Денис, с таким подходом вам надо на awarness работать, а не на performance. Потому что нравиться/не нравиться сильно отличается от куплю/не куплю

имхо конечно. лучше поделитесь результатами

Немного потерял нить :)
А подходом в чем конкретно?)

"человеку, который за мир во всем мире не показывать hammer"

а чем это отличается кстати от психотипов в myTarget?

Intention сильно связан с attitudes :)
В намерении (и последующем действии) есть не только отношение (нравится/не нравится), но и другие компоненты, которые также вполне себе предсказываются

То есть человек не купит то, что будет в дальнейшем транслировать иденичность, которая ему не нравится/не соответствует

+ Вариьируются не только сами объекты же, но и стратегии убеждения, стили речи, формы призывов к действию - это все работает по-разному с разными людьми

А что именно отличается?

У них психотипы для таргетинга - у нас алгоритмы, которые условно и просто говоря, сами понимают, кому что показывать и основываются в том числе на распределении черт по большой пятерке)

Простой вопрос - вы знаете, ваша реклама больше подходит людям с высоким уровнем доброжелательности или низким?)

нужно смотреть на реальные результаты, нам может нравиться или не нравиться концепция, но по факту, она либо работает, либо нет. Денис, можете поделиться кейсами, где есть вы и другой программатик или вы vs контекст или какое-то другое сравнение на одной и той же кампании/ креативах/ аудитории?

вот мне что в этой схеме нравиться - автоматически определять ЧТО показывать - это нужна штука.
что не нравиться - определяет на базе психотипа - вот тут мне кажется неверный подход

не надо из кликстрима психотипы нарещать, нарезайте тех фичи и обучайте модели по тому кто на что кликает

Абсолютно согласен с тем, что тут только цифры могут сказать

Как писал выше - сейчас пилотируем несколько проектов, делаем PoC. Сейчас никому ничего не пытаемся продать - только делюсь своим видением и подходом) Кому интересно на себе поэкспеиментировать (в любом обсуждаемом формате) - welcome)

Почти так и делаем :)
Там есть большая проблема с адекватностью машинных фич и комбинаторных взрывов от количества фич, выделяемых машиной)
Но тут еще важно относится к чертам не как к "психотам", а как к фичам. Ибо у нас 30 переменных по 10 "отметок" на каждой. Итого 10^30 сегментов :) То есть тут скорее стохастический алгоритм, а не жесткая классификация

аутоэнкодеры вам в помощь :)

это я про комбинаротный взрыв

Их есть у нас :)
Но фундаментальную проблема адекватности фичей они не решают)

а сами креативы вы генерируете?

Ох, если бы это помогало)
Одна из гипотез была: а давайте все запихнем в машин лернинг, сделаем глубокое обучение с аутоэнкодером и все будет здорово
Быстро усволили, что так работает только, если ты блокчейн-стартап и находишься на этапе лендинга для пре-айсио)