Jak analizować ślady cyfrowe?
Przedstawiamy różne aspekty zbierania i wykorzystywania danych o zachowaniach i preferencjach użytkowników przez platformy społecznościowe, w tym rozwiązania takie jak:
- Biblioteka reklam Facebooka (Facebook Ads Library),
- Statystyki grup odbiorców (Facebook Audience Insights),
- Google Moja Firma (Google My Business),
- oraz przykłady z badań Sotrendera z użyciem modeli machine learningowych stworzonych w celu rozpoznawania emocji, sentymentu i hate speechu.
Część wniosków pochodzi z projektu ,,Kto Cię namierzył”, prowadzonego wspólnie z Fundacją Panoptykon i Fundacją ePaństwo. Wspominamy o sposobach targetowania reklam oraz o budżetach reklamowych znanych polityków: Janusz Korwin-Mikke, Donald Trump czy Mike Bloomberg.
Mallkołaj rozdaje prezenty - Case Study z akcji Mall.pl i Los Videos
Ślady cyfrowe - sposoby na analizowanie aktywności internautów i działań reklamodawców
1. Ślady cyfrowe - sposoby na analizowanie
aktywności internautów i działań reklamodawców
Łódź, 28.02.2020
Jan Zając
CEO, Founder
Sotrender
Jakub Krawiec
Junior Project
Manager
Sotrender
1
2. Jak analizować ślady cyfrowe?
2
W tej prezentacji przedstawiamy różne aspekty zbierania i wykorzystywania danych o zachowaniach i
preferencjach użytkowników przez platformy społecznościowe, w tym rozwiązania takie jak:
• Biblioteka reklam Facebooka (Facebook Ads Library)
• Statystyki grup odbiorców (Facebook Audience Insights)
• Google Moja Firma (Google My Business)
• Wykorzystujemy przykłady z badań Sotrendera z użyciem modeli machine learningowych
stworzonych w celu rozpoznawania emocji, sentymentu i hate speechu
• Prezentujemy część wniosków z projektu ,,Kto Cię namierzył”, prowadzonego wspólnie z Fundacją
Panoptykon i Fundacją ePaństwo. Wspominamy o sposobach targetowania reklam oraz o
budżetach reklamowych znanych polityków: Janusz Korwin-Mikke,
Donald Trump czy Mike Bloomberg
Prezentacja została przedstawiona na wydarzeniu ,,Do kogo należą dane?”, organizowanym przez Polsko-
Amerykańskie Centrum Zarządzania (PAM Center) w Łodzi.
11. Dane o firmach vs. o konsumentach
11
Zagregowane i zanonimizowane
dane o konsumentach
Znacznie dokładniejsze dane o firmach,
uwzględniające m.in. publikowane treści,
czy liczbę aktywnych użytkowników
(PTAT)
12. 12
Ćwiczenie 2 - Ile wydaje na reklamy
Janusz Korwin-Mikke i Donald Trump?
26. Modele w akcji - co jest na reklamie?
26
https://www.youtube.com/watch?v=a6Eqw5GDzQc
27. Przykład detekcji twarzy i emocji
Przebiega w dwóch krokach: detekcja
twarzy (wraz z punktami
charakterystycznymi) i klasyfikacja emocji
na twarzach.
Można wykorzystać do:
• Znalezienia scen z ludźmi lub
konkretnymi osobami
• Identyfikacja emocji ludzi na scenach
• Klasyfikacja scen z ludźmi
(potencjalnie)
• Identyfikacja konkretnych osób
(potencjalnie)
27
Reprezentacja Polski, Mundialu w RFN, 1974
28. - nacechowanie emocjonalne komentarzy
- analiza szkodliwości wypowiedzi
- analiza wypowiedzi targetowanych grup
- można wykrywać trolle, zorganizowane
ataki czy kryzysy marki
Cyberbullying i hate speech
29. Tagowanie obrazów
29
- tagowanie obrazów, detekcja
elementów
- przypisanie kategorii do
użytkowników czy influencerów na
podstawie udostępnianych zdjęć
- analiza zawartości obrazu w
kontekście profilu marki
31. • Badacz i psycholog. Współzałożyciel i
prezes Sotrendera – jedynej w Polsce
firmy badawczej specjalizującej się w
social media i tworzeniu własnych
narzędzi do ich badania.
• Adiunkt na Wydziale Uniwersytetu
Warszawskiego. Absolwent Szkoły
Głównej Handlowej i Uniwersytetu
Warszawskiego, stypendysta
Uniwersytetu Bocconi w Mediolanie oraz
Uniwersytetu w Leuven.
• Zna 6 języków, odwiedził 44 kraje – w
większości na rowerze.
Prelegenci - dr Jan Zając
31
32. • Psycholog i doktorant na Wydziale
Psychologii Uniwersytetu SWPS w
Warszawie.
• W Sotrenderze zarządza projektami
badawczymi obejmującymi analizę
dużych zbiorów danych pozyskanych
za pośrednictwem różnych źródeł
internetowych.
• Naukowo zajmuje się ekonomią
behawioralną oraz naukami
społecznymi w połączeniu z nowymi
technologiami.
Prelegenci - Jakub Krawiec
32
33. Doświadczony zespół
3
3
• 2/3 42 os. zespołu to programiści, machine
learning researchers oraz data scientists
• realizujemy innowacyjne projekty AI oraz
Machine Learning w oparciu o m.in. grant
pozyskany z Narodowego Centrum Badań i
Rozwoju przy współpracy z najlepszymi
ośrodkami akademickimi w Polsce tj.
Politechniką Warszawską oraz Politechniką
Wrocławską.