Маркетинг времен четвертой промышленной революции

Data Science, Cognitive Science, алгоритмы и психология

Андрей Себрант

Москва, 18 февраля 2016

Высшая школа

консервативна.

В том числе

и экономики

Пять с половиной лет назад, ВШЭ…

http://www.hse.ru/news/24176920.html

Давос, ВЭФ, январь 2016

http://www.weforum.org/agenda/2015/11/what-is-the-theme-of-davos-2016 3

«Earlier Industrial Revolutions advanced human progress through new forms of power generation, mass production and information processing. Building on a ubiquitous and mobile internet, smaller, cheaper and more powerful sensors, as well as artificial intelligence and machine learning, the Fourth Industrial Revolution is distinct in the speed, scale and force at which it transforms entire systems of production, distribution, consumption – and possibly the very essence of human nature.»

DeepMind обыграл чемпиона в го

http://googleresearch.blogspot.ru/2016/01/alphago-mastering-ancient-game-of-go.html4

Это куда более сложная задача, чем победа Deep Blue над Каспаровым в 1997 году.

Пришлось научить машину учиться самостоятельно. Пришлось развить в машине интуицию. AlphaGo learned to discover new strategies for itself, by playing thousands of games between its neural networks, and gradually improving them.

Вы читали братьев Стругацких?«Не хватает, скажем, человеку рук – он создает себе дубля, безмозглого, безответного, только и умеющего, что паять контакты, или таскать тяжести, или писать под диктовку, но зато уж умеющего это делать хорошо. <...> Настоящие мастера могут создавать очень сложных, многопрограммных, самообучающихся дублей. Такого вот супера Роман отправил летом вместо меня на машине. И никто из моих ребят не догадался, что это был не я. Дубль великолепно вел мой "Москвич", ругался, когда его кусали комары, и с удовольствием пел хором.»

«Понедельник начинается в субботу»1965 год

Что вокруг изменилосьи причем тут традиционный умственный труд

Важные намеки со стороны мироздания

Мы научились создавать дублей в области умственного труда

Слово «дубль» здесь важно: чтобы стать хорошим водителем,

робот не обязан быть во всем человекоподобным

Несколько ссылок на происходящее▌Software is now better than humans at recognising emotion▌Google’s Self-Driving AI Counts as a “Driver” ▌Big Data: A Game Changer In The Retail Sector▌Яндекс поможет Магнитогорскому меткомбинату

оптимизировать расходы на сырье▌How RFID Delivers Big Data On Cows And Milk Production▌Doc "Memory Hackers" Shows The Future Of Memory Manipul

ation▌The Future of Voice: What’s Next After Siri, Alexa and Ok Googl

e▌Video Machine Learning Drives 40% Additional Revenue (

Case Study)▌Big data for big business – analytics are no longer optional▌YDF Data Analysis takes on Churn Prevention▌…

8

…Big Data… + Data Science+ Cognitive Science(в т.ч. Artificial Intelligence: тренд 2016)

Модные слова – или особенность текущего момента

Куда делись BigData из прогноза?

В 2015 в Gartner исключили Big Data:

Эта область стала универсальной и перестала быть “emerging”

│ http://www.economist.com/blogs/babbage/2014/08/difference-engine-2

11

Gartner – 2015

https://www.gartner.com/doc/3111522

Megatrend 5: Big Data and Cloud Make Big Moves Toward the Trough of Disillusionment

However, as big data and cloud become ingrained in

the fabric of business and IT, clients begin to see

through the market hype, and the realities of their

strengths and challenges become clearer. As cloud and

information technologies, services and disciplines

emerge toward the Plateau of Productivity, the focus will

be more on how they are applied to address industry-

and business-specific needs and opportunities, and

less on the innovations themselves.

12

Важно точно выбирать слова

Big Dataчаще маркетинг решенийот больших компаний

Data Scienceвсеобще будущее:жизнь, деньги и бизнес

13

Традиционный взгляд на науку

From ChaosBook.org & Wikipedia

“If someone could have a sufficient insight into the inner parts of things, and in addition had remembrance and intelligence enough to consider all the circumstances and to take them into account, he would be a prophet and would see the future in the present as in a mirror.”

Gottfried Wilhelm Leibniz

Чем отличается Data Science

Case Study: Data Science and Machine Learning

Data Science != Analytics

Классика:› Глубокое понимание› Человеческий разум› Построение моделей› Длительный процесс

(месяцы и годы)

Специфика:› Машинное обучение, ИИ› Колоссальные вычисления› Алгоритмические прогнозы› Ответ в реальном времени

(доли секунды)15

16

Data Science != Analytics

Классика:помощник

ВМЕСТЕ

Специфика:заменитель

ВМЕСТО

17

Data Science != Analytics

https://hbr.org/2014/08/the-question-to-ask-before-hiring-a-data-scientist/

Классика:Человекочитаемаявыдача

Специфика:Машиночитаемый ответ(API)

“Any sufficiently advanced technology

is indistinguishable from magic.”Arthur C. Clarke, 1973

Black Boxes vs. Magic Wands and Canes

20

Где это уже работает:• Какую книгу (пост, новость)

тебе стоит прочитать? – NEW MEDIA

• Какую музыку ты хочешь послушать? – NEW MEDIA

• Какой товар ты собираешься купить? – E-COMMERCE

• С какой девушкой тебя познакомить (или с кем из коллег)? – DATING & NETWORKING

• Готов ли ты сменить оператора? – OFFLINE SERVICE

• Можно ли тебе дать кредит? – OFFLINE SERVICE

21

Что это?

Особенности любой промышленной революции:технологии меняют основы процесса производства и обработки.

Во времена первой промышленной революции они меняли процессы обработки материальных объектов, вытесняя труд, основанный на работе мышц людей и животных. Теперь похожее происходит с многими видами труда на основе использования мозга. Для получения результата использовать мозг становится невыгодно.

Машины учатся манипулировать. Пока еще по нашему заказу.

Look-A-Like in Ad Targeting(and what do they search):что теперь вместо соцдемаи древних сегментаций

Case study Yandex Crypta

Технологии таргетингаЧёрный ящик!

Переход от рекламы к продукту

Пока еще рекламная коммуникация оказывается более технологичной и гибкой, чем сайт или приложение.

Но это положение дел уже начинает меняться.

Весь интерактивный ответначинает формироватьсяалгоритмически.

Вы будете читать и смотреть то, что алгоритмы сочтут нужным ;)

Light TV-viewers: методология

26

Анкетированиепользователей

› Анкета TNS (4 вопроса)

› Онлайн-панель OMI

› 28’000 чел.

Cookie matchingOMI-Yandex

› Панелисты OMI <-> пользователиЯндекса

Особенности поведения людейв интернете

› Технология Crypta

› 200 факторов поведения людей

Чёрный ящик!

Heavy TV viewers Light TV viewers

«сбербанк», «коммунальный», «шарлотка», «выкройка»,

«биглион», «irr», «заработать»

«книга», «переводчик», «словарь», «формула»,

«японский», «французский», «немецкий», «такси»

Больше запросов кириллицей Много запросов латиницей

Heavy TV viewers Light TV viewers

«тнт», «дом-2», «телепрограмма», «стс»

«С++», «wi-fi», «фотошоп», «torrent»,

«adobe»

Heavy TV viewers Light TV viewers

«спартак», «цска», «пиво» «загранпаспорт», «авиабилет», «виза», «самолет», «аэропорт», «ржд»

Мамы с детьми 0-3 года

[годовалый]

[ходунок]

[котофей]

[бебиблог]

[брокколи]

[дом2новости]

[джигурда]

On-line gamers

[dota] [кпд] [массовка] [cheat] [эмулятор] [варфэйс] [капа][паркур] [гайд] [дрифт] [замужество] [партнерка] [прицел] [приворот]

Невидимая магия персональных рекомендаций(или манипуляций)

Case study Yandex.Music

Зачем нужно машинное обучениеСотни сигналов может обработать только машина

В традиционном продукте всего понемногу, чтоб нравиться всем

Технология Яндекса:MatrixNet

Важная разница: персонализация

Можно уйти от «похожести»

Традиционные рекомендации опираются на здравый смысл

Скучное решение: подобие Умная технология: ОТКРЫТИЕ

Работает тем лучше, чем больше человеческих сигналов учитывает алгоритм

Smart (AI)algorithms

Системы ИИ умеют учитывать сигналы от людей

Удержание на сервисе Яндекс.Музыка

36

Apr-13 May-13 Jun-13 Jul-13 Aug-13 Sep-13 Oct-13 Nov-13 Dec-13 Jan-14 Feb-14 Mar-14 Apr-14 May-14 Jun-141

1.5

2

2.5

3

logged-in

no login

Launch +19%Чёрный ящик!

Успеть поймать неосознанное

Case study: YDF+Wargaming

37

38

Это страшное слово «отток»

Подробно про проект YDF для WoT см. https://yadi.sk/i/emW5tZ3KeyM3i

YDF совместно с Wargaming успешно решили задачу для World of Tanks.

Еще есть в мире:

• Абоненты разных сервисов• Клиенты банков• Подписчики прессы• Регулярные покупатели• …

Чёрный ящик!

39

Хорошая новость

Алгоритмы нам покажут, кто срочно нуждается во внимании маркетологов.

Но пока машина не сумеет заменить человека в уговорах этих людей остаться.

Здесь психологи и мастера маркетинговой коммуникации пока что вне конкуренции.

Покушение на традиционную науку? Нет, симбиоз с ней!

Case study: Гиперлокальная Яндекс.Погода

40

49,6 км

Яндекс создал технологию Метеум,основанную на алгоритмах машинного обученияМетеум

80 метеорологических спутников

10 000 профессиональных станций

1 500 радиозондовых станций

Метеорологические исследования и прогнозирования

+1

…модель 1

-3 0

модель N

-1Метеонаблюдения Яндекс.КартыПрогноз

МатриксНет

Метеорологические исследования и прогнозирования

+1

…модель 1

-3 0

модель N

МатриксНетМетеум

Метеорологические исследования и прогнозирования

…

модель 1

модель N

Метеонаблюдения

Яндекс.Карты

-3

Метеум

50

Даже если забыть про искусственный интеллект и ограничиться режимом «вместе»…

CasualImpact* как типичный инструмент:как анализировать воронку

Case Study: Аналитика офлайновой кампании

│ *https://google.github.io/CausalImpact/

Как померить эффект ТВ-кампании

Target – метрика, на которую мы хотим повлиять своей маркетинговой деятельностью. В нашем случае это куки с user-agent=YaBro

Predictor – метрика, связанная с целевой, но НЕ подверженная влиянию маркетинговой активности. В нашем случае – all unique cookies

Target и Predictor должны хорошо коррелировать в отсутствие активностей, влияющих на Target. (количество используемых Яндекс.Браузеров в отсутствие его продвижения коррелирует с общей

активностью пользователей)

Solid line, observed cookiesDash line, calculation based on predictor behaviourBy the end of TV flight: 100 000 - 120 000 target cookies above predicted(well correlated with number of downloads and launches)

Training Comparison with prediction

Campaign on TV

Users from UA with Yandex.BrowserImpact of Ya.Bro adv campaign 17.11-21.12.2014, Ukraine.Uniq users from Ya.Bro on all sites with Metrika counter

А есть ли влияние бренда?

▌Гипотеза: демонстрация бренда в ролике могла привлечь внимание к самому Яндексу и привести новых пользователей Поиска.

Для этой гипотезы:

Target: cookies on SERP

Predictor: cookies on all sites from UA users

SERP visitors from UA

No statistically significant changes(traditional brand health tracking confirms the fact)

Impact of Ya.Bro adv campaign 17.11-21.12.2014, Ukraine.Uniq Yandex Search visitors

Есть ли влияние на поисковое поведение?

▌Гипотеза: поставив себе Яндекс.Браузер, человек начинает искать Яндексом чаще, чем искал раньше.

Target: cookies from Yandex SERP

Predictor-2: cookies form all search engines

Users from SERP

No statistically significant changes during the campaign and after it

Impact of Ya.Bro adv campaign 17.11-21.12.2014, Ukraine.Uniq visitors from Yandex Search predictor – visitors from all SEs

Умеете работать с такой аналитикой?

Даже если вы журналист

58

59http://news-explorer.mybluemix.net/

Просто новые инструменты

Нейронные сети

60

Распознавание и синтезЗвуки и изображения:

▌Преобразование устной речи в текст (дальше включаются все технологии работы с символьным текстом)

▌Синтез речи (в том числе с управлением эмоцией и прочими атрибутами)

▌Распознавание образов (классификация, интерпретация)▌Модификация образов

Теперь машина может не только читать и писать: она слышит, видит и говорит.

Психология очень важна!

Технологизация коммуникации с людьми –

очень тонкое дело

Лирическое отступление

62

▌Вам нравится антиспам на вашем почтовом сервисе?

▌Вам нравится контекстная реклама в личной почте?

│ Если ответы на эти два вопроса не совпали, вы непоследовательны.

│ Зато похожи на человека ;) г

64

Мы очень плохо справляемся с простейшими задачками ;)

Пожалуйста, быстро назовите последовательно месяцы года:

январь февраль март…

А теперь…

65

Проверим прямо здесь Сейчас я покажу картинку и задам один вопрос.

ЗАПОМНИТЕ свой ответ на него: первый, спонтанный, пришедший в голову до того, как вы начали думать.

66

Еще вопрос на засыпку (про SMM)

Что такое «групповая поляризация»?

А что будет, если собрать вместе сторонников противоположных взглядов: точно ли поиск консенсуса?

http://www.fastcoexist.com/3055978/facebook-is-making-us-polarized-and-predictable

У алгоритмов свои иллюзии

Эту классику мы все знаем А вот это ученые только начинают исследовать ;)http://arxiv.org/abs/1412.1897

Black Box!

68

Придется учиться жить в мире с роботами▌Научитесь нанимать разных экспертов и научите их работать

вместе: аналитиков, специалистов по общению с алгоритмами, психологов, творческих людей(ибо весь «omni-channel 360» станет в итоге performance - в сильно расширенном смысле этого слова)

▌В digital коммуникация и продукт почти неразделимы – и оба должны быть одинаково технологичны

▌Научитесь отличать: какие решения лучше принимает человек, а какие – машина.Найдите в себе мужество делегировать машине,а не только людям. И никогда не путайте два этих класса ;)

Серьезное обстоятельство:

Алгоритмы, даже великолепно отвечающие на вопросы, покане умеют вопросы задавать

Чёрный ящик!

Домашнее чтение

Про data science и психологию - 1

Эрик Сигель

Просчитать будущее: Кто кликнет, купит, соврет или умрет

Билл Фрэнкс

Укрощение больших данных

Чарлз Дахигг

Сила привычки

Про data science и психологию - 2

Даниэль Канеман

Думай медленно… решай быстро

Нир Эяль, Райан Хувер

Покупатель на крючке

Paul Zikopoulos et al

Big Data Beyond the Hype

73

Художественное

The CircleDave Eggers (книга)

СфераДэйв Эггерс (перевод)

Ждем фильмhttps://en.wikipedia.org/wiki/The_Circle_(2016_film)

74

А еще есть Telegram ;)

Jpg, Png

@AddMeTo @NeuroScienceRu

Jpg, Png Jpg, Png

@TechSparks

Data ScienceCognitive Science/Brain ScienceПсихология

Три дисциплины, которые определят очень многое

Весь рассказ был о массовых сервисах для людей.Но это лишь малая часть современного цифрового мира

Совершенно необходимое послесловие

Напоминалка от GE

Прогноз от GE

IoT – отдельный мир, и он не про браслеты ;)

Industrial Internet – это совсем другая история, потенциально с не меньшими последствиями для экономики, чем интернет людей

Мы тоже немножко пробуем

Yandex Data Factory: https://yandexdatafactory.com/

81

А еще можно посетить YaC/m

https://events.yandex.ru/events/yac/29-june-2016/

“When a distinguished but elderly scientist states that something is possible, he is almost certainly right. When he states that something is impossible, he is very probably wrong..”

Arthur C. Clarke

Спасибо! ;)

asebrant@yandex-team.ru

+7 (495) 739-7000 @asebrant

https://www.facebook.com/asebrant

Андрей Себрант