ГДЕ СОЗДАТЬ ПРОСТОЙ И ПОНЯТНЫЙ CUSTOMER JOURNEY MAP: ТОП-5 СЕРВИСОВ
🗺🔭📲
Customer Journey Map можно составить хоть на листке бумаги или на стикерах, приклеенных к вайтборду. Но авторы рассказали, какие онлайн-сервисы можно использовать, чтобы CJM получился более наглядным.
Мы не будем подробно рассказывать про сам Customer Journey Map. Если вы читаете этот материал, скорее всего, вы уже знаете, что это за зверь и зачем он нужен, и просто хотите выбрать инструмент для его построения. Если же вы все-таки не знаете ничего про CJM или хотите освежить свои знания, то советуем материал по ссылке.
Создавать Customer Journey Map — это долгий и кропотливый процесс, так что запаситесь терпением, силами и заряженным ноутбуком. Условно создание CJM можно разделить на три этапа:
1️⃣✨ Подготовка к созданию Customer Journey Map. На этом этапе нам нужно определить цели разработки карты и оценить свои возможности. Мы строим карту, чтобы помочь клиенту запустить новый продукт или улучшить старый? Насколько детальная будет карта — для работы подойдет Excel или понадобятся продвинутые графические редакторы? Сможем ли мы сделать ее сами, без дизайнера или лучше делегировать это специалисту? Четко определитесь с тем, зачем и какая карта вам нужна, чтобы не менять все на середине пути.
2️⃣✨ Создание Customer Journey Map. На этом этапе нужно собрать всю имеющуюся информацию об аудитории, проанализировать ее и составить портрет клиента, а затем описать его идеальный путь и опыт взаимодействия с продуктом. Мы определяем точки контакта пользователя с продуктом и визуализируем все это как Customer Journey Map. От того, насколько объемная и детальная будет карта, зависит выбор инструмента.
3️⃣✨ Применение Customer Journey Map. Это период, когда мы активно пользуемся картой и следим за тем, как меняются целевые показатели. Если карта хорошо проработана и путь клиента выстроен правильно, то количество заказов/покупок/регистраций/скачиваний должно вырасти.
ИНСТРУМЕНТЫ ДЛЯ ВИЗУАЛИЗАЦИИ
💥 Figma
💥 Google Таблицы
💥 Miro
💥 Сanvanizer
💥 UXPressia
🍀 Source >>>
🍀 Original >>>
#analytics #likbez #methodology #product #tools #ux #visualization
🗺🔭📲
Customer Journey Map можно составить хоть на листке бумаги или на стикерах, приклеенных к вайтборду. Но авторы рассказали, какие онлайн-сервисы можно использовать, чтобы CJM получился более наглядным.
Мы не будем подробно рассказывать про сам Customer Journey Map. Если вы читаете этот материал, скорее всего, вы уже знаете, что это за зверь и зачем он нужен, и просто хотите выбрать инструмент для его построения. Если же вы все-таки не знаете ничего про CJM или хотите освежить свои знания, то советуем материал по ссылке.
Создавать Customer Journey Map — это долгий и кропотливый процесс, так что запаситесь терпением, силами и заряженным ноутбуком. Условно создание CJM можно разделить на три этапа:
1️⃣✨ Подготовка к созданию Customer Journey Map. На этом этапе нам нужно определить цели разработки карты и оценить свои возможности. Мы строим карту, чтобы помочь клиенту запустить новый продукт или улучшить старый? Насколько детальная будет карта — для работы подойдет Excel или понадобятся продвинутые графические редакторы? Сможем ли мы сделать ее сами, без дизайнера или лучше делегировать это специалисту? Четко определитесь с тем, зачем и какая карта вам нужна, чтобы не менять все на середине пути.
2️⃣✨ Создание Customer Journey Map. На этом этапе нужно собрать всю имеющуюся информацию об аудитории, проанализировать ее и составить портрет клиента, а затем описать его идеальный путь и опыт взаимодействия с продуктом. Мы определяем точки контакта пользователя с продуктом и визуализируем все это как Customer Journey Map. От того, насколько объемная и детальная будет карта, зависит выбор инструмента.
3️⃣✨ Применение Customer Journey Map. Это период, когда мы активно пользуемся картой и следим за тем, как меняются целевые показатели. Если карта хорошо проработана и путь клиента выстроен правильно, то количество заказов/покупок/регистраций/скачиваний должно вырасти.
ИНСТРУМЕНТЫ ДЛЯ ВИЗУАЛИЗАЦИИ
💥 Figma
💥 Google Таблицы
💥 Miro
💥 Сanvanizer
💥 UXPressia
🍀 Source >>>
🍀 Original >>>
#analytics #likbez #methodology #product #tools #ux #visualization
USABILITY HEURISTIC FRAMEWORKS: WHICH ONE IS RIGHT FOR YOU? GOING BEYOND NIELSEN’S USABILITY HEURISTICS (WITH INFOGRAPHIC)
🤓🔎📲
What is a heuristic evaluation?
A heuristic evaluation is a process where evaluators assess the usability of an interface against established usability principles. Usability expert Nielsen Norman Group states:
“Heuristic evaluation is a usability engineering method for finding the usability problems in a user interface design so that they can be attended to as part of an iterative design process. Heuristic evaluation involves having a small set of evaluators examine the interface and judge its compliance with recognized usability principles (the “heuristics”).”
Dictionary.com defines heuristic as:
✨ serving to indicate or point out; stimulating interest as a means of furthering investigation.
✨ encouraging a person to learn, discover, understand, or solve problems on his or her own, as by experimenting, evaluating possible answers or solutions, or by trial and error: a heuristic teaching method.
✨ of, relating to, or based on experimentation, evaluation, or trial-and-error methods.
✨ Computers, Mathematics. pertaining to a trial-and-error method of problem solving used when an algorithmic approach is impractical.
Notice the last definition: “…when an algorithmic approach is impractical”. This statement is a good summary of the subjective, qualitative nature of heuristic evaluation methods. And while this subjective nature is primarily true for the frameworks discussed here, the System Usability Scale (SUS) attempts to quantify heuristic evaluations. Or, for more measurable results, you may want to consider the PURE method for evaluating ease of use.
Usability Heuristic Frameworks
Below are the ten frameworks evaluated. Full heuristics are detailed at the end of this article.
💥 Amélie Boucher’s Ergonomic Criteria
💥 Arhippainen’s Ten User Experience Heuristics
💥 Bastien and Scapin’s Ergonomic Criteria for the Evaluation of Human-Computer Interfaces
💥 Colombo and Pasch 10 Heuristics for an Optimal User Experience
💥 Dieter Rams’ Ten Principles for Good Design | While Rams did not write his principles for interface evaluations, many in the UX field have adapted his list as a unique lens to measure against.
💥 ISO 9241–110 Ergonomics of human-system interaction — Part 110: Interaction principles
💥 Kaniasty’s CARMEL Guidelines
💥 Jakob Nielsen’s 10 Usability Heuristics for User Interface Design
💥 Shneiderman’s Eight Golden Rules of Interface Design
💥 System Usability Scale (SUS)
The following four frameworks are not included in my evaluation, but are included at the end of this article for consideration and a centralized point of reference of heuristic evaluation methods.
💥 Connell Full Principles Set
💥 Weinschenk and Barker Classification
💥 Gerhardt-Powals’ Cognitive Engineering Principles
💥 Dourado and Canedo’s Usability Heuristics for Mobile Applications
Lastly, the following noteworthy frameworks are provided here as a link only; their content is behind payment barriers or are too long for heuristic evaluation.
💥 Developing SMASH: A set of SMArtphone’s uSability Heuristics,
Computer Standards & Interfaces, Science Direct, https://doi.org/10.1016/j.csi.2015.08.007
💥 First Principles of Interaction Design (Revised & Expanded), asktog.com
💥 User Interface Context of Use Guidelines for Mobile Apps, cscjournals.org
🍀 Source >>>
🍀 Original >>>
🍀 Heuristic Findings in PDF >>>
#analytics #design #development #efficiency #methodology #tools #ux
🤓🔎📲
What is a heuristic evaluation?
A heuristic evaluation is a process where evaluators assess the usability of an interface against established usability principles. Usability expert Nielsen Norman Group states:
“Heuristic evaluation is a usability engineering method for finding the usability problems in a user interface design so that they can be attended to as part of an iterative design process. Heuristic evaluation involves having a small set of evaluators examine the interface and judge its compliance with recognized usability principles (the “heuristics”).”
Dictionary.com defines heuristic as:
✨ serving to indicate or point out; stimulating interest as a means of furthering investigation.
✨ encouraging a person to learn, discover, understand, or solve problems on his or her own, as by experimenting, evaluating possible answers or solutions, or by trial and error: a heuristic teaching method.
✨ of, relating to, or based on experimentation, evaluation, or trial-and-error methods.
✨ Computers, Mathematics. pertaining to a trial-and-error method of problem solving used when an algorithmic approach is impractical.
Notice the last definition: “…when an algorithmic approach is impractical”. This statement is a good summary of the subjective, qualitative nature of heuristic evaluation methods. And while this subjective nature is primarily true for the frameworks discussed here, the System Usability Scale (SUS) attempts to quantify heuristic evaluations. Or, for more measurable results, you may want to consider the PURE method for evaluating ease of use.
Usability Heuristic Frameworks
Below are the ten frameworks evaluated. Full heuristics are detailed at the end of this article.
💥 Amélie Boucher’s Ergonomic Criteria
💥 Arhippainen’s Ten User Experience Heuristics
💥 Bastien and Scapin’s Ergonomic Criteria for the Evaluation of Human-Computer Interfaces
💥 Colombo and Pasch 10 Heuristics for an Optimal User Experience
💥 Dieter Rams’ Ten Principles for Good Design | While Rams did not write his principles for interface evaluations, many in the UX field have adapted his list as a unique lens to measure against.
💥 ISO 9241–110 Ergonomics of human-system interaction — Part 110: Interaction principles
💥 Kaniasty’s CARMEL Guidelines
💥 Jakob Nielsen’s 10 Usability Heuristics for User Interface Design
💥 Shneiderman’s Eight Golden Rules of Interface Design
💥 System Usability Scale (SUS)
The following four frameworks are not included in my evaluation, but are included at the end of this article for consideration and a centralized point of reference of heuristic evaluation methods.
💥 Connell Full Principles Set
💥 Weinschenk and Barker Classification
💥 Gerhardt-Powals’ Cognitive Engineering Principles
💥 Dourado and Canedo’s Usability Heuristics for Mobile Applications
Lastly, the following noteworthy frameworks are provided here as a link only; their content is behind payment barriers or are too long for heuristic evaluation.
💥 Developing SMASH: A set of SMArtphone’s uSability Heuristics,
Computer Standards & Interfaces, Science Direct, https://doi.org/10.1016/j.csi.2015.08.007
💥 First Principles of Interaction Design (Revised & Expanded), asktog.com
💥 User Interface Context of Use Guidelines for Mobile Apps, cscjournals.org
🍀 Source >>>
🍀 Original >>>
🍀 Heuristic Findings in PDF >>>
#analytics #design #development #efficiency #methodology #tools #ux
GOOGLE BRINGS MACHINE LEARNING TO ONLINE SPREADSHEETS WITH SIMPLE ML FOR SHEETS
🤖👩🏼🎓🔮
Spreadsheets are widely used by organizations of all sizes for all kinds of basic and complex tasks.
While simple calculations and graphs have long been part of the spreadsheet experience, machine learning (ML) has not. ML is often seen as being too complex to use, while spreadsheet usage is intended to be accessible to any type of user. Google is now trying to change that paradigm for its Google Sheets online spreadsheet program.
On Dec, 7 Google announced a beta release of the Simple ML for Sheets add-on. Google Sheets has an extensible architecture that enables users to benefit from add-ons that extend the default functionality available in the application. In this case, Google Sheets benefits from ML technology that Google first developed in the open-source TensorFlow project. With Simple ML for Sheets, users will not need to use a specific TensorFlow service, as Google has developed the service to be as easily accessible as possible.
“Everything runs completely on the user browser,” Luiz Gustavo Martins, Google AI developer advocate, told VentureBeat. “Your data doesn’t leave Google Sheets and models are saved to your Google Drive so you can use them again later.”
Holy sheets, Google’s Simple ML can do what with my spreadsheets?
So what can Simple ML for Sheets do? Two of the beginner tasks in the beta release highlighted by Google include the ability to predict missing values (1) or spot abnormal ones (2). Martins said that those two beginner tasks are easy for anyone to test the ML waters and explore how ML might benefit their business.
Martins noted that beyond the beginner tasks, the add-on supports several other common ML tasks such as training and evaluating models, generating predictions, and interpreting the models and their predictions. In addition, since Simple ML can export models to TensorFlow, people with programming experience can use Simple ML models with their existing ML infrastructure.
Overcoming the challenges of ML complexity with Simple ML for Sheets
It’s possible for Google Sheets users to benefit from ML without Simple ML, but it may not be easy for the layperson.
“We identified knowledge and lack of guidance as the prime factors for non-ML practitioners to easily use ML,” Mathieu Guillame-Bert, software engineer at Google, told VentureBeat. “Using a classical ML tool, like TensorFlow in Python, is like being in front of a blank page.”
Guillame-Bert said that using a classic ML tool requires, among other things, for the user to understand programming, ML problem framing, model construction and model evaluation. He noted that such knowledge is generally acquired through classes or self-taught over a long period of time.
In contrast, Guillame-Bert said that Simple ML is like an interactive questionnaire. It guides the user and only assumes basic knowledge about spreadsheets.
🍀 Source >>>
🍀 Original >>>
#analytics #datascience #dev #math #predictions #product #statistics #technology #tools
🤖👩🏼🎓🔮
Spreadsheets are widely used by organizations of all sizes for all kinds of basic and complex tasks.
While simple calculations and graphs have long been part of the spreadsheet experience, machine learning (ML) has not. ML is often seen as being too complex to use, while spreadsheet usage is intended to be accessible to any type of user. Google is now trying to change that paradigm for its Google Sheets online spreadsheet program.
On Dec, 7 Google announced a beta release of the Simple ML for Sheets add-on. Google Sheets has an extensible architecture that enables users to benefit from add-ons that extend the default functionality available in the application. In this case, Google Sheets benefits from ML technology that Google first developed in the open-source TensorFlow project. With Simple ML for Sheets, users will not need to use a specific TensorFlow service, as Google has developed the service to be as easily accessible as possible.
“Everything runs completely on the user browser,” Luiz Gustavo Martins, Google AI developer advocate, told VentureBeat. “Your data doesn’t leave Google Sheets and models are saved to your Google Drive so you can use them again later.”
Holy sheets, Google’s Simple ML can do what with my spreadsheets?
So what can Simple ML for Sheets do? Two of the beginner tasks in the beta release highlighted by Google include the ability to predict missing values (1) or spot abnormal ones (2). Martins said that those two beginner tasks are easy for anyone to test the ML waters and explore how ML might benefit their business.
Martins noted that beyond the beginner tasks, the add-on supports several other common ML tasks such as training and evaluating models, generating predictions, and interpreting the models and their predictions. In addition, since Simple ML can export models to TensorFlow, people with programming experience can use Simple ML models with their existing ML infrastructure.
Overcoming the challenges of ML complexity with Simple ML for Sheets
It’s possible for Google Sheets users to benefit from ML without Simple ML, but it may not be easy for the layperson.
“We identified knowledge and lack of guidance as the prime factors for non-ML practitioners to easily use ML,” Mathieu Guillame-Bert, software engineer at Google, told VentureBeat. “Using a classical ML tool, like TensorFlow in Python, is like being in front of a blank page.”
Guillame-Bert said that using a classic ML tool requires, among other things, for the user to understand programming, ML problem framing, model construction and model evaluation. He noted that such knowledge is generally acquired through classes or self-taught over a long period of time.
In contrast, Guillame-Bert said that Simple ML is like an interactive questionnaire. It guides the user and only assumes basic knowledge about spreadsheets.
🍀 Source >>>
🍀 Original >>>
#analytics #datascience #dev #math #predictions #product #statistics #technology #tools
AS THE PANDEMIC MAKES LIFE MORE COMPLEX, PEOPLE CRAVE SIMPLER BRANDS
🥰
The pandemic has made people’s lives more complex, according to research in the ninth edition of Siegel+Gale’s World’s Simplest Brands study. The global survey also revealed that consumers are more willing to pay a premium for simpler experiences.
World’s Simplest Brands ranks the leading brands on simplicity, asking more than 15,000 people across nine countries which brands and industries provide the simplest experiences, ultimately reducing stress and improving the lives of consumers everywhere.
Google led the global rankings, followed by Netflix, German grocer Lidl, YouTube and another German grocer, Aldi. In the United States, Amazon was named the simplest brand, followed by streaming services Hulu and Netflix. Costco and Google rounded out the top five.
The brands that did best in both the global and national categories tended to be those that consumers relied upon during the pandemic. That’s no accident. “The pandemic has made life harder, and World’s Simplest Brands found that people want transparent, direct, simple experiences that make their lives easier,” said Howard Belk, co-CEO and Chief Creative Officer, Siegel+Gale. “The brands that topped this list simplified not only the consumption experience; they simplified the human experience.”
🔎 Here are some of the study’s key findings:
📌 76 percent of people are more likely to recommend a brand that delivers simple experiences, compared to 64 percent in 2018.
📌 57 percent of people are willing to pay more for simpler experiences, slightly higher than the last report’s findings.
📌 While there isn’t a significant change in people willing to pay more for simplicity, the premium people are willing to pay for it has quadrupled. Siegel+Gale estimates that companies leave an estimated $402 billion on the table by failing to provide simple experiences, versus $98 billion in 2018.
📌 A stock portfolio of the World’s Simplest Brands has outperformed the average of the major indexes by 1,600 percent since 2009.
👑 2021 Top 10 World’s Simplest Brands
1️⃣ Google
2️⃣ Netflix
3️⃣ Lidl
4️⃣ YouTube
5️⃣ Aldi
6️⃣ McDonald’s
7️⃣ Samsung
8️⃣ Amazon
9️⃣ Uniqlo
🔟 Spotify
🍀 Source >>>
🍀 Report in PDF >>>
#analytics #marketing #mr #product #report #trends
🥰
The pandemic has made people’s lives more complex, according to research in the ninth edition of Siegel+Gale’s World’s Simplest Brands study. The global survey also revealed that consumers are more willing to pay a premium for simpler experiences.
World’s Simplest Brands ranks the leading brands on simplicity, asking more than 15,000 people across nine countries which brands and industries provide the simplest experiences, ultimately reducing stress and improving the lives of consumers everywhere.
Google led the global rankings, followed by Netflix, German grocer Lidl, YouTube and another German grocer, Aldi. In the United States, Amazon was named the simplest brand, followed by streaming services Hulu and Netflix. Costco and Google rounded out the top five.
The brands that did best in both the global and national categories tended to be those that consumers relied upon during the pandemic. That’s no accident. “The pandemic has made life harder, and World’s Simplest Brands found that people want transparent, direct, simple experiences that make their lives easier,” said Howard Belk, co-CEO and Chief Creative Officer, Siegel+Gale. “The brands that topped this list simplified not only the consumption experience; they simplified the human experience.”
🔎 Here are some of the study’s key findings:
📌 76 percent of people are more likely to recommend a brand that delivers simple experiences, compared to 64 percent in 2018.
📌 57 percent of people are willing to pay more for simpler experiences, slightly higher than the last report’s findings.
📌 While there isn’t a significant change in people willing to pay more for simplicity, the premium people are willing to pay for it has quadrupled. Siegel+Gale estimates that companies leave an estimated $402 billion on the table by failing to provide simple experiences, versus $98 billion in 2018.
📌 A stock portfolio of the World’s Simplest Brands has outperformed the average of the major indexes by 1,600 percent since 2009.
👑 2021 Top 10 World’s Simplest Brands
1️⃣ Google
2️⃣ Netflix
3️⃣ Lidl
4️⃣ YouTube
5️⃣ Aldi
6️⃣ McDonald’s
7️⃣ Samsung
8️⃣ Amazon
9️⃣ Uniqlo
🔟 Spotify
🍀 Source >>>
🍀 Report in PDF >>>
#analytics #marketing #mr #product #report #trends
КАК ЦИФРОВОЙ ДИЗАЙН ВЛИЯЕТ НА ПОЛЬЗОВАТЕЛЕЙ by Саурабх Бхаргава, Шломо Бенарци
🎨📲🤪
Все чаще мы принимаем самые разные решения в цифровом формате, «с экрана», и последствиями такого изменения часто пренебрегают: дизайн цифрового мира может глубоко и зачастую незаметно влиять на наш выбор.
Анализ недавних исследований показывает, что многие организации пока недооценивают возможности цифрового дизайна, — нужно больше инвестировать в поведенческие модели, чтобы помочь пользователям сделать оптимальный выбор. Во многих случаях даже незначительные корректировки могут оказать серьезное влияние и принести такую отдачу на вложенные средства, которая в несколько раз превышает традиционное применение финансовых стимулов или маркетинговых и образовательных кампаний.
Работая над недавней статьей совместно с Линн Конелл-Прайс из Университета Пенсильвании и Ричардом Мэйсоном из Лондонского университета Сити, авторы обратились к ведущей инвестиционной компании на рынке пенсионных решений в США Voya Financial. Они решили изучить, как изменения цифрового дизайна интерфейсов при онлайн-регистрации могут повлиять на первоначальные планы сотрудников в отношении взносов на накопительные пенсионные счета (в частной пенсионной системе США самый популярный накопительный пенсионный план называется в честь соответствующей статьи Налогового кодекса США — «план 401(k)»).
Чтобы понять влияние цифрового дизайна на эти первоначальные решения о вступлении в пенсионную программу, случайным образом распределили сотрудников на две группы и показывали им две разные версии интерфейса регистрации: используемый Voya оригинальный коммерческий дизайн или «улучшенный» дизайн с тремя незначительными изменениями:
1️⃣ Изменили цветовую схему опций — вместо одного цвета (все было оранжевым) использовался принцип светофора: зеленый (выбрать индивидуальные условия), желтый (подтвердить) и красный (отклонить).
2️⃣ Отобразили стандартную норму отчислений прямо на экране регистрации, чтобы эту информацию нельзя было пропустить.
3️⃣ Упростили и стандартизировали текст описания альтернативных вариантов, удалив неинформативный мелкий шрифт и упростив названия каждой опции (например, фразу «Хочу изменить условия в своем плане» поменяли на «Настрою сам», а фразу «Не хочу вступать в пенсионную программу» заменили на «Не буду копить»).
Слишком часто дизайн рассматривают как визуальный фон, цифровой элемент, который придуман для красоты, но особой пользы не несет. Но исследование показывает, что цифровой дизайн — это нечто гораздо большее, это неотъемлемая часть любого продукта или услуги. И разработать поведенчески обоснованный дизайн возможно, если использовать следующие пять шагов:
✨ Изучайте появляющиеся научные публикации и учитывайте данные поведенческого анализа об особенностях использования электронных устройств.
✨ Проведите поведенческий аудит используемого цифрового дизайна и выявите несоответствия между существующим дизайном и новыми идеями, учитывающими самые свежие наработки об особенностях взаимодействия с электронными устройствами.
✨ Протестируйте эти новые идеи в контролируемых условиях.
✨ Выбрав выигрышный дизайн, масштабируйте и применяйте его во всех возможных цифровых клиентских циклах.
✨ Храните доступную для поиска «библиотеку результатов» всех своих экспериментов.
Совершенствование цифрового дизайна с применением выводов практического анализа должно стать важнейшей стратегической задачей для любой организации, стремящейся привлечь клиентов и помочь им принимать более правильные решения. Дизайн — это не красивый фон, а важная составляющая продукта.
🍀 Source >>>
#analytics #case #design #experiment #product #psychology #ux
🎨📲🤪
Все чаще мы принимаем самые разные решения в цифровом формате, «с экрана», и последствиями такого изменения часто пренебрегают: дизайн цифрового мира может глубоко и зачастую незаметно влиять на наш выбор.
Анализ недавних исследований показывает, что многие организации пока недооценивают возможности цифрового дизайна, — нужно больше инвестировать в поведенческие модели, чтобы помочь пользователям сделать оптимальный выбор. Во многих случаях даже незначительные корректировки могут оказать серьезное влияние и принести такую отдачу на вложенные средства, которая в несколько раз превышает традиционное применение финансовых стимулов или маркетинговых и образовательных кампаний.
Работая над недавней статьей совместно с Линн Конелл-Прайс из Университета Пенсильвании и Ричардом Мэйсоном из Лондонского университета Сити, авторы обратились к ведущей инвестиционной компании на рынке пенсионных решений в США Voya Financial. Они решили изучить, как изменения цифрового дизайна интерфейсов при онлайн-регистрации могут повлиять на первоначальные планы сотрудников в отношении взносов на накопительные пенсионные счета (в частной пенсионной системе США самый популярный накопительный пенсионный план называется в честь соответствующей статьи Налогового кодекса США — «план 401(k)»).
Чтобы понять влияние цифрового дизайна на эти первоначальные решения о вступлении в пенсионную программу, случайным образом распределили сотрудников на две группы и показывали им две разные версии интерфейса регистрации: используемый Voya оригинальный коммерческий дизайн или «улучшенный» дизайн с тремя незначительными изменениями:
1️⃣ Изменили цветовую схему опций — вместо одного цвета (все было оранжевым) использовался принцип светофора: зеленый (выбрать индивидуальные условия), желтый (подтвердить) и красный (отклонить).
2️⃣ Отобразили стандартную норму отчислений прямо на экране регистрации, чтобы эту информацию нельзя было пропустить.
3️⃣ Упростили и стандартизировали текст описания альтернативных вариантов, удалив неинформативный мелкий шрифт и упростив названия каждой опции (например, фразу «Хочу изменить условия в своем плане» поменяли на «Настрою сам», а фразу «Не хочу вступать в пенсионную программу» заменили на «Не буду копить»).
Слишком часто дизайн рассматривают как визуальный фон, цифровой элемент, который придуман для красоты, но особой пользы не несет. Но исследование показывает, что цифровой дизайн — это нечто гораздо большее, это неотъемлемая часть любого продукта или услуги. И разработать поведенчески обоснованный дизайн возможно, если использовать следующие пять шагов:
✨ Изучайте появляющиеся научные публикации и учитывайте данные поведенческого анализа об особенностях использования электронных устройств.
✨ Проведите поведенческий аудит используемого цифрового дизайна и выявите несоответствия между существующим дизайном и новыми идеями, учитывающими самые свежие наработки об особенностях взаимодействия с электронными устройствами.
✨ Протестируйте эти новые идеи в контролируемых условиях.
✨ Выбрав выигрышный дизайн, масштабируйте и применяйте его во всех возможных цифровых клиентских циклах.
✨ Храните доступную для поиска «библиотеку результатов» всех своих экспериментов.
Совершенствование цифрового дизайна с применением выводов практического анализа должно стать важнейшей стратегической задачей для любой организации, стремящейся привлечь клиентов и помочь им принимать более правильные решения. Дизайн — это не красивый фон, а важная составляющая продукта.
🍀 Source >>>
#analytics #case #design #experiment #product #psychology #ux
РИТЕЙЛ МЕДИА В РОССИИ — НОВЫЙ РУБЕЖ ДЛЯ РЕКЛАМЫ И ПРИВЛЕЧЕНИЯ КЛИЕНТОВ
🛍🛒📺
Retail media, или реклама на онлайн-площадке — тот инструмент, который позволяет брендам продвигать свои товары, а маркетплейсам — увеличивать свою прибыль от продажи рекламных мест. По данным eshopmedia, в Китае и США retail media занимает довольно заметную долю в цифровой рекламе: 40% и 25% соответственно, тогда как в России — только 5%. Это может говорить о том, что в России эта ниша еще не заполнена, и у компаний есть возможности развиваться в данном направлении.
В «Экосистеме электронной торговли» Data Insight категория Retail Media появилась в 2022 г. в блоке «Привлечение покупателей». Сейчас категория включает игроков из числа агентств и технологических инструментов, и платформ для продажи и покупки рекламных мест и привлечения онлайн-покупателей. Примечательно также, что в основном категорию составляют крупные мультикатегорийные игроки сегмента.
Карта экосистемы интернет-торговли в России показывает сегодняшнее состояние рынка и его игроков. При подготовке Экосистемы электронной торговли 2022 v.2 на первом этапе обратились к экспертам рынка, с которыми обсудили новые тренды на рынке, ушедших и оставшихся игроков, категории сервисов, приоритетные задачи интернет-магазинов.
На втором этапе работы перестроили структуру Экосистемы, в частности, расширили блоки “Маркетплейсы” и “Платежи и финансы”. Карта включает семь блоков, соответствующих основным потребностям интернет-магазина:
✨ Привлечение покупателей,
✨ Управление магазином и работа с клиентом,
✨ Логистика,
✨ Маркетплейсы,
✨ Платежи и финансы,
✨ IT,
✨ Отраслевые организации.
Каждый блок включает категории сервисов, которые специализируются на конкретных задачах интернет-магазина. Некоторые категории сервисов в свою очередь разделены на подкатегории.
Сервисы, включенные во вторую версию карты Экосистемы 2022 года, были отобраны из числа прошлых участников карты и отчета, компаний, подавших заявку на участие, а также рекомендованных экспертами игроков. Компании, приостановившие деятельность в России на протяжение разработки Экосистемы, сохранили свое присутствие на карте, но их логотипы изображены черно-белыми и полупрозрачными.
🍀 Source >>>
🍀 Original >>>
🍀 Map in PDF (14,3 mb) >>>
#advertising #analytics #ecom #marketing #product #visualization
🛍🛒📺
Retail media, или реклама на онлайн-площадке — тот инструмент, который позволяет брендам продвигать свои товары, а маркетплейсам — увеличивать свою прибыль от продажи рекламных мест. По данным eshopmedia, в Китае и США retail media занимает довольно заметную долю в цифровой рекламе: 40% и 25% соответственно, тогда как в России — только 5%. Это может говорить о том, что в России эта ниша еще не заполнена, и у компаний есть возможности развиваться в данном направлении.
В «Экосистеме электронной торговли» Data Insight категория Retail Media появилась в 2022 г. в блоке «Привлечение покупателей». Сейчас категория включает игроков из числа агентств и технологических инструментов, и платформ для продажи и покупки рекламных мест и привлечения онлайн-покупателей. Примечательно также, что в основном категорию составляют крупные мультикатегорийные игроки сегмента.
Карта экосистемы интернет-торговли в России показывает сегодняшнее состояние рынка и его игроков. При подготовке Экосистемы электронной торговли 2022 v.2 на первом этапе обратились к экспертам рынка, с которыми обсудили новые тренды на рынке, ушедших и оставшихся игроков, категории сервисов, приоритетные задачи интернет-магазинов.
На втором этапе работы перестроили структуру Экосистемы, в частности, расширили блоки “Маркетплейсы” и “Платежи и финансы”. Карта включает семь блоков, соответствующих основным потребностям интернет-магазина:
✨ Привлечение покупателей,
✨ Управление магазином и работа с клиентом,
✨ Логистика,
✨ Маркетплейсы,
✨ Платежи и финансы,
✨ IT,
✨ Отраслевые организации.
Каждый блок включает категории сервисов, которые специализируются на конкретных задачах интернет-магазина. Некоторые категории сервисов в свою очередь разделены на подкатегории.
Сервисы, включенные во вторую версию карты Экосистемы 2022 года, были отобраны из числа прошлых участников карты и отчета, компаний, подавших заявку на участие, а также рекомендованных экспертами игроков. Компании, приостановившие деятельность в России на протяжение разработки Экосистемы, сохранили свое присутствие на карте, но их логотипы изображены черно-белыми и полупрозрачными.
🍀 Source >>>
🍀 Original >>>
🍀 Map in PDF (14,3 mb) >>>
#advertising #analytics #ecom #marketing #product #visualization
ЛОВУШКИ В АНАЛИТИКЕ, С КОТОРЫМИ СТАЛКИВАЕТСЯ КАЖДЫЙ
📊🕸🤓
🔮 Ошибка корреляции. Совместное изменение двух переменных в динамике не свидетельствует о наличии причинно-следственной связи между ними.
💼 Пример из бизнеса: чем ближе летний сезон, тем больше компания тратит на ремаргетинг и тем больше у этой компании заказов.
🔑 Как избежать ловушки? Единственный способ установить причинно-следственную связь между двумя переменными — провести управляемый эксперимент (AB-тест).
🔮 Мультиколлинеарность. Это частный случай ошибки корреляции, которая объясняется наличием третьей переменной, которая связана с обоими изучаемыми признаками.
💼 Пример из бизнеса: было замечено, что те, кто оставляет гневные отзывы в приложении, имеют гораздо больший LTV по сравнению с остальными. Начали рождаться гипотезы о том, что это клиенты, которые эмоционально вовлечены в продукт... Или же те, кому важен продукт, будут его критиковать, потому что часто пользуются и искренне хотят, чтобы сервис изменился... Истинное объяснение оказалось, как с размером города: чем дольше клиент «живёт» с компанией, тем больше вероятность, что рано или поздно он оставит гневный отзыв.
🔑 Как избежать ловушки? Нужно зафиксировать фактор времени константой для обоих групп. Для этого сравним LTV клиентов, которые оставляли отзыв за первые 7 дней с теми, кто не оставлял отзыв, но точно пользовался продуктом первые 7 дней
🔮 Неоднородные группы. При проектировании экспериментов использовать случайное перемешивание и квоты, общие для контрольной и тестовой групп. Проверять, что тестовая и контрольная группа имеют однородный состав. Если тестовая группа изначально наполнена так, что содержит более благоприятную аудиторию, то метрики по ней будут выше, но не из-за влияния изучаемого фактора, а из-за преимущества контрольной группы по своему составу.
💼 Пример из бизнеса: сервис по доставке еды решил проверить, как неожиданные сюрпризы на 8 марта повлияют на LTV клиенток. Логичным контрольным сегментом могут показаться мужчины (так как они не получают сюрпризы на 8 марта) ... Но сравнивать LTV между такими группами будет ошибкой. Мужчины в среднем больше едят и богаче (временно, несправедливо, но факт), а значит и заказывают больше еды и имеют больший LTV.
🔑 Как избежать ловушки? При проектировании экспериментов использовать случайное перемешивание и квоты, общие для контрольной и тестовой групп. Проверять, что тестовая и контрольная группа имеют однородный состав.
🔮 Малые выборки. В выборочных исследованиях (когда по части объектов судим о всей совокупности) часто обнаруживается сегмент, в котором метрика выше или ниже, чем в среднем. Может возникнуть соблазн делать далеко идущие выводы, но такие выводы будут ошибочными без расчета доверительного интервала.
💼 Пример из бизнеса: при очередном замере метрик здоровья бренда засекли рост спонтанного знания среди старшей аудитории, отпраздновали на корпоративе и выписали премию коллегам, которые сотрудничают с газетами. На следующем замере метрика среди старшей аудитории отскочила к стандартным значениям, хотя на газеты потратили ещё больший бюджет.
🔑 Как избежать ловушки? Всегда смотреть на среднее по выборке с оглядкой на доверительный интервал
🔮 Ошибка подглядывания. Если постоянно подглядывать на промежуточные результаты эксперимента, то однажды мы получим желаемые результаты и соблазн остановить эксперимент в этот момент будет слишком велик.
💼 Пример из бизнеса: вы запустили АБ-тест и вам так интересно, что заходите проверять результаты каждый день. Уже три дня подряд показатели тестовой группы были лучше, чем у контрольной, поэтому вы решили досрочно закрыть эксперимент, признав его успешным.
🔑 Как избежать ловушки? Рассчитывать достаточный размер выборки и не подглядывать пока она не накопится.
🍀 Source >>>
#analytics #case #development #experiment #fun #likbez #marketing #product #statistics
📊🕸🤓
🔮 Ошибка корреляции. Совместное изменение двух переменных в динамике не свидетельствует о наличии причинно-следственной связи между ними.
💼 Пример из бизнеса: чем ближе летний сезон, тем больше компания тратит на ремаргетинг и тем больше у этой компании заказов.
🔑 Как избежать ловушки? Единственный способ установить причинно-следственную связь между двумя переменными — провести управляемый эксперимент (AB-тест).
🔮 Мультиколлинеарность. Это частный случай ошибки корреляции, которая объясняется наличием третьей переменной, которая связана с обоими изучаемыми признаками.
💼 Пример из бизнеса: было замечено, что те, кто оставляет гневные отзывы в приложении, имеют гораздо больший LTV по сравнению с остальными. Начали рождаться гипотезы о том, что это клиенты, которые эмоционально вовлечены в продукт... Или же те, кому важен продукт, будут его критиковать, потому что часто пользуются и искренне хотят, чтобы сервис изменился... Истинное объяснение оказалось, как с размером города: чем дольше клиент «живёт» с компанией, тем больше вероятность, что рано или поздно он оставит гневный отзыв.
🔑 Как избежать ловушки? Нужно зафиксировать фактор времени константой для обоих групп. Для этого сравним LTV клиентов, которые оставляли отзыв за первые 7 дней с теми, кто не оставлял отзыв, но точно пользовался продуктом первые 7 дней
🔮 Неоднородные группы. При проектировании экспериментов использовать случайное перемешивание и квоты, общие для контрольной и тестовой групп. Проверять, что тестовая и контрольная группа имеют однородный состав. Если тестовая группа изначально наполнена так, что содержит более благоприятную аудиторию, то метрики по ней будут выше, но не из-за влияния изучаемого фактора, а из-за преимущества контрольной группы по своему составу.
💼 Пример из бизнеса: сервис по доставке еды решил проверить, как неожиданные сюрпризы на 8 марта повлияют на LTV клиенток. Логичным контрольным сегментом могут показаться мужчины (так как они не получают сюрпризы на 8 марта) ... Но сравнивать LTV между такими группами будет ошибкой. Мужчины в среднем больше едят и богаче (временно, несправедливо, но факт), а значит и заказывают больше еды и имеют больший LTV.
🔑 Как избежать ловушки? При проектировании экспериментов использовать случайное перемешивание и квоты, общие для контрольной и тестовой групп. Проверять, что тестовая и контрольная группа имеют однородный состав.
🔮 Малые выборки. В выборочных исследованиях (когда по части объектов судим о всей совокупности) часто обнаруживается сегмент, в котором метрика выше или ниже, чем в среднем. Может возникнуть соблазн делать далеко идущие выводы, но такие выводы будут ошибочными без расчета доверительного интервала.
💼 Пример из бизнеса: при очередном замере метрик здоровья бренда засекли рост спонтанного знания среди старшей аудитории, отпраздновали на корпоративе и выписали премию коллегам, которые сотрудничают с газетами. На следующем замере метрика среди старшей аудитории отскочила к стандартным значениям, хотя на газеты потратили ещё больший бюджет.
🔑 Как избежать ловушки? Всегда смотреть на среднее по выборке с оглядкой на доверительный интервал
🔮 Ошибка подглядывания. Если постоянно подглядывать на промежуточные результаты эксперимента, то однажды мы получим желаемые результаты и соблазн остановить эксперимент в этот момент будет слишком велик.
💼 Пример из бизнеса: вы запустили АБ-тест и вам так интересно, что заходите проверять результаты каждый день. Уже три дня подряд показатели тестовой группы были лучше, чем у контрольной, поэтому вы решили досрочно закрыть эксперимент, признав его успешным.
🔑 Как избежать ловушки? Рассчитывать достаточный размер выборки и не подглядывать пока она не накопится.
🍀 Source >>>
#analytics #case #development #experiment #fun #likbez #marketing #product #statistics
АЛГОРИТМ РАСКРЫТИЯ ИНФОРМАЦИИ ОТ СТАРТАПОВ от General Partner A16Z и LeadEdge Capital
✨ Если компания получила хорошую чистую прибыль, она отчитывает по ней.
✨ Если этого не произошло — приводит показатели скорректированной чистой прибыли.
✨ Если скорректированная чистая прибыль тоже не очень, то компания рассказывает о валовой прибыли.
✨ Если и валовой прибылью нельзя похвастаться, докладывается о выручке.
✨ Если приличной выручки нет, то в ход опять идут скорректированные индикаторы (например, GMV).
✨ Если GMV низкий, компания отчитывается о ежемесячно активной аудитории (MAU).
✨ Если показатели MAU плохие — говорит о подписчиках.
✨ Если подписчиков мало — рассказывает о числе скачиваний.
✨ Если и загрузки не впечатляют, то ссылается на статистику по просмотрам страниц.
💥 А если даже посещаемость низкая, , компания докладывает, что вошла в рейтинг «Лучшие места для работы в городе N».
🍀 Source >>>
🍀 Original >>>
#analytics #economics #efficiency #fun #likbez #tools
✨ Если компания получила хорошую чистую прибыль, она отчитывает по ней.
✨ Если этого не произошло — приводит показатели скорректированной чистой прибыли.
✨ Если скорректированная чистая прибыль тоже не очень, то компания рассказывает о валовой прибыли.
✨ Если и валовой прибылью нельзя похвастаться, докладывается о выручке.
✨ Если приличной выручки нет, то в ход опять идут скорректированные индикаторы (например, GMV).
✨ Если GMV низкий, компания отчитывается о ежемесячно активной аудитории (MAU).
✨ Если показатели MAU плохие — говорит о подписчиках.
✨ Если подписчиков мало — рассказывает о числе скачиваний.
✨ Если и загрузки не впечатляют, то ссылается на статистику по просмотрам страниц.
💥 А если даже посещаемость низкая, , компания докладывает, что вошла в рейтинг «Лучшие места для работы в городе N».
🍀 Source >>>
🍀 Original >>>
#analytics #economics #efficiency #fun #likbez #tools
ЦИФРОВАЯ ТРАНСФОРМАЦИЯ В РОССИИ — 2020. ОБЗОР И РЕЦЕПТЫ УСПЕХА
🧑🔧➡️🤖
Аналитический отчет на базе исследования российского рынка, посвященного цифровой трансформации. Это второе исследование KMDA по данной теме, задача которого — глубже проанализировать процессы трансформации, происходящие в российских компаниях, а также оценить вектор и динамику изменений.
За последние годы тема цифровой трансформации перешла из категории «хайпа» в стратегическую повестку большинства компаний в России, а пандемия коронавируса придала цифровизации дополнительный импульс. Сегодня цифровая трансформация фактически стала необходимым условием для устойчивого развития организации. Кроме того, она позволяет компаниям развить в себе новые качества и быть успешными в условиях постоянного ускорения процессов и постоянных неожиданных изменений.
Под влиянием нового технологического цикла всё больше компаний запускает программы глубокого внутреннего изменения, перестройки бизнес-моделей и процессов. На этом пути многие руководители компаний сталкиваются с новыми для себя вопросами. Как запустить процесс цифровой трансформации и эффективно им управлять? Какие технологические решения помогут правильно изменить бизнес? Как повлияют новые технологии на операционную эффективность и когда окупятся инвестиции? Какие компетенции необходимы для успешной трансформации? Как настроить команду на постоянные изменения?
Универсального рецепта здесь нет, ведь каждая организация находится в своих уникальных условиях и имеет свои цели и задачи. Слепое копирование чужих практик может сыграть злую шутку и привести к необязательным расходам. Каждая компания должна выявить свой путь трансформации с учетом своих особенностей.
В рамках исследования опросили представителей различных компаний из разных регионов России и нашли закономерности, способные помочь вам самим ответить на некоторые вопросы и скорректировать процесс цифровой трансформации в вашей компании.
🍀 Source >>>
🍀 Report in PDF (2020) >>>
🍀 Report in PDF (2018) >>>
#analytics #efficiency #mr #report #strategy #technology #trends
🧑🔧➡️🤖
Аналитический отчет на базе исследования российского рынка, посвященного цифровой трансформации. Это второе исследование KMDA по данной теме, задача которого — глубже проанализировать процессы трансформации, происходящие в российских компаниях, а также оценить вектор и динамику изменений.
За последние годы тема цифровой трансформации перешла из категории «хайпа» в стратегическую повестку большинства компаний в России, а пандемия коронавируса придала цифровизации дополнительный импульс. Сегодня цифровая трансформация фактически стала необходимым условием для устойчивого развития организации. Кроме того, она позволяет компаниям развить в себе новые качества и быть успешными в условиях постоянного ускорения процессов и постоянных неожиданных изменений.
Под влиянием нового технологического цикла всё больше компаний запускает программы глубокого внутреннего изменения, перестройки бизнес-моделей и процессов. На этом пути многие руководители компаний сталкиваются с новыми для себя вопросами. Как запустить процесс цифровой трансформации и эффективно им управлять? Какие технологические решения помогут правильно изменить бизнес? Как повлияют новые технологии на операционную эффективность и когда окупятся инвестиции? Какие компетенции необходимы для успешной трансформации? Как настроить команду на постоянные изменения?
Универсального рецепта здесь нет, ведь каждая организация находится в своих уникальных условиях и имеет свои цели и задачи. Слепое копирование чужих практик может сыграть злую шутку и привести к необязательным расходам. Каждая компания должна выявить свой путь трансформации с учетом своих особенностей.
В рамках исследования опросили представителей различных компаний из разных регионов России и нашли закономерности, способные помочь вам самим ответить на некоторые вопросы и скорректировать процесс цифровой трансформации в вашей компании.
🍀 Source >>>
🍀 Report in PDF (2020) >>>
🍀 Report in PDF (2018) >>>
#analytics #efficiency #mr #report #strategy #technology #trends
СЕРБИЯ СТАНЕТ ЛИДЕРОМ ЕВРОПЫ ПО СРЕДНЕГОДОВОМУ ТЕМПУ РОСТА E-COMMERCE В 2022—2026 ГГ.
🇷🇸📈🛍
По оценкам ecommerceDB, среднегодовой темп роста европейского рынка электронной коммерции в 2022—2026 гг. составит 12%, несмотря на снижение на 7% в 2022 году. Порог в $1 трлн будет пройден в 2025 году.
Крупнейшие рынки e-commerce в Европе находятся на западе и севере этой части света, однако по показателям относительного роста лидируют страны востока и юго-востока.
Топ-10 возглавляет Сербия c ожидаемым CAGR на уровне 23,6% в 2022—2026 гг., что вдвое больше, чем в среднем по Европе. Далее следуют Турция — 22,7%, Венгрия — 21,1%. Замыкает десятку Азербайджан — 19%.
🍀 Source >>>
🍀 Original >>>
🍀 Weekly digest in PDF (Data Insight) >>>
#analytics #ecom #economics #predictions #trends
🇷🇸📈🛍
По оценкам ecommerceDB, среднегодовой темп роста европейского рынка электронной коммерции в 2022—2026 гг. составит 12%, несмотря на снижение на 7% в 2022 году. Порог в $1 трлн будет пройден в 2025 году.
Крупнейшие рынки e-commerce в Европе находятся на западе и севере этой части света, однако по показателям относительного роста лидируют страны востока и юго-востока.
Топ-10 возглавляет Сербия c ожидаемым CAGR на уровне 23,6% в 2022—2026 гг., что вдвое больше, чем в среднем по Европе. Далее следуют Турция — 22,7%, Венгрия — 21,1%. Замыкает десятку Азербайджан — 19%.
🍀 Source >>>
🍀 Original >>>
🍀 Weekly digest in PDF (Data Insight) >>>
#analytics #ecom #economics #predictions #trends
SPARKS OF ARTIFICIAL GENERAL INTELLIGENCE: EARLY EXPERIMENTS WITH GPT-4 | MICROSOFT RESEARCH
🕵🏻♀️🧠🤖
Artificial intelligence (AI) researchers have been developing and refining large language models (LLMs) that exhibit remarkable capabilities across a variety of domains and tasks, challenging our understanding of learning and cognition. The latest model developed by OpenAI, GPT-4, was trained using an unprecedented scale of compute and data.
In this paper, we report on our investigation of an early version of GPT-4, when it was still in active development by OpenAI. We contend that (this early version of) GPT4 is part of a new cohort of LLMs (along with ChatGPT and Google’s PaLM for example) that exhibit more general intelligence than previous AI models. We discuss the rising capabilities and implications of these models. We demonstrate that, beyond its mastery of language, GPT-4 can solve novel and difficult tasks that span mathematics, coding, vision, medicine, law, psychology and more, without needing any special prompting.
Moreover, in all of these tasks, GPT-4’s performance is strikingly close to human-level performance, and often vastly surpasses prior models such as ChatGPT. Given the breadth and depth of GPT-4’s capabilities, we believe that it could reasonably be viewed as an early (yet still incomplete) version of an artificial general intelligence (AGI) system. In our exploration of GPT-4, we put special emphasis on discovering its limitations, and we discuss the challenges ahead for advancing towards deeper and more comprehensive versions of AGI, including the possible need for pursuing a new paradigm that moves beyond next-word prediction. We conclude with reflections on societal influences of the recent technological leap and future research directions.
Some of the areas where GPT-4 (and LLMs more generally) should be improved to achieve intelligence that is more general include (note that many of them are interconnected):
✨ Confidence calibration
✨ Long-term memory
✨ Continual learning
✨ Personalization
✨ Planning and conceptual leaps
✨ Transparency, interpretability and consistency
✨ Cognitive fallacies and irrationality
✨ Challenges with sensitivity to inputs
🍀 Source >>>
🍀 Report in PDF >>>
#analytics #case #datascience #dev #experiment #product #report #science #technology #tools #trends
🕵🏻♀️🧠🤖
Artificial intelligence (AI) researchers have been developing and refining large language models (LLMs) that exhibit remarkable capabilities across a variety of domains and tasks, challenging our understanding of learning and cognition. The latest model developed by OpenAI, GPT-4, was trained using an unprecedented scale of compute and data.
In this paper, we report on our investigation of an early version of GPT-4, when it was still in active development by OpenAI. We contend that (this early version of) GPT4 is part of a new cohort of LLMs (along with ChatGPT and Google’s PaLM for example) that exhibit more general intelligence than previous AI models. We discuss the rising capabilities and implications of these models. We demonstrate that, beyond its mastery of language, GPT-4 can solve novel and difficult tasks that span mathematics, coding, vision, medicine, law, psychology and more, without needing any special prompting.
Moreover, in all of these tasks, GPT-4’s performance is strikingly close to human-level performance, and often vastly surpasses prior models such as ChatGPT. Given the breadth and depth of GPT-4’s capabilities, we believe that it could reasonably be viewed as an early (yet still incomplete) version of an artificial general intelligence (AGI) system. In our exploration of GPT-4, we put special emphasis on discovering its limitations, and we discuss the challenges ahead for advancing towards deeper and more comprehensive versions of AGI, including the possible need for pursuing a new paradigm that moves beyond next-word prediction. We conclude with reflections on societal influences of the recent technological leap and future research directions.
Some of the areas where GPT-4 (and LLMs more generally) should be improved to achieve intelligence that is more general include (note that many of them are interconnected):
✨ Confidence calibration
✨ Long-term memory
✨ Continual learning
✨ Personalization
✨ Planning and conceptual leaps
✨ Transparency, interpretability and consistency
✨ Cognitive fallacies and irrationality
✨ Challenges with sensitivity to inputs
🍀 Source >>>
🍀 Report in PDF >>>
#analytics #case #datascience #dev #experiment #product #report #science #technology #tools #trends
КАК ПРОВЕСТИ A/B-ТЕСТИРОВАНИЕ И ПОДНЯТЬ КОНВЕРСИЮ САЙТА?
✈️⚖️🅰️🅱️
⏱ Таймкоды:
0:00 О чем расскажем
0:34 Что такое A/B-тестирование
1:15 Почему Netflix и Amazon проводят так много A/B-тестов?
1:30 Пример A/B-теста от Grene
2:30 Как проводить A/B-тест
2:42 Как найти гипотезу для тестирования
3:36 Как определить метрику: повышение конверсии?
4:08 Пример гипотезы для A/B-тестирования
4:38 Нулевая гипотеза
4:57 Альтернативная гипотеза
5:51 Подготовка к тестированию
8:28 Подводим результаты тестирования
9:14 Что делать, если тест не сработал?
🍀 Source >>>
🍀 YouTube (~10 min) >>>
#analytics #efficiency #experiment #likbez #methodology #product #statistics #tools
✈️⚖️🅰️🅱️
⏱ Таймкоды:
0:00 О чем расскажем
0:34 Что такое A/B-тестирование
1:15 Почему Netflix и Amazon проводят так много A/B-тестов?
1:30 Пример A/B-теста от Grene
2:30 Как проводить A/B-тест
2:42 Как найти гипотезу для тестирования
3:36 Как определить метрику: повышение конверсии?
4:08 Пример гипотезы для A/B-тестирования
4:38 Нулевая гипотеза
4:57 Альтернативная гипотеза
5:51 Подготовка к тестированию
8:28 Подводим результаты тестирования
9:14 Что делать, если тест не сработал?
🍀 Source >>>
🍀 YouTube (~10 min) >>>
#analytics #efficiency #experiment #likbez #methodology #product #statistics #tools
