Контроль над маркетинговыми инвестициями: как измерить отдачу Чтобы точно понимать, какие маркетинговые усилия приносят реальные результаты, необходимо выстроить систему оценки возврата на инвестиции (ROI). Это основа эффективного управления бюджетом и принятия обоснованных решений. Метрика ROI позволяет увидеть, какие каналы и инструменты приносят наибольшую отдачу, а какие — просто «съедают» ресурсы без ощутимой пользы. Для корректной оценки важно заранее определить, какие показатели будут использоваться для анализа — будь то рост продаж, стоимость лида, конверсия или узнаваемость бренда. Регулярный мониторинг, анализ полученных данных и адаптация стратегий на основе фактов — ключ к росту эффективности и разумному распределению маркетингового бюджета. Контроль над ROI делает маркетинг не затратной статьёй, а источником роста и устойчивого развития бизнеса. Фаундер | Бизнес и Стартапы

Гергей пленных не берет. Он вообще в последний год очень жёстко разносит разный булщит. Прямо вскрылся наш родной токсик 🤤 У меня продукт полностью пишет ИИ например. Поэтому у меня реально мозг в раскоряку. С одной стороны для меня это работает, с другой - вижу много примеров как люди жгут токены, число комитов улетает в космос, а пользователи видят только инциденты. Причем это не "наемный глупенький менеджер", а основатель gumroad. Тот самый founder mode про который много пишут, что основатель точно знает куда рулить продукт. Пока у меня рабочая теория, что продукт написанный ИИ с нуля получается развивать, а легаси - с нюансами. Комменты отключены 😮‍💨

Ну что, второй IT-пикник в моей карьере закончен. Время поделиться результатами: 1. Нетворкинг Самое ценное — познакомиться лично с теми подписчиками, с которыми мы ни разу не виделись IRL, но с которыми мы совместно делали проекты, выступления да и просто с кем завязалось тёплое общение. Дальше могу сказать, что я укрепил свои связи с Т-банком и принял решение подготовить тему, для того, чтобы в следующем году претендовать не только на "съёмку контента", но и на спикерство. 2. Вилки и офферы Может быть я плохо искал, но на стендах практически не было замечено HR и рекрутеров. Сложилось впечатление, что по сотрудникам у всех всё в порядке. Вилок мне никто не сказал, но не по причине того, что не хотели — часто это было связано с отсутствием этого знания. 3. Доклады К сожалению смог послушать только один на тему того, как можно научиться чему угодно. Остальные доклады удалось разве что "урвать" — всё-таки когда ты идёшь делать контент, такие вещи сложно совмещать. Кто был на IT-пикнике ещё? Какие у вас впечатления? Делитесь!

Про эффективность труда с AI. Один их опросов, результаты которого меня удивили - Что ближе всего к вашему пониманию фразы "AI повышает эффективность труда"? (тут). Более половины из вас ответили "тот же объем работы делается быстрее", а за "правильные" варианты - с упоминанием экономического эффекта, проголосовали всего несколько процентов! Рост эффективности труда - это рост создания добавленной стоимости. И если ее нет, то и эффективности/продуктивности нет. 1️⃣ Проще говоря, AI ускоряет внутренний цикл - написать код, что-то проанализировать, создать презентацию и др. Но это ускорение не имеет смысла, если все упирается во внешний цикл - всякие ревью, согласования, тестирования и т.д. У меня об этом много постов, в основном со ссылками на хорошие исследования (раз, два - тут ссылки; пост, как считать добавленную стоимость и др.) 2️⃣ Недавно вышла статья AI and productivity от Stripe Economics, там хорошо и доступно про AI производительность труда. TLDR: на рынке США ее НЕТ. Это не означает, что роста не будет в будущем, но сегодня, через почти 4 года AI хайпа, роста AI производительности труда в экономике не видно. Вывод не так уж пессимистичен: по мере улучшения моделей, роста внедрения и перестройки рабочих процессов микровыигрыши со временем могут проявляться и в макро. Но пока внедрение слишком тонкое, сигнал слабый, узкие места сохраняются (главное из них - человек). Технология не повышает продуктивность - ее повышает использование технологии. Главное, чтобы это была не что-то вроде блокчейн-технологии 🙂 3️⃣ Там еще есть ссылки на исследование Банка Кореи: экономия времени от AI почти не связана с ростом выпуска, если у работников нет автономии или стимулов перераспределить сэкономленное время. Можно сказать, что от AI сегодня может выигрывать тот, у кого есть автономия распорядиться сэкономленным временем, а точнее - конвертировать его в дополнительный доход. В найме на сэкономленное время можно только взять новых задач 🥲 4️⃣ Самое интересное, что макропроизводительность в США выросла (2,5% против 1,6% исторических), но не из-за AI у работников, а просто из-за утилизации капитала. То есть рост от того, что уже построенные заводы/серверы работают дольше и плотнее под спрос на сам AI, от стройки дата-центров, а не от того, что кто-то быстрее пишет код. 5️⃣ Считаю что мой опрос явно показывает тренд "ощущаю, что стал(а) в разы эффективнее". Но не факт "стал(а) в разы эффективнее". У меня кстати был и другой опрос "Есть ли для вас очевидный измеримый прирост рабочей эффективности благодаря AI?", где больше зарабатывать стали только около 10% (напомню, что это опрос, а не данные). 6️⃣ Короче говоря, AI пока не делает нас эффективнее, но дает такое ощущение. Хорошая новость для тех, кто проголосовал в опросе "неправильно": чтобы сделать супер-пупер буст в карьере, можно просто поработать над собственным восприятием эффективности труда. По-простому: не важно, сколько я старался, сколько потратил времени, сколько страдал. Важен только результат, причем ТОЛЬКО выраженный в деньгах. Если прироста в деньгах нет, то нет ни эффективности, ни продуктивности. Больше успеваю? Значит просто стало больше работы за те же деньги 🥲 @kyrillic

В современной критической теории часто звучит тезис о том, что каждый скролл, клик и лайк в социальных сетях представляет собой «неоплаченный цифровой труд», непосредственно создающий стоимость для техгигантов. Однако Бест в книжке Automatic Fetish, опираясь на понятийный аппарат III тома «Капитала», развенчивает этот миф о «просьюмере», доказывая, что наша онлайн-активность является не создающим стоимость трудом, а скорее «бесплатным даром» сырья. Подобно тому как лес даёт древесину, а гора — руду, не выступая при этом «рабочими» для капитала, наши цифровые следы служат «оприроденным» ресурсом, субстратом, который капитал должен сначала «экстрактировать» с помощью реального наёмного труда, прежде чем тот сможет считаться богатством. Это различие имеет ключевое значение для понимания «физики восприятия» цифровой эпохи. Бест указывает, что для Маркса труд, создающий стоимость, должен совпадать с отношением найма — это труд, выполняемый «по часам» (в рамках рабочего времени). Участвуя в собственном цифровом надзоре, мы не производим прибавочную стоимость; вместо этого мы генерируем «руду», которую затем обрабатывают наёмные инженеры и дата-сайентисты. Именно эти работники и являются настоящими «шахтёрами», которые агрегируют, координируют и превращают наши хаотичные цифровые следы в продаваемые дата-товары, создавая тем самым прибавочную стоимость для своих работодателей. С точки зрения анализа издержек производства в III томе «Капитала», эта аналогия с добычей полезных ископаемых вскрывает скрытый механизм повышения нормы прибыли. Получая наши цифровые следы в качестве изобильного и относительно дешёвого «бесплатного дара», технологические компании получают возможность удерживать свои инвестиции в постоянный капитал ($c$) на более низком уровне, чем это было бы в противном случае. Согласно закону тенденции нормы прибыли к понижению, более низкий объём инвестиций в постоянный капитал обеспечивает более выгодное соотношение факторов, временно подстёгивая способность системы к генерации стоимости. Выкладывая фотографию, мы не подвергаемся эксплуатации как рабочие; напротив, «стоимость», которую мы якобы создаём, — это лишь удешевление входящих элементов сырья, используемых капиталом для максимизации доходности. Бест развивает этот аргумент дальше, переходя к провокационной критике теории «социального мира, превращённого в социальную фабрику». В то время как многие утверждают, будто капитал тайком превратил каждый момент нашего бодрствования в эксплуатируемый труд, Бест подчёркивает: трагедия капитала заключается как раз в том, что он «обречён на провал» в попытках превратить большую часть нашей деятельности в стоимость. В субъектно-объектной инверсии, характерной для фетишизма капитала, мы начинаем воспринимать нашу творческую, жизнеобеспечивающую и коммуникативную активность как труд на капитал, хотя в действительности эта деятельность остаётся по большей части за пределами узких, исключающих условий производства стоимости. Капитал здесь, пожалуй, сам себе создаёт препятствие: он стремится вытеснить живой труд из производственного цикла с помощью автоматизации, однако тем самым уничтожает единственный источник той самой прибавочной стоимости, к которой так жадно стремится. Cамая интересная часть аналогии с добычей руды — это момент, где Бест сопоставляет её с марксовой концепцией «всеобщего интеллекта». Она выдвигает тезис о том, что почти всеобщее участие в цифровой жизни выступает своего рода «бесплатной подготовкой рабочей силы». Технические навыки, которые мы приобретаем добровольно — занимаясь нетворкингом и освоением сложных платформ, — становятся новым базовым стандартом для соискателей. По ироничной диалектической логике, по мере того как население благодаря цифровой активности становится более технически подкованным, стоимость этой рабочей силы на самом деле снижается. Наша «свободная» онлайн-жизнь обесценивает квалификацию: то, что прежде было специализированной цифровой экспертизой, превращается в базовое и низкооплачиваемое требование, позволяя капиталу скупать нашу рабочую силу по бросовым ценам.

KDD’26, день первый. На конференции собралась индустриальная тусовка — приехали ключевые рекомендательные команды из вообще ВСЕХ больших компаний. 1. Сходил на первую половину Tutorial on Generative Recommendation: Foundations and Frontiers от Kuaishou и City University of Hong Kong. Выделили два (будущих?) тренда: * если изначально все использовали encoder-decoder модели для генеративного ретривала, потому что в них было удобно впихивать богатый контекст; то сейчас двигаются в сторону decoder-only моделей, которые лучше скейлятся * диффузионные подходы, при которых мы предсказываем сразу все семантические токены целевого айтема — очень перспективное направление, которое позволяет избавиться от аккумуляции ошибок при авторегрессивной генерации токенов После кофе-брейка я на туториал не вернулся, потому что: * были супер энциклопедические слайды, на которых просто перечислялось много статей по паре минуток каждая, очень поверхностно, без инсайтов, с неточностями * при этом не было живого рассказа - весь текст просто зачитывался. Надеюсь, потом выпустят с этим текстом техрепорт)) Ну а если серьезно, то проще потом слайды полистать, наверняка какие-то инсайты все-таки будут ближе к концу рассказа 2. Пообщались с Федором Борисюком. Когда возле него осталась только наша русская компашка, Федор сам первый перешел на русский язык :) Что рассказывал: * если я все правильно понял, он сейчас руководит тремя командами. Что-то возле поиска и рекомендаций * статьи пишут по выходным. К процессу привлекается большое количество коллег. Федору просто нравится писать статьи и прокачивать репутацию, а у коллег есть мотивация участвовать как минимум чтобы получить грин-карту)) * сам Федор сторонник того, чтобы на работе со всеми уважительно и дружелюбно обращаться, налаживать хорошие отношения. И максимально коллаборироваться, делать совместные проекты. Но говорит, что это иногда приводит к плохим последствиям, во время политических игрищ * у него всегда часть проектов долгосрочные, а часть краткосрочные. Долгосрочным как правило занимается небольшая команда из 2-3 человек. Если проект планируется на год-полтора (больше бизнес вряд ли вытерпит), то расставляются майлстоуны на каждые полгода с оффлайн-метриками * если попался плохой руководитель, то надо просто ротироваться и не мучаться :) * через полтора месяца должен быть дроп крутой новой статьи от Линкедина 3. Воркшоп Two-sided Marketplace Optimization: Search, Discovery, Matching, Pricing & Growth. Было выступление от Director of Research @ Spotify, Paul Bennett — From User Needs to Ecosystem Design: How AI Is Reshaping Discovery. Рассказывал про разные сценарии, в которых применяют LLM: * steerable recommendations — тюнят модель с помощью контрольных токенов выдавать familiar (пользователь уже взаимодействовал с подкастом >10 минут за последний месяц) и unfamiliar (обратная ситуация) контент в рекомендациях. Похоже на мою идею с обуславливанием, про которую рассказывал на Turbo ML Conf 2025 * Intent-aware search — в поиске есть разные сценарии; иногда нужно просто включить рекомендации с какими-то настройками, иногда запустить реальный поиск, иногда просто найти артиста, иногда что-то еще. LLM можно использовать как router, который определяет в какой api (recs/search/etc) нужно отправлять запрос * Conversational discovery — часто пользователь сначала сам не понимает какие ему нужны рекомендации; и только в процессе взаимодействия с рекомендательной системой начинает понимать чего все-таки хочет. И для этого как раз multi-turn диалог, в котором он может и промежуточные рекомендации получить, и пообщаться с рексистемой 4. Что еще: * на конференции 70+ русскоговорящих участников, это очень много. Много людей со статьями, а еще есть студенты с ИИ360 программы. Жутко им завидую, меня бы кто на первом-втором курсе на конференцию отправил! Говорят, что ничего непонятно, но все очень вдохновляет) * все офигевают от джетлага * даже в Линкедине (!) разработчики слушают наш DeepRecsys курс :)

Краденая картошка-фри вкуснее! — подсказал работу @AnatoliMorozov. Пословиц дофига, у японцев для тихо стыренной и съеденной еды даже есть специальное слово — но численно никто не проверял. Теперь проверили в Москве: — Взяли 120 взрослых. — Каждому давали ровно 100 граммов картошки, приготовленной в одном и том же масле, одинаковой температуры и в одинаковых коробочках. — 4 ситуации: ест свою; его угощают; тырит у соседа, пока он отвернулся и тырит у самого злого соседа. Соседей играли профессиональные актеры, которых специально натренировали либо мило улыбаться, либо сидеть с лицом кирпичом. Своя картошка по вкусу 6 баллов из 9. Чужая легальная 7. Украденная без палева 8. Украденная у сурового типа — 8,48. И да, краденая картошка была более солёной, хрустящей и имела более насыщенный вкус. Главным фактором удовольствия посчитали социальный риск — факт того, что вы нарушаете правила в потенциально опасной ситуации. Слабое место работы — люди понимали, что леща им не выпишут. Но теперь вы знаете, что бандитская тарелка (это когда вам дают тарелку, вилку и нож) — самое вкусное, что есть в ресторане! И ещё теперь гурманы, кажется, пойдут на многое, чтобы добавить 39% ко вкусу!

Ещё посты про еду: — Про бананы и куда делся Михаил — Как пить воду (и видеоинструкция, как кипятить) — Еда, которую мы переедаем — Жирная пища ухудшает память и ещё — Предлагают жрать тефлон, чтобы худеть — Красное мясо — канцероген — Холодец — Какао вытесняет кофе — Масло — Затачиваем кристаллы сахара — Острое — Вкусы и запахи еды — одно и то же — Институт кимчи с ноги врывается в науку

-- Вступайте в ряды Фурье! | Самые вкусные посты Мало того, что молодь дермантина уничтожают только ради кожи, так из их мяса ещё и начали делать сосиски!

Всем привет)) В продолжение поста, про интервью! Ищу разработчиков сюжетных игр для исследовательского интервью В рамках исследовательской работы я изучаю, как на практике организована разработка сюжетных игр: от проектирования и командного взаимодействия до использования специализированных инструментов и решения возникающих проблем. Для глубинных интервью ищу: — нарративных дизайнеров; — геймдизайнеров и квест-дизайнеров; — сценаристов интерактивных проектов; — программистов сюжетных игровых систем; — продюсеров и руководителей игровых команд. Подойдут как специалисты из студий, так и участники небольших независимых команд и авторы собственных проектов. На встрече обсудим: — вашу роль и рабочий процесс; — взаимодействие между участниками команды; — используемые программы и подходы; — наиболее трудоёмкие этапы разработки; — проблемы, ограничения и способы их решения. Формат: онлайн, 45–60 минут. Подготовка не требуется. Конфиденциальные сведения о проекте или компании раскрывать не нужно. Полученные материалы при необходимости будут анонимизированы. Это исследование, а не продажа продукта или предложение услуг. Для участия напишите мне в телеграм @ArtRudov или почту rudov.ak@phystech.edu и кратко укажите свою роль и тип проекта, над которым вы работаете. Если есть знакомые из сферы, будьте так добры, помогите и поделитесь запросом)

Сейчас посмотрим на поиск работы немного в другом ключе. Представьте, что вы вдруг оказались... в Японии. Для начала придётся подготовить два резюме на японском и одно на английском. Если вам меньше 27–28 лет, компания может взять вас в IT без опыта и профильного образования. А вот после 30 вакансии с пометкой «опыт не важен» лучше воспринимать с осторожностью — важен, да еще как. На собеседовании могут спросить, что вам нравится в Японии и что вы будете делать, если не найдете работу до окончания визы. А на некоторых IT-митапах участников каждые 20 минут пересаживают за новый стол, чтобы они успели обменяться контактами. Есть и много сходств с Россией. работодатели ценят коммерческий опыт, резюме проверяют роботы, а знакомства иногда работают лучше сотни откликов. Автор почти 2 года искал работу в Японии и рассказывает, что дало результат, а на что он зря потратил время. Сравните, насколько японский найм отличается.