Фото: Erendira Mancias / Fusion
Способность Facebook находить людей, «которых вы можете знать», иногда удивляет. Ладно, если это человек, с которым у вас много общих знакомых. Но когда Facebook рекомендует бывшего коллегу с места работы, где вы уже 15 лет не работаете — что это? Место работы не указано в профиле и нет общих знакомых на Facebook. Или — внезапно — девушку, с которой вы однажды встретились и больше никогда не виделись. Откуда он знает про неё?
Читать полностью »
Билл Гейтс один из немногих по-настоящему известных в индустрии людей, который регулярно озвучивает свой список книг для чтения. Ему вторит молодой коллега — Марк Цукерберг — специально создавший в Facebook отдельное сообщество A Year of the Book, в котором сообща выбирают самую значимую книгу года. Также в интернете можно встретить и другие подборки литературы, которые тот или иной заметный в своей сфере человек считает важными, но, судя по всему, только от Билла Гейтса можно получить настоящую "обратную связь" и узнать, что предпочитает читать самый богатый человек на Земле. У бывшего главы Microsoft для этой цели есть личный блог, где он и описывает свои впечатления от новинок.
Эта публикация — вторая в серии. Ранее можно было узнать о тех шести книгах, которые Гейтс рекомендовал в 2015 году.
Привет! В этом посте мы хотим поделиться нашим решением задачи по предсказанию скрытых связей в корпоративной социальной сети “Улей” компании Билайн. Эту задачу мы решали в рамках виртуального хакатона Microsoft. Надо сказать, что до этого хакатона у нашей команды уже был успешный опыт решения таких задач на хакатоне от Одноклассников и нам очень хотелось опробовать наши наработки на новых данных. В статье мы расскажем про основные подходы, которые применяются при решении подобных задач и поделимся деталями нашего решения.
Читать полностью »
Недавно я опубликовал пост, рассказывающий, как можно просто начать использовать наше API. Мне самому захотелось поиграться с данными, которые можно из него получить, и я решил написать приложение, рекомендующее актуальные вакансии на основе информации из резюме. В конце статьи будет ссылка на результат, где каждый сможет получить список рекомендаций по своему резюме.
Читать полностью »
Всем привет. Я начал заниматься веб-дизайном 6 лет назад (если считать от самого-самого первого кривого макета для несуществующей туристической компании). Первые 2 года я работал в маленькой студии, потом ушел на фриланс и пока что жив-здоров.
Рекомендации ниже вовсе не аксиомы, не правила, и не обязательны к исполнению. К некоторым я пришел сам, некоторые подсмотрел у других. Что-то я часто не могу сам себя заставить выполнять (отчасти поэтому я решил их выписать и структурировать). Если вы только начинаете заниматься веб-дизайном, вам, скорее всего, пригодится хоть часть и нижесказанного. Если вы уже в деле, ваше мнение приветствуется в комментариях.
Цель этого рассказа — поделиться способами решения проблемы, над которой работали авторы при разработке рекомендательного сервиса imhonet.ru. Поскольку проблема не является чисто научно-технической, а скорее находится на стыке технологий и бизнеса и может быть полезна более широкой аудитории, чем обычный технический отчёт, мы выбрали именно такой формат представления нашей работы — попытались написать рассказ настолько простым языком, насколько это возможно. Первая часть рассказа посвящена довольно подробному обоснованию того, как правильно измерять качество работы алгоритмов рекомендательной системы. А в конце иллюстративно перечислено несколько примеров, в которых мы проводили эти измерения для решения конкретных задач.
Во время общения с медиа мы в Relap.io часто сталкиваемся с массой заблуждений, в которые все верят, потому что так сложилось исторически. На сайте есть блоки типа «Читать также» или «Самое горячее» и т.п. Словом, всё то, что составляет обвязку статьи и стремится дополнить UX дорогого читателя. Мы расскажем, какие заблуждения есть у СМИ, которые делают контентные рекомендации, и развеем их цифрами.
Во время общения с медиа мы в Relap.io часто сталкиваемся с массой заблуждений, в которые все верят, потому что так сложилось исторически. На сайте есть блоки типа «Читать также» или «Самое горячее» и т.п. Словом, всё то, что составляет обвязку статьи и стремится дополнить UX дорогого читателя. Мы расскажем, какие заблуждения есть у СМИ, которые делают контентные рекомендации, и развеем их цифрами.
Самое большое и самое популярное заблуждение. Чаще всего СМИ делают рекомендации в конце статьи по тегам. Так поступает Look At Me и РБК, например. Есть материал с тегами: трактор, Путин, сыр. К нему выводятся тексты про трактора, про Путина и сыр. На первый взгляд, логично:
Подобная механика рекомендаций в реальной жизни выглядела бы так. Вы идёте в магазин за продуктами. И кладёте в корзину сливочное масло. К вам подходит консультант с потными от волнения ладошками и говорит: «О, я вижу, вы взяли масло и это значит, что вам нужно масло. Возьмите еще пять видов сливочного деревенского и подсолнечного и козьего масла». Максимум, что может случиться из ряда вон выходящее — вам предложат трансмиссионное, если вы читали что-то про автомобили. И это уже будет считаться rocket science.Читать полностью »
Нам всем приходят письма с заголовками «Супер предложение! Скидки до -50%» или «РАСПРОДАЖА!». Мы ежедневно утопаем в огромном количестве маркетинговых активностей различных компаний.
И чаще всего судьба таких писем — Корзина. Очень редко попадается что-то действительно стоящее, что-то что хочется открыть, прочитать и купить…
С каждым годом появляется все больше и больше возможностей персонализации рассылки.
Но может ли персонализация стать чересчур персональной?
В начале октября «Яндекс» запустил Yandex Launcher для Android в странах Латинской Америки.
За прошедшие два месяца приложение набрало около 130 тысяч установок (из расчета — 3% оценок от установок). Пик активности пользователей пришелся на начало ноября:
