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
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
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
«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.
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
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
Как в Okko строили DWH c нуля и почему еще строим. Предпосылки внедрения нового подхода к централизованному хранению данных
Okko находится в процессе смены подходов работы с данными и хотят рассказать, что нужно организационно и технически предусмотреть, что бы не тратить время, деньги и силы впустую.
Тимофей и Александр рассказывают о проектировании solution-архитектуры нового DWH, типовых ошибках, возникших при построении DWH и найденных нами путях их решения
Okko находится в процессе смены подходов работы с данными и хотят рассказать, что нужно организационно и технически предусмотреть, что бы не тратить время, деньги и силы впустую.
Тимофей и Александр рассказывают о проектировании solution-архитектуры нового DWH, типовых ошибках, возникших при построении DWH и найденных нами путях их решения
Инновации в аналитике: ChatGPT + data = мощный инструмент или очередной хайп?
В динамично меняющемся мире аналитики, где каждый фрагмент данных может раскрыть новые возможности, специалисты ищут оптимальные инструменты для работы. ChatGPT — это не просто модный тренд, а мощный инструмент, который может стать вашим союзником в решении многих задач.
Но, как и у любого инструмента, у него есть свои сильные и слабые стороны. Цель PARI в рамках доклада — не влюбить в ChatGPT, а представить объективный взгляд на его возможности, подсветить выгоды и ограничения.
Алексей развеивает мифы о всевозможности ChatGPT и рассказывает, как получить максимальную пользу от его использования, учитывая особенности и нюансы. Также узнаете о том, как даже в такой необычной сфере как букмекерство, аналитики нашли пользу в ChatGPT, подчеркивая креативные аспекты и предостерегая от потенциальных подводных камней
В динамично меняющемся мире аналитики, где каждый фрагмент данных может раскрыть новые возможности, специалисты ищут оптимальные инструменты для работы. ChatGPT — это не просто модный тренд, а мощный инструмент, который может стать вашим союзником в решении многих задач.
Но, как и у любого инструмента, у него есть свои сильные и слабые стороны. Цель PARI в рамках доклада — не влюбить в ChatGPT, а представить объективный взгляд на его возможности, подсветить выгоды и ограничения.
Алексей развеивает мифы о всевозможности ChatGPT и рассказывает, как получить максимальную пользу от его использования, учитывая особенности и нюансы. Также узнаете о том, как даже в такой необычной сфере как букмекерство, аналитики нашли пользу в ChatGPT, подчеркивая креативные аспекты и предостерегая от потенциальных подводных камней
Forwarded from Матемаркетинг: новости конференций (Карина Амдиева)
Стартовал масштабный трек ВКонтакте!
Он начался с доклада Ивана Еремеева и Дарьи Пеньевской:
Correlation does not mean causation, или как оценить влияние на метрики без А/В-тестов
A/Б-тесты — золотой стандарт в оценке эффекта от ваших активностей, но иногда их провести их слишком дорого или просто невозможно.
В докладе Иван и Дарья рассказывают кейс из жизни Дзен, когда в Дзен не могли поставить A/Б, но проверить наличие причинно-следственной связи между подписками пользователей Дзена на авторов и ростом их продуктовых метрик было необходимо
Он начался с доклада Ивана Еремеева и Дарьи Пеньевской:
Correlation does not mean causation, или как оценить влияние на метрики без А/В-тестов
A/Б-тесты — золотой стандарт в оценке эффекта от ваших активностей, но иногда их провести их слишком дорого или просто невозможно.
В докладе Иван и Дарья рассказывают кейс из жизни Дзен, когда в Дзен не могли поставить A/Б, но проверить наличие причинно-следственной связи между подписками пользователей Дзена на авторов и ростом их продуктовых метрик было необходимо
Сегодня на Матемаркетинге откровения с другой стороны:
Исповедь ML-инженера, которая перешла в технические продакты
Чем на самом деле занимается продакт? Что нового относительно прошлой жизни аналитика? В чем преимущества продакта с техническим бекграундом?
Об этом рассказывает Яна Семененя, и.о. продакт-лида поиска и рекомендаций hh.ru
Яна также подсвечивает неочевидные аналитику задачи/вызовы, которые стоят перед продактом, и необходимые скиллы при переходе в продакты
Исповедь ML-инженера, которая перешла в технические продакты
Чем на самом деле занимается продакт? Что нового относительно прошлой жизни аналитика? В чем преимущества продакта с техническим бекграундом?
Об этом рассказывает Яна Семененя, и.о. продакт-лида поиска и рекомендаций hh.ru
Яна также подсвечивает неочевидные аналитику задачи/вызовы, которые стоят перед продактом, и необходимые скиллы при переходе в продакты
Forwarded from Матемаркетинг: новости конференций (Карина Амдиева)
Тем временем в рамках трека ВК идет доклад «Всё о поиске ВКонтакте: как мы измеряем и улучшаем его качество». Он посвящен качеству поиска вдоль и поперёк.
Владимир Куличенко, ML-engineer в группе качества поиска ВКонтакте, рассматривает поиск личных профилей, сообществ, видео. Обсуждается, какие метрики улучшать и как рост в одном месте может дать просадку в другом.
Также Владимир разбирает несколько реальных кейсов, которые были реализованы в поиске ВКонтакте и улучшили продуктовые метрики на сотни процента
Владимир Куличенко, ML-engineer в группе качества поиска ВКонтакте, рассматривает поиск личных профилей, сообществ, видео. Обсуждается, какие метрики улучшать и как рост в одном месте может дать просадку в другом.
Также Владимир разбирает несколько реальных кейсов, которые были реализованы в поиске ВКонтакте и улучшили продуктовые метрики на сотни процента