КУПИТ/НЕ КУПИТ: Почему нельзя так просто предсказать поведение пользователя?
Предиктивная аналитика позволяет показывать рекламу пользователям, которые с большей долей вероятности купят ваш товар. Так вы не сольете бюджет на показы рекламы нерелевантной аудитории и охватите больше целевых пользователей. Звучит просто на словах, но на деле это трудозатратный процесс. Наши клиенты часто удивляются, когда узнают, что на разработку предиктивной аналитики для «Литрес», которая позволила увеличить продажи на 33% и снизить стоимость конверсии на 15%, мы потратили 3 года.
Поэтому попросили аналитиков MediaNation и авторов этого кейса, рассказать в новом выпуске шоу «Почему нельзя так просто?», как предсказать поведение клиента.
Многие клиенты могут сказать, да вы же просто используете и модели. Чего там сложного? Мы, в свою очередь, потратили большое количество времени на подбор архитектуры, работу с данными, анализ этих данных и построение модели. И конечно же, выбор модели.
Специалисты говорят:
Для глубокого погружения в тему все еще нужны знания высшей математики, статистики, программирования, но это вполне реально.
Далее в выпуске раскрывают детали предиктивной аналитики:
Если мы говорим конкретно про прогнозирование поведения пользователя на сайте, мы используем технические показатели, например, с какого браузера, источника, канала зашел пользователь, сколько конверсий он завершил на определенном промежутке времени, сколько времени он провел и сколько в среднем проводил на сайте, какие действия совершал. Можно использовать не только обычные события, которые идут по дефолту при настройке аналитики, но еще какие-то дополнительные кастомные вещи, которые можем внедрить на сайт. Например, поиск по автору, поиск по картинке, если человек кликает на картинку, смотрит все три варианта.
А также рассказали, зачем компаниям предсказывать поведение пользователя:
Возьмём YouTube и его рекомендательную систему. С одной стороны, вы получаете бесконечный поток видео, которое вам, вероятно, понравится, и вы будете их смотреть. С другой стороны, это неприкрытая манипуляция, потому что YouTube хочет, чтобы вы смотрели его видео, и он получал деньги с рекламы. На стыке приемлемой для вас манипуляции и того комфорта, который дарит вам система, и рождается прибыль для подобных компаний. В случае с рекламой эта ситуация вин-вин, в которой вы получаете только интересующую вас рекламу, а мы не потратим на нее лишних денег.
Также в выпуске:
- Сколько нужно данных, чтобы начать предсказывать?
- Подходы к аналитике: чем отличается ансамбль моделей, мета-модель, Data-Centric и Model-Centric подход. Какие у них есть преимущества и недостатки?
- Сколько денег OnenAI потратила на обучение ChatGPT?
- Почему для каждой компании нужно разрабатывать свою систему предсказаний и нельзя так просто взять уже готовые ИИ-модели.
- Как бизнесу начать пользоваться предиктом уже сейчас?
Выпуск можно посмотреть на YouTube
И послушать на всех популярных аудиоплатформах, включая Яндекс Музыку.
