकि उनके लिए सभी प्रकार के विज्ञापन दिखाना बेकार है। लेकिन अगर आप मेट्रिक्स इकट्ठा करते हैं, उदाहरण के लिए, बैनर या सिफारिश प्रणाली के साथ बातचीत, ऐसे खातों को बाहर निकाला जा सकता है।

वर्तमान में, सोशल नेटवर्क पर छह आभासी अक्षर हैं या बस बाएं पृष्ठ या परिचय हैं, जो एल्गोरिदम बॉट्स की तरह "मैच" करते हैं। किसी व्यक्ति को अपने नकली से जोड़ने के लिए, यहां सब कुछ इस तथ्य से भी जुड़ा हुआ है कि कोई व्यक्ति जल्द या बाद में गलती करेगा, और बात यह है कि व्यवहार मॉडल वही है - जो उसके असली खाते का है, उसके नकली का। जल्दी या बाद में, वे एक ही सामग्री या कुछ और देखेंगे।

यह सब त्रुटि के प्रतिशत तक नहीं आता है, बल्कि उस समय की मात्रा के लिए है जो किसी व्यक्ति की विश्वसनीय पहचान के लिए आवश्यक है। जो व्यक्ति अपने इंस्टाग्राम के साथ रहता है, उसके लिए विश्वसनीय पहचान का यह समय पांच मिनट तक कम हो जाता है। किसी के लिए - छह से आठ महीने तक।

डेटा किसको और कैसे बेचना है?

Z: - नमस्कार। मुझे यह जानने में दिलचस्पी है कि कंपनियों के बीच डेटा कैसे बेचा जाता है? उदाहरण के लिए, मेरे पास एक एप्लिकेशन है जिसमें आप पता लगा सकते हैं (डेवलपर को) कि वह व्यक्ति कहां जाता है, कौन-सा स्टोर करता है और वह कितना पैसा वहां खर्च करता है। और मुझे यह जानने में दिलचस्पी है कि कैसे, इन दुकानों को अपने दर्शकों के बारे में इन दुकानों की जानकारी बेचने के लिए या अपने डेटा को एक विशाल डेटाबेस में फेंकने और इसके लिए भुगतान करने के लिए तैयार हूं?



AH: - किसी को सीधे डेटा बेचने के लिए - आप, बाकी सभी, OFD - राजकोषीय डेटा ऑपरेटरों, जो बड़ी चतुराई से चेक के हस्तांतरण और टैक्स के बीच में निर्मित किए गए हैं और अब सबको सब कुछ बेचने की कोशिश कर रहे हैं। दरअसल, वास्तव में, उन्होंने मोबाइल एनालिटिक्स के पूरे बाजार को ध्वस्त कर दिया है। वास्तव में, आप अपने आवेदन को एम्बेड कर सकते हैं, उदाहरण के लिए, एक फेसबुक पिक्सेल, इसकी डीएमपी प्रणाली; फिर बेचने के लिए इस ऑडियंस का उपयोग करें। उदाहरण के लिए, पिक्सेल "मे टारगेट।" मुझे नहीं पता कि आपके पास किस तरह के दर्शक हैं, आपको समझने की ज़रूरत है। लेकिन किसी भी मामले में, आप यांडेक्स या माय टारगेट में एकीकृत कर सकते हैं, जो सबसे बड़ी डीएमपी सिस्टम हैं।

यह एक दिलचस्प कहानी है। एकमात्र समस्या यह है कि आप उन्हें सभी ट्रैफ़िक देते हैं, और वे एक्सचेंज के रूप में इस ट्रैफ़िक के मुद्रीकरण को संभालते हैं। वे आपको बता सकते हैं कि 10 लोगों ने आपके दर्शकों का उपयोग किया है, या वे नहीं कर सकते हैं। इसलिए, या तो आप अपने विज्ञापन नेटवर्क का निर्माण करते हैं, या बड़े DMP में समर्पण करते हैं।

कौन जीतेगा - एक कलाकार या एक तकनीकी विशेषज्ञ?

Z: - तकनीकी भाग से थोड़ा दूर का प्रश्न। यह विपणक बेरोजगारी के बारे में विपणक की आशंकाओं के बारे में कहा गया था। क्या रचनात्मक विपणन (ये लोग जो चिकन विज्ञापनों, वोक्सवैगन विज्ञापनों के साथ आते हैं) के बीच किसी तरह की प्रतिस्पर्धा है और बिग डेट के साथ सौदा करने वालों (जो कहते हैं: हम सिर्फ सभी डेटा एकत्र करेंगे और सभी को लक्षित विज्ञापन वितरित करेंगे। )? एक ऐसे व्यक्ति के रूप में, जो सीधे तौर पर शामिल है, आपकी राय क्या है, कौन जीतेगा - एक कलाकार, एक तकनीकी विशेषज्ञ, या क्या यह किसी प्रकार का सहक्रियात्मक प्रभाव होगा?



आह: - सुनो, ठीक है, वे एक साथ काम करते हैं। इंजीनियर रचनात्मकता का आविष्कार नहीं करते हैं। जो रचनात्मक हैं वे दर्शकों के साथ नहीं आते हैं। एक निश्चित बहुआयामी कहानी है। वास्तव में, जो लोग बैठे हैं और बटन दबा रहे हैं, उन्हें अब समस्या है, जो "डिकॉय" करते हैं, वे हर दिन एक ही चीज़ दबाते हैं - ऐसे लोग गायब हो जाएंगे।

लेकिन जो लोग डेटा का विश्लेषण करते हैं वे स्वाभाविक रूप से बने रहेंगे, लेकिन किसी को इस डेटा को संसाधित करना होगा। किसी को इन चित्रों के साथ आना होगा, उन्हें खींचना होगा। ऐसी रचनात्मक मशीन नहीं आएगी! यह पूर्ण पागलपन है! या जैसे, उदाहरण के लिए, वायरल विज्ञापन Carprice, जो, वैसे, बहुत अच्छी तरह से काम करता था। याद रखें, यह YouTube पर था: "Carprais पर बेचें," वह बिल्कुल पागल है। बेशक, कोई भी तंत्रिका नेटवर्क इस तरह की कहानी उत्पन्न नहीं करेगा।
मैं आम तौर पर इस तथ्य का समर्थन करता हूं कि लोग अपनी नौकरी नहीं खोएंगे, लेकिन उनके पास थोड़ा और खाली समय होगा, और वे इस खाली समय को स्व-शिक्षा पर खर्च करने में सक्षम होंगे।

आदिम विज्ञापन मर जाएगा

Z: - द्वारा और बड़े, दिखाए जाने वाले विज्ञापन, बैनर - एक ही स्थान पर, यहां तक ​​कि बिकने वाले ग्रंथ भी नहीं लिखे गए हैं: "हमें विंडोज़ चाहिए - ले लो!", "आपको कुछ और चाहिए - इसे लें!", अर्थात, कोई रचनात्मक नहीं है। ।

एएच: - इस तरह के विज्ञापन, निश्चित रूप से, जल्दी या बाद में मर जाएंगे। यह प्रौद्योगिकी के विकास के कारण इतना नहीं मर जाएगा, लेकिन आप और मेरे विकास के कारण कितना।

प्रासंगिक सबसे अप्रासंगिक के साथ मिश्रित है

Z: - मैं यहाँ हूँ! मेरे पास एक प्रयोग के बारे में एक प्रश्न है, जैसा कि आपने कहा था, आप सफल नहीं हुए (एक अनुशंसा प्रणाली के साथ)। और आपकी राय में, समस्या यह है कि यह वहां पर हस्ताक्षरित किया गया था, इसकी सिफारिश क्यों की गई, या यह कि उपयोगकर्ता ने जो कुछ भी देखा, वह उसके लिए प्रासंगिक था? क्योंकि मैंने माताओं के लिए एक प्रयोग पढ़ा, और वहाँ इतना डेटा नहीं था और इंटरनेट से इतना डेटा नहीं था, वहाँ सिर्फ एक खाद्य रिटेलर का डेटा था - गर्भावस्था की भविष्यवाणी की (कि वे माताओं होंगे)। और जब उन्होंने उम्मीद की गई माताओं के लिए उत्पादों का चयन दिखाया, तो माताओं को भयभीत किया गया कि उन्होंने कुछ आधिकारिक चीजों से पहले उनके बारे में सीखा था। और यह काम नहीं किया। और इस समस्या को हल करने के लिए, उन्होंने जानबूझकर प्रासंगिक वस्तुओं को पूरी तरह अप्रासंगिक चीज़ों के साथ मिलाया।



एएच: - हमने विशेष रूप से लोगों को उनकी प्रतिक्रिया को समझने के लिए जो सिफारिशें की थीं, उसके आधार पर दिखाया। दरअसल, यहां से यह अवधारणा पैदा हुई थी कि लोगों को यह कहने की आवश्यकता नहीं है कि ये उसके लिए किसी प्रकार के सुपर-प्रासंगिक सामान हैं।

हां, वैसे, उन्हें अप्रासंगिक लोगों के साथ मिलाने का एक तरीका है। लेकिन इसके विपरीत बात है: कभी-कभी लोग आते हैं, और वे इस अप्रासंगिक उत्पाद के साथ बातचीत करते हैं - यादृच्छिक उत्सर्जन प्राप्त होता है, मॉडल टूट जाते हैं और सब कुछ और भी जटिल होता है। लेकिन यह वास्तव में है। इसके अलावा, कई कंपनियां विशेष रूप से, अगर वे जानती हैं कि कोई उनके डेटा को संसाधित कर रहा है (कोई व्यक्ति उनसे ऐसा परिणाम चुरा सकता है), तो वे विशेष रूप से इसे कभी-कभी मिलाते हैं ताकि बाद में साबित हो सके कि आपने डेटा नहीं लिया है इसकी सिफारिश प्रणाली, लेकिन सशर्त Yandex.Market से।

विज्ञापन अवरोधक और ब्राउज़र सुरक्षा

Z: - नमस्कार। आपने घोस्टरी और एडब्लॉक का उल्लेख किया। क्या आप मुझे बता सकते हैं कि ऐसे ट्रैकर्स आम तौर पर कैसे प्रभावी होते हैं (शायद आंकड़ों के अनुसार)? और क्या आपके पास कंपनियों से कोई आदेश हैं: वे कहते हैं, सुनिश्चित करें कि हमारे विज्ञापन Adblock द्वारा बंद नहीं किए जा सकते।

एएच: - हम सीधे विज्ञापन प्लेटफार्मों से संपर्क नहीं करते हैं - सिर्फ इसलिए कि उन्होंने यह सुनिश्चित करने के लिए नहीं कहा कि हर कोई उनके विज्ञापनों को देखे। मैं व्यक्तिगत रूप से घोस्टरी का उपयोग करता हूं - मुझे लगता है कि यह बहुत अच्छा विस्तार है। अब सभी ब्राउज़र गोपनीयता के लिए लड़ रहे हैं: मोज़िला ने सभी प्रकार के अपडेट का एक गुच्छा जारी किया है, Google Chrome अब सुपर-सिक्योरिटी है। वे सभी संभव है कि सब कुछ ब्लॉक। सफारी पहले ही डिफ़ॉल्ट रूप से जाइरोस्कोप को निष्क्रिय कर चुकी है।
और यह प्रवृत्ति, निश्चित रूप से, अच्छा है (डेटा एकत्र करने वालों के लिए नहीं, हालांकि वे भी इससे बाहर निकले), क्योंकि लोगों ने पहले कुकीज़ को अवरुद्ध किया था। हर कोई जो विज्ञापन नेटवर्क का मालिक था, उसने ब्राउज़र फ़िंगरप्रिंट जैसी अद्भुत तकनीक को याद किया - ये एल्गोरिदम हैं जो 60 विभिन्न मापदंडों (स्क्रीन रिज़ॉल्यूशन, संस्करण, इंस्टॉल किए गए फोंट) प्राप्त करते हैं और उनके आधार पर एक अद्वितीय "पहचानकर्ता" की गणना करते हैं। हम इस पर चले गए। और ब्राउज़र इससे जूझने लगे। सामान्य तौर पर, यह टाइटन्स की अंतहीन लड़ाई होगी।

नवीनतम विकास "मोज़िला" काफी संरक्षित है। वह व्यावहारिक रूप से किसी भी कुकीज़ को नहीं बचाता है, एक छोटा जीवन समय निर्धारित करता है। खासतौर पर अगर आप इन्कॉग्निटो को चालू करते हैं, तो आपको कोई नहीं मिलेगा। सवाल यह है कि सभी सेवाओं में पासवर्ड दर्ज करना असुविधाजनक होगा।

साइकोोटाइपिंग और फिजियोलॉजी कहां काम करता है और कहां नहीं करता है?

Z: - आर्थर, व्याख्यान के लिए बहुत बहुत धन्यवाद। इसके अलावा खुशी के साथ मैं "YouTube" पर आपके व्याख्यान का अनुसरण करता हूं। आपने उल्लेख किया है कि विपणन करने वाले अधिक से अधिक बार साइकोोटाइपिंग, फिजियोलॉजी का उपयोग करने का सहारा लेते हैं। मेरा सवाल है: यह किस श्रेणी के ब्रांडों में काम करता है? मेरा मानना ​​है कि यह केवल एफएमसीजी के लिए उपयुक्त है। उदाहरण के लिए, कार चुनना ...

एएच: - मैं डाउनलोड कर सकता हूं कि यह कहां काम करता है। यह सभी तरह की कहानियों में काम करता है जैसे कि एमेडिएटकी, टीवी शो, फिल्में, और इसी तरह। यह बैंकों और बैंकिंग उत्पादों में अच्छी तरह से काम करता है, अगर यह प्रीमियम खंड नहीं है, लेकिन सभी प्रकार के छात्र कार्ड, किस्त - ये चीजें हैं। यह वास्तव में FMCG में और "iPhones" के सभी प्रकार, चार्जर्स, इस सभी चीज़बर्ड में बहुत अच्छी तरह से काम करता है। यह "माँ के सामान", "पिता के" में अच्छा काम करता है। हालांकि मुझे पता है कि मछली पकड़ने में (इस तरह का एक विषय है) ... कई बार मछुआरों के साथ मामले होते थे - उन्हें कभी भी राहत नहीं मिली। मुझे पता नहीं क्यों किसी प्रकार की सांख्यिकीय त्रुटि।

यह मोटर चालकों के साथ, गहने के साथ, घर के लिए कुछ चीजों के साथ अच्छी तरह से काम नहीं करता है। वास्तव में, यह उस चीज़ के साथ अच्छी तरह से काम नहीं करता है जो लोगों ने सोशल नेटवर्क पर कभी नहीं लिखा होगा - आप इसे इस तरह से देख सकते हैं। सशर्त रूप से, वाशिंग मशीन की खरीद के साथ: यहां यह कैसे समझा जाए कि किसके पास वॉशिंग मशीन है और कौन नहीं करता है? ऐसा लगता है जैसे सभी के पास है। आप सीआरएफ डेटा का उपयोग कर सकते हैं - यह देखने के लिए कि चेक द्वारा किसने खरीदा है, इन लोगों को चेक द्वारा "पिक अप" करें। लेकिन वास्तव में, ऐसी चीजें जिनके बारे में आपने कभी नहीं बताया होगा, उदाहरण के लिए, इंस्टाग्राम पर, ऐसी चीजों के साथ काम करना मुश्किल है।

मशीनें चाल को सांख्यिकीय थ्रो के रूप में पहचानती हैं।

Z: - मेरे पास लक्ष्यीकरण के बारे में एक प्रश्न है। क्या यह संभव है (या अचानक वे मौजूद हैं) एक सशर्त यादृच्छिक चरित्र जो हर चीज में खुद का विरोधाभास करता है: शुरुआत में वह "सर्वश्रेष्ठ जिम" और फिर Google "10 तरीके से कुछ नहीं करने के लिए"? और इसलिए सब कुछ में। क्या लक्ष्यीकरण का पालन किया जा सकता है?

AH: - एकमात्र प्रश्न यह है: यदि आपने 2 साल तक Google का उपयोग किया है, तो आपने उसे अपने बारे में सब कुछ बता दिया, और अब एक प्लग-इन स्थापित करें जो समान यादृच्छिक प्रश्न लिखेगा, फिर, निश्चित रूप से, आँकड़ों के अनुसार, आप कर सकते हैं समझ जाएगा - अब आप जो कर रहे हैं वह एक सांख्यिकीय परिणाम है, और पूरी बात बाहर खरपतवार है। यदि आप चाहते हैं - एक नया खाता पंजीकृत करें, लेकिन विज्ञापन की मात्रा नहीं बदलेगी। वह बस अजीब हो जाएगा। हालांकि वह अब अजीब है।

विज्ञापन का एक सा :)

हमारे साथ बने रहने के लिए धन्यवाद। क्या आप हमारे लेख पसंद करते हैं? अधिक दिलचस्प सामग्री देखना चाहते हैं? एक ऑर्डर देकर या $ 4.99 से डेवलपर्स के लिए अपने दोस्तों के क्लाउड-आधारित VPS की अनुशंसा करके हमें समर्थन दें, आपके द्वारा आविष्कार किया गया एंट्री-लेवल सर्वर का एक अनूठा एनालॉग: VPS (KVM) E5-2697 3 (6 करोड़) 10GB DDR4 480GB SSD 1Gbps के बारे में पूरी सच्चाई $ 19 या सर्वर को कैसे विभाजित करें? (विकल्प RAID1 और RAID10 के साथ उपलब्ध हैं, 24 कोर तक और 40GB DDR4 तक)।

डेल R730xd एम्स्टर्डम में इक्विनिक्स टीयर IV डेटा सेंटर में 2 गुना सस्ता? केवल हमारे पास 2 x Intel TetraDeca-Core Xeon 2x E5-2697v3 2.6GHz 14C 64GB DDR4 4x960GB SSD 1Gbps 100 TV नीदरलैंड के 199 डॉलर में से है! डेल R420 - 2x E5-2430 2.2Ghz 6C 128GB DDR3 2x960GB SSD 1Gbps 100TB - $ 99 से! इन्फ्रास्ट्रक्चर Bldg का निर्माण कैसे करें के बारे में पढ़ें । एक पैसा के लिए 9,000 यूरो की लागत डेल R730xd E5-2650 v4 सर्वर का उपयोग कर वर्ग?