×
Россия +7 (495) 139-20-33

Go Analytics! 2018: Machine learning в реальной жизни

Россия +7 (495) 139-20-33
Шрифт:
0 13119
Подпишитесь на нас в Telegram

5 апреля состоялась конференция Go Analytics!, в ходе которой представительницы Яндекса Мария Мансурова и Александра Кулачикова рассказали о том, как алгоритмы машинного обучения каждый день помогают сервисам Яндекса и пользователям Яндекс Метрики.

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

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

Александра Кулачикова отметила, что с помощью ML можно предсказывать:

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

Представительницы Яндекса привели в пример одного из клиентов компании – сайт "220 вольт", для которого необходимо было предсказать конверсию. Специалисты компании собирали данные о действиях пользователей на сайте в течение двух месяцев и оценивали характеристики для каждого юзера – например, с какого браузера он зашел, а также его поведение (как часто заходит и т.д.). На основе этих данных оценивалась вероятность совершения покупки в течение следующей недели.

1.png

Для каждого из посетителей сайта выводился отдельный сегмент – по степени вероятности совершения покупки. После этого сегменты обновляли каждый день. Поэтому один и тот же пользователь мог переходить из одного сегмента в другой. Затем сегменты использовали для оптимизации рекламных кампаний и ретаргетинга.

Чтобы понять, все ли сделано правильно, необходимо было проверить, действительно ли пользователи, для которых была предсказана конверсия, конвертируются. Специалисты сравнили два сегмента: со средним и с высоким показателем конверсии. Результат был положительным, после чего для клиента был запущен тест, показавший хороший результат.

Однако предсказывать можно не только конверсию. Мария Мансурова продолжила выступление, рассказав о клиенте из travel-тематики. Для него необходимо было предсказать чек.

2.png

Для travel-тематики характерен поиск с разных устройств. Пользователи могут начинать интересоваться поездками по пути на работу, рассматривая варианты на мобильном устройстве, а совершить покупку – дома с десктопа.

3.png 

Для новой модели были выделены следующие значимые признаки:

Признак

Значимость

Число дней с последнего 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 товаров на сайте

0,0257


Представители Яндекса отметили, что не все пользователи могут быть одинаково полезны:

  4.png

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

Александра также рассказала об опыте коллег из Яндекс.Маркета. Так, представителям сервиса нужно было добавить блок и рекомендацию цены магазина для карточки товара.

  5.png

Основной проблемой являлся тот факт, что в Маркете представлены разные магазины – многие из них довольно новые, где-то нет отзывов, какие-то не оформлены должным образом. Это могло оттолкнуть пользователей. Поэтому решено было начать ранжировать магазины по различным характеристикам с помощью машинного обучения.

Среди характеристик были следующие:

  • Цена
  • Наличие рейтинга
  • Наличие отзывов
  • География

Это позволило наиболее полезному для пользователей магазину повысить количество заказов на 30%.

Мария также рассказала о проблемах, с которыми рискуют столкнуться все:

  • Постановка задач и описание объекта. Задачу ставит человек, а машина (пока что) не умеет придумывать вопросы.
  • Данные не идеальны (неоднородны, неполные, их мало, могут содержать шум).
  • Хороший результат – это еще не конец.
  • Не всегда дело в модели.
  • Несбалансированные классы.
  • Переобучение.
  • Модель подглядывает правильные ответы.

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

Друзья, теперь вы можете поддержать SEOnews https://pay.cloudtips.ru/p/8828f772
Ваши донаты помогут нам развивать издание и дальше радовать вас полезным контентом.

Есть о чем рассказать? Тогда присылайте свои материалы Марине Ибушевой


Новые 
Новые
Лучшие
Старые
Сообщество
Подписаться 
Подписаться на дискуссию:
E-mail:
ОК
Вы подписаны на комментарии
Ошибка. Пожалуйста, попробуйте ещё раз.
Отправить отзыв
ПОПУЛЯРНЫЕ ОБСУЖДЕНИЯ НА SEONEWS
Примеры использования ChatGPT в SEO-стратегии
Гость
1
комментарий
0
читателей
Полный профиль
Гость - Если кто то хочет протестировать Cat GPT в SЕО проектах на базе нашего агенства, приглашаем наудалкнную работу Tg: @thegoodlink
Эффективное продвижение сайтов: 10 лет опыта в SEO в Рунете и Буржунете
Павел Горбунов
11
комментариев
0
читателей
Полный профиль
Павел Горбунов - Вы учтите, что за такие водные статьи хейтеры повалят жесткие. Сеошники воды не любят.
Особенности внутренней перелинковки для крупных сайтов
Злобная булочка
1
комментарий
0
читателей
Полный профиль
Злобная булочка - Ну это ж ингейт)
'SEO глазами клиентов 2023'
Валерия Власова
2
комментария
0
читателей
Полный профиль
Валерия Власова - Приветствую! На момент проверки сайтов клиентов получились такие показатели. Возможно, самостоятельно вы проверяете свои проекты по другим параметрам. Поэтому получились разные результаты.
Увеличили трафик в 4 раза с помощью узких ключей и контентного SEO: кейс ОТП Банка
Бурлуцкий Сергей
1
комментарий
0
читателей
Полный профиль
Бурлуцкий Сергей - В работе по ссылочному делаем упор по получению естественных ссылок в сочетании с краудом. Более подробно об этом мы рассказывали на нашем недавнем митапе - www.youtube.com/watch?v=dbl_vFHWqWQ (Второй доклад).
Что такое Яндекс Советник, и кому от него жить хорошо
Мама Стифлера
1
комментарий
0
читателей
Полный профиль
Мама Стифлера - Вызывает сожаление, что вы не осознаете, что Яндекс.Советник может быть рассмотрен как форма рэкета, которая заставляет компании, размещающиеся в Яндекс.Маркете, выплачивать дополнительные финансовые средства, повышая в конечном итоге прибыль Яндекс.Маркета, но не принесет пользы для посетителей сайта.
Как быстро улучшить рейтинг компании на сайтах отзовиков
Zorgy Rihard
2
комментария
0
читателей
Полный профиль
Zorgy Rihard - давай я
Самые быстрорастущие доменные зоны в 2023 году. Исследование RU-CENTER
Станислав
1
комментарий
0
читателей
Полный профиль
Станислав - С 2019 года количество доменов в зоне .ru остается на одном и том же уровне - около 5 млн. Все изменения на уровне 1% от этого объема в плюс или минус
Как за месяц увеличить количество заявок в 1,7 раза, а их стоимость снизить в 1,6 раза. Кейс
Sputniki
1
комментарий
0
читателей
Полный профиль
Sputniki - Добрый день, Василий. Спасибо за вашу наблюдательность. На самом деле ошибки нет. Если вы сталкивались на практике с выгрузкой заявок из кабинета VK Рекламы, то заметите, что количество заявок не бьется с цифрами по рекламному кабинету (по статистике). Поэтому средняя цена заявки получается ниже чем у самых эффективных трех.
Приставы сняли все средства с банковских счетов российской «дочки» Google
Гостьываыявчаываычваы
2
комментария
0
читателей
Полный профиль
Гостьываыявчаываычваы - И ведь кто-то этому радуется, а потом скажут "были не правы", но будет поздно. Мда...
ТОП КОММЕНТАТОРОВ
Комментариев
910
Комментариев
834
Комментариев
554
Комментариев
540
Комментариев
483
Комментариев
386
Комментариев
373
Комментариев
262
Комментариев
249
Комментариев
171
Комментариев
156
Комментариев
141
Комментариев
121
Комментариев
119
Комментариев
100
Комментариев
97
Комментариев
97
Комментариев
96
Комментариев
80
Комментариев
77
Комментариев
74
Комментариев
67
Комментариев
64
Комментариев
60
Комментариев
59

Отправьте отзыв!
Отправьте отзыв!