Интеграция GA4: сложности и решения
В середине 2023 года компания Google принудительно перевела всех клиентов с Universal Analytics на GA4, что вызывало массу вопросов о том, как корректно интегрировать GA4 с БД и другим аналитическим стеком, как получать 100% сырых данных при существующих лимитах в GA4, как сохранить структуру маркетинговой отчетности?
В своем докладе Анастасия Деткова как раз отвечает на эти вопросы и рассказывает обо всех этапах интеграции GA4: о подводных камнях и сложностях, с которыми столкнулась наша команда, и о решениях, которые мы уже применяем в работе.
На примере их кейса в сегменте e-com и продукта DataGo! GA4 Настя показывает, как их команда справлялась с вызовами, и какие инсайты они смогли сформировать. Прослушав доклад можно оценить все существующие риски и сложности в интеграции GA4 и понять, какими ресурсами необходимо обладать для успешной реализации подобного кейса.
В середине 2023 года компания Google принудительно перевела всех клиентов с Universal Analytics на GA4, что вызывало массу вопросов о том, как корректно интегрировать GA4 с БД и другим аналитическим стеком, как получать 100% сырых данных при существующих лимитах в GA4, как сохранить структуру маркетинговой отчетности?
В своем докладе Анастасия Деткова как раз отвечает на эти вопросы и рассказывает обо всех этапах интеграции GA4: о подводных камнях и сложностях, с которыми столкнулась наша команда, и о решениях, которые мы уже применяем в работе.
На примере их кейса в сегменте e-com и продукта DataGo! GA4 Настя показывает, как их команда справлялась с вызовами, и какие инсайты они смогли сформировать. Прослушав доклад можно оценить все существующие риски и сложности в интеграции GA4 и понять, какими ресурсами необходимо обладать для успешной реализации подобного кейса.
❤11
Рropensity score matching или как оценивать маркетинговые кампании в условиях невозможности проведения А/В-тестов.
Вячеслав Назаров рассказывает, как в Сбермаркет делали первые подходы, как добавляли фичи и перевзвешивали вероятости, что делать дальше или как селф-сервисы позволяют внедрять дата культуру в компании.
Он также освещает нюансы и особенности разработки и внедрения методологии PSM для оценки для акций, в которых невозможно провести в A/B-тестирование
Вячеслав Назаров рассказывает, как в Сбермаркет делали первые подходы, как добавляли фичи и перевзвешивали вероятости, что делать дальше или как селф-сервисы позволяют внедрять дата культуру в компании.
Он также освещает нюансы и особенности разработки и внедрения методологии PSM для оценки для акций, в которых невозможно провести в A/B-тестирование
❤19
Forwarded from Матемаркетинг: новости конференций (Карина Амдиева)
Как улучшить перфом-каналы с умом и ML
Юля Зыкова, руководитель департамента пользовательского опыта Циан рассказывает, какое практическое применение в рекламе они видят за громкими cловами об AI-технологиями.
Юля разбирает кейсы оптимизации стоимости клика на объявление, увеличения качества контента и генерации текстов, который будет цеплять даже людей с баннерной слепотой
Юля Зыкова, руководитель департамента пользовательского опыта Циан рассказывает, какое практическое применение в рекламе они видят за громкими cловами об AI-технологиями.
Юля разбирает кейсы оптимизации стоимости клика на объявление, увеличения качества контента и генерации текстов, который будет цеплять даже людей с баннерной слепотой
❤15
Как экономить рекламный бюджет с помощью LTV прогнозов и антифрод-систем
Артём Хапкин, старший программист исследователь myТracker рассказывает об основных способах анализа эффективности рекламной кампании на основе фактических и прогнозных данных.
На примере недавнего исследование myTracker посмотрите, сколько можно сэкономить, вовремя отключив рекламную кампанию, которая, согласно прогнозу LTV, обещает быть убыточной.
Узнаете, какую часть маркетингового бюджета можно сэкономить, если вовремя обнаружить рекламный фрод и отключить некачественные источники
Артём Хапкин, старший программист исследователь myТracker рассказывает об основных способах анализа эффективности рекламной кампании на основе фактических и прогнозных данных.
На примере недавнего исследование myTracker посмотрите, сколько можно сэкономить, вовремя отключив рекламную кампанию, которая, согласно прогнозу LTV, обещает быть убыточной.
Узнаете, какую часть маркетингового бюджета можно сэкономить, если вовремя обнаружить рекламный фрод и отключить некачественные источники
❤9
Аналитика и технологии в логистике: подходы к повышению эффективности
Олег и Евгений из Яндекс Доставки в своём докладе освещают:
- Что такое эффективность применительно к логистике?
- С какими вызовами сталкиваются компании?
- Аналитические задачи в логистике
- Существующие неэффективности в разных разрезах
- Счастливая модель логистики будущего
- Incentives и управление supply по часам и географии
- Batching и увеличение емкости supply
Олег и Евгений из Яндекс Доставки в своём докладе освещают:
- Что такое эффективность применительно к логистике?
- С какими вызовами сталкиваются компании?
- Аналитические задачи в логистике
- Существующие неэффективности в разных разрезах
- Счастливая модель логистики будущего
- Incentives и управление supply по часам и географии
- Batching и увеличение емкости supply
❤9
Как сэкономить миллионы с помощью генетического алгоритма и чат-бота без ML
У вас есть хорошо работающая поддержка пользователей, но кажется, пора подсократить расходы. Как можно это сделать эффективно? Правда ли, что крутая автоматизация чатов возможна только с использованием ML и AI? Кажется, что нужна WFM система, но сильно тратится не хочется. Что делать и причем тут Генетические алгоритмы?
Все эти вопросы обсуждаются в рамках доклада Дмитрия Круглова, Lead аналитики контактного центра Оkko.
Хороший повод менеджерам задуматься - возможно необязательно везде пихать сложный ML и ChatGPT, специалисты увидят применение генетических алгоритмов в рабочих задачах, начинающие специалисты послушают интересный вдохновляющий доклад, а все остальные узнают, что задачи аналитики поддержки могут быть очень интересными и достаточно наукоёмкими.
Для аналитиков и менеджеров поддержки доклад Дмитрия интересен и полезен преимущественно в плане новых знаний и подходов
У вас есть хорошо работающая поддержка пользователей, но кажется, пора подсократить расходы. Как можно это сделать эффективно? Правда ли, что крутая автоматизация чатов возможна только с использованием ML и AI? Кажется, что нужна WFM система, но сильно тратится не хочется. Что делать и причем тут Генетические алгоритмы?
Все эти вопросы обсуждаются в рамках доклада Дмитрия Круглова, Lead аналитики контактного центра Оkko.
Хороший повод менеджерам задуматься - возможно необязательно везде пихать сложный ML и ChatGPT, специалисты увидят применение генетических алгоритмов в рабочих задачах, начинающие специалисты послушают интересный вдохновляющий доклад, а все остальные узнают, что задачи аналитики поддержки могут быть очень интересными и достаточно наукоёмкими.
Для аналитиков и менеджеров поддержки доклад Дмитрия интересен и полезен преимущественно в плане новых знаний и подходов
❤10
Уже вовсю идут доклады второго дня Матемаркетинга! Вот один из них:
Система мониторинга, предназначенная для оценки, мониторинга и управления рисками, связанными с ml-моделями
В рамках доклада обсуждаются методы актуализации, информирования и внедрение централизованной системы управления для регистрации и отслеживания всех моделей в компании.
Александр Сахнов из X5 Tech делится кейсами, где контроль модельного риска помог предотвратить финансовые потери, и показывает, как опыт Х5 может быть адаптирован и применён в различных компаниях. Доклад нацелен на специалистов машинного обучения, Data Scientist, ML-инженеров, а также product- и project-менеджеров в сфере DS
Система мониторинга, предназначенная для оценки, мониторинга и управления рисками, связанными с ml-моделями
В рамках доклада обсуждаются методы актуализации, информирования и внедрение централизованной системы управления для регистрации и отслеживания всех моделей в компании.
Александр Сахнов из X5 Tech делится кейсами, где контроль модельного риска помог предотвратить финансовые потери, и показывает, как опыт Х5 может быть адаптирован и применён в различных компаниях. Доклад нацелен на специалистов машинного обучения, Data Scientist, ML-инженеров, а также product- и project-менеджеров в сфере DS
❤9
Forwarded from Матемаркетинг: новости конференций (Карина Амдиева)
Снижение нагрузки на аналитиков через визуализацию результатов A/B-тестов
Роман Лунев, руководитель back-end разработки ВКонтакте, показывает, как можно снять нагрузку с аналитика команды, не теряя в качестве результатов. Рассматривает, как в крупной компании с десятками (а то и сотнями) параллельных А/Б тестов снять нагрузку с аналитика.
В рамках доклада можно оценить, как визуализация прохождения теста помогает повысить вовлеченность продукта, и разобраться, как на основе ретроспективного анализа А/Б-тестов можно своевременно выявлять аномалии в
Роман Лунев, руководитель back-end разработки ВКонтакте, показывает, как можно снять нагрузку с аналитика команды, не теряя в качестве результатов. Рассматривает, как в крупной компании с десятками (а то и сотнями) параллельных А/Б тестов снять нагрузку с аналитика.
В рамках доклада можно оценить, как визуализация прохождения теста помогает повысить вовлеченность продукта, и разобраться, как на основе ретроспективного анализа А/Б-тестов можно своевременно выявлять аномалии в
❤9
«Собирайте данные из продукта, складывайте в DWH, постройте собственную инфраструктуру вокруг этого, после чего, крутите данные как угодно и получайте бесконечную пользу для бизнеса!»
Эти красивые слова подкупают, но мы то с вами знаем, что на самом деле, всё работает не совсем так. Скорее всего, даже после того, как вы настроили сбор данных, все ещё остается много процессов, в которых можно облажаться.
Например, данные из продукта могут оказаться настолько зашифрованными (в угоду безопасности), что расшифровать их будет невозможно, или же продукт сам может затирать данные о пользователях, просто перезаписывая их. Реальная аналитическая проблема кроется в том, что до определенного момента с ней столкнуться крайне сложно.
В случае Cравни.ру, они узнали о проблемах с данными на этапе внедрения CDI. В докладе Сергей Филимонов рассказывает об их опыте — как справились с проблемами, почему стоит внедрять CDI, и на что обратить внимание в процессе. А ещё о том, как можно бы было найти это всё без CDI.
Эти красивые слова подкупают, но мы то с вами знаем, что на самом деле, всё работает не совсем так. Скорее всего, даже после того, как вы настроили сбор данных, все ещё остается много процессов, в которых можно облажаться.
Например, данные из продукта могут оказаться настолько зашифрованными (в угоду безопасности), что расшифровать их будет невозможно, или же продукт сам может затирать данные о пользователях, просто перезаписывая их. Реальная аналитическая проблема кроется в том, что до определенного момента с ней столкнуться крайне сложно.
В случае Cравни.ру, они узнали о проблемах с данными на этапе внедрения CDI. В докладе Сергей Филимонов рассказывает об их опыте — как справились с проблемами, почему стоит внедрять CDI, и на что обратить внимание в процессе. А ещё о том, как можно бы было найти это всё без CDI.
❤9
Forwarded from Матемаркетинг: новости конференций (Карина Амдиева)
Декомпозируй и властвуй: как переписать запрос так, чтоб обработать терабайты данных
Никита Романов, аналитик ВКонтакте рассказывает, зачем они используют самописный MapReduce движок для сборки агрегатов в ClickHouse.
Разберетесь, любой ли запрос поддается разложению на Map и Reduce операции. В докладе представлен обзор аддитивных агрегатных функции ClickHouse.
Никита также учит использовать ключ сэмплирования таблицы и комбинатора -State при сборке неаддитивных метрик. Потом может реализовать подобную схему в своих задачах по сборке агрегатов, если требуется обрабатывать большие объемы данных
Никита Романов, аналитик ВКонтакте рассказывает, зачем они используют самописный MapReduce движок для сборки агрегатов в ClickHouse.
Разберетесь, любой ли запрос поддается разложению на Map и Reduce операции. В докладе представлен обзор аддитивных агрегатных функции ClickHouse.
Никита также учит использовать ключ сэмплирования таблицы и комбинатора -State при сборке неаддитивных метрик. Потом может реализовать подобную схему в своих задачах по сборке агрегатов, если требуется обрабатывать большие объемы данных
❤6
Еще один метод запуска A/B-тестов в поисковой выдаче в условиях сильного сетевого эффекта
Руководитель продуктовой аналитики HH RU Кирилл Кочнев показывает новый метод работы с сетевыми эффектами в экспериментах для не-гео маркетплейсов (не такси/доставка, а рекламные платформы, классифайды или job-борды).
Он также рассматривает, чем отличается А/В тестирование в поисковой выдаче от других тестов, какие подходы к работе с интерференцией в А/В у маркетплейсов существуют на рынке и почему они нам (и вам!) не подходят.
Подробно останавливается на том, как в HH RU пришли к графу вакансий и как устроен пайплайн работы с ним в А/В-тестах
Руководитель продуктовой аналитики HH RU Кирилл Кочнев показывает новый метод работы с сетевыми эффектами в экспериментах для не-гео маркетплейсов (не такси/доставка, а рекламные платформы, классифайды или job-борды).
Он также рассматривает, чем отличается А/В тестирование в поисковой выдаче от других тестов, какие подходы к работе с интерференцией в А/В у маркетплейсов существуют на рынке и почему они нам (и вам!) не подходят.
Подробно останавливается на том, как в HH RU пришли к графу вакансий и как устроен пайплайн работы с ним в А/В-тестах
❤11