PA MediaNation

+757
с 2019
106 подписчиков
28 подписок

Добрый день!

Спасибо за ваш вопрос. Особенности маршрутизации контента и работы по улучшению архитектуры сайта и технического стека как раз и повлияли на ранжирование. Дополнительный буст, как мы писали в кейсе, придали текстовые факторы и on-page оптимизация.

Нас очень радует, когда, благодаря работе нашей команды совместно с клиентом, сайт начинает расти и преодолевает плато по трафику.

Приходите с вашими проектами к нам, мы тоже поможем поднять их в поиске :)

Спасибо, рады, что выпуск понравился и был полезным) Делимся списком рекомендованных книг:
1. Ментальные Ловушки. Глупости, которые делают разумные люди, чтобы испортить себе жизнь. Андре Кукла https://www.litres.ru/book/andre-kukla/mentalnye-lovushki-159037/
2. Психология поведения. Избранные труды. Иван Сеченов https://www.litres.ru/book/ivan-mihaylovich-sechenov/psihologiya-povedeniya-izbrannye-trudy-22025307/
3. Реклама и продвижение товаров. Дж. Р. Росситер, Л. Перси

1

Это дает нам больше простора при разработке алгоритма семплирования хитов.

В данный момент у нас разработаны коннекторы к BigQuery и ClickHouse. В процессе разработки также находятся коннекторы к другим СУБД.

Стоимость разработки и внедрения индивидуальна для каждого проекта и зависит от количества сайтов, мобильных приложений и подключаемых сервисов.
В среднем обслуживание предсказаний будет стоить 80-100 тыс рублей в месяц.

С предсказаниями можно делать всё, что вы привыкли делать с любой другой ретаргетинговой группой. Слать пуши, изменять ассортимент в магазине, цены, предлагать определенные акции и промокоды.
Идентификатор зависит от выбранной аналитической системы, из которой поступают данные. Затем эти данные можно обогащать контактами из CRM. Например, в вебе мы можем метчить ClientID / UserID с номерами телефонов, электронными почтами пользователей.

Все признаки, которые используются в предсказании - важные. Наибольшее влияние на вероятность покупки оказывают признаки, связанные с предыдущими транзакциями пользователя. Например, у нас есть история покупок пользователя за 90 дней и прогнозируемый отрезок в неделю. Мы вводим коэффициенты, которые связаны со средним объемом покупок или их частотой. Эти индикаторы девиаций от исторического среднего имеют большую прогнозирующую силу.

Просто изменится источник получения данных. Система продолжит работать, как и прежде.

Запрос к БД для выгрузки данных для обучения обращается примерно к 1 ТБ данных, так как необходимо сформировать исторические признаки за длительный период.

Дообучение готовой модели новыми данными происходит за считанные минуты.