Самая суть цепочек рекламных каналов вызывает непреодолимое желание узнать, что вероятнее всего произойдет дальше в цепочке. Будет конверсия или нет?

Но это похвальное стремление часто утыкается в проблему. Если пытаться удерживать количество ложно-положительных результатов в разумных рамках, количество истинно-положительных не впечатляет. Как следствие — результаты анализа зачастую не позволяют нам принимать адекватные управленческие решения. Адекватное прогнозирование требует больше данных, чем просто короткие цепочки пользовательских прикосновений к каналам. Но это вовсе не значит, что задачу стоит бросать.

При анализе цепочек рекламных каналов некоторые достаточно простые, но полезные идеи проскакивают незамеченными. Хорошо знакомые с математикой аналитики сразу стремятся погрузиться машинное обучение, а  далекие от математики аналитики вообще не очень понимают, куда и как смотреть в отрыве от стандартных отчетов Google Analytics.

В то же время такая достаточно банальная вещь как распределение длин цепочек атрибуции за период может рассказать весьма красноречивые вещи, причем не только об эффективности вашей рекламы.

В данной статье я покажу, как по этому распределению:

1. Выделить среди переходящих по рекламным каналам тех пользователей, кто реагирует на рекламу;
2. Оценить эффективность влияния вашей рекламной кампании на эту группу;
3. Оценить как бы реагировали на ваш товар люди, если бы знали про него все, что вы хотели им сообщить;
4. Оценить оптимальную с точки зрения уровня конверсии частоту показа рекламных объявлений.

Осмысленность отчетов о рекламных кампаниях(РК) значительно упрощает людям жиз… оптимизацию расходов. В процессе повышения уровня этой осмысленности, мы нашли один очень эффективный способ максимизировать рентабельность, принимая во внимание то, что мы назвали «взаимодействием каналов»(интеракцией каналов).


Оригинал: caricatura.ru

Ботов отличать от людей и правда сложновато. Я и сам толком не могу это сделать. Но зато я придумал неплохой велоси... метод, как отличать в VK «интересных людей» от «не очень интересных». В плане сетевого общения, естественно, а не по жизни.

Начав выбирать себе цвет для покраски стены в комнате, я столкнулся с интересной вещью. Весь этот процесс с самого начала начал напоминать работу над каким-нибудь IT-ML-Blah-blah-blah-аналитическим проектом.

Тут есть и заказчик, который не очень понимает, что именно он хочет, но хочет, чтобы все было хорошо и ему нравилось. Еще есть несколько заинтересованных лиц со стороны заказчика, которые не могут договориться по вопросу, что такое «хорошо». Есть какие-то переформулировки задачи, которые под большим вопросом релевантны этому самому «хорошо», но по-крайней мере как-то решаемы. Есть подбор методов решения и попытки их реализовывать. Есть итеративность, которая имплицитно, но монотонно, ведет к какому-то решению, которое бы всех устроило. И есть некоторые странные выводы, которые бы с трудом можно было бы сделать в «реальном» проекте, потому что из-за общей нервозности и участия в процессе денег фокус внимания редко останавливается на этих местах процесса.

Вступление

Все мы прекрасно знаем, как важен подбор персонала в организации. Но зачастую у нас достаточно смутные представления о том, как именно структура организации влияет на эффективность работы этого персонала. Или, например, как распределение сотрудников с различными параметрами в штатном расписании влияет на эффективность работы.  

Когда этот вопрос поднимается, это обычно какие-то общие слова, эвристики из скучных учебников с качественными описаниями, вроде того, что иерархическая структура выдвигает вперед и мотивирует нарциссов, которые больше заинтересованы в собственном продвижении, а не благоденствии предприятия.

Оказывается, некоторые аспекты этого вопроса достаточно легко математически промоделировать, что может открывать возможности к новым вариантам управления компаниями.  В условиях достаточно простых предположений о свойствах персонала огромное количество важных и интересных свойств вылезают наружу сами по себе, просто при задании структуры организации. А дальше вопрос может ставиться так — А есть ли возможность использовать это на благо организации?

Поговорим об искусстве. Например, о музыке. Например, о гитарах.

Создание электрогитар вещь достаточно консервативная. Несмотря на огромные успехи в обработке сигналов, которые позволяют доставать из гитар любые звуки в реальном времени (JTV89), до сих пор достаточно ценится тот самый «теплый и ламповый» звук, которым гитара должна обладать сама по себе. С другой стороны, при этом всем,  звук гитары должен обладать именно теми характеристиками, которые хочет заказчик, которому вдруг захотелось иметь какой-то специфический звук у своей гитары.

Иногда бывает интересно на основе данных попытаться построить какую-то сущностную математическую модель явления, чтобы иметь возможность производить симуляцию происходящих событий, когда нет возможности проводить многочисленные натурные эксперименты с учетом различных факторов, ситуаций или контекстов. Но не все же только в нейронные сети загонять данные и смотреть, что получается.

Введение

Давным-давно американский психолог Дж. Стоунер провел интересный эксперимент (в те времена, когда над людьми можно было так безнаказанно издеваться). Он взял группу студентов и каждому вручил опросник с (условно) дихотомическими вопросами. После того, как они ответили, Стоунер предложил им обсудить эти вопросы всем вместе. А после обсуждения еще раз ответить на те же вопросы. К его большой научной удаче, результат получился крайне интересный.

После группового обсуждения ответы стали носить более «рискованный» характер. Слово «рискованный» это, естественно, такой как бы эвфемизм, за которым скрывается то, что люди столкнувшись в группе единомышленников с группой идейных противников немножко озверели и стали более агрессивно отстаивать свои первоначальные взгляды. Этот феномен назвали «групповая поляризация».

Введение (январь 2018)

Иногда люди берутся за дела с которыми сами справиться не могут. И я не исключение.

Есть такая интересная группа ВК — #щастьематеринства( https://vk.com/zaiki_luzhaiki ). Она представляет из себя один из самых феерических источников грубого реализма. Если вы хотите разочароваться в семье, детях, мужьях и всем чем угодно, вам туда. Экзистенциальный кризис вам обеспечен (хотя бы фактом того, что там пишут по 15 постов в день и это настоящие люди). И, конечно, этим паблик и во многом привлекателен.

В какой-то момент у меня и жены, которая работает перинатальным психологом, возник интерес в исследовании того, что в этом паблике происходит. Например, наложить банальные статистические методы на содержание паблика, а вдруг чего интересного там есть. Особенно хотелось сделать какой-нибудь громкий вывод. Дескать паблик помогает людям… Или паблик рождает в людях ненависть… Или еще что-то такое выразительное.

Бизнес задача

Один из наших клиентов активно использовал маркетинговые каналы трафика для продвижения своих услуг и товаров. Через какое-то время данные по всем маркетинговым каналам выгрузили в хранилище BigQuery, и решили, что пришло время сделать с ними что-нибудь интересное. Например, расширять и модифицировать свои аналитические модули для оптимизации маркетинговых расходов. В частности, реализовать возможность использовать более сложную атрибуцию каналов с помощью цепочек Маркова, которой не было Google Analytics на тот момент, а возможно и сейчас нет.

Мы рассказывали в своем блоге о некоторых общих проблемах атрибуции рекламных каналов. Здесь же речь пойдет исключительно об использовании цепочек Маркова.