Комментарии 6
А можете, пожалуйста, по-человечески рассказать, как всё же вы матчите пользователей? С технической стороны, не с маркетинговой. Хотя бы входные данные для вероятностного матчинга. Из статьи просачивается слегка инфа про:
1) смотрите куки на домене
2) смотрите поисковые запросы (как? они же зашифрованы давно везде)
что ещё?
1) смотрите куки на домене
2) смотрите поисковые запросы (как? они же зашифрованы давно везде)
что ещё?
Смотреть что смотрит юзер.
К примеру у меня для каждого url смотрится тематика. Тематики по известным данным (рега через соц сети на сайтах) делятся по соцдему с коэффициентами. Соответственно когда человек ползает по инету, то его соцдем уточняется. и если смотреть на диаграммы вероятностей, то часто видим 2 пика… мужчина 30 лет, к примеру, и женщина 27 лет — вывод — > это комп на 2 пользователей.
Если в начале сеанса видим сайты и поведения юзера 2, то выдаем рекламу для него. Если пользователь 1, то для него. Если непонятное, то среднюю рекламу.
К примеру у меня для каждого url смотрится тематика. Тематики по известным данным (рега через соц сети на сайтах) делятся по соцдему с коэффициентами. Соответственно когда человек ползает по инету, то его соцдем уточняется. и если смотреть на диаграммы вероятностей, то часто видим 2 пика… мужчина 30 лет, к примеру, и женщина 27 лет — вывод — > это комп на 2 пользователей.
Если в начале сеанса видим сайты и поведения юзера 2, то выдаем рекламу для него. Если пользователь 1, то для него. Если непонятное, то среднюю рекламу.
Либо вы не поняли меня, либо я вас. Я хочу узнать как вы понимаете на двух разных устройствах, что это один и тот же человек. Если на сайте подключен вход через соц. сети, то вы запрашиваете id юзера на обоих девайсах, верно? А если юзер не вошёл через соц. сеть на каком-нибудь из девайсов или на сайте вообще нет такой опции?
Здравствуйте, спасибо за ваш вопрос.
Обратите внимание, я постарался привести в статье достаточно полный обзор источников.
В качестве обучающей выборки обычно используют данные когда пользователь на нескольких устройствах сидит из под одного и того же аккаунта магазина или любого другого сервиса. В качестве фичей этой выборки может быть все то, что известно о пользователе, география, время работы с сервисами, ip адреса, геолокация а так же различные паттерны во времени, которые детектируют тот факт, что два разных устройства часто, на протежении длительного времени, находятся в одном и том же месте.
Построение такой модели по точным данным позволяет строить кросс-девайс по пользователям, для которых учетные идентификаторы неизвестны. Подробнее вы можете посмотреть по списку использованных источников из конца статьи.
Обратите внимание, я постарался привести в статье достаточно полный обзор источников.
В качестве обучающей выборки обычно используют данные когда пользователь на нескольких устройствах сидит из под одного и того же аккаунта магазина или любого другого сервиса. В качестве фичей этой выборки может быть все то, что известно о пользователе, география, время работы с сервисами, ip адреса, геолокация а так же различные паттерны во времени, которые детектируют тот факт, что два разных устройства часто, на протежении длительного времени, находятся в одном и том же месте.
Построение такой модели по точным данным позволяет строить кросс-девайс по пользователям, для которых учетные идентификаторы неизвестны. Подробнее вы можете посмотреть по списку использованных источников из конца статьи.
А ещё ведь спорить со мной пытался ) а сам такую статью потом выкатил — как трудно жить )
Ладно, пиво пить с тобой не буду и рассказывать плюшки. Щас руки у меня дойдут до Маднетовой дмп твоей и потом тоже постик сварганю.
P.S. Эххх, exMadnetex team, как вас мне порой не хватает.
Ладно, пиво пить с тобой не буду и рассказывать плюшки. Щас руки у меня дойдут до Маднетовой дмп твоей и потом тоже постик сварганю.
P.S. Эххх, exMadnetex team, как вас мне порой не хватает.
Зарегистрируйтесь на Хабре, чтобы оставить комментарий
Как работает кросс-девайс реклама: сложности и перспективы развития технологии