Презентация Вебинар 1LEADGEN "Excel для Директолога" (04.03.2017)

1. Excel для Директолога:
возможности, ограничения, альтернативы
вебинар
cc.1Leadgen.ru

2. Илья Векторов
Ведущий
https://vk.com/id194986725

3. Концептуальная направленность
Попытка логически предугадать будущее
От третьего лица (незаинтересованного)
Про долгосрочные тренды
«Рванная» последовательность - нормально
НЕ про фишки
Особенности вебинара

4. 1. Взаимоуважение (или бан)
2. Вопросы/мысли приветствуются
3. Материал – сугубое ИМХО
4. Мнение не профессионала
5. Структура вебинара – 3 части
6. Регламент 1.5 - 3 часа с перерывом
Правила вебинара

5. ПЛАН ВЕБИНАРА:
1. Плюсы и минусы Excel, развитие КК 1LEADGEN
2. Тренды: средне- и долгосрочные
3. Анонс нового проекта

6. ЧАСТЬ I
Excel: плюсы и минусы
Контекстный Комбайн 1LEADGEN: развитие

7. Какие задачи могут возникать перед директологом
/ интернет-маркетолом
ВОЗМОЖНЫЕ ЗАДАЧИ
Повторяемые
Жесткие решения KeyCollector
Ad Hoc
Гибкие решения Excel
Настройка РК
Отдельные процессы
(например парсинг)

8. Excel «по умолчанию» является одним из самых
мощных инструментов по работе с данными
Возможности EXCEL
Стандартные
(формулы и приемы)
VBA
(скрипты и функции)
100
степеней свободы
100N
степеней свободы

9. Автоматизируемое и НЕ автоматизируемое в MS Excel
АВТОМАТИЗИРУЕМОЕ:
• «Механические» циклы / переборы
• Работа с текстовыми строками
• Точные (математические) критерии
• Гибкие / Жесткие скрипты (UDF,
Subs)
• Набор критериев
• Моделируем «как если делать
самим руками» (функция макро
рекодер)
НЕ АВТОМАТИЗИРУЕМОЕ:
• Массивы (например склонения)
• Любые решения Да/Нет
• только random
• Нечеткое соответствие
• ограничено FUZZY
• Субъективные критерии (логические
группы)
• Очень большие объемы
• Интерактивность (API и т.д.)
• На «пользовательском» уровне

10. Почему КК 1LEADGEN не будет развиваться?
Хороший инструмент, но в плане развития себя исчерпал,
потому что…
1. VBA неудачная технология для сложных решений
2. Слабый поток идей от участников
3. Техническая ограниченность самого Excel
Как следствие – неинтересно.

11. Куда будет развиваться КК 1LEADGEN ?
Основные изменения в проекте КК 1LEADGEN:
1. Начиная с версии 2.0 Контекстный Комбайн 1LEADGEN будет
НАДСТРОКОЙ MS Excel
2. Проект Контекстный Комбайн 1LEADGEN переходит в режим
«фоновой поддержки» (исправление ошибок, добавление
функций по запросу)

12. Демо видео работы надстройки

13. В чем преимущество надстройки?
Файл + набор
макросов
Надстройка
для MS Excel
ПЛЮСЫ НАДСТРОЙКИ:
1. Работает в любом открытом файле Excel
2. Более быстрая работа чем обычный макрос
3. Удобство за счет вынесения на ленту (Ribbon)
4. Компактность

14. Зачем надстройка ?
Уход от подобного безумия 
Излишняя сложность – всегда недостаточный навык.

15. Ручное vs. Автоматическое создание объявлений
$ деньги
Трудозатраты
(время)
Качество
$ деньги
Трудозатраты
(время)
Качество
Под вопросом но об этом далее…
ТРАДИЦИОННОЕ ПРЕДСТАВЛЕНИЕ

16. Методология vs. Технология

17. Пример Поиск книг по Автору
Методология vs. Технология
Хороший метод Плохой метод
А Б В
АЯ
Г Д
1. Книги по цвету
перебор
АЯ АЯ АЯ АЯ АЯ
2. Книги по цвету + АЯ
АЯ АЯ АЯ АЯ АЯ
2. Цвет+ АЯ + Параллельно
Лучше
Еще
лучше
Плохо
Первая буква
автора
Задача: найти книги по автору за
минимальное время

18. Методология vs. Технология
предел 1
предел 2
 У хороший методологии
выше предел
эффективности
 Хорошая технология
может компенсировать
плохую методологию
только до определенной
степени

19. ВОПРОСЫ / ОТВЕТЫ

20. ЧАСТЬ II
Куда движемся:
средне- и долгосрочные тренды

21. Почему человек со стороны иногда может
лучше прогнозировать тренды?
0
10
20
30
40
50
60
70
80
90
100
0 5 10 15 20 25
Данные 1 Данные 2
1 наблюдение может
существенно повлиять
на линию тренда!
2 одинаковых набора данных, отличие только в одном значении

22. ЧАСТЬ II
Трансформация рынка/отрасли

23. Тенденции Эволюция
Что значит «оцивилизовывание» рынка ?
 Смотрим на Запад (Google, Baidu, Bing, там
больше денег)
 Изменение структуры рынка в пользу крупных и
богатых клиентов
 Рост роли капитала (оборот/бюджет)
 Рост роли креативной составляющей !
 Снижение роли технической компетенции
(выравнивание уровня)
 Рынок «частных директологов» будет
гарантированно схлопываться
 Больший объем работы будет выполняться гораздо
меньшим количеством людей (речь о порядках)

24. Пути развития отдела трафика
Пути развития направления контекстной
рекламы в компании
• In-House спелист
• SaaS/DIY сервисы (roistat, Elama)
• SLA модель аутсорсинг (контроль по KPI)
• Партнерство/CPA
Проблемы с точки зрения компании

25. Усиление внутренних подразделений IN-HOUSE
(или плотная работа с бутиковыми специализированными
агентствами)
 Интернет-маркетинг будет становится конкурентными
преимуществом компаний из ЛЮБЫХ отраслей
 ↑ качества внутренних и внешних
инструментов/процессов будет приводить к снижению
требований к исполнителям внутри кампаний при
повышении качества работы
 Автоматизация + API будет приводить к исключению из
процессов посредников
 Большие бюджеты и возможность постоянно тестировать
будут приводить к появлению ноу-хау у крупных
рекламодателей
Пути развития отдела трафика

26. Проблема с In-House специалистами:
рост профессионализма + наличие бюджета (капитал)
УЖЕ
реально
предлагают
розовые
сапоги

27. Пути развития отдела трафика
Проблема SaaS / DIY сервисами:
• Лучшие наработки интегрируются в сами системы
контекстной рекламы (долгосрочный тренд)
• Недоступный для понимания уровень сложности, как
следствие…
• Уход в ML, AI, programmatic и т.д.
• С точки зрения директолога – кардинальное снижение
трудозатрат (вплоть до «автоматизации» самого
директолога)

28. Проблема SLA CPA моделями:
• Умение работать с системой KPI
• Необходимость в контроле подрядчика
• Должна биться экономика проектов
• Требуется определённый уровень доверия между агентами
• Один из самых ценных ресурсов – данные, остаются у подрядчика
Пути развития отдела трафика

29. Ложные тенденции
Программисты «Боги»
Появляются программисты «боги», генерирующие
большие семантические ядра, использующие
стандартные возможности (метки, дополнительные ссылки
и т.д.) + автоматизация управления кампанией.
Считают что программирование = хороший маркетинг.
Мечта = упаковать свой алгоритм в платный сервис.
ИМХО, одиночки не могут просить хороший сервис, нужна
команда.
Устойчивый сервис должен отвечать 2-м критериям:
1. Должен быть value для пользователя
2. Функционал должен быть (относительно) уникальным /
трудно копируемым

30. Тенденции Сервисы
Что будет происходить с сервисами?
• То, что пишется в 10 строчек кода на Python не может
считаться «сервисом»
• Технические (механистические) сервисы умрут
• Бизнес сервисов, которые мешают Яндексу разрабатывать
деньги будет сокращаться (например, Elama)
• Сервисы без элемента «черного ящика» (с элементами
ML/AI) – умрут

31. Тенденции Итоги
Что будет происходить ?
 Переход от Ручных стратегий к Автоматическим (более
прогнозируемый доход для Яндекса, но для рекламодателя –
«черный ящик»)
 «Вымывание» микро и малых клиентов с рынка, приоритет
клиентов с большими бюджетами (см. развитие на Западе
Google AdWords)
 Хорошие фитчи и наработки будут становится элементами
интерфейса (если не ведут к снижению общего дохода
Яндекса!)
 Создание качественных рекламных компаний от технического
процесса будет сдвигаться в область креатива, тестов и
анализа
 Разброс уровня РК будет сокращаться ВЫРАВНИВАНИЕ
компаний

32. Тенденции Развитие Яндекса
 Борьба с «прокладками» (под «прокладкой» понимается
любой посредник между деньгами клиента и Яндексом )
 Стремление к модели – оплата за действие cost per action
CPA (по модели интеграции Яндекс.Маркета с
обезличенными продавцами)
 В наиболее маржинальных темах возможно создание
собственных компаний
 Расширение контроля за цепочкой (забрать максимум $ из
цепочки):
Поиск → Сайт → Конверсия → Оплата
Яндекс.Директ → Яндекс.Метрика → Яндекс.Касса
 Максимально забрать у рекламодателя инструменты,
влияющие на расходы (но оставить инструменты влияющие
на конверсию)

33. Тенденции Развитие Яндекса
 Идеальный результат для Яндекса: клиент указывает нишу,
выбирает опции компании и вносит деньги (будет
реализован в том или ином виде на базе машинного
обучения)
 Машинное обучение: модель «персональный цифровой
менеджер», позволит реализовать модель даже для мелких
рекламодателей
 Агрессивная монетизация (Яндекс – публичная компания) :
«мало показов», «синонимы», выдавливание в авто
стратегии)
 Максимальная монополизация коммерческих тематик,
перевод клиентов на собственные сервисы
 Высокая вероятность: государственный протекционизм,
ограничение конкуренции и, как следствие, снижение
качества выдачи и стратегический проигрыш Google

34. ЧАСТЬ II
Трансформация профессии

35. Разделение труда
Директолог
специализация
Product/Project Manager
Программист (технарь)
ИМХО про «профессию» Директолог:
Набор навыков который человек может освоить за несколько недель
не может считаться профессией.

36. Перспектива Директолог vs. PM
1 Директолог-Программист
X 100 «Директологов»
Большинство текущих
директологов в не смогут
конкурировать на техническом
уровне
Product/Project
Менеджеры (PM)
«Клей» между технарем-
директологом и бизнес-средой:
умение ставить ТЗ, знание
продукта / рынка / ЦА

37. Настоящее и Будущее
условная продуктивность
Директологи Сейчас
Будущее
X 100X 10
+ чужие наработки
(доп. рычаг)
Новый проект
1LEADGEN про это
Директолог-программист
PM PM PM PM

38. Какой технический уровень достаточен ?
Умею делать сам
Могу поставить задачу
Необходим минимум
навыков, в первую
очередь чтобы уметь
поставить задачу (ТЗ)
Чем выше собственный
уровень, тем проще и
эффективнее ставишь
задачу для технического
специалиста!
КК 1LEADGEN также требует минимальный технический уровень,
чтобы более эффективно оперировать РК.

39. ЧАСТЬ II
Трансформация технологий работы

40. Мифы о «длинном хвосте»
Тиражируемый миф о «длинном хвосте»
Конкуренция
Конверсия
Нарушение логики:
Вложенность фраз.
Ваши НЧ конкурируют с
ВЧ/СЧ крупных игроков!
высокая низкая
низкаявысокая
Ложные предпосылки:
Lamoda показывается по слову «купить
обувь», я буду рекламироваться «купить
розовые сапоги в Саратове» и не буду
конкурировать Ламодой.
Я буду вести на целевые товарные
страницы, а Ламода ведет на общий
каталог.
Что делает Яндекс ?
«Расширяет»
голову за счет
синонимов
(нельзя отключить)
«Отрубает» хвост за счет
отключения «неэффективных»
фраз (статус мало показов)

41. Мифы о «длинном хвосте»
Кто хочет лучше понять принцип «Длинного
хвоста» и принцип эффективного
семантического ядра:
1. Заходим в группу
vk.com/cc1leadgen
2. Находим пост от 9 июня 2016
3. Смотрим видео «Концепция
семантического ядра и
операторов Яндекс Директ +
инструмент MECE»

42. Технология создания РК автоматизация
Почему важно оптимизировать (НЕ максимизировать СЯ) ?
Сбор
СЯ
Управление РК
+
Анализ
Генерация РК
Кластеризация
Крайне важно с учетом
нововведения Яндекса
(«мало показов»)
+ ограничение Яндекса
Относительно неплохо
автоматизировано:
KeyCollector, MOAB,
Пастухов
Хорошо
автоматизировано
СозданиеРК
Слабо автоматизировано +
высокие технические требования
к исполнителю
Уровень приближается к
ИИ / машинного обучения
(не автоматизируемо в
традиционном понимании)

43. Про автоматические генераторы
объявлений
Подготовка РК Введение и корректировка
Генерация объявлений
2%

44. Избавляемся от иллюзий
Яндекс Директ – это «черный ящик», сложная система на базе
машинного обучения и искусственного интеллекта, нацеленная
на максимизацию прибыли Яндекса.
Стоит рассматривать любые нововведения Яндекса с этой
точки зрения.

45. Война «черных ящиков»…
VS.
Яндекс Директ
Рекламодатель
Критерий:
максимальный
доход от… ???
Отдавать или нет контроль
за расходами на РК ?
«Будущее банковского бизнеса –
это "борьба" одного искусственного
интеллекта против другого»
Вадим Кулик, Зампред Сбербанка

46. Новые технологии
Машинное обучение (искусственный интеллект)
Нейронные сети (видеокарта Tesla Nvidia)
Работа с большими массивами данных Big Data
Специализированные языки программирования Python, R
Технология в средне- и долгосрочной перспективе бьет
класс с вероятностью 99.99% !
Агенты, использующие эти технологии гарантированно
выиграют у самого талантливого «кустаря».

47. В чем «прелесть» машинного обучения ?
Традиционное программирование:
Машинное обучение:
Данные
Разработк
а
алгоритма
Результат
Данные
(обучающ.
датасет)
Подбор
алгоритма
Результат
(обучающ.
датасет)

48. Технологии работы Будущее
 Выиграет тот, кто максимально использует внутренние
возможности рекламных систем (они будут расширятся)
 Все технические «облегчалки жизни» рано или поздно
переедут в интерфейс систем
 Сильно возрастет роль ОПТИМИЗАЦИИ РК (переход от
максимизации к оптимизации) см. видео MECE
 Сильно возрастет роль анализа (т.к. технически РК будут
приближаться по уровню исполнения)

49. Что будет дальше происходить ?
 Технические и расчетные задачи будет браться на
себя компьютер, через технологии нейронных сетей,
машинного обучения и т.д.
 И будут делать это в миллионы раз быстрее и зачастую
лучше людей!
 ВАЖНО: человеку останется креативная функция
генерирования гипотез + постановки технических
заданий
Тренд Машинное Обучения :
↑ возможностей РК (стратегий)
↓ требований к программированию
По мнению Андрея Себранта то, что раньше делали 100
программистов, сегодня (в 2016) может сделать
«полпрограммиста» + TensorFlow

50. ВОПРОСЫ / ОТВЕТЫ

51. ЧАСТЬ III
Проект Python Директолог 1LEADGEN

52. ВИДЕО
Андрея Себранта про возможности нейросетей
https://www.youtube.com/watch?v=rK2iA_36qEI
18:00-24:30

53. ВИДЕО
Герман Греф про будущее бизнеса
https://www.youtube.com/watch?v=bzc4WHIOb_Q
43:30-45:00

54. Перспективные направления
• Машинное обучение ML
• Big Data
• Искусственный интеллект AI
• Robotic process automation RPA

55. 1. Яндекс активно использует в своих сервисах
2. Google выложил в открытый доступ TensorFlow
3. Исследование McKinsey
Почему будущее за ИИ и машинным
обучением ?

56. Disruptive technologies: Advances that will transform life,
business, and the global economy
Исследование McKinsey
http://www.mckinsey.com/business
-functions/digital-mckinsey/our-
insights/disruptive-technologies

57. Disruptive technologies: Advances that will transform life,
business, and the global economy
Исследование McKinsey

58. Расширяем область света
ExcelИИ
нейронные сети
python
машинное обучениеAPI
big data

59. Проект Python Директолог 1LEADGEN
Проект – Эксперимент!
 Сообщество экспертов / пользователей
 Апробация новых инструментов
 Инструмент Python
 Инструмент TensorFlow / Нейросети
vk.com/py1Leadgen

60.  Является ЭКСПЕРИМЕНТОМ
 Подразделяется на различные уровни
 Непрофессионалы
 Программисты / технари
 Обучающий проект
 Основной инструмент Python + модули
 Ориентация на искусственный интеллект /
машинное обучение
 Open source / Crowd source
Проект Python Директолог 1LEADGEN

61. ПАБЛИК 1LEADGEN
 Возможность задавать вопросы и
предлагать новости
 Фокус на новые технологии для
директологов и интернет- маркетологов
 Более широкий круг тем и вопросов чем
Excel
vk.com/1Leadgen

62. 1LEADGEN Паблик
vk.com/1Leadgen
Структура
Python Директолог 1LEADGEN
vk.com/py1Leadgen
МетрикМастер1LEADGEN
vk.com/mm1Leadgen
Контекстный Комбайн 1LEADGEN
vk.com/cc1Leadgen
Telegram Канал 1LEADGEN
@t1Leadgen

63. За кем / чем следить:
Илон Маск
Питер Тиль
Марк Андрессен
Андрей Себрант
Telegram @TechSpark
Имеет смысл
следить за этими
компаниями:
https://en.wikipedia.org/wiki/Robotic_process_automation

64. Книги must read
Искусственный
интеллект
Ник Бостром
Сумма
технологии
Станислав Лем
От нуля к
единице
Питер Тиль
Верховный
алгоритм
Педро Домингос
Роботы
наступают
Мартин Форд

65. ВОПРОСЫ / ОТВЕТЫ