Arthur Khachuyan: Kecerdasan Buatan dalam Pemasaran

Arthur Khachuyan adalah spesialis pemrosesan data besar Rusia yang terkenal, pendiri Social Data Hub (sekarang Tazeros Global). Mitra HSE. Disiapkan dan disajikan bersama-sama dengan Sekolah Tinggi Ekonomi, Data Tinggi, di Dewan Federasi. Dia berbicara di Institut Curie di Paris, Universitas Negeri St. Petersburg, Universitas Federal di bawah Pemerintah Federasi Rusia, di Red Apple, OpenDataDay Internasional, RIW 2016, AlfaFuturePeople.

Ceramah ini direkam di festival terbuka "Geek piknik" di Moskow pada tahun 2019.



Arthur Khachuyan (selanjutnya - AH): - Jika dari sejumlah besar industri - dari kedokteran, dari konstruksi, dari sesuatu, untuk memilih sesuatu, di mana teknologi big data, pembelajaran mesin, pembelajaran mendalam paling sering digunakan, maka ini mungkin pemasaran. Karena sekitar tiga tahun terakhir, segala sesuatu yang mengelilingi kita dalam beberapa jenis komunikasi periklanan sekarang terkait secara spesifik dengan analisis data dan tepatnya dengan apa yang dapat disebut kecerdasan buatan. Karena itu, hari ini saya akan bercerita tentang itu dari kisah yang sangat jauh ...

Jika Anda membayangkan kecerdasan buatan, seperti apa - mungkin ini sesuatu. Gambaran aneh adalah salah satu jaringan saraf yang saya tulis setahun yang lalu untuk menemukan ketergantungan dari apa yang dilakukan anjing saya - berapa kali ia perlu menjadi besar, kecil, dan bagaimana umumnya tergantung pada seberapa banyak ia makan atau tidak . Ini adalah lelucon tentang bagaimana kecerdasan buatan bisa dibayangkan.



Tapi tetap saja, mari kita pikirkan bagaimana semuanya bekerja dalam komunikasi periklanan. Ada tiga area tentang bagaimana algoritma modern dalam periklanan dan pemasaran dapat berinteraksi dengan kami. Jelas bahwa cerita pertama ditujukan untuk memperoleh dan menggali pengetahuan tambahan tentang kita dan kemudian menggunakannya untuk tujuan yang baik dan tidak terlalu baik; mempersonalisasikan pendekatan untuk setiap orang tertentu; Wajar setelah itu, untuk membentuk permintaan tertentu guna menyelesaikan aksi target utama dan melakukan penjualan tertentu.

Dengan menggunakan teknologi, mereka berusaha memecahkan masalah komunikasi yang efektif.

Jika saya memberitahu Anda untuk berpikir apa yang umum antara Pornhub dan M. Video ”, apa yang akan Anda pikirkan?

Komentar dari audiens (selanjutnya - H): - Teleki, audiens.

AH: - Konsep saya adalah ini adalah dua tempat di mana orang datang untuk jenis layanan tertentu, atau sebut saja - untuk jenis barang tertentu. Dan audiens ini berbeda karena tidak ingin memberi tahu penjual apa pun. Dia ingin masuk dan mendapatkan minatnya dalam bentuk eksplisit atau implisit. Tentu, tidak ada yang datang ke "M. Video ”, tidak mau berkomunikasi dengan penjual, tidak mau mengerti, tidak mau menjawab pertanyaan mereka.

Karena itu, cerita pertama mengikuti dari semua ini.

Ketika teknologi mendapatkan pengetahuan tambahan muncul agar tidak berkomunikasi dengan seseorang dalam beberapa cara. Kita semua menyukainya ketika kita menelepon bank, dan bank memberi tahu kita: "Halo. Alexey, Anda adalah klien VIP kami. Seorang supermanager akan berbicara dengan Anda sekarang. " Anda datang ke bank ini, dan benar-benar ada manajer unik yang dapat berbicara dengan Anda. Sayangnya atau untungnya, belum ada satu perusahaan pun yang tahu cara mempekerjakan seribu manajer pribadi untuk seribu klien; dan karena sebagian besar dari orang-orang ini sekarang online, tugasnya adalah untuk memahami orang macam apa ini dan bagaimana berkomunikasi dengannya dengan benar sebelum dia datang ke sumber daya periklanan. Dan karena itu, pada kenyataannya, ada teknologi yang mencoba menyelesaikan masalah ini.

Penambangan data adalah minyak baru

Bayangkan Anda pemilik warung bunga. Tiga orang mendatangi Anda. Yang pertama berdiri untuk waktu yang sangat lama, ragu-ragu, mencoba berbicara dengan Anda, mengambil semacam karangan bunga - Anda pergi untuk membungkusnya, keluar untuk melakukan sesuatu di sana; dengan karangan bunga ini ia melarikan diri dari kios - Anda kehilangan tiga ribu rubel Anda. Mengapa ini terjadi? Anda tidak tahu apa-apa tentang orang ini: Anda tidak tahu sejarah drive-nya di Kementerian Dalam Negeri, Anda tidak tahu bahwa dia adalah seorang kleptomaniak, terdaftar di apotik psikiatris. Mengapa Karena Anda melihatnya pertama kali, dan Anda bukan spesialis dalam analisis perilaku.

Sesuatu yang lain datang ... Vitaly. Vitaly juga memahami waktu yang sangat lama, dia berkata, "Baiklah, sekarang, saya butuh ini, itu, itu." Dan Anda memberitahunya, - Bunga untuk ibu, kan? Dan Anda menjualnya buket.

Konsepnya di sini adalah untuk menemukan data yang cukup untuk memahami apa yang dibutuhkan orang ini sama sekali. Semua orang langsung berpikir tentang semacam jaringan iklan dan sebagainya ...

Semua orang mungkin pernah mendengar ungkapan bodoh berulang-ulang bahwa "data adalah minyak baru"? Tentunya semua orang mendengar. Faktanya, orang belajar mengumpulkan data sejak lama, tetapi mengekstraksi data dari data ini adalah tugas yang sekarang coba dipecahkan oleh kecerdasan buatan dalam pemasaran, atau semacam algoritma statistik. Mengapa Karena jika Anda berbicara dengan seseorang, ia dapat memberi Anda jawaban yang benar, salah, atau entah bagaimana berwarna. Lelucon yang saya ceritakan kepada siswa - bagaimana jajak pendapat berbeda dari statistik - saya akan memberi tahu Anda dalam bentuk lelucon:

Jadi, di dua desa mereka memutuskan untuk melakukan studi tentang panjang rata-rata martabat pria. Jadi, di desa pertama, Villaribo, panjang rata-rata adalah 15 sentimeter, di desa Villabaggio - 25. Apakah Anda tahu mengapa? Karena di desa pertama pengukuran diambil, dan di kedua - survei.

Industri porno - unggulan dari sistem rekomendasi

Inilah sebabnya mengapa pendekatan modern untuk menganalisis semua orang tanpa kecuali, bahkan jika mereka sedikit kurang dari 100%, tetapi ini adalah orang-orang yang tidak perlu ditanyakan, mereka tidak perlu dilihat. Cukup dengan menganalisis apa yang sekarang disebut jejak digital untuk memahami apa yang dibutuhkan orang ini, cara berbicara dengannya dengan benar, cara membentuk permintaan di sekelilingnya. Di satu sisi, ini adalah mesin tanpa pikiran (tapi kita semua tahu ini dengan sangat baik); kami tidak ingin berkomunikasi dengan orang-orang dari M. Video ", dan terlebih lagi, dengan mengakses sumber daya seperti" Pornhub ", kami ingin mendapatkan apa yang kami butuhkan.

Mengapa saya selalu berbicara tentang pornhub? Karena industri dewasa adalah yang pertama yang datang ke analisis teknologi yang sama, untuk pengenalan teknologi yang sama, untuk analisis data. Jika Anda mengambil tiga perpustakaan paling populer di daerah ini (misalnya, TensorFlow atau Pandas untuk "pelempar kecil", untuk memproses csv-shek dan sebagainya), jika Anda membuka di "Github", dengan "google" singkat, semua nama ini Anda akan menemukan beberapa orang yang bekerja atau sedang bekerja di Pornhub, dan yang pertama di sana menerapkan sistem rekomendasi dengan tepat. Secara umum, cerita ini sangat maju, dan menunjukkan seberapa banyak pemirsa ini, seberapa banyak perusahaan ini telah bergerak maju.

Tiga tingkat identifikasi

Di sekitar orang itu ada sejumlah besar data yang dapat diidentifikasi. Saya biasanya secara resmi membaginya menjadi tiga level, menyelam lebih dalam dan lebih dalam. Secara alami, perusahaan memiliki data sendiri.

Jika, katakanlah, kita berbicara tentang membangun sistem rekomendasi, maka level pertama adalah data yang terletak di dekat toko itu sendiri (riwayat pembelian, semua jenis transaksi, bagaimana seseorang berinteraksi dengan antarmuka).

Lalu ada level (relatif yang terbesar) - inilah yang disebut open source. Jangan berpikir bahwa saya mendorong Anda untuk mem-parsing jejaring sosial, tetapi sebenarnya apa yang ada di sumber terbuka membuka sekumpulan besar data yang dapat Anda ceritakan tentang seseorang untuk dipelajari.

Dan bagian utama ketiga adalah lingkungan orang ini sendiri. Ya, ada pendapat bahwa jika seseorang tidak ada di jejaring sosial - tidak ada data tentang dia (Anda mungkin sudah tahu bahwa ini tidak benar), tetapi yang paling penting, data yang ada di profil orang tersebut (atau dalam beberapa aplikasi ) - ini hanya 40% dari pengetahuan yang bisa diperoleh tentang itu. Informasi yang tersisa diperoleh dari lingkungannya. Ungkapan "katakan siapa temanmu dan aku akan mengatakan siapa dirimu" mengambil makna baru di abad ke-21, karena sejumlah besar data dapat diperoleh di sekitar orang ini.

Berbicara lebih dekat dengan komunikasi periklanan, mendapatkan komunikasi periklanan bukan dari periklanan, tetapi dari beberapa teman Anda, seorang teman atau orang yang entah bagaimana diverifikasi - ini adalah fitur yang sangat keren yang digunakan oleh sekelompok pemasar. Ketika beberapa jenis aplikasi tiba-tiba memberi Anda kode promo gratis, Anda mempostingnya dan dengan demikian menarik audiens baru. Sebenarnya, kode promosi ini untuk Yandex bersyarat. Taksi tidak dipilih sama sekali secara acak, dan untuk ini sejumlah besar data dianalisis tentang potensi Anda untuk menarik audiens baru dan entah bagaimana berinteraksi dengannya.

Mereka bahkan menganalisis perilaku para pahlawan seri

Saya akan menunjukkan kepada Anda tiga gambar, dan Anda memberi tahu saya apa perbedaan di antara mereka.

Ini:



Ini:



Dan yang ini:



Apa perbedaan di antara mereka? Semuanya sederhana di sini. Seperti dalam mekanika kuantum, dalam hal ini, kreatifitas ini dibentuk oleh seorang pengamat. Artinya, perbedaan dalam kampanye iklan yang sama dilakukan oleh merek yang sama pada saat yang sama, hanya pada orang yang menonton kreatif ini. Secara pribadi, ketika saya pergi ke Amediateka, mereka masih menunjukkan Khala Drogo. Saya tidak tahu apa pendapat Amediateka tentang preferensi saya, tetapi entah bagaimana itu terjadi.

Apa yang sekarang disebut komunikasi yang dipersonalisasi adalah kisah paling populer dalam menarik audiens dan berinteraksi dengan baik dengannya. Jika pada tahap pertama kami mengidentifikasi orang yang menggunakan data merek kami sendiri, data sumber terbuka dan, misalnya, data lingkungan orang ini, kami dapat memahami siapa dia, bagaimana berbicara dengannya dengan benar dan, yang paling penting, dalam bahasa apa bicara padanya.

Di sini teknologi telah berkembang sedemikian rupa sehingga para pahlawan dari seri yang dilihat seseorang sedang dianalisis. Artinya, Anda menyukai seri - mereka [suka] melihat, menonton, dengan siapa Anda berinteraksi, untuk memahami orang yang tepat bagi Anda untuk berinteraksi dengannya. Kedengarannya seperti omong kosong, tetapi demi minat pada beberapa sumber daya, cobalah - orang yang berbeda melihat kreativitas yang berbeda (untuk berinteraksi dengannya dengan benar).

Bukan satu outlet media modern atau sumber daya video apa pun yang hanya menampilkan berita apa pun kepada Anda. Pergi ke media - sejumlah besar algoritma dimuat yang mengidentifikasi Anda, memahami semua aktivitas Anda sebelumnya, membuat daya tarik ke matmodel dan kemudian menunjukkan kepada Anda sesuatu. Dalam hal ini, inilah kisah yang aneh.

Bagaimana Anda mendefinisikan kebutuhan Anda? Psikometri Fisiognomi

Ada begitu banyak pendekatan (nyata) untuk menentukan kebutuhan aktual seseorang, dan bagaimana berkomunikasi dengannya dengan benar. Ada banyak pendekatan, semua orang memutuskan dengan cara yang berbeda, orang tidak bisa mengatakan seberapa baik, seberapa buruk. Dasar, sepertinya, semua orang tahu.



Psikometri Setelah cerita dengan Cambridge Analytics, menurut saya, agak mengejutkan, karena setiap perusahaan politik kedua sekarang datang dan berkata: "Oh, bisakah Anda melakukannya kepada saya seperti Trump? Saya juga ingin menang, dan sebagainya. " Sebenarnya, ini, tentu saja, tidak masuk akal untuk realitas kita, misalnya, pemilihan politik. Tetapi tiga model digunakan untuk menentukan psikotipe:

• yang pertama didasarkan pada konten yang Anda konsumsi - pada kata-kata yang Anda tulis, pada beberapa informasi yang Anda sukai, video, dll.;
• yang kedua terkait dengan bagaimana Anda berinteraksi dengan antarmuka web, bagaimana Anda mengetik, tombol mana yang Anda tahan - memang, ada seluruh perusahaan yang dapat dengan andal menentukan apa yang sekarang disebut psikotipe menggunakan tulisan tangan keyboard.
• Saya bukan seorang psikolog, saya tidak mengerti persis bagaimana cara kerjanya, tetapi dari sudut pandang komunikasi periklanan, pemirsa yang dibagi menjadi segmen-segmen ini bekerja dengan sangat baik, karena seseorang perlu menampilkan layar merah dengan wanita biru, seseorang membutuhkan gelap adalah latar belakang biru dengan semacam abstraksi, dan itu bekerja sangat keren. Pada beberapa level rendah - sedemikian rupa sehingga seseorang bahkan tidak memikirkannya. Sekarang apa masalah utama di pasar periklanan? Semua adalah agen dari layanan khusus, semua orang bersembunyi, setiap orang memiliki sejuta ribu perizinan browser yang ditetapkan sehingga tidak dapat diidentifikasi dengan cara apa pun - Anda mungkin memiliki Adblock, Gostry dan semua jenis aplikasi yang memblokir pelacakan. Karena itu, sangat sulit untuk memahami sesuatu tentang seseorang. Dan teknologi telah melangkah lebih jauh - Anda tidak hanya perlu tahu bahwa orang ini telah kembali ke situs Anda untuk yang ke-125 kalinya, tetapi ia masih orang yang aneh.

Fisiognomi adalah ilmu yang sangat kontroversial. Bahkan tidak dianggap sains. Ini adalah sekelompok orang yang dulu memprogram pendeteksi kebohongan untuk beberapa Kementerian Dalam Negeri, dan sekarang mereka terlibat, seperti yang mereka katakan, personifikasi materi iklan. Pendekatan di sini sangat sederhana: ambil beberapa foto publik Anda dari beberapa jejaring sosial, gunakan untuk membangun geometri tiga dimensi. Dan jika Anda seorang pengacara, sekarang Anda akan mengatakan bahwa ini adalah data pribadi dan pribadi; dan saya akan memberi tahu Anda bahwa ini adalah 300 ribu titik yang terletak di ruang angkasa, dan ini bukan orang, dan itu bukan data pribadi. Itulah yang biasanya dikatakan semua orang ketika Roskomnadzor mendatangi mereka.

Tapi serius, secara terpisah, wajah Anda, jika nama dan nama keluarga Anda tidak ditandatangani di sana, bukan data pribadi Anda. Intinya adalah bahwa para pria menandai berbagai fitur wajah yang memengaruhi cara seseorang mengambil keputusan dan cara berinteraksi dengannya. Di suatu tempat ia bekerja dengan buruk, di beberapa segmen iklan; di segmen mana ia bekerja dengan sangat baik. Pada akhirnya, ternyata ketika Anda pergi ke sumber daya tertentu, Anda melihat lebih dari satu spanduk yang diperlihatkan kepada semua orang, tetapi, misalnya ... sekarang normal untuk membuat 16 atau 20 opsi untuk audiens yang berbeda - dan berfungsi sangat keren. Ya, ini bahkan lebih menyedihkan dari sudut pandang konsumen, karena orang-orang mulai memanipulasi semakin banyak. Namun demikian, dari sudut pandang bisnis, ini bekerja dengan sangat baik.

Kotak hitam pembelajaran mesin

Ini menimbulkan masalah berikut dari teknologi tersebut: setelah semua, untuk sebagian besar pengembang sekarang apa yang disebut pembelajaran dalam adalah "kotak hitam". Jika Anda pernah terjun ke dalam cerita ini dan berbicara dengan para pengembang, mereka selalu berkata: "Oh, dengarkan, yah, kami memiliki sesuatu yang sangat tidak dapat dipahami di sana, dan kami tidak tahu cara kerjanya." Mungkin seseorang memilikinya.

Ini sebenarnya jauh dari kebenaran. Apa yang sekarang disebut pembelajaran mesin jauh dari kotak hitam. Ada sejumlah besar pendekatan untuk menggambarkan data input dan output, dan pada akhirnya perusahaan dapat sepenuhnya memahami berdasarkan tanda-tanda apa yang diputuskan oleh mesin untuk menunjukkan kepada Anda video porno ini atau lainnya. Pertanyaannya adalah tidak ada perusahaan yang pernah mengungkapkan ini, karena: pertama, rahasia dagang; kedua, akan ada sejumlah besar data yang bahkan tidak Anda sadari.

Misalnya, sebelum ini, dalam sebuah diskusi tentang etika, kami membahas bagaimana jejaring sosial menganalisis pesan-pesan pribadi untuk memberi tag orang pada beberapa jenis cerita periklanan. Anda menulis sesuatu kepada seseorang - atas dasar ini Anda mendapatkan tag tertentu untuk, pada kenyataannya, semacam komunikasi periklanan. Dan Anda tidak akan pernah membuktikannya, dan mungkin tidak ada gunanya membuktikannya. Namun, jika model seperti itu terungkap, mereka akan menjadi. Ternyata pasar untuk membangun sistem rekomendasi semacam itu berpura-pura tidak tahu mengapa ini terjadi.

Orang tidak ingin tahu apa yang mereka ketahui tentang mereka.

Dan cerita kedua adalah bahwa klien tidak pernah ingin tahu mengapa ia menerima pengumuman khusus ini, produk khusus ini. Saya akan menceritakan kisah seperti itu kepada Anda. Pengalaman pertama saya dalam implementasi komersial sistem rekomendasi berdasarkan algoritma semacam itu adalah demi penelitian pada tahun 2015 di jaringan toko-toko seks yang sangat besar (ya, ini juga bukan cerita yang sangat ramah).



Para pelanggan ditawari yang berikut: mereka masuk, masuk dengan jejaring sosial mereka, di suatu tempat dalam 5 detik mereka menerima toko yang sepenuhnya dipersonalisasi untuk mereka, yaitu, semua produk telah berubah secara langsung - mereka masuk dalam kategori tertentu dan seterusnya. Tahukah Anda seberapa banyak konversi toko ini meningkat? Tidak semuanya! Orang-orang masuk dan segera berlari keluar. Mereka masuk dan menyadari bahwa mereka ditawari apa yang mereka pikirkan ...

Masalah dengan tes ini adalah bahwa di bawah masing-masing produk tertulis mengapa mereka menawarkan Anda persis seperti itu ("karena Anda berada di kelompok tersembunyi" Wanita angkuh itu mencari seorang pria - "gombal"). Oleh karena itu, sistem rekomendasi modern tidak pernah menunjukkan data berdasarkan “prediksi” dibuat.

Media adalah cerita yang sangat populer karena mereka semua menggunakan sistem rujukan yang serupa. Sebelumnya, algoritmanya sangat sederhana: lihat kategori "Politik" - mereka akan menampilkan berita dari kategori "Politik". Sekarang semuanya sangat rumit sehingga mereka menganalisis tempat-tempat di mana Anda menghentikan mouse, kata-kata apa yang Anda fokuskan, apa yang Anda salin, bagaimana Anda berinteraksi dengan halaman ini. Lalu ia menganalisis kosa kata dari pesan itu sendiri: ya, Anda tidak hanya membaca berita tentang Putin, tetapi dengan cara tertentu, dengan beberapa warna emosional tertentu. Dan ketika seseorang menerima berita, dia bahkan tidak akan berpikir tentang bagaimana dia datang ke sini. Namun demikian, kemudian berinteraksi dengan konten ini.

Semua ini, tentu saja, bertujuan untuk menjaga orang miskin yang malang yang sangat tergila-gila dengan banyaknya informasi yang ada di sekitarnya. Harus dikatakan di sini bahwa alangkah baiknya menggunakan sistem seperti itu untuk mempersonifikasikan kreativitas di sekitar Anda, mengumpulkan beberapa informasi, tetapi, sayangnya, sejauh ini belum ada layanan seperti itu.

Kecerdasan buatan menangkap klien saat lepas landas dan membentuk permintaan

Dan di sini muncul satu pertanyaan filosofis yang sangat menarik, bergerak dari penciptaan sistem rekomendasi ke pembentukan permintaan. Jarang ada yang memikirkannya, tetapi ketika Anda mencoba bertanya pada Instagram bersyarat, “Mengapa Anda mengumpulkan data? Mengapa tidak menunjukkan kepada saya iklan yang benar-benar acak? "," Instagram "akan memberi tahu Anda:" Teman, semuanya dilakukan untuk menunjukkan dengan tepat apa yang Anda minati. " Seperti, kami sangat ingin tahu Anda untuk menunjukkan kepada Anda apa yang Anda cari.



Tetapi teknologi telah lama melangkah melewati tonggak yang mengerikan ini, dan teknologi serupa tidak lagi memprediksi apa yang Anda butuhkan. Mereka (perhatian!) Membentuk permintaan. Ini mungkin hal terburuk yang berkisar pada kecerdasan buatan dalam komunikasi semacam itu. Mengerikan karena telah digunakan hampir secara universal selama 3-5 tahun terakhir - dari penerbitan Google hingga penerbitan Yandex, ke beberapa sistem ... Oke, saya tidak akan mengatakan hal buruk tentang Yandex; dan bagus.

Apa gunanya Komunikasi periklanan seperti itu telah lama berubah dari strategi ketika Anda menulis "Saya ingin membeli kursi anak" dan Anda melihat seratus ribu juta publikasi. Mereka melanjutkan ke yang berikut: hanya seorang wanita memposting foto dengan perut yang hampir tidak terlihat, suaminya akan segera mulai mengejar pesan - “Man, segera pengiriman. Beli kursi bayi. "

Di sini Anda bertanya mengapa, dengan kemajuan teknologi sebesar ini, kami masih melihat iklan menyebalkan di jejaring sosial? Masalahnya adalah bahwa uang masih menyelesaikan segalanya di pasar ini, jadi pada saat yang tepat beberapa pengiklan seperti "Coca-Cola" dapat datang dan berkata: "Di sini Anda memiliki 20 juta - tunjukkan spanduk sial saya ke seluruh Internet". Dan mereka benar-benar melakukannya.

Tetapi jika Anda membuat semacam akun bersih dan menguji seberapa akurat algoritma tersebut akan menebak Anda: pertama-tama mereka mencoba menebak Anda, dan kemudian mereka mulai melakukan sesuatu terlebih dahulu. Dan otak manusia bekerja sedemikian rupa sehingga, menerima informasi yang dapat diandalkan untuknya, ia bahkan tidak memproses saat mengapa ia menerima informasi ini. Aturan pertama adalah menentukan bahwa Anda berada dalam mimpi - Anda perlu memahami bagaimana Anda datang ke sini. Seseorang tidak pernah mengingat saat ketika dia berada di sebuah ruangan. Itu sama di sini.

Google dapat mulai membentuk pandangan dunia Anda

Studi semacam itu dilakukan oleh beberapa perusahaan asing yang bergerak di bidang eye-tracking. Mereka menempatkan perangkat di komputer khusus yang merekam di mana mata subjek terlihat. Dia mengambil dari lima hingga tujuh ribu sukarelawan yang hanya menggulung rekaman itu, berinteraksi dengan jejaring sosial, dengan iklan, dan mereka menuliskan informasi tentang bagian spanduk dan materi iklan mana yang berhenti dilihat orang-orang ini.

Dan ternyata ketika orang mendapatkan kreatif yang sangat personal, mereka bahkan tidak memikirkannya - mereka segera pergi, mulai berinteraksi dengannya. Dari sudut pandang bisnis, ini bagus, tetapi dari sudut pandang kami, sebagai pengguna, ini tidak terlalu keren, karena - apa yang mereka takutkan? - Bahwa pada satu saat yang baik "Google" bersyarat dapat mulai (dan, tentu saja, tidak dapat mulai) untuk membentuk pandangan dunianya. Dia mungkin besok, misalnya, mulai menunjukkan kepada orang-orang bahwa bumi itu datar.

Ini adalah lelucon, tetapi mereka sering kali tertangkap basah bahwa selama pemilihan mereka mulai memberikan informasi tertentu kepada orang-orang tertentu. Kita semua terbiasa dengan kenyataan bahwa mesin pencari mendapatkan semuanya dengan jujur. Tapi, seperti yang selalu saya katakan, jika Anda benar-benar ingin tahu cara kerja dunia, tulis mesin pencari Anda sendiri, tanpa filter, tanpa memperhatikan hak cipta, tanpa peringkat siapa pun dari teman Anda dalam daftar. Penerbitan data nyata di Internet umumnya berbeda dari apa yang ditampilkan Google, Yandex, Bing dan sebagainya. Beberapa bahan bersembunyi, karena teman, kolega, musuh, atau orang lain (atau mantan kekasih yang Anda temui) tidak masalah.

Bagaimana truf menang

Ketika pemilihan terakhir di AS, sebuah studi yang sangat sederhana dilakukan. Mereka mengambil permintaan yang sama di tempat yang berbeda, dari IP yang berbeda, dari kota yang berbeda, orang yang berbeda juga melakukan hal yang sama di Google. Secara konvensional, permintaan itu bergaya: siapa yang akan memenangkan pemilihan? Dan yang mengejutkan, hasilnya dibangun bahwa di negara-negara di mana jumlah terbesar orang mencoba memilih kandidat yang salah, mereka menerima kabar baik tentang kandidat yang dipromosikan oleh Google. Yang mana Nah, sudah jelas apa - orang yang menjadi presiden. Ini adalah kisah yang sama sekali tidak dapat dibuktikan, dan semua penelitian ini - dengan jari Anda di atas air. Google dapat mengatakan: "Kawan, semua ini dilakukan agar kami menampilkan konten yang paling relevan untuk Anda."

Mulai sekarang, Anda harus tahu bahwa apa yang disebut yang paling relevan bukanlah ara. Perusahaan menyebut relevan apa yang perlu Anda jual untuk beberapa alasan baik atau buruk.

Mereka yang tidak punya uang sekarang sudah bersiap untuk pembelian di masa depan

Masih ada momen yang menarik, yang akan saya bicarakan. Sejumlah besar pemirsa aktif sekarang di jejaring sosial, dalam aplikasi - ini adalah kaum muda. Kami menyebutnya begitu - anak muda yang bangkrut: anak-anak berusia 8-9 tahun yang mengeklik permainan gila, ini adalah 12-13-14 yang hanya mendaftar di jejaring sosial. Mengapa perusahaan besar menghabiskan anggaran dan sumber daya yang besar untuk membuat aplikasi untuk audiens yang bangkrut yang tidak pernah diuangkan? Saat audiens ini menjadi pelarut, akan ada cukup data tentang hal itu untuk memprediksi perilakunya dengan sangat baik.



Sekarang tanyakan targetolog apa saja yang merupakan audiens paling sulit? Mereka akan berkata: sangat menguntungkan. Karena menjual, misalnya, apartemen senilai 150 juta rubel melalui jejaring sosial hampir tidak mungkin. Kasus terisolasi ketika Anda membuat semacam iklan untuk 10 ribu orang, satu membeli apartemen ini - klien sukses ... Tapi satu dari sepuluh ribu dari sudut pandang statistik adalah omong kosong. Jadi, mengapa sulit untuk mengidentifikasi audiens yang sangat menguntungkan? Karena orang-orang yang sekarang menjadi anggota khalayak yang sangat menguntungkan lahir ketika Internet masih sangat kecil, ketika Artemy Lebedev masih tidak tahu, dan tidak ada informasi tentang mereka. Tidak mungkin untuk memprediksi model perilaku mereka, tidak mungkin untuk memahami siapa yang dipikirkan para pemimpin untuk mereka, dari sumber konten apa yang mereka terima.

Karena itu, ketika Anda semua menjadi miliarder dalam 25 tahun, dan perusahaan yang akan menjual sesuatu kepada Anda akan memiliki sejumlah besar data. Oleh karena itu, GDPR yang luar biasa kini telah muncul di Eropa, yang mencegah pengumpulan data dari anak di bawah umur.

Secara alami, ara ini tidak bekerja dalam praktik, karena semua anak masih bermain ibu, akun ayah - dengan cara ini informasi dikumpulkan. Lain kali Anda memberi anak Anda tablet, pikirkanlah.

Sama sekali bukan masa depan yang mengerikan dan anti-utopis, ketika semua orang mati dalam perang dengan mesin - benar-benar kisah nyata sekarang. Ada sejumlah besar perusahaan yang membuat algoritma untuk orang-orang psiko-profil dengan cara mereka bermain game. Industri yang sangat menarik. Berdasarkan hal ini, orang-orang kemudian disegmentasi, sehingga mereka dapat berkomunikasi dengan mereka.



Prediksi perilaku orang-orang ini akan tersedia dalam 10-15 tahun - tepat pada saat mereka menjadi audiens pelarut. Yang paling penting, orang-orang ini telah memberikan izin terlebih dahulu untuk memproses data pribadi mereka, mentransfernya ke pihak ketiga dan semua ini adalah kebahagiaan, dan sebagainya.

Siapa yang akan kehilangan pekerjaan?

Dan kisah terakhir yang saya miliki adalah bahwa setiap orang selalu bertanya apa yang akan terjadi dalam 50 tahun: kita semua akan mati, akan ada pengangguran dari pemasar ... Apakah ada pemasar yang khawatir tentang pengangguran, bukan? Kekhawatiran, secara umum, tidak sepadan, karena setiap orang yang berkualifikasi tinggi tidak akan kehilangan pekerjaannya.



Tidak peduli apa algoritma yang dibuat, tidak peduli berapa banyak mobil mendapatkan apa yang kita miliki di sini (menunjuk ke kepala), jika itu berkembang cukup cepat, orang-orang seperti itu tidak akan pernah menganggur, karena seseorang harus menggunakan kreatif ini harus dilakukan. Ya, ada semua jenis "ghans" yang menggambar yang terlihat seperti orang, membuat musik, tapi tetap saja, kelihatannya suatu hari orang tidak akan kehilangan pekerjaan mereka di area ini.



Saya memiliki segalanya dengan sejarah, sehingga Anda dapat mengajukan pertanyaan jika Anda memiliki lebih banyak. Terima kasih



Presenter: - Teman, kita sekarang pindah ke blok Tanya-Jawab. Anda mengangkat tangan Anda - saya datang kepada Anda.



Pertanyaan dari penonton (H): - Pertanyaan tentang "kotak hitam". Mereka mengatakan bahwa Anda secara khusus dapat memahami mengapa hasil seperti itu bagi pengguna tersebut. Apakah ini semacam algoritma, atau apakah itu setiap waktu untuk setiap model ad hoc (catatan penulis: "khusus untuk ini" - unit fraseologi Latin) yang perlu Anda uraikan? Atau sudah ada yang siap, untuk beberapa jaringan saraf, Anda bisa mengerti, secara kasar, makna bisnis?

AH:- Di sini Anda perlu memahami yang berikut: dalam pembelajaran mesin ada banyak tugas. Misalnya, ada tugas - regresi. Untuk regresi, tidak ada jaringan saraf yang diperlukan sama sekali. Semuanya sederhana di sana: Anda memiliki beberapa indikator, Anda perlu menghitung yang berikut ini. Ada tugas-tugas di mana perlu untuk menggunakan hal seperti pembelajaran yang mendalam. Memang, dalam pembelajaran mendalam, sulit untuk memahami dengan andal apa bobot yang ditetapkan untuk neuron mana, tetapi yang perlu Anda lakukan secara legal adalah memahami data apa yang ada di input, bagaimana hasilnya. Ini cukup legal untuk mematenkan keputusan semacam itu dan ini cukup untuk memahami atas dasar mana cerita itu diadopsi.

Tidak ada yang seperti Anda pergi ke situs dan Anda ditunjukkan semacam banner karena Anda difoto dengan Instagram dua bulan lalu dengan rambut merah. Jika pengembang tidak meletakkan pengumpulan data ini, menandai warna rambut dalam model ini, maka itu tidak akan diambil dari langit-langit.

Bagaimana cara menjual hasil dari sistem pembelajaran mesin?

Z: - Pertanyaannya adalah: memahami bagaimana menjelaskan, menjual kepada seseorang yang tidak mengerti pembelajaran mesin. Saya ingin mengatakan: model saya - dari warna rambut jelas mengarah ke ... yah, warna rambut berubah ... Apakah ini mungkin atau tidak?



AH: - Mungkin iya. Tetapi dari sudut pandang penjualan, satu-satunya skema akan berfungsi: Anda memiliki kampanye iklan, kami mengganti audiens dengan yang dibentuk mesin - dan Anda hanya melihat hasilnya. Sayangnya, ini adalah satu-satunya pilihan pelanggan yang dapat diandalkan untuk meyakinkan bahwa cerita seperti itu berhasil, karena ada banyak solusi di pasar yang pernah diterapkan dan tidak berhasil.

Tentang membuat identitas virtual

Z: - Halo. Terima kasih untuk ceramahnya. Pertanyaannya adalah: apa peluang bagi seseorang yang karena alasan tertentu tidak ingin mengikuti pembelajaran mesin, menciptakan kepribadian virtual yang secara fundamental berbeda dari kepribadiannya sendiri, melalui interaksi dengan antarmuka atau karena beberapa alasan lain?



AH: - Ada banyak plugin berbeda yang berhubungan secara khusus dengan pengacakan perilaku. Ada hal yang keren - Ghostery, yang, menurut pendapat saya, hampir sepenuhnya menyembunyikan Anda dari sekelompok pelacak yang berbeda yang kemudian tidak dapat merekam informasi ini. Tetapi pada kenyataannya, sekarang profil tertutup di jejaring sosial akan cukup untuk Anda sehingga tidak ada seorang pun, tidak ada pengurai kejahatan yang mengumpulkan apa pun di sana. Mungkin lebih baik untuk meletakkan semacam ekstensi atau menulis sesuatu sendiri.

Anda lihat, ini adalah konsep yang secara hukum, misalnya, data pribadi mengacu pada data yang dengannya Anda dapat diidentifikasi, dan undang-undang memberi contoh alamat tempat tinggal, usia, dan sebagainya. Sekarang data yang dengannya Anda dapat diidentifikasi tidak terhitung jumlahnya: tulisan tangan keyboard yang sama, pers yang sama, tanda tangan digital dari browser ... Cepat atau lambat, orang tersebut salah. Dia dapat duduk di suatu tempat di "kafe" melalui "Tor", tetapi pada akhirnya dia akan lupa untuk menyalakan VPN, atau yang lain, dan pada saat itu dia dapat diidentifikasi. Jadi cara termudah adalah membuat akun tertutup dan memasang semacam ekstensi.

Pasar bergerak menuju fakta bahwa Anda hanya perlu menekan satu tombol untuk mendapatkan hasilnya

Z: - Terima kasih atas ceritanya. Seperti biasa, selalu menarik (saya mengikuti Anda). Pertanyaannya adalah: apa kemajuan dalam hal menciptakan sistem sistem rekomendasi yang ramah pengguna? Anda mengatakan bahwa pada suatu waktu Anda terlibat dalam sistem rekomendasi untuk menemukan pasangan seksual, teman kehidupan (atau musik yang mungkin disukai seseorang) ... Seberapa menjanjikan semua ini, dan bagaimana Anda melihat perkembangannya secara tepat dari sudut pandang menciptakan sistem yang dibutuhkan orang?

AH:- Secara umum, pasar bergerak menuju fakta bahwa orang perlu menekan satu tombol dan segera mendapatkan apa yang mereka butuhkan. Adapun pengalaman saya dalam membuat aplikasi kencan (kami, omong-omong, akan memulai kembali pada akhir tahun), di sana, selain fakta bahwa 65% adalah pria yang sudah menikah, masalah rekomendasi yang paling sulit adalah bahwa beberapa model ditawarkan kepada orang tersebut pada awal aplikasi - “ Persahabatan "," Seks "," Persahabatan Seks "dan" Bisnis ". Orang tidak memilih apa yang mereka butuhkan. Laki-laki datang untuk memilih "Cinta", tetapi pada kenyataannya mereka melemparkan yang telanjang kepada semua orang, dan seterusnya.

Masalahnya adalah untuk mengidentifikasi seseorang yang tidak cocok dengan model-model ini, dan entah bagaimana dengan lancar mengambil dan memindahkannya ke sisi lain. Karena jumlah data yang kecil, sangat sulit untuk menentukan apakah ini merupakan kesalahan algoritme prakiraan atau seseorang tidak termasuk dalam kategorinya. Itu sama dengan musik: ada sangat sedikit algoritma yang benar-benar bagus dalam membuat musik. Mungkin Yandex. Musik. Seseorang menganggap algoritma Yandex.Music buruk. Sebagai contoh, saya menyukainya. Misalnya, saya pribadi tidak suka algoritme YouTube-musik dan sebagainya.

Ada, tentu saja, kehalusan mereka - semuanya terikat pada lisensi ... Tapi sebenarnya permintaan untuk sistem seperti itu cukup besar. Perusahaan Ritel Rocket, yang terlibat dalam penerapan sistem rekomendasi, dikenal pada satu waktu, sekarang entah bagaimana tidak hidup dengan baik - tampaknya karena mereka tidak mengembangkan algoritma sendiri untuk waktu yang lama. Semuanya berjalan seperti ini - bahwa kita masuk dan, tanpa menekan apa pun, dapatkan apa yang kita butuhkan (dan benar-benar bodoh, karena kemampuan untuk memilih telah sepenuhnya menghilang dari kita).

Pemasaran influenza

Z: - Halo. Nama saya Konstantin. Saya ingin mengajukan pertanyaan tentang pengaruh pemasaran. Apakah Anda tahu sistem yang memungkinkan bisnis untuk memilih blogger yang cocok untuk bisnis berdasarkan beberapa statistik dan seterusnya? Dan atas dasar apa ini dilakukan?



AH: - Ya, saya akan mulai dari jauh dan langsung mengatakan bahwa masalah dengan semua teknologi ini adalah bahwa semua kecerdasan buatan dalam pemasaran ini bergerak seperti pejalan tali: ada perusahaan besar di sebelah kiri yang memiliki banyak uang, dan mereka akan tetap memiliki semuanya bekerja secara efisien, karena kampanye iklan mereka hanya bertujuan untuk melihat; di sisi lain, ada banyak bisnis kecil yang tidak akan berhasil, karena mereka memiliki banyak data. Sejauh ini, penerapan kisah-kisah ini ada di tengah-tengah.

Ketika sudah ada anggaran yang baik, dan tugasnya adalah memproses anggaran ini dengan benar (dan, pada prinsipnya, sudah ada banyak data) ... Saya tahu beberapa layanan, seperti "Getblogger", yang tampaknya memiliki algoritma. Sejujurnya saya belum mempelajari algoritma ini. Saya dapat memberi tahu Anda pendekatan apa yang kami gunakan untuk mencari pemimpin opini ketika beberapa ibu perlu memberikan hadiah.

Kami menggunakan metrik yang disebut Waktu Distribusi Konten. Ini berfungsi sebagai berikut: Anda mengambil orang yang audiensnya Anda analisis, dan Anda perlu secara sistematis (misalnya, setiap 5 menit) mengumpulkan informasi tentang siapa yang mempostingnya, mengomentarinya, dan sebagainya. Dengan demikian, akan mungkin untuk memahami pada titik waktu mana setiap orang dari audiens berinteraksi dengan kontennya. Ulangi operasi ini untuk setiap perwakilan audiensnya, dan dengan demikian, menggunakan metrik waktu rata-rata untuk distribusi konten, ia dapat, misalnya, dilempar warna dalam grafik jaringan yang besar dari orang-orang ini dan menggunakan metrik ini untuk membangun cluster.

Ini berfungsi dengan baik jika kita ingin, misalnya, untuk menemukan 15 ibu yang memegang opini publik mereka pada beberapa woman.ru. Tapi ini adalah implementasi teknis yang agak rumit (walaupun secara teori dimungkinkan untuk melakukan ini pada Python juga). Intinya adalah bahwa masalah pengaruh pemasaran di biro iklan besar adalah bahwa mereka membutuhkan blogger besar, keren, mahal yang tidak bekerja apa-apa. Nah, merek mobil ingin menjual beberapa produk melalui semacam pemimpin opini - mereka harus menggunakan blogger otomatis yang terakhir, karena para pemirsa itu sudah membeli mobil, atau tahu pasti mobil mana yang diinginkan, hanya melihat mobil-mobil keren. Di sini penting untuk tidak ketinggalan analisis audiensi orang itu sendiri.

Bot pemasaran

Z: - Katakan, seberapa kuat bot di jejaring sosial memengaruhi pengumpulan informasi dan kualitasnya?



AH: - Dengan bot hal yang menarik. Bot murah mudah diidentifikasi - mereka memiliki konten yang sama, atau mereka berteman satu sama lain, atau mereka berada dalam satu kotak. Dengan bot kompleks ada juga pendekatan. Atau apakah Anda meminta tugas bagaimana mengikat seseorang ke palsunya?

Z: - Berapa banyak informasi berkualitas yang akan dihasilkan dengan semua sampah ini?

AH: - Ini dia bekerja dengan cara ini: karena fakta bahwa ada sejumlah besar data (misalnya, untuk beberapa jenis riset pemasaran), Anda bisa membuang semua hal yang membingungkan ini. Artinya, lebih baik membuang sedikit lebih banyak orang sungguhan daripada menangkap bot, karena tidak ada gunanya bagi mereka untuk menampilkan semua jenis iklan. Tetapi jika Anda mengumpulkan metrik, misalnya, interaksi dengan spanduk atau sistem rekomendasi, akun tersebut dapat dibuang.

Saat ini, ada enam karakter virtual di jejaring sosial atau cukup meninggalkan halaman atau introvert, yang algoritmenya “cocok” dengan bot. Sedangkan untuk menghubungkan seseorang dengan kepalsuannya, semua yang ada di sini juga terikat pada fakta bahwa seseorang akan membuat kesalahan cepat atau lambat, dan masalahnya adalah bahwa model perilaku itu sama - yaitu dari akun aslinya, yaitu palsu. Cepat atau lambat, mereka akan menonton konten yang sama atau sesuatu yang lain.

Itu semua tidak turun ke persentase kesalahan, tetapi untuk jumlah waktu yang diperlukan untuk identifikasi seseorang yang dapat diandalkan. Untuk seseorang yang tinggal dengan Instagram-nya, waktu identifikasi yang andal ini hanya memerlukan waktu lima menit. Untuk seseorang - hingga enam hingga delapan bulan.

Kepada siapa dan bagaimana menjual data?

Z: - Halo. Saya tertarik untuk mengetahui bagaimana data dijual antara perusahaan? Sebagai contoh, saya memiliki aplikasi di mana Anda dapat mengetahui (kepada pengembang) ke mana seseorang pergi, toko mana, dan berapa banyak uang yang ia habiskan di sana. Dan saya tertarik mengetahui bagaimana, katakanlah, untuk menjual informasi toko-toko ini tentang audiens mereka ke toko-toko ini atau untuk membuang data mereka ke dalam satu basis data besar dan mendapatkan bayaran untuk itu?



AH: - Adapun untuk menjual data secara langsung kepada seseorang - Anda, semua orang, dikalahkan oleh OFD - operator data fiskal, yang secara cerdik dibangun di antara transfer cek dan Pajak dan sekarang mencoba menjual semua data kepada semua orang. Memang, pada kenyataannya, mereka telah meruntuhkan seluruh pasar analitik seluler. Bahkan, Anda dapat menyematkan aplikasi Anda, misalnya, piksel Facebook, sistem DMP-nya; kemudian gunakan pemirsa ini untuk menjual. Misalnya, piksel "Bidik Target". Saya tidak hanya tahu audiens seperti apa yang Anda miliki, Anda perlu mengerti. Namun bagaimanapun, Anda dapat mengintegrasikan Yandex atau Target Saya, yang merupakan sistem DMP terbesar.

Ini adalah kisah yang agak menarik. Satu-satunya masalah adalah Anda memberi mereka semua lalu lintas, dan mereka mengambil alih monetisasi lalu lintas ini sebagai pertukaran. Mereka mungkin memberi tahu Anda bahwa 10 orang menggunakan audiens Anda, atau mereka mungkin tidak. Karena itu, baik Anda membangun jaringan iklan Anda, atau menyerah pada DMP besar.

Siapa yang akan menang - artis atau teknisi?

Z: - Sebuah pertanyaan yang agak jauh dari bagian teknis. Dikatakan tentang kekhawatiran pemasar tentang pengangguran massal yang akan datang. Apakah ada semacam persaingan antara pemasaran kreatif (orang-orang ini yang muncul dengan iklan ayam, sepertinya iklan Volkswagen) dan mereka yang berurusan dengan Big Date (yang mengatakan: kami hanya akan mengumpulkan semua data dan mengirimkan iklan yang ditargetkan kepada semua orang )? Sebagai orang yang terlibat langsung, apa pendapat Anda, siapa yang akan menang - seorang artis, teknisi, atau akankah itu semacam efek sinergis?



AH: - Dengar, mereka bekerja bersama. Insinyur tidak menciptakan kreativitas. Mereka yang kreatif tidak hadir dengan audiensi. Ada kisah multidisiplin tertentu. Masalah sebenarnya sekarang adalah bagi mereka yang duduk dan menekan tombol, bagi mereka yang membuat "umpan", mereka menekan hal yang sama setiap hari - orang-orang seperti itu akan menghilang.

Tetapi mereka yang menganalisis data akan secara alami tetap, tetapi seseorang harus memproses data ini. Seseorang harus membuat gambar-gambar ini, menggambarnya. Mesin kreatif semacam itu tidak akan muncul! Ini benar-benar gila! Atau seperti, misalnya, Carprice iklan viral, yang, omong-omong, bekerja dengan sangat baik. Ingat, ini ada di YouTube: "Jual di Carprais," dia benar-benar gila. Tentu saja, tidak ada jaringan saraf yang akan menghasilkan cerita seperti itu.
Saya umumnya mendukung fakta bahwa tidak ada orang yang akan kehilangan pekerjaan mereka, tetapi mereka akan memiliki sedikit waktu luang, dan mereka akan dapat menghabiskan waktu luang ini untuk pendidikan mandiri.

Iklan primitif akan mati

Z: - Pada umumnya, iklan yang ditampilkan, spanduk - di tempat yang sama, bahkan penjualan teks tidak tertulis di sana: "Kita perlu jendela - ambil!", "Kamu butuh yang lain - ambil!", Artinya, tidak ada materi iklan sama sekali .

AH: - Iklan seperti itu akan mati, tentu saja, cepat atau lambat. Itu akan mati bukan karena perkembangan teknologi, tetapi seberapa banyak karena perkembangan Anda dan saya.

Yang relevan paling baik dicampur dengan yang tidak relevan

Z: - Saya di sini! Saya punya pertanyaan tentang percobaan yang, seperti yang Anda katakan, Anda tidak berhasil (dengan sistem pemberi rekomendasi). Dan menurut Anda, masalahnya adalah bahwa itu ditandatangani di sana, mengapa disarankan, atau semua yang dilihat pengguna relevan baginya? Karena saya membaca percobaan untuk para ibu, dan tidak ada begitu banyak data di sana dan tidak ada begitu banyak data dari Internet, hanya ada data dari pengecer makanan - prediksi kehamilan (bahwa mereka akan menjadi ibu). Dan ketika mereka menunjukkan pilihan produk untuk ibu hamil, para ibu ngeri bahwa mereka telah mengetahui tentang mereka sebelum beberapa hal resmi. Dan itu tidak berhasil. Dan untuk mengatasi masalah ini, mereka sengaja mencampurkan barang yang relevan dengan sesuatu yang sama sekali tidak relevan.



AH: - Kami secara khusus menunjukkan kepada orang-orang berdasarkan rekomendasi apa yang dibuat untuk memahami umpan balik mereka. Sebenarnya, dari sini konsep lahir bahwa orang tidak perlu mengatakan bahwa ini adalah semacam barang yang sangat relevan baginya.

Ya, omong-omong, ada pendekatan untuk menggabungkan mereka dengan yang tidak relevan. Tetapi ada hal yang berlawanan: kadang-kadang orang datang, dan mereka berinteraksi dengan produk yang tidak relevan ini - emisi acak diperoleh, model mogok dan semuanya bahkan lebih rumit. Tapi memang begitu. Selain itu, banyak perusahaan secara khusus, jika mereka tahu bahwa seseorang sedang memproses data mereka (seseorang dapat mencuri pengembalian seperti itu dari mereka), mereka kadang-kadang mencampurnya sehingga Anda nantinya dapat membuktikan bahwa Anda tidak mengambil data dari sistem rekomendasinya, tetapi dari Yandex.Market bersyarat.

Pemblokir iklan dan keamanan browser

Z: - Halo. Anda menyebut Ghostery dan Adblock. Dapatkah Anda memberi tahu saya bagaimana pelacak seperti itu umumnya efektif (mungkin menurut statistik)? Dan apakah Anda memiliki pesanan dari perusahaan: kata mereka, pastikan iklan kami tidak dapat ditutup oleh Adblock.

AH: - Kami tidak menghubungi langsung dengan platform periklanan - justru karena mereka tidak meminta untuk memastikan bahwa semua orang melihat iklan mereka. Saya pribadi menggunakan Ghostery - saya pikir ini adalah ekstensi yang sangat keren. Sekarang semua browser memperjuangkan privasi: Mozilla telah merilis banyak pembaruan, Google Chrome sekarang sangat aman. Mereka semua memblokir segala sesuatu yang mungkin. Safari telah menonaktifkan Giroskop secara default.
Dan tren ini, tentu saja, adalah baik (bukan untuk mereka yang mengumpulkan data, meskipun mereka juga keluar), karena orang pertama kali memblokir cookie. Semua orang yang memiliki jaringan iklan mengingat teknologi luar biasa seperti sidik jari peramban - ini adalah algoritma yang menerima 60 parameter berbeda (resolusi layar, versi, font yang dipasang) dan menghitung "pengidentifikasi" unik berdasarkan pada mereka. Kami beralih ke ini. Dan browser mulai bergumul dengan ini. Secara umum, ini akan menjadi pertempuran tiada akhir para raksasa.

Perkembangan terbaru "Mozilla" cukup terlindungi. Dia praktis tidak menyimpan cookie, menetapkan waktu hidup yang singkat. Terutama jika Anda mengaktifkan Incognito, tidak ada yang akan menemukan Anda sama sekali. Pertanyaannya adalah tidak nyaman memasukkan kata sandi di semua layanan.

Di mana psikotipe dan fisiognomi bekerja dan tidak berfungsi?

Z: - Arthur, terima kasih banyak atas ceramahnya. Juga dengan senang hati saya mengikuti kuliah Anda di "YouTube". Anda menyebutkan bahwa pemasar semakin sering menggunakan psikotipe, fisiognomi. Pertanyaan saya adalah: di mana kategori merek itu berfungsi? Keyakinan saya adalah hanya cocok untuk FMCG. Misalnya, memilih mobil adalah ...

AH: - Saya dapat mengunduh di mana ia bekerja. Ia bekerja di semua jenis cerita seperti Amediateki, acara TV, film, dan sebagainya. Ini berfungsi baik di bank dan produk perbankan, jika ini bukan segmen premium, tetapi semua jenis kartu pelajar, angsuran - ini adalah hal-hal. Ini benar-benar bekerja dengan sangat baik di FMCG dan di semua jenis "iPhone", pengisi daya, di semua cheburd ini. Ini bekerja dengan baik dalam barang "ibu", "milik ayah". Meskipun saya tahu bahwa dalam memancing (ada topik seperti itu) ... Beberapa kali ada kasus dengan nelayan - mereka tidak pernah dapat disegmentasikan dengan andal. Saya tidak tahu kenapa. Semacam kesalahan statistik.

Ini tidak bekerja dengan baik dengan pengendara, dengan perhiasan, dengan beberapa hal untuk rumah. Bahkan, ini tidak bekerja dengan baik dengan sesuatu yang orang tidak akan pernah menulis di jejaring sosial - Anda dapat memeriksanya dengan cara ini. Dengan syarat, dengan pembelian mesin cuci: inilah cara memahami siapa yang memiliki mesin cuci dan siapa yang tidak? Sepertinya semua orang memilikinya. Anda dapat menggunakan data CRF - untuk melihat siapa yang membeli apa dengan cek, untuk “menjemput” orang-orang ini dengan cek. Tetapi pada kenyataannya, hal-hal seperti itu yang tidak akan pernah Anda ceritakan, misalnya, di Instagram, sulit untuk bekerja dengan hal-hal seperti itu.

Mesin mengenali trik sebagai lemparan statistik.

Z: - Saya punya pertanyaan tentang penargetan. Apakah mungkin (atau tiba-tiba mereka ada) karakter acak bersyarat yang bertentangan dengan dirinya dalam segala hal: pada awalnya ia google "gym terbaik", dan kemudian google "10 cara untuk tidak melakukan apa-apa"? Dan dalam segala hal. Bisakah penargetan mengikuti yang bertentangan dengan dirinya sendiri?

AH: - Satu-satunya pertanyaan di sini adalah: jika Anda menggunakan Google selama 2 tahun, Anda memberi tahu dia semua yang Anda bisa tentang diri Anda sendiri, dan sekarang instal plug-in yang akan menulis pertanyaan acak serupa, maka, tentu saja, menurut statistik, Anda dapat akan mengerti - apa yang Anda lakukan sekarang adalah pencilan statistik, dan semuanya harus disingkirkan. Jika Anda ingin - daftarkan akun baru, tetapi volume iklan tidak akan berubah. Dia hanya akan menjadi aneh. Meskipun dia aneh sekarang.

Sedikit iklan :)

Terima kasih telah tinggal bersama kami. Apakah Anda suka artikel kami? Ingin melihat materi yang lebih menarik? Dukung kami dengan melakukan pemesanan atau merekomendasikan kepada teman Anda VPS berbasis cloud untuk pengembang mulai $ 4,99 , analog unik dari server entry-level yang diciptakan oleh kami untuk Anda: Seluruh kebenaran tentang VPS (KVM) E5-2697 v3 (6 Cores) 10GB DDR4 480GB SSD 1Gbps mulai dari $ 19 atau cara membagi server? (opsi tersedia dengan RAID1 dan RAID10, hingga 24 core dan hingga 40GB DDR4).

Dell R730xd 2 kali lebih murah di pusat data Equinix Tier IV di Amsterdam? Hanya kami yang memiliki 2 x Intel TetraDeca-Core Xeon 2x E5-2697v3 2.6GHz 14C 64GB DDR4 4x960GB SSD 1Gbps 100 TV dari $ 199 di Belanda! Dell R420 - 2x E5-2430 2.2Ghz 6C 128GB DDR3 2x960GB SSD 1Gbps 100TB - mulai dari $ 99! Baca tentang Cara Membangun Infrastruktur kelas menggunakan server Dell R730xd E5-2650 v4 seharga 9.000 euro untuk satu sen?