WebCamp2014:Internet Marketing Day: Посадочная страница - первый шаг навстречу клиенту - Ольга Горенко

•

0 likes•291 views

GeeksLab Odessa

Посадочная страница - первый шаг навстречу клиенту Ольга Горенко CEO at UsabilityLab Что такое посадочная страница для посетителя? Чем ваша страница отличается от миллионов других? Необходимое и достаточное: ключевые ошибки. Результаты исследований против хитростей маркетинга.

О посадочных
Ольга Горенко,
USABILITYLAB
ogorenko@usabilitylab.net
facebook.com/ogorenko

Каждый шаг – форм
ирование ожиданий

Что от нас х
очет бизнес?

Что от нас х
очет бизнес?

Что хочет турист?

Что запо
мнит турист?

Что нужно посетителю и
как это предоставить?

Чем отличается LP от
посадочной на сайте?

Место ли LP на сайте?

О посадочных
Ольга Горенко,
USABILITYLAB
ogorenko@usabilitylab.net
facebook.com/ogorenko

More Related Content

More from GeeksLab Odessa

DataScience Lab, 13 мая 2017 Kappa Architecture: How to implement a real-time streaming data analytics engine Juantomás García (Data Solutions Manager at OpenSistemas, Madrid, Spain) We will have an introduction of what is the kappa architecture vs lambda architecture. We will see how kappa architecture is a good solution to implement solutions in (almost) real time when we need to analyze data in streaming. We will show in a case of real use: how architecture is designed, how pipelines are organized and how data scientists use it. We will review the most used technologies to implement it from apache Kafka + spark using Scala to new tools like apache beam / google dataflow. Все материалы: http://datascience.in.ua/report2017

DataScience Lab 2017_Kappa Architecture: How to implement a real-time streami...

DataScience Lab 2017_Kappa Architecture: How to implement a real-time streami...

DataScience Lab 2017_Kappa Architecture: How to implement a real-time streami...

GeeksLab Odessa

DataScience Lab 2017_Блиц-доклад_Турский Виктор

DataScience Lab 2017_Блиц-доклад_Турский Виктор

DataScience Lab 2017_Блиц-доклад_Турский Виктор

GeeksLab Odessa

DataScience Lab, 13 мая 2017 Обзор методов детекции лиц на изображение Юрий Пащенко ( Research Engineer, Ring Labs) В данном докладе мы предлагаем обзор наиболее новых и популярных методов обнаружения лиц, таких как Viola-Jones, Faster-RCNN, MTCCN и прочих. Мы обсудим основные критерии оценки качества алгоритма а также базы, включая FDDB, WIDER, IJB-A. Все материалы: http://datascience.in.ua/report2017

DataScience Lab 2017_Обзор методов детекции лиц на изображение

DataScience Lab 2017_Обзор методов детекции лиц на изображение

DataScience Lab 2017_Обзор методов детекции лиц на изображение

GeeksLab Odessa

DataScience Lab, 13 мая 2017 Сходство пациентов: вычистка дубликатов и предсказание пропущенных диагнозов Виктор Сарапин (CEO at V.I.Tech) Как эффективно определять дубликаты на десятках миллионов пациентов, и как определять пропущенные диагнозы и лечебные действия. Все материалы доступны по ссылке: http://datascience.in.ua/report2017

DataScienceLab2017_Сходство пациентов: вычистка дубликатов и предсказание про...

DataScienceLab2017_Сходство пациентов: вычистка дубликатов и предсказание про...

DataScienceLab2017_Сходство пациентов: вычистка дубликатов и предсказание про...

GeeksLab Odessa

DataScience Lab, 13 мая 2017 Recent deep learning approaches for speech generation Дмитрий Белевцов (Techlead at IBDI) В последние пол года появилось несколько важных моделей на базе глубоких нейронных сетей, способных успешно синтезировать человеческую речь на уровне отдельных сэмплов. Это позволило обойти многие недостатки классических спектральных подходов. В этом докладе я сделаю небольшой обзор архитектур наиболее популярных сетей, таких как Wavenet и SampleRNN. Все материалы доступны по ссылке: http://datascience.in.ua/report2017

DataScienceLab2017_Блиц-доклад

DataScienceLab2017_Блиц-доклад

DataScienceLab2017_Блиц-доклад

GeeksLab Odessa

DataScience Lab, 13 мая 2017 Распределенные вычисления: использование BOINC в Data Science Виталий Кошура (Software Developer at Lohika) BOINC - это открытое программное обеспечение для распределенных вычислений. Данный доклад освещает использование приложения BOINC в различных областях науки, которые связаны с обработкой огромных массивов данных, на примере текущих активных исследовательских проектов. Все материалы доступны по ссылке: http://datascience.in.ua/report2017

DataScienceLab2017_Блиц-доклад

DataScienceLab2017_Блиц-доклад

DataScienceLab2017_Блиц-доклад

GeeksLab Odessa

DataScience Lab, 13 мая 2017 Магистерская программа "Data Science" в УКУ Орест Купин(Master's Student at UCU) В этом докладе я расскажу вам о магистерской программе со специализацией в анализе данных в Украинском Католическом Университете. Я расскажу про структуру программы, основные курсы, а также опишу свой опыт как студента УКУ и поговорю об вызовах с которыми мы столкнулись в этом году. Все материалы доступны по ссылке: http://datascience.in.ua/report2017

DataScienceLab2017_Блиц-доклад

DataScienceLab2017_Блиц-доклад

DataScienceLab2017_Блиц-доклад

GeeksLab Odessa

DataScience Lab, 13 мая 2017 Cервинг моделей, построенных на больших данных с помощью Apache Spark Степан Пушкарев (GM (Kazan) at Provectus / CTO at Hydrosphere.io) После подготовки данных и обучения моделей на больших данных с использованием Apache Spark встает вопрос о том, как использовать обученные модели в реальных приложениях. Помимо модели важно не забывать про весь пайплайн пре-процессинга данных, который должен попасть в продакшн в том виде, в котором его спроектировал и реализовал дата саентист. Такие решения, как PMML/PFA, основанные на экспорте/импорте модели и алгоритма имеют очевидные недостатки и ограничения. В данном докладе мы предложим альтернативное решение, которое упрощает процесс использования моделей и пайплайнов в реальных боевых приложениях. Все материалы доступны по ссылке: http://datascience.in.ua/report2017

DataScienceLab2017_Cервинг моделей, построенных на больших данных с помощью A...

DataScienceLab2017_Cервинг моделей, построенных на больших данных с помощью A...

DataScienceLab2017_Cервинг моделей, построенных на больших данных с помощью A...

GeeksLab Odessa

DataScience Lab, 13 мая 2017 BioVec: Word2Vec в задачах анализа геномных данных и биоинформатики Дмитрий Новицкий (Старший научный сотрудник в ИПММС НАНУ) Этот доклад посвящен bioVec: применению технологии word2vec в задачах биоинфоматики. Сначала мы напомним как работает Word2vec и аналогичные ему методы Word Embedding. Затем расскажем об особенностях Word2vec в применении к геномным последовательностям-- основному виду данных в биоинформатике. Как обучать bioVec, и применять эту технологию к задачам классификации белков, предсказания их функции и др. В заключении мы продемонстрируем примеры кода для обучения и использования bioVec. Все материалы доступны по ссылке: http://datascience.in.ua/report2017

DataScienceLab2017_BioVec: Word2Vec в задачах анализа геномных данных и биоин...

DataScienceLab2017_BioVec: Word2Vec в задачах анализа геномных данных и биоин...

DataScienceLab2017_BioVec: Word2Vec в задачах анализа геномных данных и биоин...

GeeksLab Odessa

DataScience Lab, 13 мая 2017 Data Sciences и Big Data в Телекоме Александр Саенко (Software Engineer at SoftServe/CISCO) Александр расскажет о некоторых интересных примерах использования Big Data и Data Science в Телекоме: оптимизация сотовой сети, улучшение клиентского опыта, модели прогнозирования местоположения мобильных устройств, предотвращения оттока абонентов, обнаружение фрода и других. Рассмотрит основные современные подходы к их решению на основе алгоритмов машинного обучения. Все материалы доступны по ссылке: http://datascience.in.ua/report2017

DataScienceLab2017_Data Sciences и Big Data в Телекоме_Александр Саенко

DataScienceLab2017_Data Sciences и Big Data в Телекоме_Александр Саенко

DataScienceLab2017_Data Sciences и Big Data в Телекоме_Александр Саенко

GeeksLab Odessa

DataScience Lab, 13 мая 2017 Высокопроизводительные вычислительные возможности для систем анализа данных Михаил Федосеев ( Архитектор инфраструктурных решений, LanTec) В докладе мы поговорим о hardware стороне систем анализа данных для случаев построения приватных облаков или локальных высокопроизводительных вычислительных кластеров. Рассмотрим какие технологии и комплексные решения от компании Hewlett Packard Enterprise позволяют ускорить процесс анализа данных. Это не только зарекомендовавшие в своей области лучшие в своем сегменте сервера линейки HPE Apollo, а так же высокоскоростные сетевые коммутаторы HPE, но и дополнительные вспомогательные элементы решения, такие как мощные графические карты NVIDIA и хост-процессоры Xeon Phi. Так же будет рассмотрен стек HPE Core HPC Software Stack, который позволяет администраторам контролировать использование ресурсов системы. Все материалы доступны по ссылке: http://datascience.in.ua/report2017

DataScienceLab2017_Высокопроизводительные вычислительные возможности для сист...

DataScienceLab2017_Высокопроизводительные вычислительные возможности для сист...

DataScienceLab2017_Высокопроизводительные вычислительные возможности для сист...

GeeksLab Odessa

DataScience Lab, 13 мая 2017 Мониторинг модных трендов с помощью глубокого обучения и TensorFlow, Ольга Романюк (Data Scientist at Eleks) В течении последних 8 месяцев мы в Eleks работали над системой отслеживания модных трендов, основанной на глубинной остаточной нейронной сети с тождественным отображением. При тренировке сети мы использовали онлайн увеличение объема данных, а также распараллеливание данных по двум картам GPU. Мы создали эту систему с нуля при помощи TensorFlow. В презентации я расскажу о практической стороне проекта, нюансах реализации и подводных камнях, с которыми мы столкнулись во время работы. Все материалы: http://datascience.in.ua/report2017

DataScience Lab 2017_Мониторинг модных трендов с помощью глубокого обучения и...

DataScience Lab 2017_Мониторинг модных трендов с помощью глубокого обучения и...

DataScience Lab 2017_Мониторинг модных трендов с помощью глубокого обучения и...

GeeksLab Odessa

DataScience Lab, 13 мая 2017 Кто здесь? Автоматическая разметка спикеров на телефонных разговорах Юрий Гуц (Machine Learning Engineer, DataRobot) Автоматическая аннотация спикеров — интересная задача в обработке мультимедиа-данных. Нам нужно ответить на вопрос "Кто говорит когда?", не зная ничего о количестве и личности спикеров, присутствующих на записи. В этом докладе мы рассмотрим работающие методы для аннотации спикеров на телефонных разговорах. Все материалы: http://datascience.in.ua/report2017

DataScience Lab 2017_Кто здесь? Автоматическая разметка спикеров на телефонны...

DataScience Lab 2017_Кто здесь? Автоматическая разметка спикеров на телефонны...

DataScience Lab 2017_Кто здесь? Автоматическая разметка спикеров на телефонны...

GeeksLab Odessa

From bag of texts to bag of clusters Терпиль Евгений / Павел Худан (Data Scientists / NLP Engineer at YouScan) Мы рассмотрим современные подходы к кластеризации текстов и их визуализации. Начиная от классического K-means на TF-IDF и заканчивая Deep Learning репрезентациями текстов. В качестве практического примера, мы проанализируем набор сообщений из соц. сетей и попробуем найти основные темы обсуждения. Все материалы: http://datascience.in.ua/report2017

DataScience Lab 2017_From bag of texts to bag of clusters_Терпиль Евгений / П...

DataScience Lab 2017_From bag of texts to bag of clusters_Терпиль Евгений / П...

DataScience Lab 2017_From bag of texts to bag of clusters_Терпиль Евгений / П...

GeeksLab Odessa

Графические вероятностные модели для принятия решений в проектном управлении Ольга Татаринцева (Data Scientist at Eleks) Как часто вам приходится принимать решения, используя знания в определенной предметной области? На сколько хороши такие решения? А теперь представьте, что вы собрали знания лучших экспертов в предметной области. Похоже, что ваши решения, основанные на этих знаниях, будут куда более взвешенными, не так ли? Мы будем говорить о системе ProjectHealth, которая была построена на основе опыта лучших экспертов в проектном управлении в компании Eleks. Для реализации поставленной задачи была использована графовая вероятностная модель, а именно байесовская сеть, имплементированная на Python. За время работы над проектом мы прошли шаги от извлечения требований, поиска данных и построения модели с нуля до реализации BI дашборда с возможностью углубиться в детали, доходя до сырых данных. Сейчас ProjectHealth экономит большое количество времени для топ менеджмента и ресурсов компании, так как мониторит состояние бизнеса в малейших деталях ежедневно и делает это как настоящий эксперт. Все материалы: http://datascience.in.ua/report2017

DataScience Lab 2017_Графические вероятностные модели для принятия решений в ...

DataScience Lab 2017_Графические вероятностные модели для принятия решений в ...

DataScience Lab 2017_Графические вероятностные модели для принятия решений в ...

GeeksLab Odessa

DataScienceLab, 13 мая 2017 Оптимизация гиперпараметров машинного обучения при помощи Байесовской оптимизации Максим Бевза (Research Engineer at Grammarly) Все алгоритмы машинного обучения нуждаются в настройке (тьюнинге). Часто мы используем Grid Search или Randomized Search или нашу интуицию для подбора гиперпараметров. Байесовская оптимизация поможет нам направить Randomized Search в те места, которые наиболее перспективны, так, чтобы тот же (или лучший) результат мы получили за меньшее количество итераций. Все материалы: http://datascience.in.ua/report2017

DataScienceLab2017_Оптимизация гиперпараметров машинного обучения при помощи ...

DataScienceLab2017_Оптимизация гиперпараметров машинного обучения при помощи ...

DataScienceLab2017_Оптимизация гиперпараметров машинного обучения при помощи ...

GeeksLab Odessa

DataScienceLab, 13 мая 2017 Как знать всё о покупателях (или почти всё)? Дарина Перемот (ML Engineer at SynergyOne) Раскроем собственный ответ на вопрос "Чего же хочет покупатель?". Поделимся результатами исследований транзакций и расскажем, есть ли у вас домашний питомец. А так же, продемонстрируем, как машинное обучение уже сейчас помогает узнавать вас ближе. Все материалы: http://datascience.in.ua/report2017

DataScienceLab2017_Как знать всё о покупателях (или почти всё)?_Дарина Перемот

DataScienceLab2017_Как знать всё о покупателях (или почти всё)?_Дарина Перемот

DataScienceLab2017_Как знать всё о покупателях (или почти всё)?_Дарина Перемот

GeeksLab Odessa

JS Lab 2017, 25 марта Mapbox GL: как работают современные интерактивные карты Владимир Агафонкин (Lead JavaScript Engineer at MapBox) Mapbox GL JS — открытая JS-библиотека для создания современных интерактивных карт на основе WebGL. В разработке более трех лет, она сочетает в себе множество удивительных технологий, сложных алгоритмов и идей для достижения плавной отрисовки тысяч векторных объектов с миллионами точек в реальном времени. В этом докладе вы узнаете, как работает библиотека внутри, и с какими сложностями сталкиваются разработчики современных WebGL-приложений. В докладе: отрисовка шрифтов, триангуляция линий и полигонов, пространственные индексы, определение коллизий, расстановка надписей, кластеризация точек, обрезка фигур, упрощение линий, упаковка спрайтов, компактные бинарные форматы, параллельная обработка данных в браузере, тестирование отрисовки и другие сложности. Все материалы: http://jslab.in.ua/2017

JS Lab 2017_Mapbox GL: как работают современные интерактивные карты_Владимир ...

JS Lab 2017_Mapbox GL: как работают современные интерактивные карты_Владимир ...

JS Lab 2017_Mapbox GL: как работают современные интерактивные карты_Владимир ...

GeeksLab Odessa

JS Lab2017, 25 марта, Одесса Под микроскопом: блеск и нищета микросервисов на node.js Илья Климов (CEO at Javascript.Ninja) "- Что это? - Микросервис! - И что он делает? - Микропадает". Про микросервисы сейчас не рассуждает только ленивый. Все рассказывают про то, как микросервисы спасают от сложности разработки, снижают время развертывание и повышают общую надежность систем. Этот доклад - про подводные камни, которые ждут оседлавших волну этого хайпа с Node.JS. Мы поговорим про ошибки, которые стоили мне и моей компании бессонных ночей, потерянной прибыли и, временами, веры в могущество микросервисной архитектуры. Все материалы: http://jslab.in.ua/ Организаторы: http://geekslab.org.ua/

JS Lab2017_Под микроскопом: блеск и нищета микросервисов на node.js

JS Lab2017_Под микроскопом: блеск и нищета микросервисов на node.js

JS Lab2017_Под микроскопом: блеск и нищета микросервисов на node.js

GeeksLab Odessa

JS Lab2017, 25 марта, Одесса Redux: время двигаться дальше? Екатерина Лизогубова (Coach at JavaScript.Ninja) React + Redux стал стандартом де-факто в разработке приложений на React. Говорим React - подразумеваем Redux. Говорим Redux - подразумеваем React. Однако спустя два года активного использования подобного стека у меня накопилось множество проблем: решаемых и не очень. Так что же - пришло время двигаться дальше на волнах хайпа или старый друг лучше новых двух? Как Redux отравляет жизнь и что с этим делать. Все материалы: http://jslab.in.ua/ Организаторы: http://geekslab.org.ua/

JS Lab2017_Redux: время двигаться дальше?_Екатерина Лизогубова

JS Lab2017_Redux: время двигаться дальше?_Екатерина Лизогубова

JS Lab2017_Redux: время двигаться дальше?_Екатерина Лизогубова

GeeksLab Odessa

More from GeeksLab Odessa (20)

DataScience Lab 2017_Kappa Architecture: How to implement a real-time streami...

DataScience Lab 2017_Kappa Architecture: How to implement a real-time streami...

DataScience Lab 2017_Kappa Architecture: How to implement a real-time streami...

DataScience Lab 2017_Блиц-доклад_Турский Виктор

DataScience Lab 2017_Блиц-доклад_Турский Виктор

DataScience Lab 2017_Блиц-доклад_Турский Виктор

DataScience Lab 2017_Обзор методов детекции лиц на изображение

DataScience Lab 2017_Обзор методов детекции лиц на изображение

DataScience Lab 2017_Обзор методов детекции лиц на изображение

DataScienceLab2017_Сходство пациентов: вычистка дубликатов и предсказание про...

DataScienceLab2017_Сходство пациентов: вычистка дубликатов и предсказание про...

DataScienceLab2017_Сходство пациентов: вычистка дубликатов и предсказание про...

DataScienceLab2017_Блиц-доклад

DataScienceLab2017_Блиц-доклад

DataScienceLab2017_Блиц-доклад

DataScienceLab2017_Блиц-доклад

DataScienceLab2017_Блиц-доклад

DataScienceLab2017_Блиц-доклад

DataScienceLab2017_Блиц-доклад

DataScienceLab2017_Блиц-доклад

DataScienceLab2017_Блиц-доклад

DataScienceLab2017_Cервинг моделей, построенных на больших данных с помощью A...

DataScienceLab2017_Cервинг моделей, построенных на больших данных с помощью A...

DataScienceLab2017_Cервинг моделей, построенных на больших данных с помощью A...

DataScienceLab2017_BioVec: Word2Vec в задачах анализа геномных данных и биоин...

DataScienceLab2017_BioVec: Word2Vec в задачах анализа геномных данных и биоин...

DataScienceLab2017_BioVec: Word2Vec в задачах анализа геномных данных и биоин...

DataScienceLab2017_Data Sciences и Big Data в Телекоме_Александр Саенко

DataScienceLab2017_Data Sciences и Big Data в Телекоме_Александр Саенко

DataScienceLab2017_Data Sciences и Big Data в Телекоме_Александр Саенко

DataScienceLab2017_Высокопроизводительные вычислительные возможности для сист...

DataScienceLab2017_Высокопроизводительные вычислительные возможности для сист...

DataScienceLab2017_Высокопроизводительные вычислительные возможности для сист...

DataScience Lab 2017_Мониторинг модных трендов с помощью глубокого обучения и...

DataScience Lab 2017_Мониторинг модных трендов с помощью глубокого обучения и...

DataScience Lab 2017_Мониторинг модных трендов с помощью глубокого обучения и...

DataScience Lab 2017_Кто здесь? Автоматическая разметка спикеров на телефонны...

DataScience Lab 2017_Кто здесь? Автоматическая разметка спикеров на телефонны...

DataScience Lab 2017_Кто здесь? Автоматическая разметка спикеров на телефонны...

DataScience Lab 2017_From bag of texts to bag of clusters_Терпиль Евгений / П...

DataScience Lab 2017_From bag of texts to bag of clusters_Терпиль Евгений / П...

DataScience Lab 2017_From bag of texts to bag of clusters_Терпиль Евгений / П...

DataScience Lab 2017_Графические вероятностные модели для принятия решений в ...

DataScience Lab 2017_Графические вероятностные модели для принятия решений в ...

DataScience Lab 2017_Графические вероятностные модели для принятия решений в ...

DataScienceLab2017_Оптимизация гиперпараметров машинного обучения при помощи ...

DataScienceLab2017_Оптимизация гиперпараметров машинного обучения при помощи ...

DataScienceLab2017_Оптимизация гиперпараметров машинного обучения при помощи ...

DataScienceLab2017_Как знать всё о покупателях (или почти всё)?_Дарина Перемот

DataScienceLab2017_Как знать всё о покупателях (или почти всё)?_Дарина Перемот

DataScienceLab2017_Как знать всё о покупателях (или почти всё)?_Дарина Перемот

JS Lab 2017_Mapbox GL: как работают современные интерактивные карты_Владимир ...

JS Lab 2017_Mapbox GL: как работают современные интерактивные карты_Владимир ...

JS Lab 2017_Mapbox GL: как работают современные интерактивные карты_Владимир ...

JS Lab2017_Под микроскопом: блеск и нищета микросервисов на node.js

JS Lab2017_Под микроскопом: блеск и нищета микросервисов на node.js

JS Lab2017_Под микроскопом: блеск и нищета микросервисов на node.js

JS Lab2017_Redux: время двигаться дальше?_Екатерина Лизогубова

JS Lab2017_Redux: время двигаться дальше?_Екатерина Лизогубова

JS Lab2017_Redux: время двигаться дальше?_Екатерина Лизогубова

WebCamp2014:Internet Marketing Day: Посадочная страница - первый шаг навстречу клиенту - Ольга Горенко

1. О посадочных Ольга Горенко, USABILITYLAB ogorenko@usabilitylab.net facebook.com/ogorenko

2.

3. Каждый шаг – форм ирование ожиданий

4.

5.

6. Что от нас х очет бизнес?

7. Что от нас х очет бизнес?

8. Что хочет турист?

9.

10. Что запо мнит турист?

11.

12.

13.

14. Что нужно посетителю и как это предоставить?

15. Чем отличается LP от посадочной на сайте?

16. Место ли LP на сайте?

17. О посадочных Ольга Горенко, USABILITYLAB ogorenko@usabilitylab.net facebook.com/ogorenko