Яндекс.Погода для бизнеса


Погодные условия могут влиять на продажи: как получить больше конверсий, если на улице дождь или солнце.

Спикер: Михаил Сидоров — Менеджер по развитию бизнеса. Группа новых продуктов

меня зовут сидоров михаил я занимаюсь развитием би ту би направления сервиса яндекс погода и сегодня я вам расскажу про то что погодную информацию можно использовать не только для например планирования семейного отдыха на выходных ну а также и для решения различных задач а кстати коллеги есть ли среди вас те кто уже имеет опыт использования погодных данных бизнесе просто можно понять руку вас немного досмотрю тогда возможно он будет интересно мой доклад будет по сути состоять из двух частей впервые из которых я немного затрону про то как мы в яндексе делаем погоду и далее расскажу уже непосредственно про то какие применения ездили погодных данных индустрии ритейла для построения наших прогнозов мы используем собственную технологию прогнозирования погоды медиум которая основана на машину обучения иметь его моделирования для составления прогнозов на уровне точности который соответствовал бы современным стандартам сервису необходимо использовать максимальное количество источников информации поэтому мы используем данные от более чем с 10 тысяч наземных метеостанций а с 80 спутников расположенных на околоземной орбите земли с порядка полутора тысяч станции радиологического зондирования а также с 26 иметь у радаров с точки зрения прогнозирования погоды мы и а исходим из того что все медиа модели ошибаются и делают они это по-разному то есть некоторые из них могут переоценивать количество выпадающих осадков другие же могут недооценить ночную температуру мы берем несколько метьё моделей несколько прогнозов погоды от разных поставщиков плюс делаем погоду памятью модели самостоятельно и далее загоняем все эти прогнозы система машинного обучения чтобы на основании нескольких прогнозов получить один более правильный который бы учитывал локальной особенности в конкретном регионе и так как я сказал у нас есть информация смесью радаров у нас есть система так называемого наука 100 или предсказание погоды на сейчас радары работают по принципу авиационных радаров только они детектирует не движение самолетов а мельчайшие частицы жидкости в атмосфере и соответственно мы можем в радиусе двухсот пятидесяти километров от точки установки такого радара шагом 22 километра узнать идет ли дождь этой точке или нет на этом мы обучаем что нейронную сеть которая использует информацию предсказывает наличие осадков на ближайшие два часа шагом в 10 минут а именно поэтому можем сказать что дождь вот-вот начнется дождь начнется в течение получаса или даже начнется в течение 2 часов а также мы научились определять осадки так надо вернуться назад а также мы научились определять осадки а с помощью спутниковых снимков что позволило нам расширить зону действия наука ст даже на те области где сейчас метью радары они установлены ну а теперь перейдем к применению погодных данных в целом мы не нашли ни одной индустрии деятельность которых который так или иначе бы не зависело от погоды вот на данном слайде представлены основные то есть те которые подвержены пагубному влиянию больше чем другие так как у нас несколько ограниченный taming я наверно передок самые релевантные для да но мероприятий индустрии это retail а здесь погода может использоваться в первую очередь для аналитических целей например а для того чтобы наложить информацию ретроспективной погоде на историю продаж такая манипуляция поможет в поиске далеко не всегда очевидных триггеров и закономерности которые в дальнейшем могут быть использованы например для планирования то есть для оптимизации поставок на основании данных о предстоящей погоде также такие закономерности могут быть использованы для задачи ранжирования то есть для того чтобы создать персонализированную выдачу товаров на сайте в зависимости от погоды в геопозиции пользователя которые заходят к вам на сайт ну и конечно же погода может использоваться для рекламных целей то есть для того чтобы показывать в рекламных кампаниях те товары которые наиболее релевантны для текущей погоды немножко больше раскрою а задача именно связанную с рекламой для чего же вообще нужна настройка рекламы в компании по погоде ну конечно же для того чтобы повышать показатель кликабельности баннеров с погодой зависимыми товарами и сделать это можно уже сейчас такую настройку можно произвести в яндекс директе где механика таргетирование рекламных сообщений по погодным условиям доступна с начала мая все мы прекрасно знаем что погода оказывает значительное влияние на поведение людей как в оффлайне так и в интернете влияет на активность покупателей влияет на популярность товаров и соответственно люди в плохую дождливую погоду с большей вероятностью останутся дома будут сидеть в интернете и соответственно кликать на рекламные объявления и уже сейчас триггерами для настройки рекламных кампаний в директе выступают осадки наличия или отсутствия облачности также температуры в диапазоне от минус 50 до плюс 50 градусов управление происходит достаточно просто через повышающий коэффициент для креатива теперь немного поговорим про примеры успешных применений погодных данных первый кейс относится к редут они обратили внимание на то что в жаркую погоду люди чаще покупают одежду из легких тканей в дождливую погоду на наши мысли устремляются к покупке так извиняюсь наши мысли устремляются к покупке одежды которые сам пальто например а или ботинки вот а в извиняюсь called a в морозную погоду а люди больше задумываться о том чтобы купить зимнее пальто или например теплую шубу соответственно они развернули рекламную кампанию суть которой заключалась следующем они показывали на электронном билборде девушку которая меняла свой гардероб в зависимости с погодными условиями которые реально соблюдались на окном и такая рекламная компания произвела достаточно сильный эффект и принесла компании ля редут 17 процентов по продажам а следующий кейс принадлежит волмарт крупнейшей мировой ритейлер использует гипер локальный прогноз погоды для задачи ранжирования а то есть если температура по штату превышает среднюю на 2 градуса вверх в поисковой выдаче идут товары которые связаны с охлаждением помещений и такой нехитрый трюк в масштабах вала вода приносит им до 27 процентов к продажам ну а для того чтобы решать задачи которые имеют свои основе погодные данные эти погодные данные нужно каким-то образом получать и специально для этого у нас есть погодная api которая позволяет передавать гипер локальные погодные данные в автоматизированном режиме уже сейчас api включает передачу фактического значения то есть погоды который наблюдается вокруг на за окном и и прогноза погоды от одного до десяти дней доступны абсолютно все основные метрологические параметры даже включая температуру воды в места где фактически эти данные доступны также api позволяет придавать климатические данные что это такое это а информация том какая бывает погода обычно на каждый день или каждый месяц в году на основании статистики за предшествующие 10 лет как же без слайда основных преимуществ основное преимущество индекс погода это конечно же точность прогнозов благодаря технологии медиум который основан на машинном обучении это конечно же гипер локальность прогноза то есть мы можем передавать погодную информацию абсолютно на любую географическую координату и конечно же возможность кастомизации то есть мы всегда открыты к новым идеям к новым предложениям готовы постоянно улучшать сервис экспериментировать на коллеги пасибо большое у меня в целом все если у кого-то возникнут идеи ли возникнуть желание попробовать использование погодных данных непосредственно в ваших индустриях пожалуйста пишите с удовольствием вам помогу с консультацией из тестирован вижу вопрос пожалуй всех большое меж спасибо за доклад скажите пожалуйста а исторические данные можно получать нашли такую возможность на данный момент в обе передачи исторических данных недоступном мы сейчас активно занимаемся вот реализации как раз таки передачи данных через api но у нас есть архив погодных значений по всем городам за 20 лет назад поэтому мы можем просто руками сделать архив его отгрузить собственно возможно забрать запросите за да конечно спасибо и ходите к михаилу всех михайлов пассив коллеги я вопросы нет еще 13 вот такой вопрос машинное обучение перед может работать потому что для ритейла сам надежно очень важно понимать два раза в год когда была жаркой когда будет холодно и чем раньше об этом понимаешь тем соответственно больше готов вышить о продаже вот как вы к этому готовы правильно я понимаю чтобы что под машинным обучением на период в иметь виду прогнозирование на более дальний срок ну да то есть в январе вы можете сказать когда конкретно будет жарко в мае в апреле в июне окей и соответственно про то есть та ну с точки зрения прогнозирования погоды прогнозировать далее через 14 дней не совсем корректно потому что результаты будут не очень хороший но как раз таки здесь у нас есть климатические данные то есть это усредненная информации за предшествующие 10 лет то есть статистической информации с точки зрения прогнозирования на дальние периоды более как бы точно чем просто моделирование ну то есть то что прекрасно скоре газы друг попросил у вас на 20 лет коллег за счет этого на коллега попросил наверное все таки историю фактической погоды до за определён период а это именно усреднения то есть он берется 10 лет там каждый день в году на 10 лет и просто усредняется