Курс леций по основам интернет маркетинга и поисковой оптимизацииYuliya Rubtsova
Лекция выложена для удобства слушателей курса "основы интернет-маркетинга и поисковой оптимизации". Курс читается с 2008 года. Это более 600 академических часов и более 500 студентов. За это время курс постоянно модифицировался и актуализировался.
Вы создали сайт только для того, чтобы его просматривали 2 минуты? Только для того, чтобы его посещало 280 человек в день. Вы даете рекламу в контекстных сетях, чтобы иметь CTR 13%? Рекламируетесь на медийных площадках, чтобы баннер посмотрело 500 000 человек "М 25-35"?
Что такое веб-аналитика.
Какой показатель отказов должен быть у сайтов.
Как считать доход от сайта и расходы на рекламу (ROI).
Чем занимается аналитик.
Примеры.
Методика и подход к увеличению конверсии. (К преобразованию посетитлей веб-сайта в покупателей.)
Я не рассказываю "топ 10 пунктов для увеличения конверсии", я показываю подход, который позволит не штамповать одинаковые приёмы, а действовать в соответствии с задачами бизнеса.
Курс леций по основам интернет маркетинга и поисковой оптимизацииYuliya Rubtsova
Лекция выложена для удобства слушателей курса "основы интернет-маркетинга и поисковой оптимизации". Курс читается с 2008 года. Это более 600 академических часов и более 500 студентов. За это время курс постоянно модифицировался и актуализировался.
Вы создали сайт только для того, чтобы его просматривали 2 минуты? Только для того, чтобы его посещало 280 человек в день. Вы даете рекламу в контекстных сетях, чтобы иметь CTR 13%? Рекламируетесь на медийных площадках, чтобы баннер посмотрело 500 000 человек "М 25-35"?
Что такое веб-аналитика.
Какой показатель отказов должен быть у сайтов.
Как считать доход от сайта и расходы на рекламу (ROI).
Чем занимается аналитик.
Примеры.
Методика и подход к увеличению конверсии. (К преобразованию посетитлей веб-сайта в покупателей.)
Я не рассказываю "топ 10 пунктов для увеличения конверсии", я показываю подход, который позволит не штамповать одинаковые приёмы, а действовать в соответствии с задачами бизнеса.
Entity-oriented sentiment analysis of tweets: results and problemsYuliya Rubtsova
This is summarization of the results of the reputation-oriented
Twitter task, which was held as part of SentiRuEval evaluation of Russian sentiment-analysis systems. The tweets in two domains: telecom companies and banks - were included in the evaluation. The task was to determine if an author of a tweet has a positive or negative attitude to a company mentioned in the message. The main issue of this paper is to analyze the current state and problems of approaches applied by the participants.
Automatic term extraction of dynamically updated text collections for sentime...Yuliya Rubtsova
An automatic term extraction approach for building a vocabulary that is constantly updated. A prepared dictionary is used for sentiment classification into three classes (positive, neutral, negative). In addition, the results of sentiment classification are described and the accuracy of methods based on various weighting schemes is compared. The work also demonstrates the computational complexity of generating representations for N dynamic documents depending on the weighting scheme used.
Метод построения корпуса коротких текстов на основе сообщений социальных сетей и микроблогов (twitter). Описан подход к подготовке корпуса коротких текстов и тоново-зависимых терминов для тренировки вероятностного тонового классификатора. Доклад подготовлен для конференции RCDL'13
Entity-oriented sentiment analysis of tweets: results and problemsYuliya Rubtsova
This is summarization of the results of the reputation-oriented
Twitter task, which was held as part of SentiRuEval evaluation of Russian sentiment-analysis systems. The tweets in two domains: telecom companies and banks - were included in the evaluation. The task was to determine if an author of a tweet has a positive or negative attitude to a company mentioned in the message. The main issue of this paper is to analyze the current state and problems of approaches applied by the participants.
Automatic term extraction of dynamically updated text collections for sentime...Yuliya Rubtsova
An automatic term extraction approach for building a vocabulary that is constantly updated. A prepared dictionary is used for sentiment classification into three classes (positive, neutral, negative). In addition, the results of sentiment classification are described and the accuracy of methods based on various weighting schemes is compared. The work also demonstrates the computational complexity of generating representations for N dynamic documents depending on the weighting scheme used.
Метод построения корпуса коротких текстов на основе сообщений социальных сетей и микроблогов (twitter). Описан подход к подготовке корпуса коротких текстов и тоново-зависимых терминов для тренировки вероятностного тонового классификатора. Доклад подготовлен для конференции RCDL'13
2. Как часто вы слышите: Полная фигня Больше не пойду Пирожки с мясом – самое крутое, что там было Лажа Мне не понравилось Организаторы козлы Зря потрятили время Ничо нового