Жизнь директолога опасна и трудна. Не так-то просто собирать целевой трафик, колдовать над снижением цены клика, воевать за позиции с конкурентами. Мы сами через это прошли, пока нам не надоело биться за сотые доли CTR.
В этой статье мы рассказываем как выйти из конкурентной борьбы с помощью динамического контента, показываем результаты повышения конверсии на конкретных примерах.
Читать полностью »
Цели
Определить доминирующие признаки классификации объекта локализации и разработать математическую модель под задачи анализа изображений мимики.
Задачи:
Поиск и анализ способов локализации лица, определение доминирующих признаков классификации, разработка математической модели оптимальной под задачи распознавания движения мимики.
Тема:
Помимо определения оптимального цветового пространства для построения выделяющихся объектов на заданном классе изображения, которая проводилась на предыдущем этапе исследования, немаловажное значение также играет определение доминирующих признаков классификации и разработка математической модели изображений мимики.
Для решения данной задачи необходимо, прежде всего, задать системе особенности модификации задачи обнаружения лица видеокамерой, а затем уже проводить локализацию движения губ.
Что касается первой задачи, то следует выделить две их разновидности:
• Локализация лица (Face localization);
• Отслеживание перемещения лица (Face tracking) [1].
Так как перед нами стоит задача разработки алгоритма распознавания мимики, то логично предположить, что данную систему будет использовать один пользователь, который не слишком активно будет двигать головой. Следовательно, для реализации технологии распознавания движения губ необходимо взять за основу упрощенный вариант задачи обнаружения, где на изображении присутствует одно и только одно лицо.
А это значит, что поиск лица можно будет проводить сравнительно редко (порядка 10 кадров/сек. и даже менее). Вместе с тем, движения губ говорящего во время разговора являются достаточно активными, а, следовательно, оценка их контура должна проводиться с большей интенсивностью.
Читать полностью »
Привет! Сегодня я бы хотел продолжить наш цикл материалов жизнь веб-студий и digital-агентств – и поговорить про работу с клиентской базой, а также конкретные принципы/подходы к ее сегментации.
* Кстати, данная тема подробно разбирается и в нашем недавно запущенном бесплатном спецпроекте из 11 видео-лекций про маркетинг, продажи и клиентский сервис в студии.
Часто, общаясь с представителями небольших студий из 10-15 человек, я слышу «У нас 3-4 проекта в производстве и полтора десятка клиентов на поддержке, я знаю их всех в лицо, зачем мне какая-то сегментация и какие-то метрики по ним?». Вобщем-то, это довольно резонный вопрос. Зачем городить дополнительный огород, если все клиенты и так наперечет?
Во-первых, ваша клиентская база – не только ваши текущие клиенты, а еще и «отток» и «отказ» (ниже напишу чуть подробнее). С учетом этого, размер базы из полутора десятков клиентов сразу превращается в несколько десятков/сотен, а то и тысяч, контактов.
Во-вторых, оценка перспективности клиента должна быть не только эмоционально-экспертной («Этот клиент вроде крутой, сейчас он почти ничего на заказывает, но скоро мы его дожмем» или «Да ну их, какая-то мелкая фирма, сайт-визитку им сделали – и ладно, пусть платят за хостинг пару тысяч в месяц»), но и рациональной, основанной на значениях реальных KPI.
Только так мы сможем дать оценку на 360 градусов и избежать ситуации, когда все силы компании брошены на развитие крупного федерального бренда, для которого год назад сделали один баннер и который особо не горит желанием продолжать работу с нами, а небольшой клиент, которому надо кучу всего сделать в интернете, скучает без внимания клиентских менеджеров, потихоньку сливаясь к конкурентам. Читать полностью »
Ключ к успеху при разработке free-to-play игр — анализ поведения игроков и постоянный тюнинг игрового функционала на основе статистики. Собрать статистику — это пол дела. Но как превратить гору сырых данных в информацию?
В моей прошлой статье я перечислила основные показатели, по которым можно отслеживать успешность игры. Во второй части цикла я сделаю обзор основных инструментов, которые помогут превратить данные в руководство к действию.Читать полностью »
Существует множество компаний, которые продают товары клиентам или оказывают какие-то услуги. Часто продавцы интуитивно принимают решения, какой именно товар из всей существующей линейки лучше подходит клиенту. Также интуитивно определяется, какой массив клиентов более интересен для компании, а для каких клиентов продажа и дальнейшее обслуживание будут слишком затратные и невыгодные.
Для технологичного понимания всех этих вопросов хорошо подходит анализ информации с помощью технологии Data mining. Автоматизируя процесс сегментации клиентов с помощью кластеризации Data mining, компания может найти ответы на множество вопросов.
Рассмотрим вариант, когда компания занимается продажей товаров или услуг и дальнейшим послепродажным обслуживанием. Соответственно у компании есть потенциальные клиенты, которым осуществляются продажи. Также есть клиенты, которые обслуживаются или были ранее на обслуживании, т.е. которым ранее уже продавали. Для простоты будем их называть обслуживаемыми клиентами.
Кратко опишу цель и идею. Для анализа необходимо взять несколько показателей (15-20), которые есть у потенциальных и обслуживаемых клиентов одновременно. Также надо выбрать 2-3 показателя, которые есть только у обслуживаемых клиентов – это целевые показатели. Провести анализ кластеризации Data mining на массиве обслуживаемых клиентов. На выходе получим несколько кластеров со своими характеристиками. Далее кластеры группируем в сегменты по целевым показателям и даем какие-то понятные для маркетологов определения. Полученную модель анализируем, и полученные кластеры проецируем на потенциальных клиентов. На выходе получаем просегментированных потенциальных клиентов. На основании полученных сегментов можно выстроить стратегию и методологию продаж для каждого сегмента клиентов.
Рассмотрим подробнее данную методику и последовательность шагов для достижения результата.
Читать полностью »
