Фёдор Баснописец – Нейро таргет. Эффективные кампании (страница 5)

Конечно, это не полный список ‘транспортных средств’. Есть еще, например, автоэнкодеры, которые отлично сжимают и выявляют суть данных, находить аномалии. Но эти три типа – наш основной набор для старта. Главное, что нужно вынести из этой главы: не бывает одной волшебной кнопки ‘нейросеть’. Есть набор специализированных инструментов. Ваша задача как маркетолога-водителя – не разбираться в том, как устроен двигатель у каждого грузовика (оставим это инженерам), а понимать, для какой дороги какой автомобиль взять. Хотите понять, что люди видят на ваших картинках – зовите ‘сверточного’ водителя. Нужно проследить путь клиента и предугадать его следующий шаг – ваш человек ‘рекуррентный’. Мечтаете найти неочевидные ниши или сгенерировать идеи – дайте задание ‘генеративно-состязательной’ бригаде. И помните, лучшие результаты получаются, когда эти спецсредства работают вместе, как одна слаженная команда на стройке вашего рекламного успеха.

Сбор и подготовка данных для обучения

Если нейросеть – это ученик, который должен стать гениальным стратегом по рекламе, то данные – это учебники, по которым он учится. И как любого ученика, его нельзя накормить рваными тетрадками, перепутанными страницамими и каракулями на полях. На выходе получится полная ерунда. Поэтому самая, пожалуй, скучная, но критически важная часть работы – это как раз подготовка этих самых “учебников”. Отнеситесь к этому как к уборке перед приходом гостей: делаешь ты ее не для себя, а для того, чтобы потом все прошло идеально.

С чего начать? Первый и главный шаг – определить, что именно мы будем кормить нашему ИИ. И здесь многие совершают классическую ошибку: хватают все подряд. Запускают выгрузки из CRM, тащат логи сайта, пытаются склеить данные из рекламных кабинетов и даже добавляют туда ответы из опросов в сторис. Получается гигабайтный винегрет, в котором нейросеть просто тонет.

Правильный подход – начать с четкого вопроса. Чего мы хотим? Например, мы хотим, чтобы нейросеть научилась отличать тех, кто купит наш новый курс по йоге, от тех, кто просто лайкнет красивую фотографию в позе лотоса. Значит, нам нужны два типа данных. Первый – признаки людей, которые уже купили (положительные примеры). Второй – признаки людей, которые явно интересовались, но не купили (отрицательные примеры). Вот на таком контрасте нейросеть и будет учиться видеть разницу.

Что считать признаком?

Признак – это любая информация о человеке, которую мы можем измерить и записать в виде числа или категории. Возраст – число. Пол – категория. Просмотренные видео – категория (ID видео). Время, проведенное на сайте – число. Ваша задача – собрать как можно более разнообразные, но при этом релевантные признаки. Представьте, что вы учите ребенка отличать кошку от собаки. Вы будете показывать ему картинки с ушами, хвостами, лапами. Но вряд ли станете акцентировать внимание на фоне картинки – траве или диване. Так и здесь: нам нужны признаки, которые имеют отношение к принятию решения о покупке, а не просто случайный шум.

Конец ознакомительного фрагмента.

Текст предоставлен ООО «Литрес».

Прочитайте эту книгу целиком, купив полную легальную версию на Литрес.

Безопасно оплатить книгу можно банковской картой Visa, MasterCard, Maestro, со счета мобильного телефона, с платежного терминала, в салоне МТС или Связной, через PayPal, WebMoney, Яндекс.Деньги, QIWI Кошелек, бонусными картами или другим удобным Вам способом.