Go Analytics!2018: Machine learning в настоящей жизни | SEO кейсы: социалки, реклама, инструкция

5 апреля свершилась конференция Go Analytics!, в ходе которой представительницы Яндекса Мария Мансурова и Александра Кулачикова поведали о том, как методы машинного обучения каждый день подсобляют сервисам Яндекса и юзерам Яндекс Метрики.

Мария Мансурова начала выступление с рассказа о том, как может применяться машинное обучение(ML). Инструмент быть может полезен для:

  • Предиктивной аналитики.
  • Улучшения продукта: советов, KPI.
  • Аналитики и работы с клиентами(сегментация, пользовательский граф).
  • Автоматизации действий.

Александра Кулачикова отметила, что с поддержкою ML можнож предвещать:

  • Отток клиентов.
  • Конверсии и сумму заказа.
  • Выкуп заказа.
  • Спрос.

Представительницы Яндекса привели в пример 1-го из клиентов компании – сайт 220 вольт, для которого необходимо было предсказать конверсию. Профессионалы компании собирали данные о деяниях юзеров на сайте в течение 2-ух месяцев и расценивали свойства для каждого пользователя – к примеру, с какого браузера он зашел, также его поведение(как нередко заходит и т.д.). На базе этих данных оценивалась возможность совершения покупки в течение последующей недельки.

Для каждого из гостей сайта выводился отдельный сектор – по ступени вероятности совершения покупки. Опосля этого сегменты обновляли каждый день. Потому один и этот же юзер мог переходить из 1-го сектора в иной. Потом сегменты употребляли для оптимизации маркетинговых кампаний и ретаргетинга.

Чтоб понять, все ли изготовлено верно, необходимо было проверить, вправду ли юзеры, для которых была предсказана конверсия, конвертируются. Профессионалы сравнили два сектора: со средним и с высочайшим показателем конверсии. Итог был положительным, опосля чего же для клиента был запущен тест, показавший превосходные результаты.

Но предвещать можнож не совсем лишь конверсию. Мария Мансурова продолжила выступление, рассказав о клиенте из travel-тематики. Для него необходимо было предсказать чек.

Для travel-тематики отличителен поиск с различных устройств. Юзеры могут начинать увлекаться поездками по пути на работу, осматривая варианты на мобильном устройстве, а совершить покупку – дома с рабочего стола.


Для новейшей модели были выделены последующие означаемые признаки:

Признак

Значимость

Число дней с заключительного визита

0,2364

Устройство(mobile, desktop)

0,1201

Возрастная группа

0,1102

Достижение цели №1

0,0655

Число дней с первого визита

0,0614

Пол

0,0502

Достижение цели №2

0,0308

Достижение цели №3

0,0282

Число покупок на сайте

0,0274

Число купленных продуктов на сайте

0,0257


Представители Яндекса отметили, что не многие юзеры могут быть идиентично полезны:


Работа с данной компанией еще не завершена, но Мария отметила, что Яндекс скажет о результатах в дальнейшем.

Александра также поведал о опыте коллег из Яндекс.Маркета. Так, представителям сервиса необходимо было добавить блок и рекомендацию цены магазина для карточки продукта.


Главной неувязкой являлся тот факт, что в Маркете представлены различные магазины – почти все из их достаточно новейшие, где-то нет откликов, какие-то не оформлены подабающим образом. Это могло оттолкнуть юзеров. Потому решено было начать ранжировать магазины по разным чертам с поддержкою машинного обучения.

Свойства были последующими:

  • Цена
  • Наличие рейтинга
  • Наличие отзывов
  • География

Это позволило более полезному для юзеров магазину повысить количество заказов на 30%.

Мария также поведала о дилеммах, с которыми рискуют столкнуться все:

  • Постановка задач и описание объекта. Задачку ставит человек, а машинка(пока что)не умеет выдумывать вопросцы.
  • Данные не образцовы(неоднородны, неполные, их малюсенько, могут содержать шум).
  • Превосходный итог – это еще не конец.
  • Не постоянно дело в модели.
  • Несбалансированные классы.
  • Переобучение.
  • Модель подглядывает правильные ответы.

Читайте также: Go Analytics!2018: прогнозирование покупки и оптимизация маркетинговых кампаний на его основе

Добавить комментарий

Нам важно знать ваше мнение. Оставьте свой отзыв или ответ

Комментариев 0