Ксения Александрова. Independent Media. Рекомендательные технологии в Digital - медиа.
Как построить эффективный медийный продукт на основе данных.
При грамотной настройке "умной выдачи" и "умной рекламы" рост эффективности РК по сегментам показывает до 40%.
(таргетинги): рост эффективности РК компаний Корректировка контентной политики на основе данных 1 2 3 КАК МЫ ИСПОЛЬЗУЕМ ДАННЫЕ НА ПЛОЩАДКАХ INDEPENDENT MEDIA
БЛОКА РОСТ ГЛУБИНЫ ПРОСМОТРОВ В РУБРИКЕ РОСТ ВРЕМЕНИ НА СТРАНИЦАХ САЙТА РОСТ ПРЯМЫХ ЗАХОДОВ (ЗАКЛАДКИ, ШЭРЫ) В РУБРИКУ +20% +30% +15% +35% РЕКОМЕНДАЦИИ В БЛОКЕ ПОПУЛЯРНОЕ/ВЫДАЧА В СКРОЛЛЕ В РУБРИКЕ FASHION
старт) и предварительная кластеризация коллаборативной матрицы Самые популярные статьи/статьи по тегам/статьи внутри рубрик с большим коэфф. прилипания и пр Коллаборативная фильтрация Item-to-item / user-to-user Similar item Title, meta tag, keywords: TFIDF, cos A 1 2 3
(В Т.Ч. РЕАКЦИЯ НА РЕКЛАМУ) ПРЕДПОЧТЕНИЯ ПО РУБРИКАМ/ТЕГАМ ПОКУПАТЕЛЬСКИЕ ПРЕДПОЧТЕНИЯ ПРЕДПОЧТЕНИЯ, СФОРМИРОВАННЫЕ ПО ИТОГАМ УЧАСТИЯ В ОПРОСАХ ПЛАТФОРМА DMP СОБИРАЕТ ИНФОРМАЦИЮ О ПОЛЬЗОВАТЕЛЯХ
АУДИТОРИИ ПО ТЕМАМ ПУБЛИКАЦИЙ ОТСЛЕЖИВАЕМ ВОВЛЕЧЕННОСТЬ И АКТИВНОСТЬ ПОЛЬЗОВАТЕЛЕЙ НА САЙТАХ ТРЕКАЕМ СОВЕРШЕННЫЕ ПОКУПКИ ИЛИ НАМЕРЕНИЯ О ПОКУПКАХ НА НАШИХ ПРОЕКТАХ ПОЛЬЗОВАТЕЛЬСКИЕ СЕГМЕНТЫ