Использование технологий Big Data в исследованиях медиааудитории: перспективы и опыт зарубежных проектов

Блок вопросов

Вопрос

Личное восприятие ситуации

Как Вы понимаете термин «технологии Big Data»?

Маленький дисклеймер: есть важный нюанс российского рынка, это достаточно много с чем связано. С законодательством, с данными, с площадками. Я говорю не за медиа, а за социальные медиа. Это именно аудитория социальных сетей.

Это хайповое, но эфемерное понятие, про него все любят поговорить. Нет понимания, когда data становится big. Вот у нас есть какое-то кол-во данных, профилей. И это не большие данные. Это считается, осматривается в Excel. Но многие говорят, что это выходит на уровень квантового анализа. Big Data - кот в мешке, огромнейшие объемы данных, миллионы строк, если говорить о формате таблицы, которые просто так осмыслить невозможно, отсмотреть глазами и увидеть закономерность не получится. На миллионах не будет такого представления.

Поддерживаете ли Вы тенденцию популяризации технологии Big Data в медиа?

С одной стороны, это безусловно применимо. Большие данные применимы почти везде, кроме создания, типа в искусстве, хотя и там что-то делают. Человеческое действие. Но в историях, где можно что-то оптимизировать - там применима. Есть полу-этический момент с тем, что есть датчики на колесе, которые для безопасности. Есть контроль за пациентом. А мы говорим про медиа, и там это может использоваться для таргета, но у нас такая другая среда с точки зрения крайней необходимости. Никто не умрет, если не будет больших данных в этом. Если датчик на колесе сообщает, что что-то идет не так, это вопрос жизни.

Чем именно ты занимаешься и как вы используете большие данные?

Я в общих чертах расскажу. У нас два фокуса - анализ социальных медиа, мы делаем исследования рынка, нам нужны люди и информационное поле. Анализируем тексты того, что пишут в социальных сетях (Инстаграм, YouTube, форумы, СМИ, отзовики и так далее). Соответственно, что пишут на интересную нам тему. Вторая задача, которую мы пытаемся решить - кто говорит. Сегментация, профилирование людей. Основная, 99% того, что мы делаем - анализ текстов, что говорят. Интереснее узнать отношение без привязки кто. Технологии меняются постоянно, и здесь происходит сильная дифференциация между Россией и Европой, где GDPR.

Можно смотреть на основании маркетинговых данных пользовательские интересы через установку на девайс пользователя ПО. Это интересно, чтобы понимать, как те или иные люди ведут себя в сети. Это тоже большие данные в перспективе, но везде есть ограничения.

Можно ли такое моделирование отнести к большим данным?

Готовая статистика может быть и на больших данных, но это всё еще не большие данные, потому что трекеры стоят у 100 000 человек по России, из которых под исследование отбирается еще меньшая группа. У нас это обычно так, что есть запрос на исследование, мы отбираем людей и берем их данные, но это не большие данные.

Но нет финального продукта, который позволял бы это анализировать. Может не оказаться базы.

Может быть таргетинг групп по интересам на основании того, что люди смотрят в сети.

Смотрите ли на стороне ресурса (вот мы хотим знать, кто нас смотрит)?

Ресурсы к нам не приходят. Вконтакте и у всех крупных есть своя статистика. К нам скорее приходят бренды, а ресурсы к нам не ходят.

А вот по поводу инструментария. Можно ли сделать универсальный инструмент, или вы используете комплекс решений?

Это было бы очень здорово, как стандарт, чтобы было проще ориентироваться, как для количественных и качественных исследований. На большие данные стандарта нет, но большие данные -- это очень разные данные и задачи, разные подходы к анализу и интерпретации. Стандарт, чтобы плясать, чтобы вот так было качественно вот так и вот так - все работать одинаково не будут. Вот есть понимание, сколько человек нужно для количественных исследований, например, для репрезентативности, как правильно строить вопросы, делать шкалу (сформировалось в ходе исторического развития). Вот такая же история должна быть для больших данных, а дальше уже на нее навешивать всё остальное. Я уверена, что подходы к анализу больших данных могут быть по аналогии, а дальше уже каждый под задачу строит свой подход. Только с большими данными момент еще в том, что у нее статистика разная. Если мы говорим про анализ аудитории, это одна история. Но большие данные очень обширны в плане сфер откуда могут добываться данные. Не хотелось бы, чтобы все именно считали одинаково, здесь есть простор для корректировки и улучшения, здесь много динамичного изменения. Они адаптивны и должны меняться. Мне кажется, что в моей работе лично, социальных медиа как источник данных доступен для многих сфер, людей, агентств, но подход к тому, что мы там находим и как - он у всех разный. И с одной стороны это усложняет всё, и это не всегда сопоставимо, но с другой стороны именно такой подход позволяет точечно решать задачи.

Люди же могут говорить недостоверное. Как работаете?

Выкидываем выбросы. Например, людей, которым якобы 117 лет или 5 лет. Пол, возраст, город - мы доверяем тому, что люди пишут правду.

Как Вы относитесь к законодательным инициативам в сфере больших данных?

На мировом уровне GDPR усложнил работу наших глобальных коллег. Изменились форматы выгрузок, упоминания на точность, добавилась необходимость скрывать лица на фото. Возникли ограничения. Нас лично это не очень коснулось, только в глобальных проектах. На российском рынке как работали, так и работаем. В России есть ограничение на сбор персональных данных, но законодательство регулярно обходят. Есть много компаний, которые работают откровенно нелегально, я не знаю, как они обходят законодательство. Например, у нас запрещен парсинг, но есть не один сервис, который это делает. У Вконтакте открыто API.

Как Вы считаете, необходимо ли создание единого измерителя для цифровой среды? Почему?

Нужен, иначе все, кто во что горазд себя меряет, и какой-нибудь форум накрутит себе так, что сравняется со Вконтакте.

Я бы не заставляла всех мериться одинаково, я бы доверяла тому, что есть несколько агентств, каждый меряет по-своему. То есть видение нескольких компаний, потому что среди финальных получателей всегда есть такое, что что-то не нравится, а так у них будет возможность выбора, какой финальный подход выбрать. Только при этом, чтобы так было по каждому ресурсу, от нескольких измерителей. Дальше уже можно смотреть, кто как считает, выбрать подходящий и пользоваться им.

Это должно быть индустриальное или государственное решение?

Я думаю, это индустриальная история. Государство потом будет контролировать, чтобы не было нарушения закона, но как строиться подход - пусть лучше это делают профессионалы, чем государство. Они лучше понимают, как это работает и какие задачи есть. У государства взгляд более верхнеуровневый.

Как Вы думаете, какую политику в отношении данных стоит поддерживать медиакомпаниям (более закрытую политику и не обмениваться данными или наоборот)? Как Вы считаете, выгодно ли создание альянсов в медиа-среде для обмена данными о пользователях между разными компаниями (пример - Pangaea Alliance, Emertique)

У меня был кейс, когда была попытка поговорить про соцмедиа, про боли, и в итоге все хвалились, какие они классные. И в рамках такого масштабного мероприятия в российской индустрии говорить о болях не получается, этого нет в культуре. Классно, когда индустрия сама себя координирует и направляет. В целом, подход хороший. Но помимо того, что ты должен узнавать, какие есть задачи и направления, возможно будет критика в твой адрес. Любая критика в российской специфике в сознании равна потере денег и репутации. Сливание ноу-хау. Если что-то окажется, что где-то есть косяки, а они есть почти везде, можно потерять деньги и клиентов. Никто не хочет быть первопроходцем. Это очень сильно культурный аспект.

Как Вы оцениваете, достаточно ли данных, которые предоставляют технологии Big Data? Или нужно дополнительно использовать опросы и другие методы получения данных?

Я считаю, что нужно использовать все. Даже в рамках анализа соцмедиа, я говорю, что он может работать сам по себе, но он гораздо эффективнее с другими. Это дополнительный угол обзора. Вот, например увидели мы на счетчиках отток аудитории. И что? Надо ходить, узнавать, что случилось. Других адекватных решений я не могу придумать. Можно замерять, куда ушли, где был прирост, но это будет неверно, потому что мы не узнаем почему они туда пошли.

Это нужно комбинировать. Я верю в качественные исследования.

Как на Ваш взгляд обстоят дела с этическим аспектом сбора данных?

Она изменилась. Даже когда я регистрировалась, было проще. Если раньше ресурсы просто были, сейчас они поняли, что они могут с этого что-то получать, и стали развивать счетчики и по нарастающей остальное. Стали собирать свой пул данных. По поводу этичности, сложно. С одной стороны, интернет - публичное пространство. Это одна из сторон человека. По идее, регистрируясь на форуме или ресурсе правильно понимать, что теперь эта информация публична.

Собирать, что пользователь лайкал - уже есть некоторое нарушение. Это не противоречит этике. Сбор данных, которые открытые. Я положительно отношусь к соглашениям при регистрации. Это хорошее напоминание, правильное и корректное. У этого есть обратная сторона, что эти данные крадутся, перепродаются и так далее. И это уже неэтично.

Question block

Question

Personal interpretation

How can you define the “Big Data” (BD)?

I like the definition from Viktor Mayer-Schonberger and Kenneth Cukier of the key characteristic of big data being typically that n= all (of whatever you're looking at, rather than a sample), and most importantly, it has multiple applications of which not all can be determined in advance. So, its value evolves over time. And it requires that we don't worry about causation, we live with correlation - we know what but not why.

What is your attitude towards the BD phenomena?

As defined, it's a very useful development of two key business functions: insight and product development / optimization.

Do you support the idea of popularization of the BD?

I don't understand the question, but certainly our data analytics and data science teams have grown a lot in recent years, so I certainly support the growing use of BD in a business.

Perception of the situation at the level of company

Do you use BD to make the research about the audience? If you do, please, describe your experience (cases of usage, targets, processes, merits and drawbacks, etc.).

Yes, we look at our users' signed-in behavior while they are reading News, or watching TV on demand, or listening to audio on demand. From this we can draw insight about what program work well with which audiences - by age, sex and region - and we can use the data to build segments, to build recommendations based on an individual's own viewing and listening, or choices made by people like them, or recommend similar content to what they watched.

We can use it in multivariate testing of new online product features, and test different editorial headlines, images, and so on. It is far better in some ways than traditional research, but of course only applies to signed-in users' signed in behavior which is only a fraction of all use of the BBC.

In optimizing broadcast and production workflow.

What kinds of problems you face with during the BD usage?

Cultural challenges, balancing the tactical (from data analysis) with more strategic insight, technical challenges (getting the data in the right place), resourcing challenges (building and retaining a team) and budget - data analysts are expensive!

Are those BD technologies cost-effective for company?

Yes, but only when used in context of broader strategic goals.

What do you think about the governmental initiatives at BD field?

If it's in the individual's best interests, and if the individual is in control of the process, and/or if the data is completely transparent to all users, then good. It's early days.

Perception at the level of industry

What are your expectations of this technologies?

It's a growing opportunity no doubt. Impossible to imagine our work without it.

What perspectives do you see for BD in the media field?

There is no doubt that there is more value to be gained in media, but at the same time, we know that it is a creative industry. BD will not produce a great drama (not yet anyway!) but it will help us identify gaps in our offer that can then be used as creative stimulus for content makers. I think it's early days - until the business is more familiar with all the potential of machine learning, we are sure to be missing an opportunity.

In your opinion, does the digital media industry need the unified metrics to analyze the audience? Is there a necessity in the unified agency to provide the information about the digital media audience (e.g. Mediascope for TV measurements in Russia)?

There can be different metrics to meet different needs but as a rule, the industry will be better off with a standard set of metrics, measuring people. For too long, digital media have profited from much lower standards in the sale of advertising in relation to real, meaningful exposure to real people. For us, we need consistent metrics across broadcast and online delivery, otherwise you have a problem comparing average program ratings with say requests, or unique browsers. That said, there's no fundamental reason why a single measurement company should oversee everything. But the industry should specify consistent metrics across multiple services.

How do you think, is it possible to develop the unified metrics and tools using BD for media audience analysis?

Standardized processes, it helps to use the same analytics / tagging processes across different media owners, and shared aggregated data from all players in a single system.

If you use BD for that purpose, are you satisfied with existing tools and methodology?

As I define BD, we don't have BD for this purpose, as it is aggregated and not something, we can put to multiple business uses.

Should media companies keep their ecosystem of data closed for exchange with other players? Or such data exchange about customers might be helpful for the entire industry (e.g., “Pangaea Alliance” of publishers)?

We recommend opening up data across the industry, and also opening up data for all individuals to make use of as they choose. The identification of an individual across data sets is valuable, but should only be done with permission and with that individual's interests at heart.

What is specific about the audience measurements in your country?

We have good sample-based measurement of radio listening, and of tv viewing, and of online behavior, but we lack an industry standard audience measurement of people's behavior across all media. For the BBC, we need to measure how people consume our content across tv, radio and online, so single media sources are of diminishing value.

What is specific about the BD in media in your country?

I don't know how to answer this!

How do you feel, is it enough to use BD to make the audience research? Or should the other methods be used too (e.g., interviews with audience)?

For us, only about 20% of all the time spent with the BBC is online, so we must rely on a much broader range of data sources than just our BD

How do you think, is it ethical enough to collect the user's data?

If we are using it in the user's best interests, and being completely transparent with the user about this, and we are giving the user the control over whether we use the data (linked to their identity).

How do you think, should the collected data be anonymous and depersonalized?

We also use anonymous and de-personalised aggregated data, and we have to be careful when combining data sets to avoid de-anonymisation.

Had the attitude to the personal data changed within the society? What actually transformed and what remained unchanged?

People's attitudes are slowly changing, with greater awareness of their rights under GDPR (positive) but with growing concern over misuse and exploitation of data by social media and governments (negative) but with a casual acceptance of the value exchange (I give you my data, I get your service for free) at the point of use; and generally a lack of interest in data, so communication is a challenge, as people want to think about services, not the data that power the services.

Are there any other questions I should ask about this topic?

Please, share the contacts of people who could be an expert for this research.

Блок вопросов

Вопрос

Личное восприятие ситуации

Как Вы понимаете понятие «технологии Big Data»?

Я, если честно, не очень поняла Ваш вопрос, потому что есть определение, что такое Big Data. А личное восприятие… Для меня странно. Есть определение, и оно верно, а всё остальное - необъективное мнение пользователей. Для меня как для потребителя обработанных или необработанных данных оно существует, и оно есть. Большое количество данных накапливается, и оно обрабатывается, но у меня нет какого-то личного восприятия этого.

Как классическое 4V.

Как Вы относитесь к Big Data?

В нашей компании есть данные людей, которые являются нашими подписчиками, которые мы собираем, что они читают, когда, где читают, как покупают подписку или не покупают. По факту, мы не обрабатываем дополнительные данные, то есть, мы не знаем, сколько им лет, чем они увлекаются, ходят ли они в кино или театры, что они читают. Мы проводили небольшие исследования, и опять же это исследования касаются групп 100 человек, не более. Про некоторых мы можем это сказать, мы прозванивали, нам было важно узнать мнение отдельных людей, и то, эти люди попадали выборочно в наше исследование.

По какой причине именно этот метод?

У любого исследования есть цель, и мы понимаем, какие данные хотим получить. Когда мы делаем фокус-группы, мы больше хотим поговорить с людьми и обсудить, почему это плохо или хорошо. Мы хотим улучшить продукт по пожеланиям лояльных читателей и аудитории, которая читает часто, точно раз в день, и конкретно под них улучшить сервисы. Поэтому мы делали фокус-группы и хотели понять их поведенческое… Как они себя ведут, читают, как потребляют наш контент. Если мы говорим про анализ больших баз данных, они у нас не накоплены в том формате, чтобы мы использовали те или иные технологии по обработке этих данных.

Следовательно, нам нужно было бы обратиться в стороннюю компанию, чтобы анализировать аудиторию, и не факт, что это была бы наша лояльная аудитория. Поэтому мы пошли по обычному пути и обратились с конкретными вопросами к тем, кто нас уже читает.

Получается, для Вас в данном случае было более cost-эффективно использовать качественные методики?

Да.

А вот по поводу обмена данными… Как Вы думаете, какую политику в отношении данных стоит поддерживать медиакомпаниям (более закрытую политику и не обмениваться данными или наоборот)?

Мы здесь не то, чтобы выгодно или нет, мы исходим из другого. Для нас потребитель и человек, который оставляет нам свои персональные данные, он для нас очень важен. И мы по факту подписываем с ним соглашение о том, что мы не разглашаем его данные. И если мы будем обмениваться с кем-то этими данными, нам, получается, надо получить со всех наших пользователей согласие, официальное соглашение о том, что они готовы третьим лицам предоставить свои данные. А так как мы не берем соглашения о передаче данных, мы никому и не передаем. Мы говорим скорее про конфиденциальность наших потребителей.

Это закон Российской Федерации. Мы полностью его соблюдаем. Мы соблюдаем законодательство Российской Федерации относительно передачи и хранения персональных данных.

Как Вы относитесь к законодательным инициативам в сфере больших данных?

Мне кажется, вопрос в том, что закон на территории Российской Федерации не всегда эффективно, особенно закон в сфере обработки и хранения персональных данных. Многие компании включая известные передают и продают данные других лиц при этом не имея даже соглашения. Поэтому в Российской Федерации говорить о сохранности персональных данных довольно сложно. Так как мы были зарождены иностранцами, у нас изначально позиция по хранению персональных данных была очень жесткой, мы ее всегда соблюдали и продолжаем, поэтому инициативы, которые выводит государство на локальном, региональном и глобальном уровнях, мы на это всё смотрим с позиции через пальцы рук, потому что если бы это всё выполнялось, было бы вообще прекрасно. Но на территории Российской Федерации это пока никак не влияет, поэтому смысла тогда анализировать те или иные решения?

По поводу единого измерителя. Нужен ли единый измеритель в цифровой среде?

Mediascope монополист в Российской Федерации сейчас. Рекламные агентства смотрят на рейтинги Mediascope, при этом Mediascope… Мы с ними открыто говорим, что не доверяем их исследованиям. У них очень большая проблема, когда они делают опросники. Вот телевидение перешло на цифру. Но обычный потребитель не воспринимает, что он смотрит smart-ТВ по интернету и воспринимает это как обычное ТВ, отвечая, что смотрит просто ТВ, а по факту он смотрит интернет-вещание, а это другой трафик и распределение бюджетов, которые придут в ТВ или в цифру. Когда меряют печать, у меня до сих пор много вопросов к измерению печатных СМИ, хотя они каждый год совершенствуют методологию. Например, в Санкт-Петербурге газета РБК не выходит порядка 5 лет. При этом данные, что в Санкт-Петербурге читают газету РБК публикуются, и там якобы есть большая аудитория, которая читает газету РБК, которая там не печатается и не распространяется в Санкт-Петербурге. Когда мы им задали вопрос как они меряют аудиторию газеты РБК, которая там не печатается и не распространяется уже 5 лет, они думали двое суток и написали письменный ответ: «это, наверное, аудитория, которая где-то путешествует и читает газету в Сапсанах, но постоянно живет в Санкт-Петербурге». Но если бы это была 1 тысяча, я бы поверила, но там порядка 21 тысяч человек аудитории, а для Санкт-Петербурга это достаточно много. И они продолжают ее измерять. Поэтому Mediascope… Они, конечно, большие молодцы, что стали монополистами, и нет других людей, которые могут предоставить исследования, на которые можно положиться даже не в цифре, а в печати или на ТВ. Как например рейтинги газеты ведомости прыгают, сегодня у меня плюс 1000, потом минус, непонятно совершенно.

Для своих измерений чтения вы используете кустарные счетчики или гигантов типа Яндекс или Гугл?

У нас счетчик GA и Яндекс.Метрика, комбинация. Они очень похожи. Есть небольшие корректировки, но опираемся мы на эти данные.

Нет ли ощущения зависимости от этих гигантов?

Честно, опасений нету, они не особо знают про всех. Знают просмотры и уников, это правильно и нормально. Я больше боюсь монополистов, когда вот кто-то дал взятку, кто-то более любим, кто-то менее любим, и будут некорректные данные. Когда есть и Яндекс, и Гугл, пусть они измеряют, зато мы знаем, какие просмотры реально существуют и какие сайты читают и какие нет, по этому трафику продают рекламу. Бояться, что об этом кто-то узнает? Нет, пусть наоборот знают, что у нас много просмотров, нас много кто читает. Для меня нет опасения, что данные куда-то уплывут. Здесь про открытость. Я только за закрытость персональных данных, я очень дорожу ими, я никогда не передам, что Иван Иванов читает издание. Скажу только, что столько-то людей читают издания.

Используете ли вы большие данные для создания контента?

Мы бы хотели это использовать, это здорово и классно, но, к сожалению, нет ни времени, ни рук, ни денег. Я бы использовала большие данные для разработки рекламной кампании и правильного взаимодействия с аудиторией, но это правда стоит больших денег. Мы вечно экономящие на бюджете бизнес-модели, поэтому пока нет.

Блок вопросов

Вопрос

Личное восприятие ситуации

Как Вы понимаете термин «технологии Big Data»?

Это точно не то, что можно открыть в Excel. Это не структурированный поток данных, с ним нужно что-то сделать чтобы обработать и превратить в используемый вид. И, во-вторых, это невозможность использовать стандартные пакеты SPSS и Excel. Нужно подключать SQL и Python, кластеры, кто в чем работает. У нас это кластеризация, где мы обрабатываем информацию, используя распределение нагрузки на несколько кластеров, чтобы работать с большим объемом.

Поддерживаете ли Вы тенденцию популяризации технологии Big Data в медиа? Применимо ли это в медиа?

Сейчас все начинают это использовать, понимать, как это делать, и здесь есть несколько проблем:

- как простраивать метрики;

- кадры, функционал, потому что это дополнительные навыки для сотрудников, которые ими не владели, и нужны либо новые люди, либо обучение для людей;

- готовность рынка к новым измерениям. На любом рынке, на ТВ или интернет (ТВ просто тоже сейчас связан с digital, потому что они транслируют каналы на сайтах и тоже заинтересованы в измерениях). Но не все не всегда готовы поменять цифры, потому что изменение в расчетах -- это всегда изменение цифр. Изменение подходов на рынке встречает барьер.

Как Вы относитесь к законодательным инициативам в сфере больших данных?

На рынке влияет похуже, приходится придумывать новые способы, всё корректно закрывать, чтобы один сотрудник не видел, что видит другой, например о данных панели (адрес, поведение и так далее). Иначе это уже не обезличенная информация. И таких мелочей много. В обработке данных может быть маленькие компании могут выжить без соблюдения закона, то большим комп приходится менять всё для соблюдения закона. Это требует разработки, аналитики, метрик. Тяжелее. С точки зрения бренда и доверия это улучшает состояние.

Как Вы думаете, возможно ли выработать единый инструментарий обработки таких данных, единые метрики для всех?

Унифицированные метрики я думаю, что да, и многие используются, поэтому есть Google Analytics и Яндекс.Метрика. Но не всем нужен одинаковый набор метрик, и есть большой пласт фрода, с которым эти метрики не всегда справляются. И тут мы снова упираемся в рынок, который не всегда хочет замечать фрод, потому что отделам надо выполнять план. И они пойдут к тому агентству, которое пообещает это несмотря на то, что там будет фрод. Про инструментарий на самом деле нет, в это упираются технологии и в то, как могут договориться большие и маленькие участники рынка о передаче друг другу данных. Например, у Google есть очень жесткие правила не предоставлять информацию, которую собирают они другим компаниям. В Mediascope мы тоже с этим сталкиваемся, чтобы делать проекты с Google нужно придумывать такие варианты обработки данных, которые предполагают, что не нужно было получать данные напрямую от них. Яндекс летом начал делать то же самое, они закрылись, убрали левые счетчики. Мы понимаем, что такие гиганты собирают много информации, которая может быть обогащена инфой от других участников. И на них можно строить хорошие метрики, потому что, если мы говорим о метриках, мы говорим о пользователях, а пользователь не равен человеку, при этом, когда мы говорим о рынке, мы всё же говорим о людях, которые видят баннеры, рекламу на улице, на ТВ. Мы хотим понимать, где мы его догнали, что на него больше воздействовало, и без участия больших компаний это сделать сложнее. Мы приходим к единому измерителю, к примеру к Mediascope, потому что у нас есть большая панель и данные наших счетчиков, и много мы делаем для объединения панели и счетчиков со всего пространства Рунета, чтобы обогатить обезличенные данные счетчиков и слить их с данными панели. Это большие данные. Мы получаем все счетчики, и есть панелисты, и мы пытаемся обогатить данные друг с другом.

Как Вы считаете, необходимо ли создание единого измерителя для цифровой среды? Почему?

Тут на самом деле важно послушать мнение рекламодателей. Их боль в том, что они не могут посчитать, куда их деньги ушли. И для этого нужен измеритель, чтобы рынок был более прозрачным, но рынок должен договориться, какие метрики будут туда идти, и это зависит уже не от измерителя, который может только посоветовать, а от рынка. И тут уже появляется некоторая политическая и бизнес-составляющая. Никто не хочет терять деньги, просмотры, awareness. Минусы - сходу не могу сказать. Только если измеритель будет не очень честным и брать откаты. Но здесь всё зависит от того, насколько хорошо он будет подобран, сколько аудитов будет, насколько прозрачно покажет, как что меряется, аудиторы из разных стран. Это большая работа и будет стоить больших денег как измерителю, так и рынку.

Как Вы думаете, какую политику в отношении данных стоит поддерживать медиакомпаниям (более закрытую политику и не обмениваться данными или наоборот)? Выгодно ли создание альянсов в медиа-среде для обмена данными о пользователях между разными компаниями (пример - Pangaea Alliance, Emertique)

С точки зрения эффективности, объединение и обогащение, как и с точки зрения прозрачности рынка, очень важно и нужно. Но если есть возможность - это нужно делать аккуратно. Если смотреть пространство медиа на тему утечки данных, это происходит постоянно, и если мы говорим об обогащенных данных, то это риск. От тех данных, которые утекут, он больше, потому что там будет вся информация про поведение пользователя, можно понять, кто это в соцсетях, его e-mail, номер. Даже не знаю, насколько это возможно - сделать такой альянс аккуратно. Всё зависит от руководителей компании, которые в этом альянсе.

Как Вы оцениваете, достаточно ли данных, которые предоставляют технологии Big Data? Или нужно дополнительно использовать опросы и другие методы получения данных?

Смотря для каких целей. Если мы говорим о рекламе, их может быть достаточно. Если о позиционирования бренда, лояльности, о глобальном отношении к продукту - это уже фокус-группы, опросы, качественные методы. Если мы говорим о рынке продуктов, где возможно даже нет своего in-house исследования для аналитики, люди технического бэкграунда обучаются взаимодействию с аудиторией не только большие данные, а и через качественные методы. Через UX-исследования. Это тоже большой пласт, который развивается.

Был ли запрос со стороны медиа на исследования?

Медиа не нужно развитие бренда, как взаимодействовать с пользователями, если я правильно понимаю, о чем ты говоришь.

Хотя у них есть запрос. Большие компании и СМИ делают исследования, не чисто количественные и на большие данные, а направленные на понимание того, как человек пользуется, что хочет узнать, как делают это у конкурентов. Но это проходит через исследовательские компании.

А имеют ли такие исследования отношение к большим данным?

Ну вот в плане портрета есть такие вещи, как нейросети, когда сначала опрашивают людей и на их ответах обучают нейросети, которые потом определяют пользователей по разным классам. Эти классы строятся на опросных исследованиях, фокус-группах, чтобы понять, какие есть пользователи. Это зависит от этапа развития СМИ или социальной сети. Проводят, когда хотят ввести новую фичу на реальных людях, строится методология, и после того, как данные были собраны, они прогоняются через нейросеть. Кажется, Mail.ru и Kantar делали в 2019 году такое.

Как на Ваш взгляд обстоят дела с этическим аспектом сбора данных?

Это сложный вопрос. Когда человек за что-то не платит деньгами, он платит данными. Боюсь, это то, что люди не могут избежать, живя в сообществе интернета. Поэтому создаются законы о сохранности пользовательских данных, потому что, когда эти данные попадают не в те руки, возникает беда. Люди начинают об этом думать. Когда живешь, не думаешь, что, если что-то рассказал - у тебя украдут деньги. А в интернете всё записывается. В первую очередь, важно сохранять всё обезличенным, это не должно привести к конкретному человеку, как в социологии. Деанонимизированные данные.

Как Вы оцениваете отношение общества к сбору данных? Что изменилось за последние годы, а что осталось прежним?

Очень интересно, что, когда я писала магистерскую работу на тему отношения людей к данным, которые они выкладывают. В 2014 году отношение было абсолютно открытым. Есть тенденция к тому, что люди стали осторожнее относиться. Возможно еще не все поколенческие, но основная аудитория более осторожно себя ведет. Я говорю это с призмы своего окружения, и возможно всё еще не так далеко ушло от 2014 года.

Блок вопросов

Вопрос

Личное восприятие ситуации

Как Вы понимаете понятие «технологии Big Data»? Дефиниций много, но как воспринимаете именно Вы?

Есть колоссальный разрыв между компаниями, которые занимаются услугами или продуктами и данными на уровне 1000 пользователей и когда у вас 2 млрд пользователей. Здесь кол-во переходит в кач-во, и практически всё, что касается данных, происходит по-другому. Хранение данных. Проблема двухсторонняя - одна сторона это исключительно кол-венные данные, а все усложнения возникают потому что данных очень много, они очень разные и используются по всему миру, а у людей должно быть ощущение что между их запросом и результатом проходят доли секунды. Вторая сложность здесь в том, что данные постоянно меняются. Половина запросов Google каждый день - никогда раньше не возникали. Есть стандартные вопросы и любые усложнения этих вопросов. Усложнения и есть половина, а другие сформулированы по-другому, неправильно или на другую тему, либо такие, какие система еще ни разу не видела. Тут пересечение количественного и качественного. Система должна быть достаточно умной, чтобы отвечать на эти вопросы, а с другой система должна более-менее осмысленно отвечать на эти вопросы. Поэтому второй аспект ситуации, когда взаимодействие новое и мы не можем ориентироваться на предыдущий опыт ставят совершенно новые вопросы. На часть из этих вопросов можно ответить с помощью машинного обучения, а часть -- это ситуация, когда можно отработать только качественными данными. Это когда у нас есть новый продукт, например появились смартфоны, и неясно, какое место они будут занимать в жизни, потому что таких данных еще нет. Я занимался как раз взаимодействием человека с системами, людьми друг с другом и так далее.

Восприятие ситуации на уровне компании

Google, как Вы упоминали - это компания, которая строилась на данных и заточена на работу с этим. Можете рассказать, пожалуйста, в чем преимущества и недостатки этого фокуса компании?

Вы рассказывали о том, как сочетали количественные и качественные методики (пример с клавиатурой в Индии). Можете, пожалуйста, рассказать подробнее об этом? Какие трудности и преимущества этого, что было любопытным в кейсах?

Все крупные компании проводят исследования в разных контекстах. Например, когда в течение дня меняется контекст, или когда мы переезжаем в другие координаты. В Индии мы смотрели каким образом люди ищут что-то в поисковых системах. Есть любопытные моменты, например, в странах, которые были колонией Британии, люди по-другому ориентируются в пространстве. Например, в России во многих городах может быть ул. Ленина, но в одном городе нет одинаковых улиц. Поэтому мы говорим улицу и номер дома. А в Британии было название района и было название дома, и поэтому нужно было извозчику сказать район. И в Индии ситуация такая же. Поэтому пользователи на исследовании приблизительно смотрели на район, а потом спрашивали у окружающих, как добраться до такого-то места в этом районе, как по ближайшему ориентиру. Эта ситуация повсеместна. Например, в Индии есть очень много разных знаков и ориентиров среди местных людей. Например, у улицы 4 названия: официальное, местное, новое местное название и то, как улицу называют на соседнем языке, потому что там больше 20 языков, и у одного географического названия много имен. Улицы самой может не быть, потому что нет центрального планирования. Это живой организм, когда меняется географическое расположение, его централизованно учесть и потом обратно отдать людям для использования почти невозможно. Один из результатов исследования выяснил как люди на самом деле ориентируются: например, у людей есть определенные типы ориентиров, которые они ранжируют. Например, вода. Если Вы в Лондоне, вы знаете с какой стороны Темза, и по ней ориентируетесь. Это же касается озер и морей. Популярны различные ориентиры, которые редки для данной области. Например, в Индии это Starbucks, которых было мало, и по ним ориентировались. Но в Сиэтле люди будут смотреть что-то другое. В Индии ориентиром не будет храм, например, а в Сиэтле наоборот. Тут есть подсознательная градация, которая естественна для человека. И люди, когда говорят куда хотят добраться они используют набор инструкций, которые не имеют ничего общего, когда мы делаем это через централизованную систему. И результатом было то, что частично это было внесено в Google Maps, и была акция, когда люди могли вносить информацию про свой район чтобы помочь другим людям ориентироваться.

Также в Индии более 18 языков, и берут клавиатуру с английской раскладкой фонетически подбирать буквы, которые звучат как на местном наречии. Получается каша из местных диалектов, английского языка, транслитерации и так далее. Поэтому анализ этого очень сложен, с другой стороны, у людей ситуация - они говорят так не потому, что хотят, а потому что у них нет выбора. Мы не просто приходим изучать культурную среду, а непосредственно ее создаем и на нее влияем, создавая культурный продукт. Затем мы пытаемся анализировать то, что получается при взаимодействии культуры и техники. Например, для стран, где много языков, ввод информации усложнен, но при этом грамотность не всегда высокая, добавляются ошибки. Голосовой ввод был бы удобным, но, чтобы его сделать нужен корпус текстов чтобы скормить машине. Машина может сама размечать, важен корпус данных - миллиард страниц на этом языке. Проблема в странах типа Индии в том, что у нас есть корпус данных, они доступны, но мы не можем сказать, что люди, которые общаются на телугу, нет такой клавиатуры, есть книги на телугу, но нет онлайн-контента почти на этом языке, есть смесь слов и понятий. Онлайн-контент либо на английском, либо на смеси. Из-за сложности анализа информации мы не можем создавать то же распознавание голоса, именно из-за этого.

Нужны гибридные исследования количественные и качественные в комбинации?

Моя специализация на качественных методах. Мы смотрели какие закономерности есть в поведении пользователя. Мы могли осмысленно менять систему и адаптироваться. Есть наверняка и исследования на больших данных, но я не очень большой в этом специалист, я боюсь обобщать, чтобы это не было неверным. Еще момент по поводу Индии был в том, что, находясь внутри страны вы видите, что люди живут по-другому. Вы набираете респондентов, которые отражают ту или иную аудиторию, разрабатываете задания и проводите час-полтора с ними. Здесь масштаб оценивается по-разному. Многие большие компании проводят такое довольно часто. Когда вы куда-то едете вы сразу видите особенности. В отличие от личных предпочтений поведение определяется контекстом. На 5 человеке вы видите общие черты, и нет смысла проводить много одинаковых экспериментов. Почему и что происходит - здесь не нужно 1000 человек. Маркетинг более ориентирован на то, что люди думают, а UX/UI на то, что люди делают, не задумываясь. В UX/UI вариативность действий меньше, чем вариативность мнений в маркетинге. Это зависит от задачи, под некоторые задачи нужно большое кол-во людей, особенно если люди из разных контекстов. Мы ездили в 5 стран: Россия, Швейцария, Германия, Франция, Англия. Мы смотрели, как люди взаимодействуют с разными аспектами системы. Нужно много данных, чтобы найти исключения и тенденции везде. И это не 1 раз, а несколько исследований, чтобы понять, не был ли это всплеск. Это восполнение белых пятен о том, как люди взаимодействуют с системой. Многие продукты не возникают в вакууме, можно иногда опираться на предыдущие данные. Не всё нужно исследовать, потому что что-то уже исследовано.

Есть мнение, что исследования на данных более объективны. Так ли это?

Есть пара примеров. Иногда бывает, что кол-венный анализ лучше, иногда наоборот. Моя команда работала над продуктом, который на мобильном телефоне показывал информацию в виде потока данных. Глядя на логи, руководитель сказал, что есть часть интерфейса, с которым хорошо взаимодействуют, а есть те, с которыми ничего не делают, и поэтому давайте их уберем, потому что с ними ничего не делают. Но мы видели, что это не укладывается, и люди которые использовали приложение сказали что есть полезная информация - та, которая идеально сделана и нам не нужно ее трогать, чтобы менять, а есть те, которые нам нужно настраивать. И интерпретация на основании качественных исследований может меняться кардинально. Но когда вы делаете что-то не новое вы можете улучшать систему на основании автоматических экспериментов, когда вы немного меняете метрики или настройки. А когда делаете новый продукт, нет данных, которые вы можете анализировать. При переходе в реальный мир объем данных, которых у нас нет увеличивается. В онлайне система видит всё, что показывает разработчик. В реальном мире она не видит ничего. Система не знает, зачем вы смотрите погоду, в каком настроении, с кем вы пойдете. 99% контекста потеряно. При переходе к новым системам или реальному миру очень не хватает данных. Ограничение на количественные исследования тут более явно проявляется.

А предсказание успешности контента?

Мы знаем, что есть типы контента, которые точно нужны. Например, вы работаете с Facebook и хотите найти какую-то кнопку. Просто бороздя просторы настроек это сложно. Вы можете погуглить и найти руководство, но это писали люди на основе того, что им дали инженеры интерфейса. Но это пишут за время, и система уже изменилась. Есть проблема сложных систем, что невозможно создать инструкцию. Руководство пользователя всегда устаревшее.

Если у вас 2 млрд пользователей, вы не сможете делать контент, который делаете только вы - вам просто его не хватит в какой-то момент. С одной стороны чтобы люди были вовлечены, а с другой стороны компании как Google есть очень большое отличие - Google скорее создает, как и Facebook систему, где пользователи скорее сами могут генерировать контент. Здесь влияние компании на контент другого типа, не такое, как у медиа. Я бы сам набрал вам текст и не менял бы его, а передавал, как есть. Хотя все крупные компании, как и Facebook так устроены что элементы медиа тоже присутствуют.

Действительно ли персонализированные системы Google не накладывают эффект на пользовательское восприятие?

Все поисковики и Facebook персонализируют подборку результатов. Здесь важно 2 момента: то, что влияние на людей оказывает много чего, но человек это автономная система и сам решает, наш мозг очень адаптивная и мощная система, мы учимся (как пример, баннерная слепота), второй момент то, что основная задача крупных компаний - предоставить услугу вам лично, потому что вы являетесь определителем того, успешно это или нет. Пользователю ничего не стоит переключиться, основная цель крупных компаний не просто продажа рекламы, а для них приоритет пользователей высок и порой выше, чем у традиционных компаний. Поэтому, когда говорят, что Facebook заботится меньше, он на самом деле заботится больше. Я думаю, что, если у компании будет 2 варианта развития: 1 - дать менее качественный контент для пользователя и сегодня получить больше денег, или 2 - дать качественный и сегодня получить меньше денег, они в 100% пойдут по второму пути. Они будут заботиться о пользователе, потому что компания уже успешна, если они заработают сегодня больше, ситуация меньше изменится, чем если они потеряют 1% пользователей. Поэтому массовое взаимодействие людей с другими улучшает качество, потому что компании обращают внимание на количество пользователей, это валюта для них. С другой стороны, компании больше обращают внимание на кач-во взаимодействия, на то, чтобы вы получили то, что вы хотите. Поэтому опасения что Facebook будет менять поведение - опасение людей самих себя. Если человек хочет сидеть на Facebook и смотреть новости в ленте - Facebook будет давать это, потому что пользователь этого хочет.

По поводу политики компании в отношении последствий от обмена данными, в чем минутная выгода? А более долгосрочная?

На многих уровнях обсуждается то, чтобы заставить компании поделиться данными друг с другом или с пользователями. Здесь ситуация сложна, потому что такой объем данных раньше никогда не существовал, и что такое эти данные лица, принимающие решения не всегда понимают. Если сделать общий колхоз, будут быстрые преимущества, когда, например компании, которые страхуют жизни людей выяснять что есть группы пользователей, которые могут быть клиентами. Они предоставят этой группе людей более кач-венные услуги, или разработчики дадут более качественный продукт. Но, например компании страховки они получат преимущество от асимметрии информации. Они могут ориентироваться не только на объективные данные, а на все остальные факторы, опасения, страхи. Так как вы не знаете об этом как клиент, они могут это делать. Арбитр по середине который будет стимулировать конкуренцию и делать аукцион может помогать стоимость услуг для конечного потребителя понижать, потому что вам покажут именно ту, которую система считает наиболее кач-венной для вас конкретно, а не потому, что все 20 000 страховых компаний разошлют вам e-mail.