В ПромоСтраницах появилась новая стратегия оптимизации, направленная на пользователей, которые проявили интерес к продукту

В ПромоСтраницах появилась новая стратегия оптимизации, направленная на пользователей, которые проявили интерес к продукту

Стратегия учитывает два типа покупателей:

1. Тех, кто сразу же заинтересовался и сделал заказ.

2. Тех, кто заинтересовался, но совершит покупку позже, в течение нескольких дней.

Исследования показали, что заинтересованные читатели в 7‑10 раз чаще совершают покупку. Это означает, что с такой аудиторией можно эффективнее достигать целей в рамках установленного бюджета.

Новая стратегия особенно полезна для компаний, которые:

1. Предлагают своим клиентам возможность принять решение о покупке за несколько визитов, включая визиты в мобильном приложении.

2. Обычно используют стратегию оптимизации на внешние переходы.

Вместе с запуском новой стратегии Яндекс подготовил два инструмента для анализа интереса пользователей и настройки ретаргетинга на них:

1. Пиксель для заинтересованных. Теперь вы можете настроить отдельный пиксель для пользователей, ответивших «Да» на вопрос «Заинтересовались?» в конце статьи.

Создайте сегмент в Яндекс Аудиториях, настройте пиксель и используйте получившийся сегмент для ретаргетинга.

2. Макрос подстановки для заинтересованных. Позволяет автоматически передавать, как пользователь ответил на вопрос «Заинтересовались?» в конце статьи:

interest подставляет interested (если «Да»), uninterested (если «Нет»), unrated (если ответа нет).

Эти данные пригодятся для анализа и ретаргетинга.

Яндекс и Высшая школа экономики научили студентов применять YandexGPT для решения сложных задач

Специалисты Яндекса и факультета компьютерных наук НИУ ВШЭ провели обучение для студентов и научных руководителей, чтобы они могли использовать нейросеть YandexGPT для выполнения сложных задач. Например, для анализа источников, систематизации информации, визуализации данных и работы с текстом в процессе подготовки дипломных работ.

Пилотный проект стартовал в 2024 году для студентов НИУ ВШЭ, а в этом году к нему присоединились ИТМО, КФУ, НГТУ, ННГУ, СибГМУ, СКФУ, ТГУ, ТюмГУ, Университет Правительства Москвы и УрФУ. Более 500 студентов, изучающих гуманитарные и социальные науки, экономику и менеджмент, историю и коммуникации, филологию, медиа и педагогику, освоили навыки работы с генеративными моделями и применили их при написании дипломных работ.

Илья Обабков, исполняющий обязанности ректора УрФУ, отметил:

«Важная особенность современного университета — это умение смотреть в будущее. Мы видим новую, сквозную и очень перспективную технологию, которую, безусловно, стоит понимать и использовать. Поэтому подобный опыт научной работы может быть полезен для студентов как технических, так и гуманитарных направлений. Кроме того, опыт применения технологий искусственного интеллекта необходим и сотрудникам университета — он позволит им выйти на новый уровень в образовательной и исследовательской деятельности».

Платформа Yandex Cloud предоставила участникам бесплатный доступ к семейству моделей нового поколения YandexGPT 5, при этом они могли использовать любые доступные инструменты искусственного интеллекта. На защитах студенты рассказывали, как именно они применяли большие языковые модели и как планируют использовать их в своей будущей работе, а комиссия оценивала способность студентов критически работать с искусственным интеллектом.

Опрос студентов показал, что они чаще всего использовали ИИ для структурирования текста (60%) и литературного обзора (51%). 47% студентов применяли ИИ для создания черновых вариантов текста и написания текста, 45% — для автоматизации обработки данных, 42% — для стилистической корректировки текста.

При этом студенты воспринимают ИИ как вспомогательный инструмент, который дополняет, а не заменяет их собственные усилия.

Эксперты Яндекса и факультета компьютерных наук НИУ ВШЭ также обучали преподавателей — научных руководителей — использованию инструментов искусственного интеллекта. Они рассказывали о различных аспектах работы с генеративными нейросетями: от основ промтинга до создания собственных ИИ‑ассистентов.