ロシアインターネットウィーク（RIW）：ラウンドテーブルのトランスクリプト「推奨システム-新しいRunetトレンド：問題と利点」

Imhonetのイニシアチブ、ロシアのインターネットウィークRIW（Crocus Expo、10月22〜26日）で、「推奨サービス-新しいRunetトレンド：問題と利点」に関するラウンドテーブルが開催されました。



アドバイザリーサービスの傾向は非常に急速に広がっているため、インターネット企業の求人に応募する際に記入したアンケートにも、「アドバイザリーシステムの所有権」という列が現れています。 よくあることですが、人気と関連性は混乱を招きます。 典型的な状況は、単純な投票投票がサイトに置かれ、評価が公表され、それを「推奨サービス」という流行語と呼ぶ場合です。 これは間接的にのみ関連しますが。 したがって、議論の中で、次の問題が議論されました。

-狭義の推奨サービスを、あらゆる種類のヒントやヒントを提供するシステムと区別するための基準。

-さまざまなタイプの推奨システム：どんな目的に適しているか。

-インターネット市場のユーザーおよびプロのプレーヤーにとっての河川サービスの価値。

-推奨事項の発行方法：予測の自動生成と、お好みの方法で推奨事項を調整できる薄い「手動」フィルターと調整。

-サイトへのアドバイザリ機能のインストールに起因する経済的効果。 特に、ナビゲーションが改善され、その結果、ユーザーのロイヤリティが向上し、リソースの収益化の機会が増えました。 （Imkhonetのアドバイザリ機能をサードパーティのサイトにエクスポートした最初の経験は、商品の売上が18％増加し、閲覧ページ数が24倍増加したことを示しています。）など。

円卓会議には、さまざまな専門職の人々が出席しました...さまざまなアドバイザリーサービスのメーカー：Imkhonet-サービスマネージャーAlexander Dolgin、「ポスター」-プロジェクトマネージャーElena Kuznetsova、作品推薦サービスGuru.ru-ジェネラルディレクターAlexander Pyatigorsky; コンテンツアクセスオペレーター（AKADO-サービス開発部長Ivan Volchenskov）; 専門家（Alexander Sergeev-「世界一周」の科学編集者）。

その結果、問題をかなり広く見ることができました。詳細については、円卓の書き起こしを参照してください。





発表者：

エレナ・レベデバ、イムホネットの広報ディレクター



スピーカー：

アレクサンダー・ドルギン、マネージャー、イムホネット、教授、経済学部教授

Elena Kuznetsova 、プロジェクトマネージャー、ポスター

アレクサンダー・ピャチゴルスキー、gooroo.ru CEO

Ivan Volchenskov 、 赤道サービス開発部長

アレクサンダー・セルゲイエフ 、「世界一周」の科学編集者





プレゼンター ：最近、レコメンデーションサービスの本当の流行がありました。 この点で、なぜこのビッグネームを割り当てないのですか。 サイトにインストールされ、評価を表示する最も単純な「投票投票」でさえ、誇らしげに推薦サービスと呼ばれています。 なぜそんなに動揺するのですか？ 推奨サービスはナビゲーションを改善します。これは、コンテンツの量が急速に増加する状況で非常に重要です。 推奨機能のインストールは、かなり具体的な経済効果につながります。Imkhonetの経験によれば、ページビュー数は24％増加し、売上は18倍になります。 これらすべてが一緒になって、推奨事項の流行に拍車をかけます。

一方、推奨システムは完全に異なります。 アレクサンダー・ドルギンに話を聞いた後、レコメンデーション・サービスとその詳細を確認することから始めてください。



Alexander Dolgin ：推薦サービスがなぜ必要なのかを詳しく説明するのは意味がないと思います。 私たちが意味のある会話を確立しようとしている部屋の騒音レベルは、私のスピーチの素晴らしい例です。なぜなら、この干渉は、私たち全員が住んでいる情報や製品環境がどれほど騒々しいのかと比べれば何もないからです。

プレゼンターが正しく指摘したように、「推奨サービス」と「推奨」という用語は、まったく異なることを意味します。 最も一般的な意味での推奨事項は、オブジェクトに付加価値があることを示すだけです。 この表示はさまざまな方法で表示されます。 例えば、ある意味で10年前に栄えたタイムシェアの売り手は推薦者でした：彼らはあなたがまあまあまあまあをすることができる良いサービスがあると言いました。 評価、チャート、ビルボードも推奨機能を実行し、平均して多くの人がそれを気に入っていることを通知します。 批評家や専門家による記事を公開する専門的な出版物、コンテストやフェスティバルに関するレポートも、ある種の推奨事項です。 ブランド、広告主、売り手からのヒントは、もう1つの推奨事項です。 友人や親relativeと意見を交換するだけの簡単な会話でさえ、推奨スタンプの対象となります。 そして今日、これらのさまざまなタイプの推奨事項はすべて、インターネット上にプラットフォームを持っています。 そして、各サイトは、ある人がストリーミングフィードモードで別の人に何かを伝える場所であり、推奨サイトであると主張しています。

この推奨スペースをすべて構成できるいくつかの基準を提供します。

最初の原則は、推奨事項の発行における自動化の程度です。 ここには2つの極があります。 一方で-「手動の方法」：つまり、消費者はテキストのストリームを読み取り、そこから自分にとって興味深いものを選択します。 もう1つの極は、完全に自動化された推奨事項です。1回クリックするだけで、特別な情報を選択できます。 ある意味では、リクエストへの回答を提供する検索エンジンは、情報源の評判に応じて優先順位を設定し、推奨システムに帰することができます。 自動化の程度に関しては、多くの中間技術ソリューションがあります。



私が代表する普遍的な推薦システムImkhonet www.imhonet.ruは、自動化された推薦、つまり、高速で高精度であり、ストリーミングテープの「発掘」をユーザーに非難しません。 これは、すべてがこのレベルの推奨事項に限定されることを意味するものではありません-自動的に生成された予測に加えて、推奨事項を絞り込むことができるサイトにはさらに多くのエントリポイントがあります。 比phorとして、飛行機で空港からホテルまで-タクシーで別の大陸に旅行する旅行者のイメージを与えます。最後のメートルは歩いています。 すぐに徒歩で別の大陸に長時間移動するため、ストリーム内の必要な情報を探すことも困難です。 これは、さまざまな方法を使用して（たとえば、シンボリックな作業または好みに合った批評家のプロファイルを使用して）検索をいくつかの段階に分割し、ますますターゲットを絞った選択を達成する必要があることを意味します。



推奨サービスを分類することができる2番目の原則は、それらが表す利益です。 ここでも2つのオプションが可能です。メーカー、エージェント、セラー、プロモーター、および消費者の利益を守るサービスのために機能するシステムであり、プログラム不可能で控えめな選択を可能にします。 前者の場合、システムは販売に役立ちます。 歴史的に、アドバイザリーサービスの大半は売り手の単位として発生しました。これは、これがサービスを収益化して収益を上げる唯一の機会であったためです。 ここで発行された推奨事項の精度は低いですが、売り手の目標と一致しています。 たとえば、有名なAmazon推奨システムで「この本はあなたと同じ本を買った人が買った本です」でこの種の情報を受け取った場合、その目的は正確な予測を与えることではなく、売り手にとって都合の良い方向に向けることです。 システムは、人がこの本を買った理由を知りません。 あなた自身または他の人のために。 主なものは、彼が購入したものが好きかどうかわからないことです。 配布に有益な省略のために、リッチフィールドが作成されます。

最後に、推奨システムの分類の3番目の原則は、予測が直接的か間接的かに基づいているかどうかです。 たとえば、ある男性が友人や志を同じくする人に「この映画を見て、気に入ったので、見に行きましょう」と言います。 これは、消費者から消費者への直接的な信号です。 しかし、あなたはそれを異なって定式化することができます：1万人が特定の映画を見ました-訪問の統計によると、それは「最高」であることが判明しました-それも見に行きます。 2番目のケースでは、消費者は前任者の行動のみに注目し、実際に受け取った結果には注目しません。 これは映画業界のプロモーションテクノロジーの基盤です。最初の週末の興行収入を確保することが重要な場合、これはいわゆる非情報の情報カスケードを自動的に起動するためです。 そして、なぜ人々は映画を見に行くのですか？ 散兵がこれをしたからといって。

インテント情報を計算するための多くの間接的な方法があります。 問題は、それらがすべて不正確であることです。 今日、インターネットでは、ユーザーが何に注目したか、何をどのくらい見つめ続けているかなど、ユーザーが注意を向けた情報が常に収集および分析されています。 これらの統計に基づいて、彼の真の意図について結論が導かれます。 しかし、その人が最終的に支払ったものを取得しようとしたものと、最終的に受け取った結果との間のギャップは非常に大きい。 これにより、重大なエラーと非効率的な選択のためのフィールドが作成されます。



私が開発している推奨サービスimhonet.ruは、消費者自身からの直接の事後信号にのみ基づいて予測を計算し、消費者は実際にこれまたはその機能をどれだけ気に入ったかについて意見を交換します。 私の意見では、これは最も関連性が高く、信頼性があり、有用な情報です。 その品質は、システムに参加する人数によって決まります。人数が少ない場合、経験を交換するためのフィールドは小さくなります。 これは、異なる分野に特化した異なるサイト間で効果的なアフィリエイトプログラムへの道を開きます。1つの小さなサイト内でこのようなシステムを確立するのは非常に難しいからです。 まとめて、これはより簡単で効率的です。

要約すると、レコメンデーションサービスの品質は、まず、レコメンデーションの発行の自動化の程度、次にサービスを提供する利益（取引または消費者）、および3番目に依存するシグナル（直接​​または間接）。

特に実際に推奨事項を計算する困難な領域（多くの方法があります）を詳しく調べることなく、そのうちの2つに焦点を当てます。 1つ目は、ユーザークラスタリングに基づいています。 たとえば、特定の歯ブラシの購入者がそのような歯磨き粉を好むと仮定し、統計的に明らかにすることができます。 または、中所得者は子供を特定の幼稚園に送り、自転車に乗って仕事をします（オランダで発生します）。 これに基づいて、私たちは人々をクラスタにグループ化し、まだ自転車を購入していない人のために、あなたのような人はすでにそれをやったので、購入することをお勧めします。

2番目の方法は、英語からの共同作業と呼ばれます。 協力的-「協力」（イムホネットの根底にあるのは彼です）。 この場合、人々は、それがどうあるべきかという抽象的な仮定に基づいて選択されるのではなく、人が消費したものと消費の産物をどのように評価したかの明確な事実に基づいて選択されます。



聴衆からの質問：ユーザーのプロファイルで収集する情報は個人データであり、その保護は法律で保証されています。 サイト上のこのデータはどの程度オープンですか？また、この方向での開発の見通しは何ですか？



Alexander Dolgin：個人データを管理するすべての権利はユーザーの手にあります。 彼は好きなもの、好きなもの、友達と一緒に公開することができ、匿名性とプライバシーの体制を有効にすることができます。



アンカー：共同アドバイザリーサービスを導入したラウンドテーブルに参加している別の会社はAfishaです。 私はエレナ・クズネツォワに床を渡し、彼女のサービスの詳細についてさらに詳しく説明するように頼みます。



Elena Kuznetsova：さまざまな推奨方法を実際に実践する方法をお話ししたいと思います。 「ポスター」はエンターテイメントに関するサイトであり、その主な目標の1つは、ユーザーが余暇を過ごす方法を選択するのを支援することです。 そして、ここでの推奨事項は非常に必要です。 さまざまなレベルでユーザーの推奨事項を提供しています。 まず、映画のスケジュール、劇場、スポーツイベント、テレビ番組など、彼が住んでいる都市での娯楽の機会について完全な情報を提供します。 次に、映画、テレビ番組、書籍、訪問できる機関（レストラン、クラブ、劇場など）のオンラインカタログを公開しています。 情報の量は非常に多いため、ユーザーには、ナビゲーションツールおよび検索ツールとして、かなり優れたツールを提供しています。

推奨事項自体については、それらは多層です。



まず、編集部が毎日、各トピックの最も重要なイベントを選択します-これらは、手動による推奨事項のみです。 2番目のレベルは、読者とユーザーの信頼を獲得した尊敬される批評家のレビューです。 第三に、これらはユーザー自身のレビューと評価です：毎月約30万件の評価と約3000件のオブジェクト（映画、レストランなど）のレビューを取得します。 次に、パーソナライズされた選択ツールがあります-特に、ユーザーの友人のレビューと評価。 これは単なるレビューテープではなく、ユーザーが信頼し、推薦者として見たいと考えている人々のみの意見です。 最後に、最後の1つは、Kinorobotの推奨事項のコラボレーション方法です。 これは、Slope Oneアルゴリズムに基づいており、これまでは映画に対してのみ機能します。 その原理を簡単に定式化すると、システムは、まだ評価していないが、同じ映画を好きなユーザーが好きな映画をお勧めします。



さらに、Kinorobotは、推奨される映画のジャンルと既に評価した映画のジャンルとの類似性を考慮し、オブジェクトの新規性と平均加重評価も考慮します。 つまり、たとえどこかで偶然が一致したとしても、原則として悪い映画はお勧めしません。



プレゼンター：明確化のための質問：誰が決める-これは良い映画ですか、悪い映画ですか？ エディション？



Elena Kuznetsova：いいえ、これは加重平均評価によって決定されます。 特定の値を下回っている場合、この映画は推奨事項に該当しません。



アレクサンダー・ドルギン：フェリーニの映画は良いですか、悪いですか？



エレナ・クズネツォワ：良い。



プレゼンター：彼らは高い評価を受けていますか？



Elena Kuznetsova ：推奨事項については十分です。



聴衆からの質問：推奨事項を発行するとき、誰が優先されますか-専門家、友人の意見、または未知の多数派の意見ですか？ なぜなら、それはあなたが個人的にあなたを知っていて、あなたの好みがほぼ一致する人からアドバイスされるときの一つであり、もう一つは一般化された加重平均推薦者だからです。



Elena Kuznetsova：現在、ウェブサイトでは、個々の批評家の評価や友人の個々の評価を考慮せずに、自動化された推奨事項が発行されています。 いくつかの人に同時に推奨事項を生成する小さなプロジェクトがあります。たとえば、あなたとあなたのガールフレンドが何を好むか、一緒に行くことができる場所などです。

推奨事項を発行するためのさまざまな方法（自動化と非自動化）の組み合わせについてお話したいと思います。



次の表は、どのオブジェクトに対してどのメソッドが最適に機能するかを示しています。 私たちの観察によると、共同の推奨事項は、古い映画、本、CDなど、時間とともに変化しないオブジェクトに対して非常にうまく機能します。 レビューや評価もうまくいきますが、多くの作品があるため、レビューを読むことは時間の無駄になります。 すべてのオブジェクトのレビューを書くことは単に不可能であるため、この場合の編集上の選択もうまく機能しません。

ただし、新しく新しく登場する作品については、作品の推定がないか、アルゴリズムが効果的ではないため、ここで共同推奨を使用する方法はあまり明確ではありません。 新製品の場合、私たちの意見では、批評家の編集選択とレビューははるかにうまく機能します。 聴衆の中にはイノベーターの大部分がいることを心に留めておく必要があり、彼らは新しい作品の推薦を受けることが重要です。

イベントに関しては、状況はさらに複雑です。 このような推奨事項を自動化できるアプローチと方法があると想定しています。 ただし、このイベントは、評価がまだない未来時制、または推奨するのがすでに役に立たない過去のいずれかに存在することに留意する必要があります。 したがって、この場合の協調的な推奨事項がどのように機能するかはあまり明確ではありません。

アレクサンドル・ドルギンは、場所、施設、レストラン、ホテルにも言及しました。問題は、時間の経過とともに変化する可能性があることです。以前の評価の結果として、シェフが去り、価格が変化するなど、現実とは一致しなくなりました。そして、これを完全に追跡することは完全に不可能であり、むしろ、おそらく、評価の数がここで大きな役割を果たします。機関では、レビューテープがはるかに効率的に機能し、正確に人が好きなもの、嫌いなものを読むことができると思います。

まだ公開されていない最も重要な質問：推奨アルゴリズムの品質を判断する方法は？彼は良い勧告をするかどうか？私たち自身の推薦システムをテストするために、私たちは私たち自身の個人的な推薦も見て、それぞれが私たちの意見と一致するかどうかを決めました。ただし、もちろん、これをアプローチとして使用することはできません。



プレゼンター：少なくとも3つの質問がありました。新しい作品の状況はどのように解決されますか？いくつかの要因が推奨事項の意味と品質に影響するような複雑な領域で、協調システムはどのように機能しますか？発行された推奨事項の品質はどのように決定されますか？



アレクサンダー・ドルギン：最後の質問から始めましょう。世界中で使用されているエレガントなソリューションがあります。アドバイザリーサービスには、大規模な評価ベースがあります（たとえば、1億）。このデータベースの一部（たとえば2,000万）が閉鎖されており、残りのデータに基づいて、サービスは実験時に彼が知らなかったこれらの推定値を計算しようとしています。そして、計算された推定値が実際の推定値と比較されます。特に、Netflix映画諮問サービスは、推奨アルゴリズムを改善できる人を探して100万ドルの賞金プールを発表しました。この方法で検証が行われました。原則として、エレナはこの特定の経験に言及しました。誰もが予測された推奨事項を自分の意見と比較し、システムが推測したかどうかを決定します。しかし、孤立したケースでは、逸脱が発生する可能性があります。また、統計が大きい場合、エラーは発生しません。

ここでも、新しい作品の予測については、すべてがそれほど悪くはありません。作品は世界を巡回しています。モスクワのポスターに登場したばかりの映画は、すでにアメリカで見られていました。批評家はすでにレビューを書いています。評価とレビューのインポートデータベースがあります-私たちはそれを使用しています。

イベントには一定の長さもあります。ヴェネツィアビエンナーレが興味深い場合、人々は最初の2日間でそれについて話し、2か月続きます。各合併症および特別なタスクごとに、技術的な解決策が存在します。大規模なユーザーベースとコンピューティングパワーのみが必要です。



発表者：ラウンドテーブルには、そのウェブサイトで推奨サービスが紹介されているAKADO社の代表者がいます。イヴァン、あなたはわずかに異なる視点から問題を見ています-開発者としてではなく、特定のボーナス、利益、配当を引き出すことを期待するリソースのユーザーとして。どれ？



Ivan Volchenskov： AKADOを例に、アクセスオペレーター向けの推奨システムの必要性についてお話したいと思います。 AKADOオペレーターは、インターネット、デジタルテレビ、電話の3つの基本的なアクセスサービスを提供します。



同様のアクセスオペレーターはすべて、サービスを追加のコンテンツとサービスで満たそうとしています。私たちのように、近い将来、消費者のための闘争は魅力的な価格のレベルだけでなく、これらの3つの分野のそれぞれにおける追加サービスの量、品質、および利便性に基づいて進むでしょう。



約2.5年前に追加サービスの開発を開始しました。その結果、加入者が選択の問題に直面している多くのサービスを提供しています。



たとえば、音楽販売サービス：現在20万のトラックがありますが、新年にはこの数字は100万に達し、ユーザーがこの情報スペースを移動することは非常に困難になります。既存の統計（たとえば、America Onlineなどの大規模なオペレーターに関する）によると、リソースで提供されるトラックの90％がダウンロードされたことはありません。ゲームにも同じ問題があります。それらは非常に多く、高価であり、間違った選択をした場合のエラーのコストは非常に高くなります。人は、どのゲームを購入するかを事前に理解したいと考えています。ソフトウェア、書籍などでも同じことが起こります。近い将来、Video on Orderサービスが開始されます。このサービスでは、視聴者が視聴する映画を選択する必要があります。私たちはユーザーを支援しようとし、推奨システムの助けを借りてこの問題を解決しようとしています。リソース上の商品やサービスの消費を促進します。私たちの意見では、ユーザーは自分の好みに合った購入に満足するため、これは売上の増加につながります。それに応じて、顧客のロイヤルティが向上します。これは別の良い結果です。



このプログラムをどのように実装しますか？最初は、独自の推奨システムの開発を考えていましたが、それは非常に骨の折れる作業であることがわかりました。 1年前、私たちはImhonet社の代表者と会い、調査を実施し、私たちにとって最適なソリューションは、Imhonetとのサードパーティリソースに関する推奨事項を実装するパートナーシッププログラムであることに気付きました。私たちの研究は、これは非常に単純であり、多くの利点を伴うことを示しました。まず、「ホットスタート」。既製の推奨事項がない新しい製品や商品を販売することはかなり難しいと、すでにここで言われています。私たちにとって、Imhonetは、これらの推奨事項がすでにそこに存在しているという理由で優れています。たとえば、テレビ番組。



150チャンネル以上のデジタルテレビを提供しています。しかし、何を正確に見ますか？ユーザーは番組ガイドの選択に問題があり、その後デジタルテレビで失望し、人々はチャンネル1、RTR、NTVに戻って広告番組を視聴します。



そのため、利用可能なチャンネルに基づいて、「パーソナルテレビ」の方向性、つまり特定の加入者向けのパーソナルプログラムガイドを作成することにしました。特別なソフトウェアは、テレビの前に座っているユーザーに、今見たい番組と次に見たい番組を提供します。そして、テレビ番組の評価基準がすでに蓄積されている推奨システムのおかげで、Immhonetがこれを支援してくれることを願っています。



発表者：ここには、さまざまなニッチで最も効果的で活気のある推奨サービスがあります-"Poster"、Imkhonet、Guru-独自の詳細。しかし、それらはすべて推奨事項の作成者です。ご存知のように、どの専門家も流動性に似ており、その完全性は劣っています。ここにはまったく異なる立場に立っている人がいます。アレクサンダー・セルゲイエフ、ジャーナリスト、雑誌「Around the World」の科学編集者、筆者は、私の意見では、アドバイザリー・サービスに関する最も基本的かつ真剣なレビュー記事の1つです。



Alexander Sergeev：私は推薦サービスの作成者としてではなく、ユーザーとして話をし、私にとっての推薦システムとは何か、そしてそのようなシステムに期待することを説明しようとします。

私の意見では、3つの要件と3つの基準を満たすシステムのみが、言葉の意味でアドバイザリーと呼ばれます。実際に遭遇する多くの推奨システムは、これらの基準を満たしていません。この用語は広すぎて誤解を招く可能性があります。それにもかかわらず、狭義のレコメンデーションサービスと、あらゆる種類のヒントやヒントを提供するシステムを分離することは有用であると思われます。

1つ目は独立性です。つまり、推薦する人と推薦される人の間に利益相反が生じないことです。 2つ目はコラボレーションです。コラボレーションのアイデアではなく、たとえば専門家のデータに基づいて構築されたシステムは、まったく異なるものだからです。専門家の推奨事項は常に存在し、人々は長い間それらを使用してきました-たとえば、法律上のアドバイス。最後に、3番目の基準はパーソナライゼーションです。つまり、特定の消費者に合わせて推奨事項を個別に調整する必要があります。



これらの点について詳しく説明します。広告を取る：これは一種の推奨事項でもあります-何かを買う、どこかに行くなど。しかし、これは1つの単純な理由による推奨サービスではありません。広告の最終目標はクライアントの利益と矛盾します。彼女は彼に何かを売ろうとしていますが、推薦サービスは常に完全に消費者側にあります。したがって、たとえば、私の意見では、オンライン書店の追加サービスとして存在するさまざまなシステムは助言サービスではありません。むしろ、それは特定の種類のコンテキスト広告であり、関連製品を販売するシステムです...



アドバイザリーサービスをアドバイスと混同しないでください。相談は狭い分野の専門家によって行われた場合に有効であり、専門家の高い資格のために費用がかかります。また、テレビ番組または本の選択は小さな決定であり、あまりにも費用がかかるため、コンサルティングアプローチは適していません。安い場合、結果として、品質が低下します。だから、私にとって推薦サービスは、仲間のユーザーの意見の分析に基づいたそのシステムのみであり、その多くがそうです。この観点から、Yandexのような素晴らしいシステム。 Guruは推奨ではありません。数十人の専門家の意見を評価および体系化するエキスパートシステムです。各専門家はそれぞれの分野を説明し、注意すべき点をアドバイスします。



最後に、3番目の側面はパーソナライズです。明らかに、すべての種類の評価と統計は推奨事項ではありません。すべての人にとって同じであるためです。否定的な例を挙げると、素晴らしいサービスYandexに深刻な問題があります。ニュース」など。彼らは何をしていますか？毎日表示される数百のニュースの中で、そのようなシステムは5を発信し、それらが最も重要であると言います-全国、全世界にとって。しかし、これはばかげている-私は自分の優先順位から進んで、それらは完全に異なる場合があります。個人的には、なぜアドバイザリーニュースサービスがないのか理解できません。毎日、ジャーナリストとして、ニュースに2〜3時間、プライベートユーザーとして30分を費やしています。そして、私の個人的な興味の一部として、私にとって個人的に最も重要な5つのニュース項目を読むように、これらの30分を最適化するのを誰も助けてくれません。



次に、推薦サービスの紹介について触れたいと思います。推薦サービスがImkhonetのような独立した有機体として作成されると、すべてが明確になります。しかし、この機能が他の方向のアプリケーションサイトに存在する場合、疑問が生じます。なぜそこに挿入されるのですか？顧客の忠誠心を達成するために、販売ツールとして戦術的な理由で使用されるか、戦略的に使用されます。



そして、これらのベクトル間で明確な選択が行われなかった場合、ユーザーとして、私はシステムに途方に暮れ、信頼しています。この問題は、私が言及した3つの要件の受け入れまたは拒否のレベルで解決されます。違反すればするほど、この推奨システムが戦術的な販売ツールであり、迅速な利益ツールであることが明確になります。これらの基準が明確に満たされるほど、システムは戦略ツールになります。最初の戦術的なケースでは、販売を促進します。実際、推奨事項は、隠れた販売提案であり、消費者を圧倒するために何かを「取り入れる」試みです。クライアントがこの申し出を受け入れたとしても、彼は彼らが推薦を装って何かを売ったことをまだ認識しています。そして、そのような勧告に対する信頼は低いでしょう。 2番目の場合、紹介サービスの戦略的アプローチは、それ自体が販売に関連するものではありません。そして、それはうまくいくかもしれません。しかし、ある会社に推奨サービスと販売サービスが同時に存在する場合、それらの利益は正反対に対立するため、それらの間の競合は避けられません。最後に、何らかの危機の瞬間にある営業部門は、次のように言うでしょう。「どうしてお金をnotけないのに、アドバイスをするためにそれを使うのか？何が利益をもたらすかアドバイスしてください。」最も不愉快なのは、このような状況では営業部門が正しいということです。特定の危機の瞬間に、ビジネスを維持するために、何か広告を混ぜる必要があるからです。危機だけでなく、ビジネス開発のためだけに。しかし、ある会社に推奨サービスと販売サービスが同時に存在する場合、それらの利益は正反対に対立するため、それらの間の競合は避けられません。最後に、何らかの危機の瞬間にある営業部門は、次のように言うでしょう。「どうしてお金をnotけないのに、アドバイスをするためにそれを使うのか？何が利益をもたらすかアドバイスしてください。」最も不愉快なのは、このような状況では営業部門が正しいということです。特定の危機の瞬間に、ビジネスを維持するために、何か広告を混ぜる必要があるからです。危機だけでなく、ビジネス開発のためだけに。しかし、ある会社に推奨サービスと販売サービスが同時に存在する場合、それらの利益は正反対に対立するため、それらの間の競合は避けられません。最後に、何らかの危機の瞬間にある営業部門は、次のように言うでしょう。「どうしてお金をnotけないのに、アドバイスをするためにそれを使うのか？何が利益をもたらすかアドバイスしてください。」最も不愉快なのは、このような状況では営業部門が正しいということです。特定の危機の瞬間に、ビジネスを維持するために、何か広告を混ぜる必要があるからです。危機だけでなく、ビジネス開発のためだけに。「どうしてお金をmakeけないのに、アドバイスをすることに費やしますか？何が利益をもたらすかアドバイスしてください。」最も不愉快なのは、このような状況では営業部門が正しいということです。特定の危機の瞬間に、ビジネスを維持するために、何か広告を混ぜる必要があるからです。危機だけでなく、ビジネス開発のためだけに。「どうしてお金をmakeけないのに、アドバイスをすることに費やしますか？何が利益をもたらすかアドバイスしてください。」最も不愉快なのは、このような状況では営業部門が正しいということです。特定の危機の瞬間に、ビジネスを維持するために、何か広告を混ぜる必要があるからです。危機だけでなく、ビジネス開発のためだけに。





問題は、この問題を正しく解決する方法ですか？！商業的利益と戦略的利益が交差するときに良心と取引する方法は？ギラギラした歪みを避けるために、適切な人々が決断を下さなければなりません。それは会社の経営陣であり、状況全体を見ます。おそらく、浮かんでいるために戦略的信頼を少し犠牲にする価値があるかもしれません。しかし、この問題がトップマネジメントのレベルに達していない場合、そのような決定は部門間の対立のレベルで行われ、純粋に技術的なソリューションに対処する必要があります。そして、それはすべて、誰が誰を倒したかに帰着します。

この問題に対する最善の解決策の1つは、推奨ユニット（対象外であり、メインビジネスではない）を取り出して、アウトソーシングユニットに変えることだと思います。その後、彼とのすべての交渉はリーダーシップによって行われ、システムが公平な推奨事項を提供するか、それが望ましい結果を達成するための特定の混合ツールとして使用されるかどうかを決定します。しかし、これはすでに明確なビジネス上の決定であり、開発者間の妥協ではありません。



距離は、推奨システムが正しく動作することを保証します。実際、企業が推奨事項の発行を専門とする場合、これがその活動の主な方向である場合、予測の質に関心があります。そうでなければ、ビジネスは崩壊します。

推奨サービスの理想を描いて、この理想から正しく逸脱する方法を示しました。



プレゼンター：私はこの問題の実用的な側面に注目します。 Imkhonetアフィリエイトプログラムを開始したことにより、カウンターに付き添わない正直な推奨エンジンでさえ、目に見える経済効果をもたらすと確信しました。 Imkhonetのアドバイザリ機能を他のサイトに導入することにより、アレクサンダーセルゲイエフが述べたメーカーやサプライヤーと同じ距離を保ちます。同時に、最初の実装経験では、サードパーティサイトでのページめくり（ビューの数）が24％増加し、コンテンツの販売性が18倍になっていることが示されています。ナビゲーションを改善し、選択肢を最適化するだけです。



イワン・フォルヘンスコフ：コメントがあります。アレクサンダー・セルゲイエフは、売り上げの増加とロイヤルティの増加には矛盾があると指摘しました。どちらかを選択する必要があります。私のレポートでは、売上とロイヤルティの向上という2つの目標をどのように組み合わせるかについて話しました。あなたに勧められ、あなたの期待に関連していることが判明したかなり高価な製品を購入した場合、この推奨事項を提供してくれたサービスに対するあなたの忠誠心は増しませんか？そのため、暴力的な衝突はありません。販売する必要のある製品に関しては（大まかに言うと、著作権保有者には大きな控除があり、お金を取り戻す必要があるため）、コンテキスト、メディアなど、正直な広告でこれを行うことをお勧めします。しかし、これは売り上げを増やし忠誠心を高めるためのツールとしての推奨事項をキャンセルするものではありません。さらに、これらの推奨事項は、味の問題が決定的な役割を果たし、対象読者の意見が重要である製品に特に関連しています。



聴衆からの質問：今日、「推奨事項」という言葉が多く聞こえました。むしろ、「評価」、評価、その他の言葉が聞こえました。あなたの意見ではこれは何ですか？ユーザーがプラスボタンをクリックする回数それとも、多くのコンポーネントで構成されるインデックスを計算するのはかなり難しいですか？



Alexander Dolgin：推奨事項とは、人が映画（本、その他のオブジェクト）をどれだけ気に入っているかについての予測であり、彼はまだなじみがありません。この予測の品質は実際にテストされています。サービスが「あなたはそれを9枚好きになるだろう」と予測し、見たところ、それが「デュース」であることが判明した場合、それは悪い推薦を意味します。推奨事項は、誰も知らないように思われる未来についての予測的な声明ですが、その計算方法を学びました。



発表者：もう1つ詳細に注意を喚起したいと思います。「推奨事項」と「評価」をコンマで区切ってリストしました。推奨事項はアンチレーティングです。より正確には、個人の格付け、個人の格付け、病院の平均気温として情報が提供されていないが、個人の好みと過去の消費者の経験を考慮に入れている場合。誰もが評価を使用して、情報の平均化と粗大化の全体的な尺度を理解できます。推奨事項はあなただけに発行され、あなただけに発行されます;それはもはや私には合いません。



聴衆からの質問：専門家の評価は、個別の評価ほど適切ではないのはなぜですか？繰り返しますが、人が自分の分野の専門家である場合、顔のない普通の素人よりも適切に評価されないのでしょうか？



アレクサンダー・セルゲイエフ：とてもいい質問です。私自身も何度か彼に尋ねました。個人的には、ピアレビューはピアレビューよりも価値のある分野があると信じています。たとえば、ニュースサービスを作成する場合は、マスアセスメントのみに基づいている必要があると思います。そして、それが科学のニュースに基づいたサービスで行われるのであれば、専門家の評価を混ぜる必要があります。もちろんこれは必要です。しかし、まず第一に、用語の理解には推奨サービスがあり、コンサルティングなど、さまざまな種類の推奨があることを理解する必要があります。したがって、私の意見では、推奨サービスにコンサルティング要素を含めることは可能です。ただし、これについては特に個別に検討する必要があります。これは一般に特別な議論のトピックです-これは適切に行うことができ、もしそうなら、どのくらい正確に行うことができます。



質問：アフィリエイトプログラムの条件について詳しく知りたいのですが。



プレゼンター：非常に短い：非常に短い：アドバイザリーサービスImhonetは、他のリソースに無料で提供するアドバイザリ機能のエクスポートバージョンを開発しました。同時に、Imkhonetはパートナーの2つの問題を一度に解決します。1。推奨システム自体を提供します（また、将来のインストール、適応、保守にも役立ちます）2.「コールドスタート」段階の克服に役立ちます。