Алиса давай поговорим без яндекса: Алиса, давай поиграем 🎮 — Игры в которые умеет играть Яндекс Алиса!

Алиса, давай поиграем 🎮 — Игры в которые умеет играть Яндекс Алиса!

Перейти к контенту

Алиса Яндекс » ✳️Возможности Алисы✳️

Хочешь поиграть с Алисой в интересные игры?

Если да, то скажи  «Алиса мне скучно»  или  «Алиса Давай поиграем» .

Чтобы закончить игру, скажи «Хватит» или «Стоп«.

Быстрее, выше, сильнее

Проверьте олимпийский лозунг в действии.

Просто скажите:

 Алиса, давай сыграем в «Быстрее, выше, сильнее» 

Верю — не верю

Отличите факт от выдумки — теперь и в спортивном режиме.
Просто скажите:

 Алиса, давай сыграем в «Верю — не верю» 

Виселица

Отгадайте моё слово по буквам. Просто скажите:

 

 Алиса, давай сыграем в «Виселицу» 

Гадание

Ответы на все вопросы есть в книгах.

Просто скажите:

 Алиса, давай погадаем 

Города

Вы мне — Самара, а я вам — Архангельск.

Просто скажите:

 Алиса, давай сыграем в «Города» 

Загадки

Без окон, без дверей. Зимой и летом одним цветом.

Просто скажите:

 Алиса, давай сыграем в «Загадки» 

Зоология

Детские вопросы о мире животных.

Просто скажите:

 Алиса, давай сыграем в «Зоологию» 

Мудрый учитель

Лао Вай ответит на любой вопрос, черпая мудрость из интернета.

Просто скажите:

 Алиса, давай поговорим с мудрым учителем 

Найди лишнее

Игра для детей — развивает логику.

Просто скажите:

 Алиса, давай сыграем в «Найди лишнее» 

Песни

Я научилась читать стихи из поисковых запросов 2017 года под нейромузыку.

Просто скажите:

 Алиса, спой песню 

Cлова

Всё как в детстве — маленькие слова из большого.
Просто скажите:

 Алиса, давай сыграем в «Слова» 

Тосты

За чудеса и за будущее, за детей и за родителей

— я всегда найду, за что можно поднять бокалы.

Просто скажите:

 Алиса, скажи тост 

Угадай актёра

Звёзды экрана в пяти вопросах.

Просто скажите:

 Алиса, давай сыграем в «Угадай актёра» 

Угадай животное

Прислушайтесь к звукам живой природы.

Просто скажите:

 Алиса, давай сыграем в «Угадай животное» 

Угадай песню

Назовите строчку, а я подхвачу.

Просто скажите:

 Алиса, давай сыграем в «Угадай песню» 

Угадай число

Больше или меньше?

Угадаю всё от 1 до 100.

Просто скажите:

 Алиса, давай сыграем в «Угадай число» 

Фантастический квест

Спасите космического путешественника. Вы его последняя надежда.

Просто скажите:

 Алиса, давай сыграем в квест 

Что было раньше

Что изобрели раньше: тостер или батут?

Просто скажите:

 Алиса, давай сыграем в «Что было раньше» 

Шар судьбы

Принятие решений по методу «пальцем в небо».

Скажите:

 Алиса, давай сыграем в «Шар судьбы» 

Этот день в истории

Интересные факты из прошлого.

Просто скажите:

 Алиса, расскажи про этот день в истории 

c Алисой интересно играть?

ДаНет

CКАЧАТЬ АЛИСУ:

7

Понравилась статья? Поделиться с друзьями:

Алиса.

Как Яндекс учит искусственный интеллект разговаривать с людьми / Хабр

В будущем, как нам кажется, люди будут взаимодействовать с устройствами с помощью голоса. Уже сейчас приложения распознают точные голосовые команды, заложенные в них разработчиками, но с развитием технологий искусственного интеллекта они научатся понимать смысл произвольных фраз и даже поддерживать разговор на любые темы. Сегодня мы расскажем читателям Хабра о том, как мы приближаем это будущее на примере Алисы – первого голосового помощника, который не ограничивается набором заранее заданных ответов и использует для общения нейронные сети.

Несмотря на кажущуюся простоту, голосовой помощник – один из самых масштабных технологических проектов Яндекса. Из этого поста вы узнаете, с какими сложностями сталкиваются разработчики голосовых интерфейсов, кто на самом деле пишет ответы для виртуальных помощников, и что общего у Алисы с искусственным интеллектом из фильма «Она».

На заре своего существования компьютеры в основном применялись на крупных научных или оборонных предприятиях. Про голосовое управление тогда размышляли лишь фантасты, а в реальности операторы загружали программы и данные с помощью куска картона. Не самый удобный способ: одна ошибка, и все нужно начинать сначала.

С годами компьютеры становятся доступнее и начинают применяться в компаниях поменьше. Специалисты управляют ими с помощью текстовых команд, вводимых в терминале. Хороший, надежный способ – он применяется в профессиональной среде и по сей день, но требует подготовки. Поэтому когда компьютеры стали появляться в домах обычных пользователей, инженеры принялись искать более простые способы взаимодействия машины и человека.

В лаборатории компании Xerox зарождается концепция графического интерфейса WIMP (Windows, Icons, Menus, Point-n-Click) – массовое применение она нашла в продуктах уже других компаний. Заучивать текстовые команды для управления домашним компьютером больше не требовалось — им на смену пришли жесты и клики мышью. Для своего времени это было настоящей революцией. И теперь мир приближается к следующей.

Теперь почти у каждого в кармане лежит смартфон, вычислительных мощностей которого достаточно, чтобы посадить корабль на Луну. Мышь и клавиатуру заменили пальцы, но ими мы совершаем все те же жесты и клики. Это удобно делать, сидя на диване, но не в дороге или на ходу. В прошлом для взаимодействия с компьютерными интерфейсами человеку приходилось осваивать язык машин. Мы верим, что сейчас пришло время научить устройства и приложения общаться на языке людей. Именно эта идея легла в основу голосового помощника Алиса.

У Алисы можно спросить [Где поблизости выпить кофе?], а не диктовать что-то вроде [кофейня улица космонавтов]. Алиса заглянет в Яндекс и предложит подходящее место, а на вопрос [Отлично, а как туда пройти?] — даст ссылку на уже построенный маршрут в Яндекс.Картах. Она умеет отличать точные фактовые вопросы от желания увидеть классическую поисковую выдачу, хамство – от вежливой просьбы, команду открыть сайт – от желания просто поболтать.

Может даже показаться, что где-то в облаке работает нейронная чудо-сеть, которая в одиночку решает любые задачи. Но в реальности за любым ответом Алисы скрывается целая цепочка технологических задач, решать которые мы учимся уже 5 лет. И начнем мы свой экскурс с самого первого звена – со способности слушать.

Привет, Алиса

Искусственный интеллект из научной фантастики умеет слушать – людям не приходится нажимать на специальные кнопки, чтобы включить «режим записи». А для этого нужна голосовая активация – приложение должно понимать, что человек к нему обращается. Сделать это не так легко, как может показаться.

Если вы просто начнете записывать и обрабатывать на сервере весь входящий звуковой поток, то очень быстро разрядите батарейку устройства и потратите весь мобильный трафик. В нашем случае это решается с помощью специальной нейронной сети, которая обучена исключительно на распознавание ключевых фраз («Привет, Алиса», «Слушай, Яндекс» и некоторых других). Поддержка ограниченного числа таких фраз позволяет выполнять эту работу локально и без обращения к серверу.

Если сеть обучается понимать лишь несколько фраз, вы могли бы подумать, что сделать это достаточно просто и быстро. Но нет. Люди произносят фразы далеко не в идеальных условиях, а в окружении совершенно непредсказуемого шума. Да и голоса у всех разные. Поэтому для понимания лишь одной фразы необходимы тысячи обучающих записей.

Даже небольшая локальная нейронная сеть потребляет ресурсы: нельзя просто взять и начать обрабатывать весь поток с микрофона. Поэтому на передовой применяется менее тяжеловесный алгоритм, который дешево и быстро распознает событие «началась речь». Именно он включает нейросетевой движок распознавания ключевых фраз, который в свою очередь запускает самую тяжелую часть – распознавание речи.

Если для обучения лишь одной фразе необходимы тысячи примеров, то вы можете себе представить, насколько трудоемко обучить нейросеть распознаванию любых слов и фраз. По этой же причине распознавание выполняется в облаке, куда передается звуковой поток, и откуда возвращаются уже готовые ответы. Точность ответов напрямую зависит от качества распознавания. Именно поэтому главный вызов – научиться распознавать речь настолько же качественно, насколько это делает человек. Кстати, люди тоже совершают ошибки. Считается, что человек распознает 96-98% речи (метрика WER). Нам удалось добиться точности в 89-95%, что уже не только сопоставимо с уровнем живого собеседника, но и уникально для русского языка.

Но даже идеально преобразованная в текст речь ничего не будет значить, если мы не сможем понять смысл сказанного.

Какая погода завтра в Питере?

Если вы хотите, чтобы ваше приложение выводило прогноз погоды в ответ на голосовой запрос [погода], то здесь все просто – сравниваете распознанный текст со словом «погода» и если получаете совпадение, выводите ответ. И это очень примитивный способ взаимодействия, потому что в реальной жизни люди задают вопросы иначе.

Человек может спросить у помощника [Какая погода завтра в Питере?], и тот не должен растеряться.

Первое, что делает Алиса при получении вопроса, это распознает сценарий. Отправить запрос в поиск и показать классическую выдачу с 10 результатами? Поискать один точный ответ и сразу выдать его пользователю? Совершить действие, например открыть сайт? А, может, просто поговорить? Невероятно сложно научить машину безошибочно распознавать сценарии поведения. И любая ошибка здесь малоприятна. К счастью, у нас есть вся мощь поисковой машины Яндекса, которая каждый день сталкивается с миллионами запросов, ищет миллионы ответов и учится понимать, какие из них хорошие, а какие – нет. Это огромная база знаний, на основе которых можно обучить еще одну нейронную сеть – такую, которая бы с высокой вероятностью «понимала», чего именно хочет человек. Ошибки, конечно же, неизбежны, но их совершают и люди.

С помощью машинного обучения Алиса «понимает», что фраза [Какая погода завтра в Питере?] – это запрос погоды (кстати, это заведомо простой пример для наглядности). Но о каком городе идет речь? На какую дату? Здесь начинается этап извлечения из пользовательских реплик именованных объектов (Named Entity Recognition). В нашем случае важную информацию несут два таких объекта: «Питер» и «завтра». И Алиса, у которой за плечами стоят поисковые технологии, «понимает», что «Питер» – синоним «Санкт-Петербурга», а «завтра» – «текущая дата + 1».

Естественный язык – не только внешняя форма наших реплик, но и их связность. В жизни мы не обмениваемся короткими фразами, а ведем диалог – он невозможен, если не помнить контекст. Алиса его помнит – это помогает ей разбираться со сложными лингвистическими явлениями: например, справляться с эллипсисом (восстанавливать пропущенные слова) или разрешать кореференции (определять объект по местоимению). Так, если спросить [Где находится Эльбрус?], а потом уточнить [А какая у него высота?], то помощник в обоих случаях найдет верные ответы. А если после запроса [Какая погода сегодня?] спросить [А завтра?], Алиса поймет, что это продолжение диалога про погоду.

И кое-что еще. Помощник должен не только понимать естественный язык, но и уметь говорить на нем – как человек, а не как робот. Для Алисы мы синтезируем голос, в оригинале принадлежащий актрисе дубляжа Татьяне Шитовой (официальный голос Скарлетт Йоханссон в России). Она озвучивала искусственный интеллект в фильме «Она», хотя вы могли запомнить ее и по озвучке чародейки Йеннифэр в «Ведьмаке». Причем речь идет о достаточно глубоком синтезе с применением нейронных сетей, а не о нарезке готовых фраз – записать все их многообразие заранее невозможно.

Выше мы описали особенности естественного общения (непредсказуемая форма реплик, отсутствующие слова, местоимения, ошибки, шум, голос), с которыми нужно уметь работать. Но у живого общения есть еще одно свойство – мы далеко не всегда требуем от собеседника конкретного ответа или действия, иногда нам просто хочется поговорить. Если приложение будет отправлять такие запросы в поиск, то вся магия разрушится. Именно поэтому популярные голосовые ассистенты используют базу редакторских ответов на популярные фразы и вопросы. Но мы пошли еще дальше.

А поболтать?

Мы научили машину отвечать на наши вопросы, вести диалог в контексте определённых сценариев и решать задачи пользователя. Это хорошо, но можно ли сделать ее менее бездушной и наделить человеческими свойствами: дать ей имя, научить рассказывать о себе, поддерживать разговор на свободные темы?

В индустрии голосовых помощников эта задача решается с помощью редакторских ответов. Специальная команда авторов берет сотни наиболее популярных у пользователей вопросов и пишет по несколько вариантов ответов на каждый. В идеале это нужно делать в едином стиле, чтобы из всех ответов складывалась цельная личность помощника. Для Алисы мы тоже пишем ответы – но у нас есть кое-что еще. Кое-что особенное.

Помимо топа популярных вопросов существует длинный хвост из низкочастотных или даже уникальных фраз, на которые заранее подготовить ответ невозможно. Вы уже догадались, с помощью чего мы решаем эту проблему, не так ли? С помощью еще одной нейросетевой модели. Для ответов на неизвестные ей вопросы и реплики Алиса использует нейросеть, обученную на огромной базе текстов из интернета, книг и фильмов. Знатоков машинного обучения, возможно, заинтересует то, что начинали мы с 3-слойной нейронной сети, а теперь экспериментируем с огромной 120-слойной. Детали прибережем для специализированных постов, а здесь скажем, что уже текущая версия Алисы старается отвечать на произвольные фразы с помощью «нейросетевой болталки» – так мы ее называем внутри.

Алиса учится на огромном количестве самых разных текстов, в которых люди и персонажи далеко не всегда ведут себя вежливо. Нейросеть может научиться совсем не тому, чему мы хотим ее научить.

– Закажи мне сэндвич.
– Обойдетесь.

Как и любого ребенка, Алису нельзя научить не хамить, ограждая ее от всех проявлений хамства и агрессии – то есть обучая нейросеть на «чистой» базе, где нет грубостей, провокаций и прочих неприятных вещей, часто встречающихся в реальном мире. Если Алиса не будет знать о существовании подобных выражений, она будет отвечать на них бездумно, случайными фразами – для неё они останутся неизвестными словами. Пусть лучше она знает, что это такое – и выработает определённую позицию по этим вопросам. Если ты знаешь, что такое мат, ты можешь либо ругнуться в ответ, либо сказать, что не станешь разговаривать с ругающимся. И мы моделируем поведение Алисы так, чтобы она выбирала второй вариант.

Бывает так, что сама по себе реплика Алисы вполне нейтральна, но вот в контексте, заданном пользователем, ответ перестаёт быть безобидным. Однажды, еще во время закрытого тестирования, мы попросили пользователя найти какие-то заведения – кафе или что-то подобное. Он сказал: «Найди другое такое же». И в этот момент в Алисе случился баг, и она вместо запуска сценария поиска организации дала довольно дерзкий ответ – что-то вроде «на карте поищи». И не стала ничего искать. Пользователь сначала удивился, а потом удивил и нас, похвалив поведение Алисы.

Когда Алиса использует «нейросетевую болталку», в ней может проявиться миллион разных личностей, так как нейросеть вобрала в себя немного от автора каждой реплики из обучающей выборки. В зависимости от контекста Алиса может быть вежливой или грубой, жизнерадостной или депрессивной. Мы же хотим, чтобы персональный помощник представлял собой целостную личность со вполне определенным набором качеств. Здесь на помощь приходят наши редакторские тексты. Их особенность в том, что они изначально написаны от лица той личности, которую мы хотим воссоздать в Алисе. Получается, что можно продолжать обучать Алису на миллионах строк случайных текстов, но отвечать она будет с оглядкой на эталон поведения, заложенный в редакторских ответах. И это то, над чем мы уже работаем.

Алиса стала первым известным нам голосовым помощником, который старается поддерживать общение не только с помощью редакторских ответов, но и используя обученную нейронную сеть. Конечно же, мы еще очень далеки от того, что изображают в современной фантастике. Алиса не всегда точно распознает суть реплики, что влияет на точность ответа. Поэтому работы у нас еще много.

Мы планируем сделать Алису самым человекоподобным помощником в мире. Привить ей эмпатию и любознательность. Сделать её проактивной – научить ставить цели в диалоге, проявлять инициативу и вовлекать собеседника в разговор. Сейчас мы одновременно и в самом начале пути, и на переднем крае наук, изучающих эту область. Чтобы двигаться дальше, придется этот край подвинуть.

Поговорить с Алисой можно в приложении Яндекс для Android и iOS, в бета-версии для Windows, а скоро и в Яндекс.Браузере. Нам было бы интересно обсудить, каким вы видите будущее голосовых интерфейсов и сценарии его использования.

Яндекс отрицает взлом, возлагая вину за утечку исходного кода на бывшего сотрудника

Вчера злоумышленник разместил магнитную ссылку, которая, по его утверждению, является «источниками git Яндекса», состоящей из 44,7 ГБ файлов, украденных у компании в июле 2022 года. Эти репозитории кода предположительно содержат весь исходный код компании, кроме правил защиты от спама.

Репозиторий Яндекса просочился на хакерские форумы (BleepingComputer)

Инженер-программист Арсений Шестаков проанализировал утечку репозитория Яндекс Git и сказал, что он содержит технические данные и код о следующих продуктах:

• Поисковая система Яндекса и индексирующий бот
• Яндекс Карты
• Алиса (помощник ИИ)
• Яндекс Такси
• Яндекс Директ (рекламный сервис)
• Яндекс Почта
• Яндекс Диск (облачное хранилище)
• Яндекс Маркет
• Yandex Travel (платформа бронирования путешествий)
• Яндекс360 (сервис рабочих мест)
• Яндекс Облако
• Яндекс Пэй (сервис обработки платежей)
• Яндекс Метрика (интернет-аналитика)

Шестаков также поделился каталогом со списком утекших файлов на GitHub для тех, кто хочет увидеть, какой исходный код был украден.

«По крайней мере, некоторые ключи API есть, но они, скорее всего, использовались только для тестового развертывания», — сказал Шестаков об утечке данных.

В заявлении для BleepingComputer Яндекс заявил, что их системы не были взломаны, а бывший сотрудник слил репозиторий исходного кода.

«Яндекс не был взломан. Наша служба безопасности обнаружила фрагменты кода из внутреннего репозитория в открытом доступе, но содержимое отличается от текущей версии репозитория, используемого в сервисах Яндекса.

Репозиторий — это инструмент для хранения кода и работы с ним. Таким образом код используется внутри большинства компаний.

Репозитории нужны для работы с кодом и не предназначены для хранения персональных данных пользователей. Мы проводим внутреннее расследование причин публикации фрагментов исходного кода в открытом доступе, но угрозы для пользовательских данных или производительности платформы не видим.» — Яндекс.

BleepingComputer также обсудил утечку с Григорием Бакуновым, бывшим старшим системным администратором, заместителем начальника по развитию и директором по технологиям распространения в Яндексе. который хорошо знаком с утечкой кода, поскольку работал в технологическом гиганте с 2002 по 2019 год..

Бакунов пояснил, что мотив утечки данных был политическим, а мошенник-сотрудник Яндекса, ответственный за утечку данных, не пытался продать код конкурентам.

Бывший топ-менеджер добавил, что утечка не содержит никаких данных о клиентах, поэтому она не представляет прямого риска для конфиденциальности или безопасности пользователей Яндекса, а также не угрожает прямой утечкой проприетарной технологии.

Яндекс использует структуру монорепозитория под названием «Аркадия», но не все сервисы компании используют ее. Кроме того, даже просто для сборки сервиса нужно много внутренних инструментов и специальных знаний, так как стандартные процедуры сборки не применяются.

Утекший репозиторий содержит только код; другой важной частью являются данные. Ключевые части, такие как веса модели для нейронных сетей и т. д., отсутствуют, поэтому он почти бесполезен.

Тем не менее, есть много интересных файлов с именами вроде «blacklist.txt», которые потенциально могут раскрыть рабочие службы.

Однако Бакунов сказал BleepingComputer, что утечка кода дает хакерам возможность выявлять бреши в системе безопасности и создавать целенаправленные эксплойты. Бакунов считает, что сейчас это только вопрос времени.

Бывший руководитель также прокомментировал ответ Яндекса, заявив, что утечка кода может не совпадать с текущим кодом, используемым в рабочих сервисах фирмы, но может совпадать до 90%.

Таким образом, тщательное изучение утекшего кода может выявить возможные слабые места в Яндексе для злоумышленников.

Маркетологи. Владимир Солосин, Яндекс.Такси

Как давно вы работаете над продуктом?

Я присоединился к команде Яндекс.Такси в июне 2017 года. До этого я проработал в Wildberries более 7 лет, где прошел немалый путь: руководил отделом редактирования фотографий, занимался юзабилити сайта, руководил SEO-копирайтерами, редактировал раздел красоты. в нашем журнале и даже была моделью для наших фотосессий.

Уже тогда я был очень увлечен цифровым маркетингом. Компания набирала обороты и пыталась покрыть все свои потребности за счет внутренних ресурсов. Поэтому, когда они создали отдел цифрового маркетинга, я сразу же присоединился к нему. Я начал с управления SEM-кампаниями, а позже — с социальными сетями и OLV. Когда в 2013 году было выпущено мобильное приложение, я занимался его стратегией продвижения. Мне посчастливилось быть среди первопроходцев в развитии этого канала. В то время мобильные приложения только начинали набирать обороты.

Говоря о Яндексе, мне всегда нравились их услуги, и я был удивлен, когда ко мне подошел мой хороший друг Евгений Бикин (заместитель директора по развитию бизнеса Яндекс.Такси, в 2017 году руководил перформанс-маркетингом) и пригласил на короткая беседа в его кабинете. Вот так все и началось.

Следующие 2,5 года пролетели очень быстро и были очень продуктивными. Мы заключили сделку с Uber, вышли на новые рынки, добавили новые варианты поездок, запустили грузоперевозки и курьерскую доставку, ввели заказ такси по телефону, начали развивать новые сервисы доставки еды (Еда, Шеф, Бакалея). Благодаря участию в таких амбициозных проектах и ​​высокопрофессиональной команде я совершенствовал свои навыки в сверхбыстром темпе. Теперь я четко вижу, что работа — это не только крутые задачи, но и люди! Моя команда — супергерои. Я люблю их!

На сегодняшний день у приложения Яндекс.Такси более 50 миллионов установок и 500 тысяч отзывов (по статистике Google Play).

Давайте поговорим о трафике. Какие источники вы используете и как часто тестируете новые каналы?

Наш стандартный пакет продвижения приложений — это Яндекс, Google, социальные сети, мобильные программные платформы и партнеры CPI, которые являются агентствами, партнерскими сетями, мобильными рекламными сетями и другими поставщиками рекламного инвентаря. У нас есть постоянные поставщики, с которыми мы работаем уже несколько лет. В то же время были вендоры, которые исчезли после пары полетов, и те, кто не смог обеспечить достаточное качество трафика или выполнить наши KPI по объемам трафика и стоимости привлечения.

Я думаю, что рынок мобильного маркетинга в России не такой уж большой и все ключевые игроки знают друг друга. Таким образом, репутация поставщика и его способность выстраивать долгосрочные отношения с клиентами приобретают первостепенное значение. Более того, наши бизнес-подразделения часто делятся опытом работы с тем или иным партнером. Таким образом, получение положительных отзывов хотя бы от одного подразделения по эффективности — хороший повод для начала обсуждения.

У нас есть несколько глобальных партнеров по мобильному маркетингу для международных рынков, и мы сами находим местных подрядчиков. Ребята из Африки самые смешные. Они могут надеть бейсболки с пивными кружками на деловой звонок и сказать: «Да, чувак, все должно быть в порядке!» Израильские партнеры всегда очень серьезны, финны очень тактичны, а продавцы из Китая очень организованны.

Когда дело доходит до управления процессами и инструментами закупки медиа, мы проповедуем «внутренний» подход на всех уровнях маркетинга. У нас есть собственная креативная студия и отдел влиятельного маркетинга, а также собственные аналитические инструменты и собственный медиа-баинг. Мы берем под контроль все источники, которые мы можем купить вручную, масштабируем и расширяем наш опыт внутри компании.

Я часто шучу, что помимо стандартных задач по повышению производительности, таких как привлечение и удержание пользователей, мы являемся универсальным сервисом для всех отделов компании. PR, SMM, HR-бренд, онлайн-рекрутинг, поиск разработчиков для митапов, проведение общенациональных цифровых кампаний, продвижение беспилотных автомобилей и многое другое. Да, мы можем справиться со всем этим.

Конечно, эксперименты важны и для нас. Мы всегда измеряем, как платные каналы поглощают органический трафик, сегментируем целевую аудиторию, рассчитываем LTV для каждого канала, используя как исторические, так и прогнозные модели, и многое другое. У нас есть команда аналитиков, маркетологов CRM и замечательных ребят из отдела машинного обучения, которые помогают нам грамотно распределять маркетинговый бюджет.

Как вы боретесь с мошенничеством и как вы его анализируете?

Наша внутренняя партнерская статистика CPI показывает, что средняя доля мобильного мошенничества составляет 40%, а в некоторых сетях она достигает 90% или даже больше. Это означает, что если бы у нас не было контроля качества трафика, нам пришлось бы платить от 1,7 до 10 раз больше недобросовестным покупателям медиа или разработчикам приложений, подключенным к рекламным сетям.

В основном нам приходится иметь дело с перехватом установок, внедрением кликов, мошенничеством при установке (боты, фермы, сброс идентификатора устройства), введением в заблуждение, спуфингом SDK, мотивированными установками, брендированной поисковой рекламой и аномалиями поведения различных типов, которые мы также проверяем на предмет мошенничества .

Наши решения по борьбе с мошенничеством автоматически отслеживают основные схемы мошенничества — внедрение кликов, перехват установок, боты, фермы, попытки спуфинга SDK. В этом отношении действительно полезен Fraud Prevention Suite от Adjust. Мы отслеживаем креативы, в которых упоминаются наши приложения, чтобы выявить вводящие в заблуждение. Чтобы исключить мотивированный трафик, мы проверяем релевантные биржи для наших предложений, а также отслеживаем уровень удержания на 1-й, 7-й и 30-й дни для органических и платных каналов в инструментах аналитики, а также CR для целевого действия.

Если у вас нет доступа к инструментам и службам, внедрение кликов можно определить на листе Excel с помощью необработанных данных трекера. Для этого нужно составить график распределения времени задержки до установки для каждого партнера и рассчитать процент вспомогательных кликов до установки. Если это значение очень велико, то это мошенничество. Вы также можете проанализировать CR от установки к покупке и посмотреть на коэффициент конверсии установок — если он ниже 0,5 % или значительно выше среднего, то, скорее всего, это тоже мошенничество.

При подготовке сводки для вашего партнера обязательно укажите все ключевые показатели эффективности, которых им необходимо достичь. Например, используйте ставку CPI с определенным CR для установки уровня и целевого действия.

Я также рекомендую использовать события сервера (те, которые идут с вашего сервера напрямую на сервер мобильного трекера), а не события из SDK аналитики в приложении, так как его можно взломать и любое действие можно подделать. В этом случае вы можете быть уверены, что деньги выплачены, и избавиться от попыток взлома.

Еще одним важным моментом является передача идентификаторов места размещения рекламы (идентификатор веб-мастера или приложения, где показывается ваша реклама). Это необходимо для выполнения оптимизации на уровне субпартнера, а не для блокировки всей сети. Однако бывают случаи, когда мошенничество даже становится частью бизнес-модели сети. Это поможет вам составить черный список мошеннических приложений, чтобы сразу же запретить им показывать вашу рекламу при каждом подключении к новой сети.

Наконец, при работе с трафиком внутри приложения обязательно просите своих партнеров передавать идентификатор устройства при каждом показе и клике. Так вы получите 100% истинную атрибуцию установки и увидите, что пользователь выполнил целевое действие после просмотра вашей рекламы.

Надеюсь, мои советы помогут вам оставаться в курсе процессов мобильного партнерства.

С какими трудностями и проблемами вы столкнулись во время быстрого выхода на новые рынки?

Мы стараемся быть «гиперлокальными» для каждой новой локации. Таким образом, мы ищем местные идеи и внедряем их. Однако это не всегда срабатывало, когда мы начинали расширение. Если сценарий потребления продукта, профили аудитории и коммуникационная стратегия в постсоветских странах очень похожи на Россию, то на других рынках перед запуском все приходится перепроверять и трижды пересматривать.

Например, мы разработали красочные обучающие видеоролики для пользователей из Африки, в которых объясняется, что такое мобильное приложение, зачем оно им нужно, где его найти и как установить на смартфон. В Израиле мы разработали алгоритм, который показывал окончательную стоимость в момент заказа такси, а не после поездки. Ни у кого из наших конкурентов такого не было. А в Финляндии мы запустили специальный вариант поездки, где вы можете заказать мобильную сауну.

Всем известно, как важно учитывать все особенности нового рынка. Мы тратим много времени на подготовку: изучаем конкурентов, поведение пользователей и модели потребления.

Говоря о креативах, иногда изображения с серым фоном работают отлично, иногда живые фотографии работают лучше, иногда лучше отображать скидку в процентах, а иногда и в виде фиксированной цены. Упоминание различных функций (умные пункты выдачи, заказ нескольких автомобилей, реферальная программа и т. д.) также влияет на конверсию в поездку.

В результате мы снова и снова тестируем продуктовые и коммуникационные гипотезы для каждой страны. Это бесконечный процесс. То, что работает на одном рынке, может разрушить ситуацию в другом регионе. Конечно, местные менеджеры и агентства очень помогают нам своими советами и опытом. Они перепроверяют все материалы и делают новые выводы.

Яндекс.Такси постоянно экспериментирует с форматами рекламы. Какие ваши самые любимые и эффективные решения?

Нам нравится пробовать вещи, которые только что стали популярными, такие как нативная реклама с микровлияниями, фирменные маски, вызовы в социальных сетях, персонализированная реклама, автоматические видеокреативы на основе каналов данных, наша собственная воспроизводимая реклама в игровых приложениях.

Чтобы измерить эффективность основных маркетинговых мероприятий, когда мы не можем сразу оценить результаты или отследить их с помощью пикселей и ссылок, мы строим эконометрические модели, чтобы иметь четкое представление о том, как эти кампании влияют на установки и поездки приложений. Мы регулярно проводим бренд-лифтинг, а также оцифровываем отзывы пользователей по любым вопросам, связанным с бизнесом.

В создании инновационных форматов рекламы нам помогают креативные отделы Яндекс.Такси. У нас их 2, у каждого своя творческая студия и производство.

Мы получаем несколько сотен креативов. Иногда нам просто не хватает показов, чтобы получить статистически достоверные данные и проанализировать их эффективность. Поэтому тестирование проводится в несколько этапов, как автоматически на уровне рекламного аккаунта, так и вручную.

И, конечно же, мы верим в алгоритмический медиабаинг, так как рекламные технологии быстрее всего разрабатываются и внедряются на мобильных устройствах. Здесь вы можете сразу увидеть влияние математических предикторов и нейронных сетей.

А как насчет вашего проекта с беспилотными автомобилями?

С этим все меняется очень быстро. Пару лет назад было всего несколько прототипов. Теперь у нас есть хабы в трех странах — России, Израиле и США, где уже более 100 автомобилей на дорогах.

Говоря о будущем, я верю, что оно уже здесь! Компьютерное зрение, нейронные сети, распознавание голоса, синтез речи, искусственный интеллект — все эти технологии уже работают и приносят результат. Осталось только доказать теорию струн и изобрести путешествие во времени.

Чем нас удивит рынок такси в будущем? Чего нам ожидать?

Мы постоянно расширяем наше предложение: курьерская доставка, грузоперевозки, быстрая доставка продуктов питания. В целом наша экосистема стремительно трансформируется в рынок сервисов, экономящих время.

Только взгляните на все приложения Яндекса — Алиса, наш голосовой помощник, экономит время пользователей, быстро вводя и обрабатывая их запросы, Яндекс.Такси — быстро находит машину и выбирает оптимальный маршрут с помощью своих алгоритмов, Яндекс.Драйв — экономит часы, которые пользователи тратят на обслуживание своих автомобилей, Яндекс.Еда и Яндекс.Лавка — экономит время на приготовление еды или походы в продуктовые магазины.

Это именно то, к чему мы движемся. Наша цель — увеличить количество удобных сервисов, предлагающих лучшие сценарии экономии времени.

Как вы развиваете свои навыки и опыт, чтобы идти в ногу с тенденциями? Каков ваш совет?

Я читаю книги. Я могу читать страшилки на английском, бизнес-литературу и русскую классику — одновременно. Я пока не видел хороших СМИ о мобильном маркетинге, но полезные статьи на VC.RU и Reddit спасают положение. Мне нравятся отраслевые каналы в Telegram, особенно об ASO. Найти их можно, просто вбив эту аббревиатуру в поиск.

Мой опыт и знания в области мобильных устройств пришли с практикой. Я вручную запускал кампании, проверял разные гипотезы, прошел огонь и воду. Также нам очень помогают аккаунт-менеджеры крупнейших рекламных площадок, с которыми мы работаем напрямую. Иногда они делятся своим опытом бесплатно (и это очень ценный совет).

Количество конференций по мобильному маркетингу значительно выросло. Всякий раз, когда я посещаю одно из них, я стараюсь следить за кейсами служб знакомств и разработчиков игр. Этим отраслям есть чему поучиться, поскольку мобильные сервисы лежат в основе их бизнес-моделей.

Я также преподаю, и это очень мотивирует. Мне просто некогда даже думать о возвращении в зону комфорта.