Высокие технологии в Маркетинге: Обучение Marketing Tech и Marketing Scientist
Ранее мы публиковали статью на нашем Spark-Блоге Marketing Scientist сегодня: учить уже сейчас без нового Ф. Котлера.
Существующие технологии увеличивают количество данных, которыми можно манипулировать. Вокруг владеющих данными пользователей компаний сформировались специфические рынки. Нужен не просто аналитик, — нужен Marketing Scientist.
Филип Котлер знаменит тем, что собрал воедино и систематизировал все знания о маркетинге, которые до этого относились к совершенно различным наукам. Можно сказать, что он первый, кто выделил маркетинг в отдельную специальность. Его книга «Основы маркетинга» переиздавалась 9 раз и является своеобразной «Библией» по маркетингу.
Так вот, такого человека как Ф. Котлер для использования новых каналов и описания всего того «безобразия», что твориться вокруг с количеством технологий и информации пока нет.
Но я не вижу препятствий чтобы уже сегодня начинать изучать науку о данных с приложением в маркетинге и становиться Marketing Scientist.
Marketing Scientist специализируется не просто в области анализа целевой аудитории и её потребностей, но это спец, создающий модели, которые дадут реальную пользу бизнесу в денежном эквиваленте.
Не стоит воспринимать Marketing Scientist как простого аналитика данных.
Аналитик: Инструменты анализа данных не отвечают на поставленный вопрос, значит следует переходить к другому вопросу.
Data scientist: Данные инструменты и подходы к анализу данных не могут ответить на поставленный вопрос, значит мне нужны более лучшие инструменты и данные. Значит я обращусь к другой области знаний и принесу ее парадигмы в свою работу.
Где учиться на Marketing Scientist
Люди с огромным удовольствием осваивают новые игры даже в зрелом возрасте. Было бы желание. Понятно, что темп обучения с возрастом снижается. Но есть и наиболее прогрессивные методологии, вроде той, что пытается внедрить Khan Academy. Если у Вас уже есть базовое Маркетинговое образование, то будет проще подтянуть некоторые знания на Coursera или других МООК.
Дисклеймер: если Вы не любите математику или не понимает ее, то шансов овладеть наукой о данных ровно ноль. Путь в Marketing Scientist тогда закрыт.
Некоторые технических ВУЗы уже сейчас предлагают обучиться на «магистров наук по науке о данных и менеджменту». Для данной специализации требуются знания в области математической статистики, машинного обучения, программирования.
Имеется (ШАД) Школа анализа данных от Яндекса. В Школе, основанной Яндексом в сентябре 2007 года, преподают машинное обучение, компьютерное зрение, анализ текстов на естественном языке и другие направления современных компьютерных наук. Ежегодно в ШАД поступают старшекурсники, выпускники и аспиранты МГУ, МФТИ, ВШЭ, ИТМО, СПбГУ, УрФУ, НГУ и других ведущих вузов. Два года студенты изучают предметы, которые обычно не входят в университетские программы, хотя пользуются огромным спросом в науке и разных отраслях, где уже применяются наукоёмкие информационные технологии.
На Coursera есть курсы по Машинному обучению и анализу данных. Вполне неплохие курсы, я их в свое время слушал.
Требования нашего времени
Ранее мы публиковали статью на нашем Spark-Блоге Marketing Scientist сегодня: учить уже сейчас без нового Ф. Котлера.
Существующие технологии увеличивают количество данных, которыми можно манипулировать. Вокруг владеющих данными пользователей компаний сформировались специфические рынки. Нужен не просто аналитик, — нужен Marketing Scientist.
Филип Котлер знаменит тем, что собрал воедино и систематизировал все знания о маркетинге, которые до этого относились к совершенно различным наукам. Можно сказать, что он первый, кто выделил маркетинг в отдельную специальность. Его книга «Основы маркетинга» переиздавалась 9 раз и является своеобразной «Библией» по маркетингу.
Так вот, такого человека как Ф. Котлер для использования новых каналов и описания всего того «безобразия», что твориться вокруг с количеством технологий и информации пока нет.
Но я не вижу препятствий чтобы уже сегодня начинать изучать науку о данных с приложением в маркетинге и становиться Marketing Scientist.
Marketing Scientist специализируется не просто в области анализа целевой аудитории и её потребностей, но это спец, создающий модели, которые дадут реальную пользу бизнесу в денежном эквиваленте.
Не стоит воспринимать Marketing Scientist как простого аналитика данных.
Аналитик: Инструменты анализа данных не отвечают на поставленный вопрос, значит следует переходить к другому вопросу.
Data scientist: Данные инструменты и подходы к анализу данных не могут ответить на поставленный вопрос, значит мне нужны более лучшие инструменты и данные. Значит я обращусь к другой области знаний и принесу ее парадигмы в свою работу.
Где учиться на Marketing Scientist
Люди с огромным удовольствием осваивают новые игры даже в зрелом возрасте. Было бы желание. Понятно, что темп обучения с возрастом снижается. Но есть и наиболее прогрессивные методологии, вроде той, что пытается внедрить Khan Academy. Если у Вас уже есть базовое Маркетинговое образование, то будет проще подтянуть некоторые знания на Coursera или других МООК.
Дисклеймер: если Вы не любите математику или не понимает ее, то шансов овладеть наукой о данных ровно ноль. Путь в Marketing Scientist тогда закрыт.
Некоторые технических ВУЗы уже сейчас предлагают обучиться на «магистров наук по науке о данных и менеджменту». Для данной специализации требуются знания в области математической статистики, машинного обучения, программирования.
Имеется (ШАД) Школа анализа данных от Яндекса. В Школе, основанной Яндексом в сентябре 2007 года, преподают машинное обучение, компьютерное зрение, анализ текстов на естественном языке и другие направления современных компьютерных наук. Ежегодно в ШАД поступают старшекурсники, выпускники и аспиранты МГУ, МФТИ, ВШЭ, ИТМО, СПбГУ, УрФУ, НГУ и других ведущих вузов. Два года студенты изучают предметы, которые обычно не входят в университетские программы, хотя пользуются огромным спросом в науке и разных отраслях, где уже применяются наукоёмкие информационные технологии.
На Coursera есть курсы по Машинному обучению и анализу данных. Вполне неплохие курсы, я их в свое время слушал.
Требования нашего времени
🔶 Сейчас как никогда важно узнать и понять клиента настолько, чтобы товар или услуга точно соответствовали его требованиям и продавали себя сами.
🔶 Решение бизнес-задач с использованием данных.
🔶 Работа со статистикой, включая статистические тесты и распределения.
🔶 Сбор большого объема неструктурированных данных и преобразование их в более удобный и понятный формат
🔷 Работа с различными языками программирования (Хорошее знание R или Python).
🔷 Использование аналитических методов: машинное обучение, глубокое обучение.
🔷 Нужно знать и уметь пользоваться базами данных MySQL
🔷 Построение отчетов с помощью IPython Notebook
🔷 Знание API рекламных систем, опыт самостоятельного получения информации
🔷 Знание английского языка на уровне чтения технической литературы и документации.
🔷 Отличное знание Excel (как правило)
🔷 Регулярный аудит каналов привлечения пользователей, анализ маркетинговых кампаний и оптимизация бюджета
🔷 Разработка алгоритмов оптимизации закупки трафика, разработка моделей оценки пользователей
🔵 Общение с командами проектов для добавления интересующей статистики
🔵 Как научится максимально быстро различать качественный трафик от некачественного?
🔴 Какие пользователи действительно купят продукт? Как научиться определять таких пользователей до того, как они уйдут?
🔴 Около 5000 SaaS решений для маркетологов на данный момент (по всему миру), нужно знать хотя бы пару
📣 Это вообще важно?
Часто ожидания от сайта такие: он создан и должен моментально приносить деньги, в ту же секунду привлекать посетителей (в зависимости от цели).
Но это не так по многим причинам. Если же трафика уже достаточно, то проводим A/B-тестирование (сплит-тест). Google уже как год выпустила абсолютно бесплатный инструмент для проведения таких исследований.
Проводим и смотрим где лиды активнее генерируют продажи. Google в данном инструменте забрала у Вас данные и самостоятельно проведя статистические расчеты, выдала Вам результат теста (автоматический расчет по сформированной алгоритмически выборке).
Результаты такого исследования полностью отвечают шести правилам поведенческого анализа. Однако A/B-тестирование не позволяет глубоко изучить качественные показатели. Для этого нужно использовать различные психологические уловки — формы обратной связи, обзоры на сайт/продукт и т.д.. Но важнее, что есть вероятность, что заложенные модели не совсем подходят Вашему бизнесу.
🔝Резюме
В 2017 году владельцу интернет магазина уже не нужно опрашивать клиентов на улице. Рекомендательные сервисы и просто надстройки для CMS могут сделать вполне сносную рекомендацию для дополнительной покупки на сайте.
Можно брать уже проведенные другими большими компаниями исследования по UX/UI, правильно раскладывать и анализировать их для применения в своей сфере.
Данные о поведении пользователей — бесценны. Инвестирование в исследования просто Must Have. Мы не только начинаем понимать, что движет пользователем, строить математические модели, но и правильно рекламировать свои продукты и услуги в конечном итоге.
🔶 Решение бизнес-задач с использованием данных.
🔶 Работа со статистикой, включая статистические тесты и распределения.
🔶 Сбор большого объема неструктурированных данных и преобразование их в более удобный и понятный формат
🔷 Работа с различными языками программирования (Хорошее знание R или Python).
🔷 Использование аналитических методов: машинное обучение, глубокое обучение.
🔷 Нужно знать и уметь пользоваться базами данных MySQL
🔷 Построение отчетов с помощью IPython Notebook
🔷 Знание API рекламных систем, опыт самостоятельного получения информации
🔷 Знание английского языка на уровне чтения технической литературы и документации.
🔷 Отличное знание Excel (как правило)
🔷 Регулярный аудит каналов привлечения пользователей, анализ маркетинговых кампаний и оптимизация бюджета
🔷 Разработка алгоритмов оптимизации закупки трафика, разработка моделей оценки пользователей
🔵 Общение с командами проектов для добавления интересующей статистики
🔵 Как научится максимально быстро различать качественный трафик от некачественного?
🔴 Какие пользователи действительно купят продукт? Как научиться определять таких пользователей до того, как они уйдут?
🔴 Около 5000 SaaS решений для маркетологов на данный момент (по всему миру), нужно знать хотя бы пару
📣 Это вообще важно?
Часто ожидания от сайта такие: он создан и должен моментально приносить деньги, в ту же секунду привлекать посетителей (в зависимости от цели).
Но это не так по многим причинам. Если же трафика уже достаточно, то проводим A/B-тестирование (сплит-тест). Google уже как год выпустила абсолютно бесплатный инструмент для проведения таких исследований.
Проводим и смотрим где лиды активнее генерируют продажи. Google в данном инструменте забрала у Вас данные и самостоятельно проведя статистические расчеты, выдала Вам результат теста (автоматический расчет по сформированной алгоритмически выборке).
Результаты такого исследования полностью отвечают шести правилам поведенческого анализа. Однако A/B-тестирование не позволяет глубоко изучить качественные показатели. Для этого нужно использовать различные психологические уловки — формы обратной связи, обзоры на сайт/продукт и т.д.. Но важнее, что есть вероятность, что заложенные модели не совсем подходят Вашему бизнесу.
🔝Резюме
В 2017 году владельцу интернет магазина уже не нужно опрашивать клиентов на улице. Рекомендательные сервисы и просто надстройки для CMS могут сделать вполне сносную рекомендацию для дополнительной покупки на сайте.
Можно брать уже проведенные другими большими компаниями исследования по UX/UI, правильно раскладывать и анализировать их для применения в своей сфере.
Данные о поведении пользователей — бесценны. Инвестирование в исследования просто Must Have. Мы не только начинаем понимать, что движет пользователем, строить математические модели, но и правильно рекламировать свои продукты и услуги в конечном итоге.
Почему проект о ЗОЖ оказался нужен всем
Шёл декабрь 2014 года, курс доллара и евро уже раз сто превысил психологическую отметку, солнца в зимней Москве не было совсем — в общем, обычное дело. Иногда казалось, что мы — такие жизнерадостные и с идеей о том, что если захотеть, то добиться можно чего угодно — не найдём вообще никакого понимания в обществе. А нам с самого начала очень важно было «зарифмовать» эту идею с ЗОЖ.
Шёл декабрь 2014 года, курс доллара и евро уже раз сто превысил психологическую отметку, солнца в зимней Москве не было совсем — в общем, обычное дело. Иногда казалось, что мы — такие жизнерадостные и с идеей о том, что если захотеть, то добиться можно чего угодно — не найдём вообще никакого понимания в обществе. А нам с самого начала очень важно было «зарифмовать» эту идею с ЗОЖ.
Полезная статья с БезумныхКотиков. Советую сохранить в закладки на случай утраты музы) http://madcats.ru/to-write-good/500-fraz/
madcats.ru
(Почти) 500 фраз, превращающих рядовую статью в материал, от которого невозможно оторваться
Писанина — копирайтинг, райтинг, генерация контента, попытки редачить все доступное и помогать бизнесу буквами, в общем, сочинение текстов, за которые платят деньги, — в Рунете напоминает поле боя. Сейчас линия обороны проходит между адептами инфостиля и продающих…
Почему медиа обречены на кроссплатформенность
14 ноября 2017
Алексей Филипповский
Фото: AdIndex
Руководитель центра интернет-технологий МИА «Россия сегодня» Алексей Филипповский рассказал об отношениях медиа и онлайн-платформ. С презентацией на тему кроссплатформенности медиа он выступил на конференции Russian Internet Week 2017.
Проблемы, которые создала кроссплатформенность
Из-за информационного шума и кроссплатформенности СМИ теряют свою идентичность, сокращаясь до логотипа, названия и tone of voice.
Новые платформы развиваются независимо от медиа и не для медиа. Правила игры задают крупные IT-компании (Facebook, Google, Яндекс).
Контент уступил технологиям место на «троне». Умение «обернуть» и «распространить» все чаще важнее содержания.
Медиа пока сохраняют контроль за производством контента, но стремительно теряют управляемость средств распространения. Контроль за доходами также перераспределяется.
«Раньше мы были уникальными и ждали посетителей, а теперь сами ходим туда, где они сидят», — говорит Алексей Филипповский.
Возможности, которые дала кроссплатформенность
Доступ к широкой аудитории. Так, например, было с «РИА Новостями», которые с помощью сторонних площадок получили людей, раньше не заходивших на сайт.
Создать новое медиа теперь просто и дешево. Например, благодаря Telegram можно развить СМИ всего за пару месяцев, отметил Алексей Филипповский.
Граница между автором и читателем стирается. Издатели могут получить именно тех читателей, которых хотят, за счет денег или участия в спецпрограммах.
«Никому не понятно, что будет дальше, поэтому мы должны быть гибкими, как стартапы. У каждого медиа должны появляться продуктовые команды, которые будут его развивать», — такие советы дал издателям специалист МИА «Россия сегодня».
14 ноября 2017
Алексей Филипповский
Фото: AdIndex
Руководитель центра интернет-технологий МИА «Россия сегодня» Алексей Филипповский рассказал об отношениях медиа и онлайн-платформ. С презентацией на тему кроссплатформенности медиа он выступил на конференции Russian Internet Week 2017.
Проблемы, которые создала кроссплатформенность
Из-за информационного шума и кроссплатформенности СМИ теряют свою идентичность, сокращаясь до логотипа, названия и tone of voice.
Новые платформы развиваются независимо от медиа и не для медиа. Правила игры задают крупные IT-компании (Facebook, Google, Яндекс).
Контент уступил технологиям место на «троне». Умение «обернуть» и «распространить» все чаще важнее содержания.
Медиа пока сохраняют контроль за производством контента, но стремительно теряют управляемость средств распространения. Контроль за доходами также перераспределяется.
«Раньше мы были уникальными и ждали посетителей, а теперь сами ходим туда, где они сидят», — говорит Алексей Филипповский.
Возможности, которые дала кроссплатформенность
Доступ к широкой аудитории. Так, например, было с «РИА Новостями», которые с помощью сторонних площадок получили людей, раньше не заходивших на сайт.
Создать новое медиа теперь просто и дешево. Например, благодаря Telegram можно развить СМИ всего за пару месяцев, отметил Алексей Филипповский.
Граница между автором и читателем стирается. Издатели могут получить именно тех читателей, которых хотят, за счет денег или участия в спецпрограммах.
«Никому не понятно, что будет дальше, поэтому мы должны быть гибкими, как стартапы. У каждого медиа должны появляться продуктовые команды, которые будут его развивать», — такие советы дал издателям специалист МИА «Россия сегодня».
Промышленная революция касалась механической мощности: поезда были мощнее лошадей, а механические ткацкие станки работали эффективнее человеческих мышц. И поначалу это действительно лишило людей работы. Громившие станки ткачи из Йоркшира, первые луддиты, на самом деле потеряли средства к существованию.
Это привело к массовым социальным потрясениям, которые растянулись на десятилетия, пока вся экономика не адаптировалась к веку машин. Когда это наконец произошло, появилось столько же работы по обслуживанию новых машин, сколько было во времена ручного труда. В конечном итоге это привело к огромному росту производительности: один человек мог выпустить намного больше ткани, чем раньше.
Количество трудоустроенных осталось прежним, они были заняты обслуживанием машин, которые выпускали куда больше продукции, чем кто-либо мог себе представить за 100 лет до этого. Как только профсоюзы потребовали свою долю, все оказались в выигрыше.
ИИ-революция будет совсем на это не похожа. Когда роботы станут настолько же умными и способными, как люди, нам нечего будет делать, потому что машины окажутся и сильнее, и умнее. Даже если ИИ создаст новые профессии, людям это не поможет. Назовите любую работу — роботы смогут её выполнить. Они сами будут производить себя, программировать, чинить и управлять собой. Если вы не понимаете этого, значит, вы не понимаете, что на нас надвигается. https://vc.ru/29737-ne-milliony-lyudey-poteryayut-rabotu-desyatki-millionov
Это привело к массовым социальным потрясениям, которые растянулись на десятилетия, пока вся экономика не адаптировалась к веку машин. Когда это наконец произошло, появилось столько же работы по обслуживанию новых машин, сколько было во времена ручного труда. В конечном итоге это привело к огромному росту производительности: один человек мог выпустить намного больше ткани, чем раньше.
Количество трудоустроенных осталось прежним, они были заняты обслуживанием машин, которые выпускали куда больше продукции, чем кто-либо мог себе представить за 100 лет до этого. Как только профсоюзы потребовали свою долю, все оказались в выигрыше.
ИИ-революция будет совсем на это не похожа. Когда роботы станут настолько же умными и способными, как люди, нам нечего будет делать, потому что машины окажутся и сильнее, и умнее. Даже если ИИ создаст новые профессии, людям это не поможет. Назовите любую работу — роботы смогут её выполнить. Они сами будут производить себя, программировать, чинить и управлять собой. Если вы не понимаете этого, значит, вы не понимаете, что на нас надвигается. https://vc.ru/29737-ne-milliony-lyudey-poteryayut-rabotu-desyatki-millionov
vc.ru
«Не миллионы людей потеряют работу — десятки миллионов» — Будущее на vc.ru
Перевод колонки блогера и публициста Кевина Драма о будущем, в котором людей на рынке труда заменит искусственный интеллект.
Я нашёл информацию о компаниях, которые владеют крупнейшими сайтами рунета, собрал данные об их доходах и проанализировал. Но начну с того, почему я решил этим заняться. https://vc.ru/29767-skolko-zarabatyvayut-vc-ru-habrahabr-vkontakte-i-drugie-sayty-runeta
vc.ru
Сколько зарабатывают vc.ru, «Хабрахабр», «ВКонтакте» и другие сайты рунета
Данные о доходах крупнейших русскоязычных сайтов.
«Использование технологий сегодня — пример компульсивного поведения, или даже полноценной зависимости», — пишет Иал. «Это импульсивная реакция посмотреть уведомление о сообщении. Это тяга зайти на YouTube, Facebook или Twitter на пару минут — и через час очнуться и понять, что все это время прокручивал ленту. Ничто из этого не случайно. Именно так эти продукты были задуманы своими создателями». Он объясняет простые психологические приемы: «скука, одиночество, печаль, неуверенность зачастую довольно болезненны, а бессмысленные действия притупляют неприятные ощущения».http://madcats.ru/mad-cats/budushhee-strashnee-chem-pridumal-oruell/
madcats.ru
Будущее страшнее, чем придумал Оруэлл: создатели экономики внимания опасаются наступления антиутопии - madcats.ru
Когда вы заходите в лифт, вы нажимаете кнопку закрытия дверей? А вы знаете, что без вашего нажатия двери закроются ровно так же? Эта кнопка сделана для психологического комфорта, чтобы вы ощущали контроль там, где его нет. Такие микро-ловушки везде, а соцсети…
Уж не припомню, кидал ли я эту ссылочку. Но очень текст забористый. Шахов может! Что тут сказать https://vc.ru/21968-digital-marketing
vc.ru
«Поставил стол в каморке, и ты — digital-агентство»
Директор агентства Remarka об игроках на рынке интернет-маркетинга
IBM опубликовала код для «быстрого» создания проектов в сфере искусственного интеллекта и блокчейна
Также корпорация запустила биржу для обмена чат-ботами.
IBM опубликовала больше 120 шаблонов кода для быстрого запуска проектов, связанных с искусственным интеллектом, блокчейном, облачными данными и другими сферами. Об этом пишет VentureBeat.
Каждый шаблон содержит подробное описание инструментов и ссылку на репозиторий на GitHub, где можно посмотреть коды и ознакомиться с документацией.
Также IBM запустила платформу Bot Asset Exchange, с помощью которой сторонние разработчики могут создавать чатботов и обмениваться ими. Проект работает на базе системы IBM Watson Conversation Service, которая содержит готовые диалоговые интерфейсы для таких сфер, как финансы, здравоохранение, розничная торговля, промышленность и спорт.
Каждый разработчик может загрузить своего бота, чтобы другие могли посмотреть, как он работает, а также использовать его с помощью API.
#новость
Также корпорация запустила биржу для обмена чат-ботами.
IBM опубликовала больше 120 шаблонов кода для быстрого запуска проектов, связанных с искусственным интеллектом, блокчейном, облачными данными и другими сферами. Об этом пишет VentureBeat.
Каждый шаблон содержит подробное описание инструментов и ссылку на репозиторий на GitHub, где можно посмотреть коды и ознакомиться с документацией.
Также IBM запустила платформу Bot Asset Exchange, с помощью которой сторонние разработчики могут создавать чатботов и обмениваться ими. Проект работает на базе системы IBM Watson Conversation Service, которая содержит готовые диалоговые интерфейсы для таких сфер, как финансы, здравоохранение, розничная торговля, промышленность и спорт.
Каждый разработчик может загрузить своего бота, чтобы другие могли посмотреть, как он работает, а также использовать его с помощью API.
#новость
«Многие люди на Западе даже не осознают, какую часть их доходов съедают налоги. Может оказаться, что ты отдаёшь на них половину того, что зарабатываешь, а это то же самое, как если бы 180 дней в году вы работали на правительство, — говорит Дуров. — Думаю, я могу найти своим деньгам лучшее применение». https://secretmag.ru/trends/players/ne-gei-verit-v-kriptu-pereekhal-v-oae-v-chyom-eshyo-priznalsya-pavel-durov.htm
secretmag.ru
Не гей, верит в крипту, переехал в Дубай. В чём признался Павел Дуров
Основатель «ВКонтакте» и Telegram Павел Дуров нечасто даёт интервью.
Душевная история побед и не только. Жизни и смерти особых людей. Они рядом с нами. Это нужно знать. https://habrahabr.ru/company/philtech/blog/344462/
Хабр
Пускаю слюни, пишу код
Это Иван Бакаидов — программист, автор на Хабре, панк, девятнадцатилетний гражданин Российской Федерации, инвалид первой группы по причине Церебрального парали...