| A | B | C | D | E | F | G | L | M | N | O | P | ||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
1 | КУПИТЬ БИЛЕТ: https://matemarketing.ru/tickets | ЗАКАЗ ОТ ЮР.ЛИЦА: money@matemarketing.ru | НАША КОНТЕНТ ПЛАТФОРМА С БОЛЕЕ ЧЕМ 400 ДОКЛАДАМИ ПРОШЛЫХ ЛЕТ: https://lms.matemarketing.ru | ||||||||||
2 | |||||||||||||
3 | 7 НОЯБРЯ (ЧТ) - МОСКВА, КЛАСТЕР ЛОМОНОСОВ | ||||||||||||
4 | 09:00 10:00 | ВСТРЕЧА УЧАСТНИКОВ КОНФЕРЕНЦИИ НА ПЛОЩАДКЕ, ЗНАКОМСТВО, ОБЩЕНИЕ И НЕТВОРКИНГ, УЧАСТИЕ В СТЕНДОВЫХ АКТИВНОСТЯХ, WELCOME-КОФЕ И ДРУГИЕ АКТИВНОСТИ | 09:00 10:00 | ||||||||||
5 | 10:00 10:30 | ШОУ-ОТКРЫТИЕ КОНФЕРЕНЦИИ 🔥🔥🔥🔥 | 10:00 10:30 | ||||||||||
6 | |||||||||||||
7 | ИССЛЕДОВАНИЯ, ТРЕНДЫ И АНАЛИТИКА РЫНКА | A/B-ТЕСТИРОВАНИЕ | УПРАВЛЕНИЕ И АУДИТ ПЛАТНЫХ РЕКЛАМНЫХ КАНАЛОВ | ДИСКУССИОННЫЙ ЗАЛ (3 ЭТАЖ) | |||||||||
8 | |||||||||||||
9 | 10:30 11:00 | ФЕДОР ВИРИН, ПАРТНЕР DATA INSIGHT OMNI HUMAN Технологии играют ключевую роль в трансформации взаимоотношений между покупателями и рынком. Доклад, который мы представляем, посвящен глубокому анализу того, как под влиянием технологий меняются привычки и предпочтения потребителей. Традиционные методы взаимодействия с клиентами теряют эффективность. Покупатели теперь иначе ходят в магазин, выбирают и потребляют товары, используя множество цифровых каналов. Технологии, которые недавно казались далеким будущим, уже вышли из лабораторий и активно внедряются. Их влияние ощущается и будет ощущаться сильнее в самое ближайшее время; Чтобы оставаться конкурентоспособными, компании должны пересмотреть свои стратегии, делая ритейл и маркетинг столь же многогранными и интегрированными, как современные потребительские ожидания. Этот доклад предоставит ценные инсайты и практические рекомендации по адаптации к новым реалиям рынка. Слушатели узнают о передовых технологиях, изменяющих потребительский ландшафт, и о том, как эффективно интегрировать их в ваши бизнес-процессы | ЮРИЙ БОРЗИЛО, ВЕДУЩИЙ ПРОДУКТОВЫЙ АНАЛИТИК АЛЬФА БАНК КАК СЛОМАТЬ ВАШ А/Б-ТЕСТ? ОЧЕВИДНЫЕ И НЕ ОЧЕНЬ СПОСОБЫ ЗАПОРОТЬ ЭКСПЕРИМЕНТ Разберемся с тем, какие ошибки возникают уже на этапе дизайна эксперимента. После этого перейдем к ошибкам, которые могут повлечь за собой инфраструктура и конфигурация А/Б-платформы. После того, как разберемся с этим, перейдем к разбору возможных ошибок в методике оценки результатов эксперимента. Ну и на последок рассмотрим еще несколько других типичных ошибкок на разных этапах эксперимента. В итоге, у каждого слушателя будет чек-лист как избежать ошибок при проведении А/В-теста | ЭДУАРД КОЛДУНОВ, АНАЛИТИК ДАННЫХ DIGITAL BUDGET КАК УЗНАТЬ О РЕКЛАМНОМ РАЗМЕЩЕНИИ ВСЕ: ПОСТРОЕНИЕ АТРИБУЦИИ В DIGITAL-АНАЛИТИКЕ НА ОСНОВЕ ГЛУБОКОГО ОБУЧЕНИЯ Что рассказал бы о нас DOM, если бы умел говорить? Погружаемся в мир HTML и его приключения в попытке выловить данные. Мы расскажем, какие данные скрываются за тегами и атрибутами и как сделать так, чтобы ваши попытки добыть информацию не выглядели как атаки злобного хакера. Обсудим также проблемы парсинга и пути их решения. Расскажем о том, как в полевых условиях проходили процесс тонкой настройки моделей. Опишем наш опыт ручной разметки данных, включая методы и инструменты, используемые для повышения точности. Поделимся трудностями, с которыми столкнулись, и как они были преодолены: от проблем с качеством данных до оптимизации процесса обучения. Наши усилия по улучшению моделей через дополнительные эпохи обучения привели к значительным результатам. Вас ждут весёлые истории о неожиданных аппетитах на ресурсы, приключениях при доставке данных, и о том, как мы используем легендарный MLOps-бубен, чтобы всё заработало как надо | 10:30 11:00 | ||||||||
10 | |||||||||||||
11 | 11:00 11:30 | ВЯЧЕСЛАВ ЖУКОВ, CDO АЭРО DATA-DRIVEN В РОССИЙСКОМ E-COM — МИФ ИЛИ РЕАЛЬНОСТЬ? Компании используют данные, чтобы сэкономить миллиарды рублей, обогнать конкурентов и повысить лояльность. Мы в АЭРО решили провести собственное исследование и понять, почему одни компании стремительно растут с помощью данных, а другие нет. В докладе представим результаты исследования, в котором приняли участие более 60 e-сommerce директоров, CDO и других топ-менеджеров крупнейших российских компаний из 11 сегментов рынка. Расскажем, как организована работа с данными и насколько бизнес доверяет цифрам, с помощью которых принимает решения; с какими проблемами сталкиваются управленцы при работе с аналитикой и отчетностью; и какие точки роста есть у отрасли. | БОГДАН ХОМЯК, РУКОВОДИТЕЛЬ ПРОЕКТОВ СБЕР АВТОМАТИЗАЦИЯ A/B ТЕСТИРОВАНИЯ И ФИНАНСОВАЯ ОЦЕНКА AI ЭФФЕКТОВ В СБЕРЕ Воркфлоу А/В тестирования в кампейнинге (расскажем какие этапы важны и почему с учетом банковской специфики). Платформенное решение SBC для автоматизации А/В (расскажем про разработанные инструменты и как они позволяют ускорять запуски А/В тестов, и проводить аналитику). Финансовая оценка результатов А/В тестов от внедрения ML моделей (Крупный блок, который можно декомпозировать на несколько. Основная идея поделиться Сберовскими подходами к оценке влияния внедрения AI (ML) решений как с помощью А/B тестов так и с помощью альтернативных методов (HYPEX) на доходы банка). В зависимости от вопросов слушателей фокус моего доклада может смещаться как в платформу (инструменты, архитектура, cjm) так и в аналитическую часть (уникальная специфика наших А/В тестов в том, чтобы не просто окрасить метрики, а посчитать финансовый результат от ML модели, отделив его от других эффектов, учитывая каннибализацию и прочее, + casual inference - своя библиотека HYPEX) | НИКОЛАЙ ДОРОФЕЕВ, ЗАМЕСТИТЕЛЬ РУКОВОДИТЕЛЯ СЛУЖБЫ АНАЛИТИКИ ЯНДЕКС КАК ОЦЕНИТЬ КАЧЕСТВО РЕКЛАМЫ ИЗНУТРИ И НЕ СОЙТИ С УМА Важно оценивать качество рекламы, но метрик качества много и не всегда они сонаправлены. Для упрощения принятия решений удобно вывести синтетическую метрику на основе базовых метрик. После использования менеджерами для принятия решений важно внедрять метрику в регулярные процессы | 11:00 11:30 | ||||||||
12 | |||||||||||||
13 | 11:35 12:05 | АНОНС НОВОГО АНАЛИТИЧЕСКОГО СЕРВИСА ЯНДЕКСА | МУСЛИМ БАБАЕВ, РУКОВОДИТЕЛЬ ПРОДУКТОВОЙ АНАЛИТИКИ KION - МТС ДИДЖИТАЛ КАК КРАСИТЬ НЕ КРАСЯЩИЕСЯ МЕТРИКИ Способы поднять чувствительность ваших метрик. Оценка медианы вместо среднего. Метрики с окном закрытия. Честное продление экспериментов. Динамика p-value | НИКИТА ЛИСИЦЫН, CEO CYBERBRAIN ПЕРВЫЙ ПУБЛИЧНЫЙ ФРЕЙМВОРК ОПТИМИЗАЦИИ МЕДИЙНЫХ DIGITAL КАМПАНИЙ Сейчас на рынке нет подхода к оптимизации медийных кампаний. Это блок рекламы во многом до сих пор "дикий" и не использует автоматизированные методы оптимизации за пределами Яндекса и частично VK и поэтому сильно проседает в эффективности. В своем докладе мы расскажем какой набор шагов, аналитических срезов, наборов данных нужно иметь, чтобы системно, не придумывая на ходу получать высокий результат от медийки. Подробно остановимся на минимальном наборе источников данных и отчетах и расскажем, что желательно иметь для результатов выше. Обратим внимание на то, как бороться с недостаточностью данных на старте и как делить медийные, brandformace кампании для проведения анализа. Доклад будет полезен среднему и крупному бизнесу, агентствам, которые имеют в активе не только performance, но и медийные кампании и хотят их оптимизировать на бизнес-результат, а не только на уровень знания | ПАНЕЛЬНАЯ ДИСКУССИЯ О ПРОГРАММАХ ЛОЯЛЬНОСТИ | 11:35 12:05 | |||||||
14 | |||||||||||||
15 | 12:10 12:40 | ОЖИДАЕМ ДОКЛАД | АНДРЕЙ КИРОВ, РУКОВОДИТЕЛЬ НАПРАВЛЕНИЯ ПРОДУКТОВОЙ АНАЛИТИКИ КЛИЕНТСКОГО ОПЫТА ЭКСПРЕСС-ДОСТАВКИ ECOM.TECH ML VS РАСКУПЛЕННЫЕ ТОВАРЫ: ОТ DISCOVERY ДО A/B ЭКСПЕРИМЕНТА Discovery процесс в ecom - как продуктовая аналитика помогает искать точки роста в продукте (анализ данных, выбор метрик, user flow). Как измерить эффект нового функционала, основа которого ml модель? Какие метрики продукта/модели использовать? Как оценить влияние пользовательского интерфейса и качества работы модели отдельно друг от друга? | ИРА ГУТМАН, РУК-ЛЬ ЦЕНТРАЛЬНОЙ АНАЛИТИКИ МАРКЕТИНГА АВИТО НОВЫЕ VS АКТИВНЫЕ ПОЛЬЗОВАТЕЛИ: КОГО ПРИВЛЕКАТЬ ПОСРЕДСТВОМ PERFORMANCE-МАРКЕТИНГА ЭФФЕКТИВНЕЕ И КАК ЭТО ПОНЯТЬ? У Авито огромная месячная аудитория. Задача привлечения нового пользователя становится все сложнее, а performance-маркетинг все чаще приводит уже активную аудиторию. Но так ли это плохо? В рамках доклада вместе с аналитиками маркетинга разбираемся, почему важно делить пользователей на новых и активных, а также как измерить эффективность влияния performance-маркетинга на каждый из этих типов по отдельности с учетом их ценности, инкрементальности и длительности эффекта. На выходе получим простую рабочую схему для оценки эффективности из трех множителей, которой поделимся со слушателями | 12:10 12:40 | ||||||||
16 | |||||||||||||
17 | 12:45 13:15 | НАСТЯ ДЕТКОВА, HEAD OF CUSTOMER SUCCESS DATAGO НОВЫЕ СТАНДАРТЫ РЫНКА ДЛЯ ЦИФРОВОЙ АНАЛИТИКИ В УСЛОВИЯХ ИМПОРТОЗАМЕЩЕНИЯ Издержки на поиск и интеграцию новых аналитических инструментов, недостаточный функционал отечественных решений, дороговизна привлечения уникальных специалистов и их онбординг - последствия импортозамещения, с которыми столкнулись абсолютно все аналитические проекты. Команда DataGo! провела исследование среди крупных бизнесов РФ и пообщалась с проектами, входящими в ТОП-100. Нашей целью было оценить и проанализировать ситуацию на аналитическом рынке в условиях импортозамещения. На базе этого исследования мы предложим рынку решение, способное снизить уровень издержек и рисков и обеспечить качественный и комплексный продукт для аналитической инфраструктуры: DataGo! Marketing Warehouse | АНАСТАСИЯ СОКОЛОВА, ANALYST-DEVELOPER WILDBERRIES СИНТЕТИЧЕСКИЙ КОНТРОЛЬ ДЛЯ ОЦЕНКИ ЭФФЕКТОВ (AB БЕЗ AB) Поговорим о том, как оценить эффект от нововведения (фича/тариф/акция) если нет возможности провести классический a/b-тест. Подробно разберем насколько такая оценка сопоставима с проведением полноценного a/b-теста, как именно спроектировать дизайн эксперимента, чтобы можно было применить синтетический контроль для оценки эффекта и как в этом случае интерпретировать результаты. Доклад будет содержать реальные примеры использования синтетического контроля в Wildberris | КИРИЛЛ ФРОЛОВ, MARKETING ANALYTICS TEAM LEAD YANDEX CLOUD МАРКЕТИНГОВАЯ АТРИБУЦИЯ В B2B. КАК ОЦЕНИТЬ ЭФФЕКТИВНОСТЬ В БОЛЬШОМ B2B? Во многих B2B-компаниях возникают трудности с оценкой эффективности маркетинга или и вовсе это считается невозможным из-за подхода к атрибуции как в B2C-компаниях. Контекст B2B-компаний совершенно другой: долгий цикл сделки, несколько пользователей от одного клиента, множество сложных для оцифровки каналов, допродажи в воронке клиента. Мы расскажем про свой путь в разработке модели атрибуции с учетом контекста B2B: - Каждый пользователь важен: Entity Resolution - Оцифровка маркетинговых каналов, от простых до сложных - Модель атрибуции с учетом долгого клиентского пути и воронки: Multi-touch Attribution with Channels Prioritization - Как оценивать эффективность? ROAS, Markov Chains… Доклад будет интересен для: CMO, CRO, CSO, маркетологам и аналитикам B2B-компаний | 12:45 13:15 | ||||||||
18 | |||||||||||||
19 | 13:20 13:50 | АНТОН АСТАХОВ, PARTNER & DATA ANALYST RRDD КАК ОБЪЕДИНИТЬ АНАЛИТИКОВ И ТОП МЕНЕДЖМЕНТ В КОМАНДУ РОСТА БИЗНЕСА Бизнес зачастую не понимает или не интересуется деятельностью аналитиков, однако живёт в ожидании отчетов, трендов данных и стремится к улучшению бизнес-показателей. Доклад про коммуникацию между топами и аналитиками и итоговый результат этой деятельности. Лекция строится не на теоретических выкладках как надо, а на кейсе и конкретных работах/фреймворках которые могут очень помочь выстроить коммуникацию | СЕРГЕЙ АВАГЯН, PRODUCT ANALYTICS LEAD UZUM ПОИСК ТОЧЕК РОСТА RETENTION RATE: КАК НЕ УТОНУТЬ В ОКЕАНЕ ГИПОТЕЗ Что делать, когда в бэклоге десятки идей исследований, направленных на одну метрику? Правильно, сделать отдельное исследование этих исследований. Фанатики - скажете вы, аналитический подход во всем - ответим мы. Этот доклад про то, как заранее определить, какое исследование первым взять в работу, а какое - отложить в долгий ящик. Из этого доклада вы узнаете: - Как перестать оценивать все гипотезы подряд, а создавать гипотезы на основе аналитики - Как декомпозировать большую исследовательскую задачу с высокой неопределенностью и не уйти от изначальной цели - Как оценить текущее состояние Retention Rate и найти проблемные зоны - Как найти хорошую прокси-метрику для Retention Rate - Как сгенерировать десятки исследовательских гипотез… - … и как в них не утонуть - Как с помощью CatBoost’а можно отранжировать гипотезы по перспективности - Как найти причины влияния на Retention Rate, а не просто связь с ним - Как оценить ожидаемый эффект от работы с гипотезой" | НИКИТА АЛТУХОВ, MASHINE LEARNINR ENGINEER GARAGE8 ML-МЕТОДЫ ПОВЫШЕНИЯ ЭФФЕКТИВНОСТИ КОММУНИКАЦИЙ Когда запускаешь дорогостоящую коммуникацию на клиентов, не очень хочется давать её всем подряд. Но можно ли это сделать ещё до запуска? Хочется понять на каких пользователях она будет работать максимально эффективно. В дальнейшем хочется знать, как повысить эффективность после запуска за счёт накопленных данных? Как оценивать эффект коммуникации? Мы ответим на эти вопросы, пройдя путь от запуска коммуникаций до подтверждения их эффективности и улучшения за счёт данных. Мы рассмотрим такие аспекты как ранжирование пользователей по вероятности того, что пользователь будет активно пользоваться продуктом в будущем; тестирование коммуникаций; ускорение теста за счёт сравнения только тех, кому мы звоним против тех, кому мы бы позвонили в контрольной группе; обучение и раскатка uplift-модель для оптимизации коммуникации и определение прибыли от uplift-модели | ДИСКУССИЯ СРО О "БИТВАХ ЗА РЕСУРСЫ" В УСЛОВИЯХ СЛОЖНЫХ ГРАНИЦ ЗОН ОТВЕТСВЕННОСТИ | 13:20 13:50 | |||||||
20 | |||||||||||||
21 | 13:55 14:25 | АЛЕКСАНДР ФАЙБ, ВШЭ, МЕДИАМЕНЕДЖЕР НЕТОКСИЧНОЕ УБЕЖДЕНИЕ И ЭФФЕКТИВНАЯ АРГУМЕНТАЦИЯ В рамках лекции речь пойдет о том, как быть убедительным и как о чем угодно рассказать не банально и интересно. Как убеждать без токсичных НЛП-приемов и дешевых техник продаж. Мы немного поговорим об основах риторики и красноречия и сторителлинге – выстраивании своей речи и нарратива так, чтобы вас слушали и слышали. Слушатели узнают, как воздействовать эмоционально и рационально, не прибегая к токсичным манипуляциям. Особое внимание сфокусируем на том, как выбрать правильный tone of voice в каждом конкретном случае и какие вербальные и невербальные инструменты убеждения использовать. Лекция будет полезна тимлидам, продактам, руководителям и всем тем, кто хочет уметь аргументированно отстаивать свою точку зрения перед любым собеседником "Лекция доступна только для оффлайн-участников, не транслируется и не будет доступна в записи" | СТАНИСЛАВ ЯРКИН, DATA SCIENTIST HH.RU ДЕТЕКЦИЯ ПАТТЕРНОВ ПОВЕДЕНИЯ СОИСКАТЕЛЕЙ НА САЙТЕ: КАК МЫ УЧИТЫВАЕМ ПОВЕДЕНИЕ ПОЛЬЗОВАТЕЛЕЙ В НАШЕЙ РЕКОМЕНДАТЕЛЬНОЙ СИСТЕМЕ Мы заметили, что иногда в рекомендациях встречаются абсолютно нерелевантные вакансии (бухгалтеру или программисту рекомендуются курьеры). Появление таких рекомендаций вызывает вопросы у пользователей и сильную негативную реакцию. Одна из причин таких рекомендаций это несоответствие содержания резюме пользователей их поведению. При этом в ходе А/Б-тестирования новых моделей ранжирования мы наблюдали крайне удачные результаты с точки зрения роста продуктовых метрик (напр. среднее кол-во откликов на пользователя или приглашений после отклика). В краткосрочной перспективе проблему можно решить при помощи эвристик, но в долгосрочной перспективе такие эвристики сложно поддерживать (появляются новые комбинации нерелевантных рекомендаций), а также мы рискуем потерять часть аудитории которая заинтересована в рекомендациях когда название и содержание резюме не соответствует содержанию вакансии. Мы нашли способ надежно детектировать нерелевантные рекомендации. В основу решения легла идея, что все пользователи имеют свой уникальный характер поведения. Мы научились выявлять эти паттерны поведения и исходя из них, строить наши рекомендации. В докладе я расскажу как детектировать и бороться с нерелевантными рекомендациями в системе, где контентные признаки пользователя не всегда отражают поведение пользователя и наоборот | НИКОЛАЙ МЕНЬШЕНИН, СТАРШИЙ АНАЛИТИК CYBERBRAIN КАК ЭФФЕКТИВНО СОБРАТЬ POST-VIEW И POST-CLICK АНАЛИТИКУ ВНУТРИ Расскажем, как и на базе каких технологий эффективно собрать работающий процесс по сбору, обработке и склейке сырых даннных из adtracker систем, веб аналитики, бюджетов и CRM. Настроить валидацию. Рассчитано на инженеров, аналитиков, которые хотят работать с сырыми данными и контролировать весь процесс или понимать, как это работает для реализации внутри кампании для повышения безопасности и контроля данных | 13:55 14:25 | ||||||||
22 | |||||||||||||
23 | 14:30 15:00 | РЫКОВ ЮРИЙ, ВЕДУЩИЙ АНАЛИТИК, OKKO КАК ПОКАЗ ФУТБОЛЬНОГО ТУРНИРА ПОВЛИЯЛ НА КЛЮЧЕВЫЕ МЕТРИКИ ОНЛАЙН КИНОТЕАТРА? ОЦЕНИВАЕМ С ПОМОЩЬЮ МЕТОДОВ КАУЗАЛЬНОГО ИНФЕРЕНСА В условиях современного рынка онлайн-кинотеатров спортивные трансляции становятся важным инструментом вовлечения и удержания аудитории. Однако, для эффективного управления бизнесом необходимо понимать, как такие события влияют на изменение пользовательских метрик, включая время смотрения и ретеншен (продление подписки), независимо от других факторов. Этот доклад посвящен опыту применения передовых методов каузального инференса в рамках подхода потенциальных исходов для оценки эффектов трансляции крупного футбольного турнира. В частности, мы обсудим допущения, требования к данным и характеристики дизайна необходимые для использования таких методов как Difference-in-Differences, Synthetic Control, Double/Orthogonal ML и Double ML Difference-in-Differences. Поскольку экспериментальное изучение в данном случае затруднено, эти методы опираются на исторические данные наблюдений о пользовательской активности, оформлении новых подписок и другие доступные эко-системные данные. Получение несмещенной оценки влияния позволяет бизнесу выстраивать стратегию в отношении аналогичных событий | ВЛАДИМИР КИРКО, РУКОВОДИТЕЛЬ ГРУППЫ АНАЛИТИКИ MINDSCAPES ВСЯ ПРАВДА ОБ ЭФФЕКТИВНОЙ ЧАСТОТЕ. ЧТО ПОД КАПОТОМ? ИССЛЕДОВАНИЕ ПРО ДАБЛ-ВЫХОДЫ В РЕКЛАМЕ Частота показа рекламы — популярные мнения рынка. Какая частота самая эффективная? Кривая забывания или кривая Эббингауза - наше BigData исследование. Стоит ли бояться оверлеппинга?; Зачем набирать частоту показа рекламы на самом деле? | ВИКТОР НУРДАЕВ, РУК-ЛЬ ОТДЕЛА ОБУЧЕНИЯ ВРАЧЕЙ СЕРВИСА СБЕРЗДОРОВЬЕ, ВРАЧ ПСИХИАТР И ПСИХОТЕРАПЕВТ ТЕХНИКИ БЫСТРОГО ПЕРЕКЛЮЧЕНИЯ ВНИМАНИЯ: КАК ОСТАВАТЬСЯ ПРОДУКТИВНЫМ В УСЛОВИЯХ МНОГОЗАДАЧНОСТИ Рассмотрим важность правильного управления когнитивной нагрузкой и приоритизации задач, а также поделимся полезными практическими советами и техниками, которые помогут вам справляться с множеством задач одновременно без потери фокуса | 14:30 15:00 | ||||||||
24 | |||||||||||||
25 | 15:00 16:00 | ПЕРЕРЫВ | 15:00 15:30 | ||||||||||
26 | |||||||||||||
27 | ЭКОНОМИКА И ЕЁ НЕПОСРЕДСТВЕННОЕ ВЛИЯНИЕ | ПРОГНОЗИРОВАНИЕ И ОЦЕНКА РЫНКА | АНАЛИТИКА РЕАЛЬНОГО ФИНАНСОВОГО ЭФФЕКТА | ДИСКУССИОННЫЙ ЗАЛ (3 ЭТАЖ) | |||||||||
28 | |||||||||||||
29 | 16:00 16:30 | ПРЕДСТАВИТЕЛЬ ЦБ. ЧУТЬ ПОЗЖЕ РАССКАЖЕМ ПОДРОБНОСТИ | МИХАИЛ ВИДАНОВ, РУКОВОДИТЕЛЬ ГРУППЫ АНАЛИТИКИ РЫНКА ЯНДЕКС КАК ОЦЕНИТЬ GMV РЫНКА НА НЕПОЛНЫХ И СМЕЩЕННЫХ ДАННЫХ Зачем вообще продукту знать GMV рынка? Как видят рынок разные исследования и почему мы хотим считать сами? На какие составляющие рынка мы смотрим и почему? Подходы к оценке рынка. Причем тут выручка, финансовая отчетность и клики? Куда и зачем развивать подход | АЛЕКСАНДР САМУСЕНКО, РУКОВОДИТЕЛЬ ГРУППЫ РАЗВИТИЯ РЕКЛАМНЫХ ПРОДУКТОВ И СТАБИЛЬНОСТИ ЯНДЕКС АНАЛИТИКА МОНЕТИЗАЦИИ В YANDEX РЕКЛАМЕ. ПРОБЛЕМЫ, МЕТРИКИ И СКОЛЬКО МЫ ЗАРАБАТЫВАЕМ Доклад посвящен трудностям, с которыми мы сталкиваемся при попытке объяснить почему мы заработали столько сколько мы заработали. Будут показаны реальные кейсы иллюстрирующие нетривиальность аналитики в этом месте. Также расскажу несколько реальных рецептов и конкретных чувствительных метрик, которые очень помогли нам отвечать на вопросы о том, как мы идём, так как базовые метрики - показы/клики/деньги часто не могут дать ответ все ли хорошо или все плохо. Расскажу о подходе, который прорабатываем в Yandex Рекламе для глубокой аналитики монетизации и приведу примеры сильных метрик, которые помогли нам значительно лучше понимать, что происходит и насколько хорошо или плохо мы идем | ДИССКУССИЯ РУКОВОДИТЕЛЕЙ КОРПОРАТИВНЫХ ПЛАТФОРМ ЭКСПЕРИМЕНТОВ О ТОМ, ПОЧЕМУ СОБСТВЕННЫЕ "АБЭШНИЦЫ" ОЧЕНЬ ВАЖНЫ ПРИГЛАШЕНЫ РУКОВОДИТЕЛИ ПЛАТФОРМ ЯНДЕКС, АВИТО, OZON, ЦИАН И ДР | 16:00 16:30 | |||||||
30 | |||||||||||||
31 | 16:35 17:05 | ДОКЛАД ПРО ФИНАНСИРОВАНИЕ АНЛИТИЧЕСКИХ ПРОЕКТОВ ВНУТРИ КРУПНОЙ КОМПАНИИ | АЛЕКСЕЙ ВЕРЕТЕННИКОВ, АНАЛИТИК ДАННЫХ ЯНДЕКС ПРОГНОЗИРОВАНИЕ ВЫРУЧКИ И ЕГО ВЛИЯНИЕ НА БИЗНЕС Ключевые вопросы бизнеса о текущем положении и будущем требуют точных и актуальных прогнозов. Использование Excel для прогнозирования оказывало ограниченное влияние из-за увеличивающегося объема данных и параметров. Переход от Excel к нейронным сетям позволил нам прогнозировать в тысячах срезов данных, значительно увеличив точность прогнозов. Улучшенные прогнозы стали важным инструментом в стратегическом планировании и оценке рисков. Прогноз выступает связующим звеном между разными частями бизнеса от топ-менджмента до продающего подразделения | АНДРЕЙ ДЕМИДОВ, СТАРШИЙ РАЗРАБОТЧИК ИНСТРУМЕНТОВ АНАЛИТИКИ ВСЕИНСТРУМЕНТЫ.РУ КАК МЫ ИСКАЛИ МАРЖИНАЛЬНОСТЬ, А НАШЛИ КОРОБОЧНЫЙ ПРОДУКТ Что делать ритейлу, когда ширина ассортимента достигла десятков и даже сотен тысяч sku, и управлять основными коммерческими показателями торговли (маржинальность, маржа и т.д.) с помощью экспертной оценки стало невозможно? Компания хочет внедрить систему интегрированного планирования (S & OP), но как оценить потенциал от внедрения? Сделать первый и очень важный шаг в решении данных вопросов нам помогло создание факторного анализа маржинальности и маржи нашего бизнеса по всему объёму продуктовой корзины: получили прозрачную картину по ключевым метрикам - понимаем, чем управлять в приоритете, оценили влияние каждого из факторов - понимаем, как влияет каждый из факторов и насколько можем им управлять, определили величину “серой зоны” в продуктовой корзине – оценили потенциальный эффект внедрения S&OP. В процессе разработки поняли, что не только автоматизировали факторный анализ на современном стеке, но и получили «коробочное решение»: за счет использования типового набора данных и как вертикальной так и горизонтальной масштабируемости продукт может стать хорошим помощником компаниям из ритейл, FMCG, e-com сегментов | 16:35 17:05 | ||||||||
32 | |||||||||||||
33 | 17:10 17:40 | АРСЕНИЙ АМАНОВ, РУК-ЛЬ ФИНАНСОВОГО УПРАВЛЕНИЯ Т-БАНК, ЧЕМПИОН МИРА ПО ФИНАНСОВЫМ МОДЕЛЯМ ЧТО НУЖНО ЗНАТЬ О ФИНАНСОВОМ МОДЕЛИРОВАНИИ МАРКЕТОЛОГУ, АНАЛИТИКУ И ПРОДАКТУ Сначала мы разберемся в том, что такое финансовая модель и как она может помочь принимать взвешенные финансовые решения. После этого перейдем к теме как маркетологу понять финансиста и подробно поговорим о ключевых метриках экономики и свяжем их с показателями привлечения (например, чем ROI отличается от NPV, а NPV от PI (profitability index)). Отдельная часть доклада будет посвящена рассказу о работе с риском и неопределенностью - это будет полезно аналитикам и продактам. Финальная часть лекции будет посвящена unit-экономике и тому, как по разному ее видят финансисты и продуктовые команды | ЮРИЙ ПОЙМАНОВ, АНАЛИТИК-РАЗРАБОТЧИК ЯНДЕКС КАК РАЗБИТЬ МЕСЯЧНЫЕ ТАРГЕТЫ НА РЕГУЛЯРНЫЙ ПОДНЕВНЫЙ ПРОГНОЗ Какие "подводные камни" построения оффлайн подневного прогноза для бизнеса? Почему он важен для операционной аналитики? Почему важна согласованность процессов прогнозирования со стороны операционной аналитики и стратегического планирования? Как этого добиться? | КСЕНИЯ КОЛЕСНИКОВА, РУКОВОДИТЕЛЬ ДЕПАРТАМЕНТА АНАЛИТИКИ ЯНДЕКС ПРАКТИКУМ REVENUE ACHIEVEMENT INDEX: КАК УПРАВЛЯТЬ ВЫРУЧКОЙ ПРИ ДЛИТЕЛЬНОМ ПРИЗНАНИИ Особенности признания выручки в EdTech. Специфика признания выручки по мере оказания образовательных услуг, растянутая на период 6-12 месяцев. Проблема несоответствия динамики продаж и выручки. Как непропорциональная корреляция между мгновенными продажами и месячной выручкой создает сложности в управлении финансовыми показателями, такими как EBITDA. Анализ структуры выручки и новые метрики. Исследования, показавшие, что текущие продажи обеспечивают лишь 5% месячной выручки. Последующее создание метрики Revenue Achievement Index (RAI), которая стала ключевым показателем эффективности для команды сопровождения. Практическое применение и стратегии. Успешное внедрение DataDriven подхода: управление выпусками и стартами когорт, возврат должников по рассрочке, и скоринг пользователей для минимизации финансовых рисков при их уходе | ДИССКУССИЯ РУКОВОДИТЕЛЕЙ ПРОДУКТОВОЙ АНАЛИТИКИ И CPO О ТОМ, ПОЧЕМУ СОБСТВЕННЫЕ "АБЭШНИЦЫ" НЕ ОЧЕНЬ ТО И НУЖНЫ НА САМОМ ДЕЛЕ ПРИГЛАШЕНЫ СРО И ХЕДЫ АНАЛИТИКИ КРУПНЫХ КОМПАНИЙ | 17:10 17:40 | |||||||
34 | |||||||||||||
35 | 17:45 18:15 | ОЖИДАЕМ ДОКЛАД | МАКСИМ НОВИКОВ, РУК-ЛЬ АНАЛИТИКИ В КЛАСТЕРЕ COMMUNICATIONS NORTH STAR МЕТРИКА АВИТО. КАК МЫ ВОЕДИНО СВЯЗАЛИ БИЗНЕС, ВЫРУЧКУ И ОЦЕНКУ ИНВЕСТИЦИОННЫХ ИНИЦИАТИВ Компания хочет получить единый измеритель эффективности своей работы, чтобы оцифровать ценность своего продукта для пользователей, использовать его для принятия решения по экспериментам, постановки целей, трекшена инициатив. При этом метрика должна быть простая для восприятия, чтобы можно было и акционеру объяснить. По сути нужно нарисовать для всей организации большую мишень и сказать “мы идем туда”. Как это сделать? Расскажу, как пришли к концепции единой метрики и какие итерации развития прошли. Про сложности в прогнозировании, когда нужно сделать форкаст без имеющейся истории. Поделюсь опытом, как связать в единую логику разные бизнес-линии, а потом эту логику менять вместе с пересмотром коммитов и целей. И отдельный блок – про связь с выручкой и оценку инвестиционных инициатив | ДМИТРИЙ УШАКОВ, РУК-ЛЬ ПРОЕКТНОГО ОФИСА «АНАЛИТИЧЕСКИЙ ЦЕНТР КОНТРОЛЬНОЙ ДЕЯТЕЛЬНОСТИ" DATA-ТРАНСФОРМАЦИЯ ФИНАНСОВОГО КОНТРОЛЯ В УСЛОВИЯХ ОГРАНИЧЕННЫХ РЕСУРСОВ В условиях ограниченных ресурсов (люди, деньги, технологии и т.д.) непросто проводить какие-либо изменения, особенно когда "всё работает и так". Тем не менее новые вызовы не дают время на передышку, но дают шанс по-новому взглянуть на работу как с процессами, так и данными внутри организации. Это касается не только бизнеса, но государственного сектора. Исторически Финтех находится на технологическом пике своих возможностей в РФ, а государственный финансовый контроль не успевал "сравняться", но импортозамещение немного сдвинуло парадигму и дает возможность государству использовать все современные технологии, которые готов предложить рынок (как opensource, так и отечественные разработки). Обновление инфраструктуры данных тесно связано с внедрением практик Data Governance в организации, объявлением данных ценностью и попытка их максимально задействовать при исполнении полномочий органов власти. В этом плане практики в государственном и частном секторах почти одинаковы. И одна из самых важных компонент в трансформации - люди. Необходимо обучить их data driven подходам, показать пользу от анализа имеющихся данных и научить пользоваться инструментами работы с ними, преодолевая огромное сопротивление | 17:45 18:15 | ||||||||
36 | |||||||||||||
37 | 18:20 18:50 | ОЖИДАЕМ ДОКЛАД | МЫ ЖДЕМ ЕЩЕ ОДИН КЛАССНЫЙ ДОКЛАД | АНТОН КИРЬЯНОВ, РУК-ЛЬ СЛУЖБЫ АНАЛИТИКИ ЯНДЕКС LTV КАК КЛЮЧЕВАЯ МЕТРИКА БИЗНЕСА Для принятия решений в экспериментах, а также для различных бизес-оценок часто рассматривают изменение метрик в моменте, но забывают о долгосрочных эффектах, которые могут оказаться даже более существенными. При таком рассмотрении возникает необходимость находить компромисс между ростом нашего бизнеса и размером инвестиций, то есть пороговый размен GMV на PnL: мы готовы инвестировать 1 рубль, если он приведет к росту нашего GMV на “k” и более рублей. На практике размен “к” сильно зависит от маржинальности продкта. В случае, когда ваш бизнес состоит из нескольких продуктов разной маржинальности, которые еще и имеют сильное влияние друг на друга, использовать понятие размена становится трудно. На помощь приходить метрика LTV, которая отражает реальную стоимость нашего бизнеса в долгосроке. Оценка LTV - сложная и комплексная задача, для решения которой мы в Финтехе Яндекса используем целый спектр аналитических инструментов: от ML-моделей до экспертных макроэкономических прогнозов и плановых KPI нашего бизнеса | 18:20 18:50 | ||||||||
38 | |||||||||||||
39 | ЗАКРЫТИЕ ПЕРВОГО ДНЯ КОНФЕРЕНЦИИ | ||||||||||||
40 | |||||||||||||
41 | 19:00 20:00 | ФУРШЕТ НА ПЛОЩАДКЕ | 19:00 20:00 | ||||||||||
42 | |||||||||||||
43 | |||||||||||||
44 | 8 НОЯБРЯ (ПТ) - МОСКВА, КЛАСТЕР ЛОМОНОСОВ | ||||||||||||
45 | 09:00 | ВСТРЕЧА УЧАСТНИКОВ КОНФЕРЕНЦИИ НА ПЛОЩАДКЕ, ЗНАКОМСТВО, ОБЩЕНИЕ И НЕТВОРКИНГ, УЧАСТИЕ В СТЕНДОВЫХ АКТИВНОСТЯХ, WELCOME-КОФЕ И ДРУГИЕ АКТИВНОСТИ | 09:00 | ||||||||||
46 | 10:00 10:30 | ОТКРЫТИЕ КОНФЕРЕНЦИИ | 10:00 10:30 | ||||||||||
47 | |||||||||||||
48 | УСТОЙЧИВОСТЬ | ПРОГНОЗИРУЕМЫЙ PERFORMANCE-МАРКЕТИНГ | DWH И DATA-ПЛАТФОРМЫ | ДИСКУССИОННЫЙ ЗАЛ (3 ЭТАЖ) | |||||||||
49 | |||||||||||||
50 | 10:30 11:00 | ОЖИДАЕМ ДОКЛАД | АРТЕМ ПЕРВУХИН, PRODUCTION-ДИРЕКТОР KINETICA AGENCY КАК СОБИРАТЬ CLICKSTREAM НА БАЗЕ APACHE NIFI Архитектура решения и подводные камни Конфигурация источников для стриминга Создание и настройка потоков данных Ключевые преимущества для маркетинга и дата аналитиков | МАКСИМ СТАЦЕНКО, РУК-ЛЬ СЛУЖБЫ ПОДГОТОВКИ И АНАЛИЗА БОЛЬШИХ ДАННЫХ ЯНДЕКС КАК ПОНЯТЬ, КАКАЯ ОРГАНИЗАЦИЯ ХРАНИЛИЩА ПОДХОДИТ ВАМ? Доклад ориентирован на менеджеров и senior-аналитиков, которые задаются вопросами, почему в организации возникают те или иные проблемы в процессах работы с данными. Почему не работает внедряемый datamash, почему DWH скатывается в даталейк и "болото". Что нужно поменять, чтобы прийти в желаемую модель управления данных. Я сам задавался этим вопросом и неожиданно нашел объяснение в экономической теории институтов и типов собственности. Хочу поделиться этим объяснением и обсудить полученные выводы | 10:30 11:00 | ||||||||
51 | |||||||||||||
52 | 11:00 11:30 | РОМАН БУНИН ГЛАВНЫЙ НАВЫК АНАЛИТИКА Бывало ли с вами так, что вы сделали дашборд, а им никто не стал пользоваться? Провели анализ, а его не внедрили? Построили классную модель и она впустую гоняется на вашей личной виртуалке? Обсудим и поплачем об этом вместе на этом философском докладе | АЛЕКСЕЙ РУЧКИН, САМОЛЕТ СПЕЦИФИКА И ОТЛИЧИТЕЛЬНЫЕ ОСОБЕННОСТИ ВЕДЕНИЯ И АНАЛИЗА МАРКЕТИНГОВЫХ АКТИВНОСТЕЙ ДЕВЕЛОПЕРА ОТ МАРКЕТИНГА FOOD/ECOM РЕТЕЙЛЕРОВ. ТЕХНОЛОГИИ, ЦИФРЫ, СМЫСЛЫ Как построить систему маркетинговой аналитики в федеральном девелопере с длинным циклом сделки? Чем отличаются клиенты food-ритейла и девелопера? Как мы собрали все онлайн и офлайн расходы в один когортный дэшборд | МИХАИЛ ФИЛИМОНОВ, HEAD OF DWH МАГНИТ DATA MESH НА MODERN STACK Расскажу о том, почему пошли в Data Mesh при построении DWH в Магнит. Как поборать хаос в данных или почему прежде чем расшивать команду на домены нужны единые правила и фреймворки. Какие правила Data Governance внедряем и как нам в этом помог DBT + AirFlow | 11:00 11:30 | ||||||||
53 | |||||||||||||
54 | 11:35 12:05 | ОЖИДАЕМ ДОКЛАД | АНДРОН АЛЕКСАНЯН, CEO & FOUNDER SIMULATIVE КАК ПОВЫСИТЬ ЭФФЕКТИВНОСТЬ ПЕРФОМАНС-МАРКЕТИНГ С ПОМОЩЬЮ REAL-TIME ОБЪЕКТНОГО АНАЛИЗА И ML В докладе расскажу, как мы разработали автоматизированную лабораторию креативов, где с помощью ИИ раскладывали каждую картинку и текст на признаки, выделяли важное, делали предикт "идеального баннера" и запускали его в работу. Кейсы - снижение CPL в 4 раза, рост CTR в 2 раза на бюджетах более 0.5 млн дол в месяц в разных нишах. Расскажу, откуда брали данные, какие это были данные, как их очищали и обрабатывали, какими алгоритмами выделяли важные признаки и какие результаты это все давало | ВАЛЕНТИН ПАНОВСКИЙ, CDO ХОЛДИНГА BESTDOCTOR КАК ПОСТРОИТЬ ОБЛАЧНУЮ ПЛАТФОРМУ ДАННЫХ В УСЛОВИЯХ ИМПОРТОЗАМЕЩЕНИЯ Как в условиях обилия managed сервисов уйти от vendor lock'а и как существующие облачные службы в этом случае могут помочь? В рамках доклада обсудим полный пайплайн обработки данных и проведём ревью технологий-альтернатив, чтобы избежать искусственного перекоса (например, в ETL господствует Airflow, но есть много альтернатив, которые удобнее приземлять в SMB. Подробно расскажу о реальном кейсе переезда внутри облака из managed сервисов + и покажу полную архитектуру новой платформы данных и как она закрывает потребности аналитиков | ДИСКУССИОННЫЙ СЛОТ (1 час 40 минут) | 11:35 12:05 | |||||||
55 | |||||||||||||
56 | 12:10 12:40 | АРТЕМ АГАФОНОВ, РУКОВОДИТЕЛЬ DATA SCIENCE ГРУППЫ VK (VK PREDICT) ПУТЬ В БЕЗОПАСНЫЕ ДАТА-КОЛЛАБОРАЦИИ Зачастую для решения той или иной задачи собственных данных может быть недостаточно, при этом эти данные могут быть доступны у вашего партнера. Но учитывая, что данные - это ценный актив бизнеса, нельзя так просто взять и передать их партнеру. Мы разберем подход к работе с данными между партнерами, который не требуется передачи данных. Федеративное обучение - процесс распределенного обучения нескольких моделей на стороне каждого источника данных и последующего сбора полученных выводов в единую модель. Рассмотрим две архитектуры федеративного обучения: горизонтальное и вертикальное, при этом разберем процесс построения моделей на уровне формул, но простым языком и приведем примеры отраслей, в которых возможны дата-коллаборации с таким подходом | ОЖИДАЕМ ДОКЛАД | ФЁДОР ХОЛЬКИН, DATAWARRIOR ПРЕВРАЩАЯ ДАННЫЕ В РЕШЕНИЯ: ПУТЬ ОТ СБОРА ДО ДЕЙСТВИЙ Доклад ориентирован на аналитиков и менеджеров, которые хотят создать независимую, self-hosted платформу для работы с данными. Рассмотрим, как можно организовать хранение, обработку и визуализацию данных без использования внешних SaaS-решений. Особое внимание уделим автономности систем, гибкости аналитических инструментов и тому, как такая платформа помогает бизнесу принимать решения на всех уровнях управления продуктом — от оперативного до стратегического | 12:10 12:40 | ||||||||
57 | |||||||||||||
58 | 12:45 13:15 | ИНТЕРВЬЮ | ВЯЧЕСЛАВ МАРКОВ, CEO TARGETADS ОПТИМИЗИРУЕМ МЕДИЙНУЮ РЕКЛАМУ ТАКЖЕ ПРОСТО КАК КОНТЕКСТНУЮ Обычно, когда рассказ идет про медиа, то рассказывают про метрики эффективности медийки, такие как аплфиты, postview и т.д. Я полноценно расскажу про метрики, операционный анализ, разделив их на блоки: качество показа (время взаимодейтсвия, процент от экрана и т.д.), качество попадания в аудиторию (расскажу на что тут еще можно смотреть, кроме LastImpression модели), оценка качества трафика (как беглым анализом, по 3 ключевым метрикам, понять насколько чист тарфик) | ВИКТОРИЯ ГУРБАТОВА, LAMODA ОЖИДАЕМ ДОКЛАД | 12:45 13:15 | ||||||||
59 | |||||||||||||
60 | 13:20 13:50 | ОЖИДАЕМ ДОКЛАД О СЕССИОННОЙ АНАЛИТИКЕ ОТ МЕТРИКИ | ГИБКИЙ ШАБЛОН ОЦЕНКИ НОВЫХ ИНСТРУМЕНТОВ ДЛЯ DATA-PLATFORM | 13:20 13:50 | |||||||||
61 | |||||||||||||
62 | 13:55 14:25 | ЗДЕСЬ ДОКЛАД ОТ CEO ОЧЕНЬ БОЛЬШОЙ КОМПАНИИ, О ТОМ КАК НАЙТИ СТАБИЛЬНОСТЬ В НАШЕ ВРЕМЯ | АНАСТАСИЯ КЛИМАШОВА, APPMETRIKA СВЯЗАННОСТЬ ДАННЫХ МЕТРИКИ И APPMETRICA: ЧТО МЫ ДЛЯ ЭТОГО ДЕЛАЕМ Продемонстрируем проблему апп+веб клиентов – маркетологи/аналитики делают неправильные выводы, когда смотрят на платформы по отдельности, потому что существуют жизненные сценарии: посмотрел товар на сайте, открыл приложение, купил. Расскажем, что из себя представляет кросс-платформенная атрибуция. Связанность данных Метрики и AppMetrica: что мы для этого уже сделали, что делаем и что у нас в планах. Образ результата деятельности для конечных пользователей | ADVENTUM, СОВМЕСТНО С QATAR INSHURANCE Строим аналитику инхауз за 1 месяц: кейс Qatar Insurance и Adventum — «Месяц мы будем только доступы согласовывать!» Если это была ваша первая мысль, то доклад будет вам интересен. Мы расскажем про open source продукт dataCraft Core, который позволяет в две строчки кода собрать прототип, а потом масштабировать его до аналитического решения, охватывающего всю компанию. В Qatar Insurance отдел маркетинга годами ждал дашбордов для управления всеми рекламными активностями. Пришел новый сотрудник и за месяц смог настроить сбор всех данных маркетинга, организовать их хранение и регулярное обновление. Расскажем по шагам, как повторить его опыт: что подучить, какой настроить Airflow, dbt и dataCraft Core, по какой методологии работать. | ВИКТОР НУРДАЕВ, РУК-ЛЬ ОТДЕЛА ОБУЧЕНИЯ ВРАЧЕЙ СЕРВИСА СБЕРЗДОРОВЬЕ, ВРАЧ ПСИХИАТР И ПСИХОТЕРАПЕВТ ТЕХНИКИ БЫСТРОГО ПЕРЕКЛЮЧЕНИЯ ВНИМАНИЯ: КАК ОСТАВАТЬСЯ ПРОДУКТИВНЫМ В УСЛОВИЯХ МНОГОЗАДАЧНОСТИ Рассмотрим важность правильного управления когнитивной нагрузкой и приоритизации задач, а также поделимся полезными практическими советами и техниками, которые помогут вам справляться с множеством задач одновременно без потери фокуса | 13:55 14:25 | |||||||
63 | |||||||||||||
64 | 14:30 15:30 | ПЕРЕРЫВ НА ОБЕД | 14:30 15:30 | ||||||||||
65 | |||||||||||||
66 | ПРЕКРАСНОЕ ДАЛЁКО | ДАШБОРДИНГ И ВИЗУАЛИЗАЦИЯ ДАННЫХ | ПРАКТИЧЕСКИЙ ML | КАРЬЕРА АНАЛИТИКА И КОММУНИКАЦИЯ С КОМАНДОЙ | |||||||||
67 | |||||||||||||
68 | 15:30 16:00 | МИР-2042 // МЫ-2042: ТРЕНДЫ ПОВСЕДНЕВНОСТИ ПОЛИНА КУЗНЕЦОВА, HEAD OF INNOVATION MINDSCAPES АНДРЕЙ СЕБРАНТ, ЯНДЕКС ВЯЧЕСЛАВ ДУБЫНИН, МГУ И ДР. Несмотря на то, что Матемаркетинг это техническая конференция для аналитиков, к нам приходит много маркетологов, стратегов и руководителей, которым всегда интересны тренды и прогнозы на будущее. Мы планируем обсудить следующие темы: наши отношения с городом и домом, в том числе умная среда, проникновение технологий в раннее детство, влияние городской жизни на ее качество, насыщенность и продолжительность; наши отношения с процессом обучения, в том числецифровая грамотность и навыки ближайшего будущего | ПАВЕЛ СТРЕХА, ЗАМ. РУК-ЛЯ ТЕХНИЧЕСКОЙ АНАЛИТИКИ ИВИ ПУТЬ ОТ АНАРХИИ TABLEAU К ИНФРАСТРУКТУРЕ РАЗРАБОТКИ АГРЕГАТОВ И ВИТРИН ДЛЯ АНАЛИТИКОВ Как агрегаты и витрины закрывают потребности продуктовых и маркетинговых аналитиков в удобстве и скорости обработки больших данных. Какие инструменты мы используем для построения агрегатов и витрин с заботой о качестве данных. Процесс развития продуктового аналитика в data-аналитика. Примеры проблем и зоны роста в наших процессах разработки агрегатов и витрин | ЗДЕСЬ БУДЕТ ПЯТЬ ДОКЛАДОВ, НА СТЫКЕ ПРОДУКТОВОЙ АНАЛИТИКИ И ML | АЛЕКСАНДР КОНДРАШКИН, HEAD OF ANALYTICS, OKKO КАК РАСТИ АНАЛИТИКУ, ЧТОБЫ ПОЛУЧАТЬ ГРЕЙД-АП НА КАЖДОМ РЕВЬЮ Разберем, что является ключом для роста на каждом грейде, как и за счет каких скиллов добиваться повышения быстрее, чем в среднем на рынке. В матрицах компетенций компаний обычно написаны очень важные фразы про рост зоны ответственности, видимости результата и влияния на бизнес. Но как это применять в конкретно моем случае? По ходу доклада с примерами заглянем в конкретику типовых шагов для дальнейшего роста: как увеличивать своё влияние на бизнес, повышать видимость, растить зону ответственности и предельную сложность решаемых задач, какие цели ставить и как выстраивать с заказчиками партнерские отношения. Руководители команд и отделов получат понимание того, как доносить свои ожидания от аналитиков каждого грейда, помогая расти быстрее | 15:30 16:00 | |||||||
69 | |||||||||||||
70 | 16:00 16:30 | ДИКОВ АЛЕКСЕЙ, ДИР-Р ПО ДАННЫМ И АНАЛИТИКЕ PARI КАК МЫ СДЕЛАЛИ КРУТУЮ ОТЧЕТНОСТЬ В ТЕЛЕГРАМЕ. РАССКАЗЫВАЕМ КАК ПОВТОРИТЬ Кто-нибудь пробовал создать мобильный дашборд в Tableau? Это крайне сложно сделать удобным, особенно в современных условиях. Несмотря на то, что с выходом первого iPhone весь мир заговорил о концепции "Mobile First", дашборды всегда были ориентированы прежде всего на работу в десктоп-режиме. Нам пришлось изменить привычный подход, чтобы в итоге получить удобную и частично интерактивную отчетность. Мы расскажем, как сделать это быстрее, основываясь на наших ошибках и блокерах. Поговорим о самописных триггерах, овервью-дашбордах и о том, как обеспечить безопасность данных в таком внешнем инструменте, как Telegram | АРСЕНИЙ ФИЛИН, РУКОВОДИТЕЛЬ АНАЛИТИКИ B2C КРЕДИТОВАНИЯ OZON.FINTECH Я ТАК ЧУВСТВУЮ ИЛИ КАК УБЕДИТЬ ПРОДАКТА ПРОТЕСТИРОВАТЬ ТВОЮ ГИПОТЕЗУ - как найти низко висящие фрукты - какие инструменты есть (process mining, дерево метрик) - как убедить продукт в успешности гипотезы аналитиков - быстрый А/Б-тест - (дешевая разработка + методы снижения дисперсии) - масштабирование гипотезы | 16:00 16:30 | |||||||||
71 | |||||||||||||
72 | 16:35 17:05 | ТАНЯ МИСЮТИНА, РУК-ЛЬ ЛАБОРАТОРИИ ДАННЫХ, АВТОР И ВЕДУЩАЯ УЧЕБНЫХ КУРСОВ ПО ВИЗУАЛИЗАЦИИ ДАННЫХ АЛГОРИТМ ВИЗУАЛИЗАЦИИ СЛОЖНЫХ ДАННЫХ: КАК СОЗДАВАТЬ АНАЛИТИЧЕСКИЕ ИНСТРУМЕНТЫ ДЛЯ БИЗНЕСА Большой (часовой) мастер-класс: в рамках которого Таня знакомит слушателей с авторской методологией — пошаговым рецептом визуализации сложных данных и на реальных бизнес-кейсах показвает примеры использования | ТАРАС ГРОМНИЦКИЙ, РУКОВОДИТЕЛЬ НАПРАВЛЕНИЯ WEB-АНАЛИТИКИ WINK СТРАТЕГИЧЕСКОЕ ПЛАНИРОВАНИЕ ИЛИ "КАК РАЗГОВАРИВАТЬ С РУКОВОДСТВОМ Как разговаривать с начальниками по поводу выполнения/невыполнения плана и KPI? Планировать в целом - умеют многие, но как договариваться с начальством - о том какие планы реалистичны, а какие нет? - Возможно это тема, для круглого стола, так как проблема актуальна для рынка на мой взгляд | 16:35 17:05 | |||||||||
73 | |||||||||||||
74 | 17:05 17:35 | ЗДЕСЬ ПЛАНИРУЕТСЯ ЛЕКЦИЯ ОЧЕНЬ ИЗВЕСТНОГО МЕДИА-МЕНЕДЖЕРА | МЫ ЖДЕМ ЕЩЕ ОДИН КЛАССНЫЙ ДОКЛАД | 17:05 17:35 | |||||||||
75 | |||||||||||||
76 | НАТАЛЬЯ ВЕСЕЛОВА КАК (НЕ)ВРАТЬ С ПОМОЩЬЮ ГРАФИКОВ Доклад в формате вредных советов. В ходе доклада показываются примеры манипуляций с данными и возможностей влияния на принимаемые решения на основе этих данных, а также дополнительно раскрывается вопрос почему же так происходит, что влияет на восприятие. Разбираемся в том каких видов графиков лучше избегать? Каковы нюансы использования некоторых видов графиков, которые серьезно могут исказить восприятие информации? Как улучшить некоторые виды графиков или какие графики выбрать взамен? | МЫ ЖДЕМ ЕЩЕ ОДИН КЛАССНЫЙ ДОКЛАД | |||||||||||
77 | |||||||||||||
78 | 17:40 18:00 | ЗАКРЫТИЕ КОНФЕРЕНЦИИ И ОТПРАВЛЕНИЕ НА ВЕЧЕРИНКУ 🔥 | 17:40 18:00 | ||||||||||
79 | |||||||||||||
80 | 29 ОКТЯБРЯ (ср) - ОНЛАЙН-ТРЕК | ||||||||||||
81 | |||||||||||||
82 | 10:30 11:00 | ЕКАТЕРИНА КОЛПАКОВА, HEAD OF DWH & BI EMEX GROUP КАК МЫ ПОСТРОИЛИ DWH НА 300 МЛН ТОВАРОВ И 200K ЗАКАЗОВ В СУТКИ ДЛЯ EMEX КОМАНДОЙ ИЗ 7 ЧЕЛОВЕК Почему построить DWH это непросто? Рассмотрим вариации 6 бизнес-моделей, тонны легаси и запутанные связи. Расскажем о том, как и на чем строили хранилище: методология и технологии. Особенности нашего DWH бессерверная база данных, умная архитектура, регулярные обновления, операторы, автоматическая кодогенерация и каталог данных. Какие данные хранятся в DWH и чем они могут быть полезны продактам и аналитикам. Расскажем о том, как наши продакты и аналитики используют DWH и как мы их этого научили, а также о том, почему нас в команде всего 7 человек и почему мы не планируем расширяться | АЛЕКСАНДР АКСЁНОВ, АНАЛИТИК-РАЗРАБОТЧИК ЯНДЕКС КАК ОЦЕНИТЬ ЭФФЕКТИВНОСТЬ МЕДИЙНОЙ РЕКЛАМА Сложность оценки эффективности медийной рекламы в том, что она не оптимизирует конверсии напрямую, а влияет на более ранние этапы воронки (знание бренда, намерение купить, интерес и т.д.) Мы придумали способ оценить эти не формализованные эффекты Умея оценивать эти эффекты, можно обучить модели ML с помощью которых оптимизировать эффективность медийных кампаний | ДМИТРИЙ ЛАЗАРЕВ И ЕЛЕНА ПЯТКОВА, CEO И РУКОВОДИТЕЛЬ ЦЕНТРА ЦИФРОВОЙ ПРОДУКТОВОЙ АНАЛИТИКИ DATAGO! И АЛЬФА-БАНК ГДЕ ДЕНЬГИ, АНАЛИТИКИ? КАК СТРАТЕГИЯ ПОМОЖЕТ В ОТВЕТЕ НА ЭТОТ ВОПРОС? Вопрос окупаемости внутренних проектов и инициатив для компаний стоит очень остро. Если вы хотите развивать аналитические проекты, вам нужно научится разговаривать на языке бизнеса для выделения бюджетов. Стратегия - понятный инструмент для выстраивания этого диалога. В этом докладе мы покажем фреймворк разработки стратегии, обсудим ключевые этапы её разработки и артефакты, которые вы получите на каждом шаге. После доклада у вас появится план действий по разработке и внедрению стратегии, позволяющим в полной мере использовать потенциал аналитики для достижения бизнес-целей | ИЛЬЯ ТАНГАЕВ, СТАРШИЙ АНАЛИТИК ЯНДЕКС ЛУЧШИЕ ПРАКТИКИ ЛОГИРОВАНИЯ В МОБИЛЬНОМ ПРИЛОЖЕНИИ В рамках лекции речь пойдет о том, как уменьшить время аналитиков и разработчиков, затрачиваемое на работу с созданием логирования. Отдельно остановимся на генерации универсального кода для логирования и на мониторинге логов: за чем и как нужно следить | ||||||||
83 | |||||||||||||
84 | 11:00 11:30 | ЕВГЕНИЙ ИВАНОВ, PRODUCT DIRECTOR (MATCHING AND MONETIZATION), EX-PRINCIPAL DATA SCIENTIST ПРОФИ.РУ Дизайн экспериментов в двустороннем маркетплейсе и их анализ при помощи tea-tasting Дизайн эксперимента в двустороннем маркетплейсе – компромисс между проблемой взаимного влияния пользователей друг на друга и проблемой чувствительности эксперимента (aka bias–variance tradeoff). Расскажу про разные варианты дизайна эксперимента в маркетплейсе услуг: A/B-тесты по пользователям, по кластерам, свитчбек-эксперименты по пользователям, по кластерам заказов и другие. Также расскажу о tea-tasting – пакете Python, который включает все самые востребованные стат. методы для анализа A/B-тестов. tea-tasting уменьшает вероятность ошибки в анализе и оптимизирует вычислительную эффективность и временные затраты на расчёты (расскажу как это происходит) | АЛЕКСАНДР ИГНАТЕНКО, ЭКСПЕРТ ПО МАРКЕТИНГ- И ПРОДУКТОВОЙ АНАЛИТИКЕ И АВТОР ТЕЛЕГРАМ-КАНАЛА "МОДЕЛЬ АТРИБУЦИИ" НЕОБЯЗАТЕЛЬНЫЕ ГРАБЛИ ПРИ ОТПРАВКЕ ОФЛАЙН-КОНВЕРСИЙ Лучшие практики отправки офлайн-конверсий. Ошибки, которые можно (и нужно) избегать. Корнер-кейсы разных аналитических систем. Отладка и мониторинг офлайн-конверсий | АНТОН ЗАИКА, НАЧАЛЬНИК ОТДЕЛА X5 MEDIA КАКИХ ЛЮДЕЙ НАНИМАТЬ ПРИ ИНТЕНСИВНОМ РОСТЕ КОМАНДЫ АНАЛИТИКИ - что делать, когда одного человека превращают в отдел, кого нанимать? - какие роли нужны в команде и как распределять обязанности - что делать при интенсивном росте команды до 10-15 человек - кросс-функционально взаимодействие и артефакты для поддержания процессов | ПОЛИНА РЕВИНА, РУКОВОДИТЕЛЬ А/Б-ПЛАТФОРМЫ КУПЕР (EX-СБЕРМАРКЕТ) КАК РАЗВИВАТЬ А/Б-ПЛАТФОРМУ КАК ПРОДУКТ, А НЕ КАЛЬКУЛЯТОР? В этом выступлении расскажу о ключевых этапах и подводных камнях построения платформы экспериментов. Обсудим, где границы платформы, как развивать ее как продукт, а не калькулятор, какие подходы мы используем в Купере. Затронем метрики экспериментирования — какие и как мы отслеживаем. Также расскажу о процессах и фичах в платформе, которые позволяют нам улучшать культуру экспериментов в компании | ||||||||
85 | |||||||||||||
86 | 11:35 12:05 | ПОЛИНА ОСТАШЕВА, ПРОДАКТ-МЕНЕДЖЕР ЯНДЕКС ЭКСПЕРИМЕНТЫ: КАК НЕ СДЕЛАТЬ КАРГО-КУЛЬТ Сейчас очень любят давить на то, что любые продуктовые решения должны быть подтверждены цифрами и экспериментами. Но за этим стоит и другая опасность: можно поддаваться когнитивным искажениям и результатами эксперимента доказывать свои решения или делать неправильные (а иногда и прямо ошибочные) выводы. Еще эксперименты — это дорого и долго, некоторые продуктовые решения можно принять и без эксперимента. Покажу дерево принятия решения, нужен ли эксперимент в конкретном случае, покажу эксперименты с неверным дизайном и расскажу, что делать, если эксперимент в конкретном случае не подходит | ЮРИЙ ФЕДОРЧУК, CPO MONETIZATION В FUNCORP КАК ВНЕДРЯТЬ ПЛАТНЫЕ ПОДПИСКИ В СОЦИАЛЬНЫХ СЕТЯХ Мы разрабатываем развлекательные продукты для миллионов, в основном на рынке США. В своем докладе я расскажу о том когда стоит делать собственную подписку. Поделюсь анализом рынка и финансовыми оценками подписочных сервисов.Отдельно подсвечу какие фичи делать для подписки, как их реализовывать и что делать после запуска. В рамках доклада также разберем такие вопросы, как подготовка пользователей к запуску подписке, когда удержание важнее привлечения новых подписчиков. В завершении доклада поделюсь инструкцией для составления продуктово-маркетинговых планов для развития только что запущенной подписки | СЕРГЕЙ МАТРОСОВ, ЦЕНТР КОМПЕТЕНЦИЙ ПО APP И WEB АНАЛИТИКЕ X5 TECH, ИВАН ЩЕРБАК, ПЯТЕРОЧКА ДИЗАЙН-ДОКУМЕНТ ПО A/B ДЛЯ РАЗНЫХ СЦЕНАРИЕВ ОТ КОМАНДЫ «ПЯТЕРОЧКИ» Покажем шаблон документации по дизайну A/B с объяснением, почему нас есть тот или иной пункт. Рассмотрим варианты дизайна под классический тест и мультитест Покажем вариант логирования A/B-тестов. Шаблоны документации и таблица логирования будут высланы слушателям | ЛЕОНИД МАЛЫШ, DIRECTOR OF DATA & INSIGHTS МОДЕЛИ РОСТА: КАК СТРОИТЬ СИСТЕМУ МЕТРИК, КОТОРАЯ ДЕЙСТВИТЕЛЬНО ДВИГАЕТ ЦИФРОВОЙ БИЗНЕС ВПЕРЕД Ключевые различия между классическими пирамидами метрик и моделями роста. Обсудим, почему ряд подходов при проектировании систем метрик не всегда помогают компаниям расти | ||||||||
87 | |||||||||||||
88 | 12:10 12:40 | АРТЕМ ПОНОМАРЕВ, PRODUCT ANALYST AVIASALES КАК ИССЛЕДОВАТЬ ЭФФЕКТИВНОСТЬ ПРОДУКТА, ЕСЛИ НЕЛЬЗЯ ПРОВЕСТИ А/Б? Сервисом подписки на цену билета пользуется 2,5 миллиона человек. Но как влияет факт наличия подписки на вероятность совершения букинга, мы отследить не могли, потому что технически провести эксперимент сейчас сложно, а запуск фичи когда-то давно также был без A/B. В докладе я расскажу, как мы выкручивались из этой ситуации. Подробно поговорим о сложностях проведения A/B в популярном сервисе, бизнес-задачах, которые нам предстояло решить, нашем ресерче альтернативных методов A/B-тестам. Сделаем обзор методов и их ограничений: propensity score weighting, propensity score matching, Doubly Robust, Double machine learning. В завершение расскажу о том, как мы собирали данные для применения методов и с какими сложностями столкнулись и каких результатов мы добились | ВЯЧЕСЛАВ ПИМОНОВ, DWH-РАЗРАБОТЧИК ЦИАН КАСТОМИЗАЦИЯ АВТОМАТИЧЕСКОГО ОБНОВЛЕНИЕ ДАШБОРДОВ В BI-СИСТЕМЕ FINEBI После вынужденной смены BI-системы на FineBI, возникла необходимость автоматизировать обновление данных для более чем нескольких сотен дашбордов. Стандартные методы оказались неэффективными, так как требовали ручной настройки, не учитывали зависимости от данных в базе, не поддерживали автоматический пересчёт дашбордов при изменении исходных данных и не предусматривали повторные попытки обновления при технических сбоях. Для решения данной проблемы был разработан оператор для Airflow, который автоматизирует процесс обновления дашбордов в FineBI. Этот оператор инициирует обновление данных через API, что обеспечивает актуализацию дашбордов сразу после завершения расчета витрин. Важной особенностью нового оператора является возможность отслеживания статуса обновлений с полным логированием процесса его работы. Если обновление не удается из-за сбоев в FineBI, оператор автоматически генерирует новую попытку, что гарантирует успешное завершение обновления дашбордов. В условиях высокой нагрузки на серверы FineBI в пиковые часы обновление всего датасета может приводить к серьезному снижению производительности, а также к дополнительным задержкам в поставке отчетности. Кроме того у аналитики есть партиционированные источники с большим объемом данных, разовое обновление которых также может быть причиной дополнительной нагрузки на сервер, поэтому оператор поддерживает и инкрементальные обновления данных. Это уменьшает объем передаваемых данных, улучшая производительность системы в целом. Для предотвращения блокировки слотов в Airflow, особенно при большом количестве обновлений, оператор может проверять статус обновления без использования слотов. Это позволяет лучше распределять ресурсы и предотвращает задержки в выполнении других задач. Интеграция оператора с Airflow обеспечивает удобное и, что очень важно, простое планирование и выполнение задач, позволяя командам аналитиков легко автоматизировать процесс обновления отчетности и обеспечивать своевременное предоставление актуальной информации бизнесу. Этот пункт также был крайне важен при разработке, поскольку для подобного инструмента подразумевается низкий порог вхождения, чтобы не было затруднений в случае недостаточного опыта в работе с оркестраторами у аналитиков. | ИРИНА ИВЧЕНКОВА, SENIOR PRODUCT MANAGER LAMODA TECH КАК РАСПОЗНАТЬ АБЬЮЗ: 5 ПРИЗНАКОВ, ЧТО ВАМ НЕ НУЖНЫ АВ-ТЕСТЫ Вы когда-нибудь задумывались, что ваш постоянный цикл АВ-тестов может стать токсичным? - Тесты проводятся, но выполнение KPI не приближается? - Каждый тест превращается в спор об NMV? - Не можете представить жизнь без следующего теста? Если хотя бы одно из этих утверждений вам знакомо, добро пожаловать на мой доклад! Мы обсудим, что такое настоящий ""АБьюз"" — тот, который начинается с безобидных экспериментов, а заканчивается паникой по поводу отсутствия влияния на NMV. Я поделюсь своим личным опытом работы с АВ-тестами в Lamoda, где мы начали ставить под сомнение необходимость каждого теста, потому что... ну давайте честно — не всегда это стоит того. Мы поговорим про цикл АБьюза — как ошибка планирования может втянуть компанию в бесконечную гонку за денежным эффектом, даже там, где его нет. И, конечно, я расскажу, как мы в Lamoda избавляемся от этого ""абьюза"" и начинаем решать задачи без изнуряющих тестов. Так же поделюсь практическими советами для тех, кто тоже хочет выйти из этих сложных отношений с АВ-тестами, но не знает с чего начать | |||||||||
89 | |||||||||||||
90 | 12:45 13:15 | ГЛЕБ ПОЛЕЩУК, ПРОДУКТОВЫЙ АНАЛИТИК, HH.RU ХАОС И НЕ ОПРЕДЕЛЕННОСТЬ: КАК СОЗДАВАТЬ АНАЛИТИКУ В НОВОМ ПРИЛОЖЕНИИ С НУЛЯ Я хочу рассказать о том, как мы разрабатывали регламент написания разметки приложения и как боролись с тем, когда с ростом команды в разметку попало много ошибок и неточностей. Выясним, с чего начинать строить аналитику, когда стартап внутри компании уже в предрелизной стадии, уделяя внимание вопросу о том, почему наследственная инфраструктура не всегда подходит. Событийная аналитика в стартапе — это сложно. Поэтому, я расскажу о том, как не повторять наших ошибок в документации и как раз и навсегда договориться с разработчиками о единой структуре и синтаксисе разметки | ВЯЧЕСЛАВ ПОТАПОВ, РУК-ЛЬ ОТДЕЛА АНАЛИТИКИ ЛЕМАНА ПРО (EX. LEROY MERLIN) ОТ GOOGLE ANALYTICS К ЯНДЕКС МЕТРИКЕ: КАК МЫ ПЕРЕСОБРАЛИ АНАЛИТИКУ С НУЛЯ И ЧТО ИЗ ЭТОГО ВЫШЛО В условиях ограниченного выбора аналитических инструментов наша команда провела полный переход с Google Analytics на Яндекс Метрику, создав новую инфраструктуру аналитики с нуля. Проект занял 9 месяцев, охватил более 1 миллиарда визитов и включал разработку уникальной структуры событий, аналогичной привычной структуре GA, но с использованием параметров визитов в Яндекс Метрике. Мы смогли не только воспроизвести все отчеты, но и сделать их более удобными и информативными. На докладе я поделюсь, как мы настроили стриминг сырых данных в ClickHouse, создали DDS слой и разработали витрины данных, что позволило сократить время анализа данных на 30% и значительно упростило проведение A/B-тестов. Вы узнаете о нестандартных решениях и подводных камнях, которые могут возникнуть при переходе между аналитическими платформами. Этот опыт будет полезен аналитикам, стоящим перед задачей миграции данных и улучшения аналитических процессов в условиях ограниченного инструментария | ПАВЕЛ МРЫКИН, CALLTOUCH МЕЖДУ ИИ И ЧЕЛОВЕЧЕСКИМ ФАКТОРОМ ИЛИ КАК ЛЮДИ БОРЮТСЯ С ТЕХНОЛОГИЯМИ, МЕШАЯ КОМПАНИИ ЗАРАБАТЫВАТЬ Как отсутствие общей стратегии ведёт к внутренним конфликтам и снижению эффективности. Страх перед переменами: почему компании боятся использовать ИИ даже при очевидных преимуществах? Люди ожидают совершенства, а ИИ показывает реальность. 90% — это провал или успех? Кто должен взять на себя ответственность за успех изменений в компании? | НИКОЛАЙ ВАЛИОТТИ, LEFTJOIN DATA-КОМАНДА МЕЧТЫ: КАК Я ДОПУСТИЛ N ОШИБОК, НА КОТОРЫХ ВСЕ-ТАКИ НАУЧИЛСЯ Поделюсь опытом 5-6 ошибок в управлении дата-командой, от найма не тех специалистов до выгорания команды и сложных коммуникаций. Основной акцент на том, как эти ошибки помогли лучше понимать необходимость четкого разделения ролей, грамотного распределения задач и своевременного найма сотрудников. Фокус сохраним именно на управлении дата-командой в целом, чтобы материал был полезен и для агентств, и для руководителей внутренних дата-отделов | ||||||||
91 | |||||||||||||
92 | 13:20 13:50 | АЛЕКСАНДР КУЗНЕЦОВ, СТАРШИЙ АНАЛИТИК EXPF INTERACTION EFFECTS Рассмотрим, как оценивать влияния экспериментов друг на друга. Расскажу как про самые простые решения, так и более сложные на основе регрессии. По итогам доклада будет ясно, как оценить влияние параллельных экспериментов на метрики друг друга и как с помощью этого метода оценить общий вклад от экспериментов в экономику и декомпозировать его | МЫ ЖДЕМ ЕЩЕ ОДИН КЛАССНЫЙ ДОКЛАД | МЫ ЖДЕМ ЕЩЕ ОДИН КЛАССНЫЙ ДОКЛАД | МЫ ЖДЕМ ЕЩЕ ОДИН КЛАССНЫЙ ДОКЛАД | ||||||||
93 | |||||||||||||
94 | 13:50 14:00 | ЗАКРЫТИЕ ОНЛАЙН-ДНЯ | |||||||||||
95 | |||||||||||||
96 | |||||||||||||
97 | |||||||||||||
98 | |||||||||||||
99 | |||||||||||||
100 | |||||||||||||