Авито контекст что это: Как настроить Авито Контекст

Содержание

Контекстная реклама. Яндекс.Директ. Google AdWords в Москве | Услуги

90% рекламных кампаний проваливаются, даже не успев начаться. Ребят, которые научились выставлять галочки в рекламных системах много, а вот результата, к сожалению, мало. Итог — контекст не работает, деньги потрачены, ожидания не оправданы. Но у нас в корне другой подход и большой опыт успешных работ тому потверждение (см. фото профиля)
Чем можем быть Вам полезны:
1. Настройка контекстной рекламы на результат. (первый месяц ведения бесплатно!)
2. Создание продающего сайта (если не будут поступать клиенты, вернём вам деньги!)

Теперь расскажу немного о этапах нашей работы и что входит в оказание услуги:

1. Погружение в вашу отрасль. Невозможно качественно рассказать потребителю о товаре/услуги, не зная о нём всё.
2. Анализ конкурентов, выявление ваших преимуществ.
3. Подробный сбор семантики, детализация рекламных кампаний по направлениям.
4. Пишем продающие объявления, строго собираем по правилу один ключ = одно объявление.

5. Бесплатно внедрим сквозную аналитику, call-tracking, всплывающие формы.
6. Настройка рекламных кампания РСЯ/КМС (это когда появляются картинки на сайтах партнёров Гугл и Яндекс), а также последующий ретаргентинг/ремаркетинг (это когда человек зашёл к вам на сайт, но не совершил конверсию, затем ваша реклама начинает его преследовать на других сайтах виде картинок с надписью)
7. Подключаем Яндекс.Метрику, Гугл Аналитикс, все доступы от всех аккаунтов предоставляем вам, полная прозрачность всех процессов.
8. Оптимизация рекламных кампаний вплоть до эффективности каждого ключевого слова (в РСЯ/КМС — площадок).
9. Детализированный отчёт каждую неделю.
Формат отчётов обсуждается индивидуально с каждым клиентом.
10. Юридические гарантии результата. Работаем по договору, расчёт возможен, как наличными, так и безналичными.

Проживаем в Москве, при необходимости готовы встретиться и более детально обсудить ваш проект.

Также, чтобы Вы могли убедится в качестве нашей работы, готовы предоставить первые две недели ведения рекламных кампаний бесплатно!

Звоните, пишите, будем рады Вам помочь!

Чем можем быть ещё полезны:
Настройка Yаndех Директ и Гугл Адвордс
(настройка и ведение контекстной рекламы)
реклама яндекс директ
настройка директа
настроика гугл адвордс
gооglе аdwоrds
директ яндекс
настройка рекламы
настройка контекстной рекламы

настройка яндекс директ
реклама в яндекс
реклама в гугл
реклама в интернете
яндекс директ
интернет маркетолог
реклама в яндекс
продвижение в яндекс
настройка яндекс директ
настройка рекламы
яндекс директ
директолог
настроить рекламу
настроить яндекс директ
гугл эдвордс
гугл адвордс
Контекстолог
Yаndех Dirесt
реклама для Сайта
менеджер по контекстной рекламе
специалист по контекстной рекламе
специалист по яндекс директ
менеджер по рекламе в интернете
Специалист по интернет-рекламе
гугл реклама
онлайн маркетолог
Создание сайта
Продающий сайт
Лендинг Пейдж
Landing создать

Авито запустил масштабную рекламную кампанию по всей стране

Самая массовая платформа для коммерции в России запустила масштабную рекламную кампанию. Авито продолжает успешно работать в России. Кампания напоминает, что на Авито вы можете закрыть множество своих потребностей: купить или продать товары, машины, квартиры, сдать или снять жилье, найти работу.

Новая масштабная рекламная 360-кампания Авито охватывает всю Россию — от Калининграда до Владивостока — и задействует различные медиаканалы: ТВ и наружную рекламу, диджитал-размещения на ключевых OLV и дисплейных форматах с фокусом на имиджевые креативы.

В рамках рекламной кампании Авито также создала видеоролик с рассказом об основных возможностях платформы. С его помощью компания напоминает своим пользователям — как представителям бизнеса, так и тем, кто размещает частные объявления,— что, несмотря на меняющийся контекст и экономику, Авито здесь и ждет всех, кому может быть полезна.

Помимо ТВ и диджитал ролик можно увидеть на наружной рекламе — более чем на 300 поверхностях в Москве и более 200 поверхностях в Санкт-Петербурге (DOOH, включая медиафасады и сити-форматы), в общей сложности ролик будет показан 150 млн раз. Кампания на национальном ТВ общим объемом 855 минут охватит более 78% аудитории возрастной категории от 18 до 55 лет. К созданию проекта было привлечено креативное агентство DDB Russia.

Игорь Макаров, коммерческий директор Авито: «Для меня это даже не рекламная кампания. Это возможность сказать десяткам миллионов наших пользователей, что они могут быть уверены в Авито. Особенно сейчас, когда уверенность в чем-то хорошем нам всем так нужна. Авито здесь, мы никуда не собираемся уходить. Более того, мы видим, что стали нужнее жителям России. Столько аудитории, столько спроса, столько предложения на нашей платформе не было еще никогда. Мы видим возможность помочь бизнесам найти новые каналы продаж. Помочь людям купить нужное или продать лишнее, сдать или снять жилье, найти работу. Сейчас наша задача, как никогда, совпадает с предназначением бренда Авито — “Помочь каждому сделать его жизнь и жизнь людей вокруг лучше”. Мы стараемся».

Кампания направлена на всех пользователей Авито в поддержку пяти бизнес-вертикалей: «Товары», «Услуги», «Работа», «Авто» и «Недвижимость». C помощью мини-зарисовок из жизни героев ролика Авито напоминает пользователям, что платформа позволяет решать повседневные задачи и закрывать важные вопросы в любые времена: вне зависимости от внешних факторов здесь можно продавать и покупать товары, машины, квартиры, заказывать услуги, сдавать и снимать жилье, находить работу и сотрудников.

В марте 2022 года Авито стало самым скачиваемым приложением в России в категории Shopping. Количество активных объявлений сегодня на Авито — более 94 млн, а ежедневная аудитория платформы составляет 22 млн человек, что почти на 30% больше, чем в прошлом году. Каждую секунду на Авито совершается порядка девяти сделок, 40% составил рост заказов в Авито Доставке с начала марта.

Команда проекта

Авито

  • Игорь Макаров — коммерческий директор
  • Тимофей Бутырин — директор по маркетинговым и бренд-коммуникациям
  • Арина Гиршович — бренд-директор
  • Эльвира Вебер — бренд-менеджер

Медийное агентство People & Screens

  • Екатерина Полякова— коммерческий директор
  • Анна Новикова — аккаун-директор
  • Варвара Андреева — руководитель группы по медиапланированию
  • Дмитрий Жирный — аккаун-директор по цифровым медиа
  • Алексей Тришин — digital lead бренд направления

Больше фото и имиджей проекта вы найдете вы найдете по ссылке.

Креативное агентство DDB Russia

  • Эльдар Джинчарадзе — креативный директор
  • Светлана Тычкина — дизайн-директор
  • Александр Калашников — видеомонтажер
  • Алексей Ясинецкий — видеомонтажер
  • Татьяна Гурина — бизнес-директор
  • Ася Шапиевская — супервайзер по работе с клиентами
  • Анна Гусельникова — младший продюсер

OLV — Онлайн-видео

DOOH — Цифровая наружная реклама

Shopping — шопинг.

Авито запустил масштабную рекламную кампанию по всей стране

Самая массовая платформа для коммерции в России запустила масштабную рекламную кампанию. Авито продолжает успешно работать в России. Кампания напоминает, что на Авито вы можете закрыть множество своих потребностей: купить или продать товары, машины или квартиры, сдать или снять жилье, найти работу.

Новая масштабная рекламная 360-кампания Авито охватывает всю Россию – от Калининграда до Владивостока и задействует различные медиа-каналы: ТВ и наружная реклама, диджитал размещения на ключевых OLV и дисплейных форматах с фокусом на имиджевые креативы.

В рамках рекламной кампании Авито также создал видеоролик с рассказом про основные возможности платформы. С его помощью компания напоминает свои пользователям – как представителям бизнеса, так и тем, кто размещает частные объявления, что несмотря на меняющийся контекст и экономику – Авито здесь и ждет всех, кому может быть полезен.

Помимо ТВ и диджитал, ролик можно увидеть на наружной рекламе – на более чем 300 поверхностях в Москве и более 200 поверхностей в Санкт-Петербурге (DOOH, включая медиафасады и сити-форматы) – в общей сложности ролик будет показан 150 млн раз. Кампания на национальном ТВ общим объемом в 855 минут охватит более 78% аудитории возрастной категории от 18 до 55 лет. К созданию проекта было привлечено креативное агентство DDB Russia.

Игорь Макаров, Коммерческий Директор Авито:

«Для меня это даже не рекламная кампания. Это возможность сказать десяткам миллионов наших пользователей, что они могут быть уверены в Авито. Особенно сейчас, когда уверенность в чем-то хорошем  нам всем так нужна. Авито здесь, мы никуда не собираемся уходить. Более того, мы видим, что стали нужнее жителям России. Столько аудитории, столько спроса, столько предложения на нашей платформе не было еще никогда. Мы видим возможность помочь бизнесам найти новые каналы продаж. Помочь людям купить нужное или продать лишнее, сдать или снять жилье, найти работу. Сейчас наша задача как никогда совпадает с предназначением бренда Авито: “Помочь каждому сделать его жизнь и жизнь людей вокруг лучше”. Мы стараемся

”.

Кампания направлена на всех пользователей Авито в поддержку пяти бизнес вертикалей: Товары, Услуги, Работа, Авто и Недвижимость. C помощью мини-зарисовок из жизни героев ролика Авито напоминает пользователям, что платформа позволяет решать повседневные задачи и закрывать важные вопросы в любые времена: вне зависимости от внешних факторов здесь можно продавать и покупать – товары, машины, квартиры, заказывать услуги, сдавать и снимать жилье, находить работу и сотрудников.

В марте 2022 года Авито стало самым скачиваемым приложением в России в категории Shopping.  Количество активных объявлений сегодня на Авито – более 94 млн, а ежедневная аудитория платформы составляет 22 млн человек, что почти на 30% больше, чем в прошлом году. Каждую секунду на Авито совершается порядка 9 сделок, 40% составил рост заказов в Авито Доставке с начала марта.

Команда проекта:

Авито:

Игорь Макаров — коммерческий директор

Тимофей Бутырин — директор по маркетинговым и бренд коммуникациям

Арина Гиршович — бренд-директор

Эльвира Вебер — бренд-менеджер

Медийное агентство People&Screens:

Полякова Екатерина – коммерческий директор

Новикова Анна – аккаун-директор

Андреева Варвара – руководитель группы по медиапланированию

Жирный Дмитрий — аккаун-директор по цифровым медиа

Тришин Алексей – digital lead бренд направления

Больше фото и имиджей проекта вы найдете вы найдете по ссылке.

Креативное агентство DDB Russia:

Эльдар Джинчарадзе — креативный директор

Светлана Тычкина — дизайн-директор

Александр Калашников — видео-монтажёр

Алексей Ясинецкий — видео-монтажёр

Татьяна Гурина — бизнес-директор

Ася Шапиевская — супервайзер по работе с Клиентами

Анна Гусельникова — младший продюсер

«Авито» запустил масштабную рекламную кампанию

Авито продолжает работать в России — в новой рекламной кампании креаторы DDB Russia напомнили пользователям: вне зависимости от внешних факторов на платформе можно продавать и покупать — товары, машины, квартиры, заказывать услуги, сдавать и снимать жилье, находить работу и сотрудников.

«Avito здесь и ждёт всех, кому может быть полезен», — несмотря на меняющийся контекст и экономику, сообщает пользователям платформы проморолик.

Новая масштабная 360-кампания «Авито» охватит всю Россию и задействует различные медиаканалы: ТВ и наружную рекламу, OLV и дисплейные форматы с фокусом на имиджевые креативы. Планированием и размещением промо занималось агентство People&Screens.

На национальном ТВ объём кампании составит 855 минут и охватит более 78% аудитории возрастной категории от 18 до 55 лет. Кроме того, ролик можно будет увидеть в формате наружной рекламы — на более чем 300 поверхностях в Москве и более 200 медианосителях в Санкт-Петербурге (включая медиафасады и сити-форматы). В общей сложности креатив будет показан 150 млн раз, уточнили Sostav в группе проекта.

Игорь Макаров, коммерческий директор Авито :

Для меня это даже не рекламная кампания — это возможность сказать десяткам миллионов пользователей, что они могут быть уверены в нашем сервисе. Особенно сейчас, когда уверенность в чем-то хорошем нам всем так нужна: «Авито» здесь, мы никуда не собираемся уходить.

Более того, мы видим, что стали нужнее жителям России. Столько аудитории, столько спроса, столько предложения на нашей платформе не было еще никогда. Мы видим возможность помочь бизнесам найти новые каналы продаж. Помочь людям купить нужное или продать лишнее, сдать или снять жилье, найти работу.

Сейчас наша задача как никогда совпадает с предназначением бренда «Авито» — помочь каждому сделать его жизнь и жизнь людей вокруг лучше. Мы стараемся.

Эльдар Джинчарадзе, креативный директор DDB Russia :

Каждый день сейчас будто наполнен новой реальностью: меняются не только обстоятельства, планы и перспективы, а, в первую очередь, ценности, отношения, наши внутренние ощущения.

Поэтому сейчас как никогда важно не просто быть рядом, но и стать партнёром, на которого можно опереться в любой жизненной ситуации. Именно это мы хотели показать в новой кампании: всё меняется, но помощь «Авито» всегда рядом.

Ранее стало известно, что онлайн-платформа объявлений «Авито» выделится из OLX Group и продолжит работать как самостоятельный российский бизнес в периметре группы Prosus, являющейся частью инвестиционного южноафриканского холдинга Naspers.


Состав творческой группы:

Авито (клиент)

Коммерческий директор: Игорь Макаров
Директор по маркетинговым и бренд коммуникациям: Тимофей Бутырин
Бренд-директор: Арина Гиршович
Бренд-менеджерЭльвира Вебер — бренд-менеджер

DDB Russia (агентство)

Креативный директор: Эльдар Джинчарадзе
Дизайн-директор: Светлана Тычкина
Видеомонтажёр: Александр Калашников
Видеомонтажёр: Алексей Ясинецкий
Бизнес-директор: Татьяна Гурина
Супервайзер по работе с клиентами: Ася Шапиевская
Младший продюсер: Анна Гусельникова

People&Screens (медиа)

Коммерческий директор: Екатерина Полякова
Аккаунт-директор: Анна Новикова
Руководитель группы по медиапланированию: Варвара Андреева
Аккаунт-директор по цифровым медиа: Дмитрий Жирный
Digital Lead бренд направления: Алексей Тришин

Авито запустил масштабную рекламную кампанию по всей стране

Авито запустил масштабную рекламную кампанию по всей стране. Фото: предоставлено компанией Avito

Одна из самых массовых платформ для коммерции в России запустила масштабную рекламную кампанию. Авито продолжает успешно работать в России. Кампания напоминает, что на Авито вы можете закрыть множество своих потребностей: купить или продать товары, машины или квартиры, сдать или снять жилье, найти работу, сообщает пресс-служба компании.

Новая масштабная рекламная 360-кампания Авито охватывает всю Россию — от Калининграда до Владивостока и задействует различные медиа-каналы: ТВ и наружная реклама, диджитал размещения на ключевых OLV и дисплейных форматах с фокусом на имиджевые креативы. 

В рамках рекламной кампании Авито также создал видеоролик (6+) с рассказом про основные возможности платформы (6+). С его помощью компания напоминает свои пользователям — как представителям бизнеса, так и тем, кто размещает частные объявления, что несмотря на меняющийся контекст и экономику — Авито здесь и ждет всех, кому может быть полезен. 

Авито запустил масштабную рекламную кампанию по всей стране. Фото: предоставлено компанией Avito

Помимо ТВ и диджитал, ролик можно увидеть на наружной рекламе — на более чем 300 поверхностях в Москве и более 200 поверхностей в Санкт-Петербурге (DOOH, включая медиафасады и сити-форматы) — в общей сложности ролик будет показан 150 млн раз. Кампания на национальном ТВ общим объемом в 855 минут охватит более 78% аудитории возрастной категории от 18 до 55 лет. К созданию проекта было привлечено креативное агентство DDB Russia.

Игорь Макаров, Коммерческий Директор Авито:

“Для меня это даже не рекламная кампания. Это возможность сказать десяткам миллионов наших пользователей, что они могут быть уверены в Авито. Особенно сейчас, когда уверенность в чем-то хорошем нам всем так нужна. Авито здесь, мы никуда не собираемся уходить. Более того, мы видим, что стали нужнее жителям России. Столько аудитории, столько спроса, столько предложения на нашей платформе не было еще никогда. Мы видим возможность помочь бизнесам найти новые каналы продаж. Помочь людям купить нужное или продать лишнее, сдать или снять жилье, найти работу. Сейчас наша задача как никогда совпадает с предназначением бренда Авито: “Помочь каждому сделать его жизнь и жизнь людей вокруг лучше”. Мы стараемся”.

Кампания направлена на всех пользователей Авито в поддержку пяти бизнес вертикалей: Товары, Услуги, Работа, Авто и Недвижимость. C помощью мини-зарисовок из жизни героев ролика Авито напоминает пользователям, что платформа позволяет решать повседневные задачи и закрывать важные вопросы в любые времена: вне зависимости от внешних факторов здесь можно продавать и покупать — товары, машины, квартиры, заказывать услуги, сдавать и снимать жилье, находить работу и сотрудников. 

По итогам марта 2022 года Авито стало самым скачиваемым приложением в России в категории Shopping согласно данным App Annie*. Количество активных объявлений сегодня на Авито — более 94 млн, а ежедневная аудитория платформы составляет 22 млн человек, что почти на 30% больше, чем в прошлом году. Каждую секунду на Авито совершается порядка 9 сделок, 40% составил рост заказов в Авито Доставке с начала марта. 

Об Авито

Авито — самая популярная онлайн платформа объявлений (Классифайд) в России согласно данным App Annie и SimilarWeb**. 78% пользователей Авито составляет мобильная аудитория. Около 94 млн объявлений размещено на платформе сегодня, и более 900 000 новых объявлений появляется каждый день. Аудитория Авито составляет 80 млн человек. Сегодня с помощью сервиса можно разместить объявления в категориях: Товары, Авто, Работа, Услуги, Недвижимость. Авито объединяет продавцов и покупателей, как со стороны частных лиц, так и представителей малого и среднего бизнеса. Для удобного и безопасного заключения сделок в сервис интегрирована Авито Доставка, которая позволяет пользователям осуществлять сделки по всей России — от Калининграда до Владивостока.

*Скриншоты рейтингов скачиваний «Авито», размещенных на сайте www.data.ai/ru/ (App Annie) за последние 7 дней марта 2022 года. 

1-е место в рейтинг загрузок через Google Play в категории Shopping за последние 7 дней марта 2022 года. Фото: Скриншот с сайта www.data.ai/ru/ (App Annie)

2-е место в рейтинг загрузок через iOS в категории Shopping за последние 7 дней марта 2022 года. Фото: Скриншот с сайта www.data.ai/ru/ (App Annie)

** по данным на февраль 2022 года. 

«Авито» запустил масштабную рекламную кампанию по всей стране

Видеоролик напоминает, что онлайн-сервис объявлений по-прежнему успешно работает в России

Компания выпустила видеоролик про основные возможности платформы. Мини‑зарисовки из жизни его героев напоминают пользователям, что, несмотря на меняющийся контекст и экономику, на «Авито» они по-прежнему могут продавать и покупать товары, машины, квартиры, заказывать услуги, сдавать и снимать жилье, находить работу и сотрудников.

Реклама направлена на всех пользователей «Авито» в поддержку пяти категорий: товары, услуги, работа, авто и недвижимость. Помимо ТВ и диджитал, видео доступно на наружной рекламе — более чем на 300 поверхностях в Москве и более чем на 200 — в Санкт-Петербурге. В общей сложности его покажут 150 млн раз. На национальном ТВ 855 минут ролика охватят более 78% аудитории от 18 до 55 лет. К созданию проекта привлекли креативное агентство DDB Russia.

Читайте также:

«Для меня это даже не рекламная кампания. Это возможность сказать десяткам миллионов наших пользователей, что они могут быть уверены в «Авито». Особенно сейчас, когда нам всем так нужна уверенность в чем-то хорошем. «Авито» здесь, мы никуда не собираемся уходить. Более того, мы видим, что стали нужнее жителям России. Столько аудитории, столько спроса, столько предложения на нашей платформе не было еще никогда.

Мы видим возможность помочь бизнесам найти новые каналы продаж, а людямкупить нужное или продать лишнее, сдать или снять жилье, найти работу. Сейчас наша задача как никогда совпадает с предназначением бренда «Авито» — «Помочь каждому сделать его жизнь и жизнь людей вокруг лучше». Мы стараемся», — сказал коммерческий директор «Авито» Игорь Макаров.

В марте 2022 года «Авито» стало самым скачиваемым* приложением в России в категории Shopping. Количество активных объявлений на платформе — более 94 млн, а ежедневная аудитория — 22 млн человек, что почти на 30% больше, чем в прошлом году. Каждую секунду на «Авито» совершают порядка девяти сделок, а заказы в «Авито Доставке» с начала марта выросли на 40%.

*по данным App Annie за февраль 2022 года

Авито запустил масштабную рекламную кампанию по всей стране

Самая массовая платформа для коммерции в России запустила масштабную рекламную кампанию. Авито продолжает успешно работать в России. Кампания напоминает, что на Авито вы можете закрыть множество своих потребностей: купить или продать товары, машины или квартиры, сдать или снять жилье, найти работу.

Новая масштабная рекламная 360-кампания Авито охватывает всю Россию — от Калининграда до Владивостока — и задействует различные медиа-каналы: ТВ и наружная реклама, диджитал размещения на ключевых OLV и дисплейных форматах с фокусом на имиджевые креативы.

В рамках рекламной кампании Авито также создал видеоролик с рассказом про основные возможности платформы. С его помощью компания напоминает своим пользователям — как представителям бизнеса, так и тем, кто размещает частные объявления, что несмотря на меняющийся контекст и экономику, Авито здесь и ждет всех, кому может быть полезен.

Помимо Т В и диджитал, ролик можно увидеть на наружной рекламе — на более чем 300 поверхностях в Москве и более 200 поверхностей в Санкт-Петербурге (DOOH, включая медиафасады и сити-форматы) — в общей сложности ролик будет показан 150 млн раз. Кампания на национальном ТВ общим объемом в 855 минут охватит более 78% аудитории возрастной категории от 18 до 55 лет.

«Для меня это даже не рекламная кампания. Это возможность сказать десяткам миллионов наших пользователей, что они могут быть уверены в Авито. Особенно сейчас, когда уверенность в чем-то хорошем нам всем так нужна. Авито здесь, мы никуда не собираемся уходить. Более того, мы видим, что стали нужнее жителям России. Столько аудитории, столько спроса, столько предложения на нашей платформе не было еще никогда. Мы видим возможность помочь бизнесам найти новые каналы продаж. Помочь людям купить нужное или продать лишнее, сдать или снять жилье, найти работу. Сейчас наша задача как никогда совпадает с предназначением бренда Авито: „Помочь каждому сделать его жизнь и жизнь людей вокруг лучше“. Мы стараемся», — отметил Игорь Макаров, коммерческий директор Авито.

Кампания направлена на всех пользователей Авито в поддержку пяти бизнес-вертикалей: товары, услуги, работа, авто и недвижимость. C помощью мини-зарисовок из жизни героев ролика Авито напоминает пользователям, что платформа позволяет решать повседневные задачи и закрывать важные вопросы в любые времена: вне зависимости от внешних факторов здесь можно продавать и покупать — товары, машины, квартиры, заказывать услуги, сдавать и снимать жилье, находить работу и сотрудников.

В марте 2022 года Авито стал самым скачиваемым приложением в России в категории Shopping. Количество активных объявлений сегодня на Авито — более 94 млн, а ежедневная аудитория платформы составляет 22 млн человек, что почти на 30% больше, чем в прошлом году. Каждую секунду на Авито совершается порядка 9 сделок, 40% составил рост заказов в Авито Доставке с начала марта.

Новости партнеров.

Фото: Авито

Неудобно на сайте? Читайте самое интересное в Telegram и самое полезное в Яндекс-Дзен.

Введение в конкурс кликов по рекламе Kaggle Avito — Вивек Субраманян

В своих первых нескольких постах я хотел бы рассказать о конкурсе Kaggle, в котором мы с парой друзей участвовали этим летом. При разработке нашей модели мы узнали много интересного, и я хотел бы поделиться некоторыми из этих идей здесь.

Джордан Сандхейм, Билли Бьюн и я приняли участие в конкурсе Avito Context Ad Clicks 2015, организованном Kaggle. Avito — это веб-сайт, на котором размещаются объявления об автомобилях и недвижимости, объявления о вакансиях и объявления о технических услугах.Avito позволяет продавцам размещать три разных типа объявлений: обычные, выделенные и контекстные. Контекстная реклама уникальна тем, что продавец платит фиксированную сумму каждый раз, когда посетитель нажимает на объявление. Цель конкурса состояла в том, чтобы предсказать вероятность кликов по контекстным объявлениям с учетом ряда характеристик объявлений, включая положение в списке объявлений, отображаемых для данного запроса, и исторический рейтинг кликов. Также была предоставлена ​​информация о продавцах и посетителях, такая как дата, время и место, из которого был произведен поиск, а также анонимная информация о пользователе.Подробное описание конкурса и полный список функций см. на странице конкурса на веб-сайте Kaggle.

Следующие несколько постов подробно расскажут о некоторых проблемах, с которыми пришлось столкнуться, и о методах анализа, использованных во время соревнований. Работа над вызовом Avito стала уникальным опытом для всех нас троих. Мы никогда раньше не работали с такими большими наборами данных и обнаружили новые способы изучения данных и запуска моделей, которые были разработаны для обработки больших наборов данных.Усилия были действительно совместными, поскольку у каждого из нас был уникальный набор навыков, которые мы привнесли в игру. Я сосредоточился на изучении и внедрении методов прогнозирования вероятности клика по рекламе с использованием алгоритмов vowpal wabbit и FTRL, которые я опишу здесь. Джордан и Билли работали над структурированием данных и созданием функций, которые, по нашему мнению, были хорошими предикторами вероятности кликов по рекламе.

Нравится:

Нравится Загрузка…

Введение в конкурс кликов по объявлениям Kaggle Avito

[Примечания] Вызов Avito по прогнозированию спроса на Kaggle (2018) | Чешин Ли | Veritable

Мультимодальное обучение с использованием изображений, текста и данных в столбцах

Фото предоставлено

Введение

В этом конкурсе специалисту по данным предлагается «предсказать спрос на онлайн-рекламу на основе ее полного описания (название, описание, изображения и т. д.). .), ее контекст (географически, где она была размещена, аналогичная реклама уже размещена) и исторический спрос на аналогичную рекламу в аналогичном контексте».

Я не планировал тратить много времени на это соревнование, пока не посмотрел Fast.ai Lesson 10[1] и не решил найти реальный набор данных, чтобы попробовать языковую модель из обновленной библиотеки fast.ai (с менее чем до окончания конкурса осталось три недели). Тонкая настройка универсальной языковой модели оказалась эффективной для классификации текстов[2,3]. Я задавался вопросом, работает ли это также для регрессии.(Недавно OpenAI опубликовал документ, расширяющий структуру с использованием сетей-преобразователей [4,5].)

Предварительно обучив языковую модель, извлеките кодировщик в сочетании с числовыми и категориальными функциями, получившаяся модель нейронной сети усредняется с помощью общедоступного LightGBM. ядро достигло диапазона бронзовых медалей (~125-е место, насколько я помню) в течение недели. Я был заинтригован и решил потратить некоторое время, чтобы добавить в модель функции изображения. Окончательная модель ансамбля заняла 54-е место в частной таблице лидеров:

  1. К счастью, модель не превзошла общедоступную таблицу лидеров.Скорее, я бы предположил, что модель все еще не соответствует требованиям. Из-за некоторых ошибок, о которых я упомяну в следующих разделах, обучение идет медленнее, чем должно быть.
  2. Я не обучал текстовый кодировщик с нуля в качестве контрольной группы. Но поскольку я на самом деле не занимался разработкой дополнительных функций, похоже, что языковая модель дала мне некоторый импульс.

Цель этого поста

Как видите, я действительно не делал ничего особенного, кроме предварительной подготовки языковой модели. И я вообще-то собирался не писать об этом соревновании.Но есть некоторые детали реализации, которые меня беспокоили, и некоторые из них до сих пор не решены полностью. Я подумал, что их запись может помочь мне избежать повторения тех же ошибок или обнаружения такой же путаницы в будущем. Кроме того, я хочу попробовать сделать схемы архитектуры моделей с помощью Google Drawings.

Модель чистой нейронной сети можно разделить на 3 этапа:

  1. Предварительная подготовка языковой модели
  2. Извлечение признаков изображения
  3. Обучение регрессионной модели

Входной токен поступает из объединенных полей заголовка и .

Слой внедрения инициализируется предварительно обученными векторами FastText[6]. Это сложно, потому что мы хотим, чтобы матрица встраивания также была весом слоя softmax[7, 8]. Вот что я сделал:

 Learner.Models.Model[0].encoder.weight = nn.Parameter(T(vectors)) 
Learner.Models.Model[1].decoder.weight = (
Learner.Models. model[0].encoder.weight
)

В финальной модели я использовал слои LSTM, которые нормально работали с настройками fast.ai по умолчанию. Для QRNN параметры нуждаются в некоторой настройке, я не закончил обучение QRNN до окончания соревнований.

Вот график скорости обучения, который я использовал:

 lrs = 1e-4 
Learner.fit(lrs, 1, wds=1e-7, use_clr=(32, 5),
cycle_len=6, use_wd_sched=True)

Предварительно обученная модель Resnet101 взята из официальной библиотеки torchvision , а модель Resnext101_64x4d взята из Cadene/pretrained-models.pytorch [9]. Последний слой среднего пула был заменен глобальным слоем пула для поддержки изображений произвольного размера.

Использовались два вида предварительной обработки изображения: обрезка по центру и заполнение до квадрата.Заполнение квадратом, казалось, давало лучшие результаты, но лишь незначительно. Вы можете использовать оба метода и объединить результаты. Я этого не делал из-за нехватки места на диске.

 self.transform_pad = transforms.Compose([ 
ResizeAndPad(299),
transforms.ToTensor(),
transforms.Normalize(
mean=[0,485, 0,456, 0,406],
std=[0,229, 0,224, 0,2224] )
])self.transform_center = transforms.Compose([
transforms.Resize(299),
transforms.CenterCrop(299),
преобразований.ToTensor(),
transforms.Normalize(
mean=[0,485, 0,456, 0,406],
std=[0,229, 0,224, 0,225])
])

Выходные данные сбрасываются на диск в виде одного файла pickle для каждого изображения, в попытке избежать взрыва памяти. Это ошибка, потому что это увеличивает общий размер на диске и замедляет чтение. Вероятно, лучший способ — использовать numpy.memmap.

Здесь все части собираются вместе. Численные характеристики были нормализованы к нулевому среднему и единичному стандартному отклонению.Категориальные размеры внедрения были относительно консервативны по сравнению с тем, что использовали другие конкуренты:

 self.region_emb = nn.Embedding(28, 3) 
self.city_emb = nn.Embedding(290, 5)
self.p_cate_emb = nn.Embedding(9) , 3)
self.cate_emb = nn.Embedding(47, 5)
self.image_top1_emb = nn.Embedding(888, 5)
self.user_type_emb = nn.Embedding(3, 2)
self.weekday_emb = nn.Embedding (7, 3)
self.param1_emb = nn.Embedding(204, 5)
self.param2_emb = nn.Embedding(131, 3)
self.param3_emb = nn.Embedding(113, 3)

Светло-голубые плотные слои действуют как понижающие дискретизаторы. Они уменьшают размеры элементов изображения и выходных данных кодировщика до 128. Мы можем извлекать признаки из этих слоев и передавать их в модели GBM.

Плотные слои имеют одинаковую структуру. Нормализация слоя, вероятно, должна была быть помещена после Relu. Но каким-то образом я поместил его перед Relu и до сих пор не думал об этом…

Для этой регрессионной модели почти вся модель и учащийся были переписаны.Были использованы только некоторые служебные функции из библиотеки fast.ai . (Странно, что при использовании класса Learner из библиотеки fast.ai потери при проверке всегда были на некоторую величину меньше. Я не смог найти, в чем проблема. У моего пользовательского ученика такой проблемы не было.)

Я повторно реализовал наклонные треугольные скорости обучения [2,10], расширив официальный класс планировщика скорости обучения:

Модель обучается с использованием 5-кратная структура проверки.Тестовые прогнозы для каждой складки усреднялись, чтобы получить окончательные прогнозы.

Ансамбль

Лучшая отдельная (и последняя) модель чистой нейронной сети дает 0,2201 общедоступных и 0,2242 частных потерь, что занимает от 534-го до 548-го места в частной таблице лидеров.

Если мы извлечем функции изображения и текста из сети (голубые плотные слои) и поместим их в модель LightGBM, слегка модифицированную из общедоступного ядра. Мы можем получить одну (своего рода) модель с 0.2197 публичных и 0,2236 частных потерь, что занимает от 189 до 210 места в частной таблице лидеров.

Чтобы добраться до 54-го места, нам нужно передать прогнозы вне сгиба из разных моделей (одна с обрезанным центром resnet101, другая с resnext101_64x4d с добавлением к квадрату, public lightgbm, lightgbm с NN функции и т. д.) в модель LightGBM. Здесь важно разнообразие моделей. Поскольку я использую только один предварительно обученный кодировщик языковой модели, я думаю, что есть еще некоторые низко висящие плоды, которые нужно схватить.Конечно, есть и другие трюки со стеком/ансамблем, которые могут еще больше повысить производительность. Вы можете проверить, чем другие конкуренты поделились на форуме, чтобы получить некоторые подсказки.

Вот оно! Это действительно простой процесс, который работает на удивление хорошо. На прошлой неделе я в основном оставлял свою машину, чтобы тренировать модель более 24 часов, возвращался и делал некоторые настройки, а затем повторял цикл. Я мог бы сделать гораздо больше итераций, если бы проблема с файлом изображения была решена должным образом. Это подводит нас к последнему разделу:

Обработка большого количества маленьких файлов (например,грамм. Образы) на диске

На моем компьютере были доступны раздел ext4 с поддержкой SSD с 40+ ГБ свободного места, раздел NTFS с поддержкой SSD с 70+ ГБ свободного места и раздел NTFS с поддержкой жесткого диска с 1 ТБ свободного места. У нас есть более 1 миллиона изображений из обучающих и тестовых наборов данных. Что стоит около 60 ГБ места.

Я обнаружил, что чтение изображений с жесткого диска NTFS мучительно медленное. Даже поиск файла в командной строке может занять несколько секунд. Я провел некоторое исследование, и оказалось, что NTFS не может обрабатывать слишком много файлов в одной папке:

Поэтому я написал скрипт для помещения изображений в подпапки примерно так:

Производительность кажется лучше, при по крайней мере, перемещение изображений с жесткого диска на SDD было быстрее.Я не тратил больше времени на изучение этой проблемы и перешел к использованию раздела NTFS с поддержкой SSD для хранения файлов изображений и раздела ext4 с поддержкой SSD для хранения извлеченных функций изображения. Как я упоминал ранее, это все еще немного замедляло обучение модели, и использование numpy.memmap вместо дампа отдельных файлов pickle должно быть намного лучше.

Такая проблема возникает у меня раз в несколько месяцев. Поэтому после соревнований я решил потратить некоторое время на то, чтобы выяснить, как это сделать правильно, и написал несколько простых скриптов для тестирования различных схем:

Однако результаты оказались весьма противоречивыми.Однажды я обнаружил, что плоская структура работает медленнее, чем вложенная. Затем на следующий день вложенная структура работала медленнее, чем плоская структура. Это было неприятно. Я подозреваю, что ОС выполняла некоторую оптимизацию под капотом, но у меня пока нет таких знаний. Так что это все еще загадка, ожидающая своего решения .

Я бы, наверное, просто создал экземпляр в Google Cloud Compute с присоединенным большим разделом на основе SSD и достаточным объемом памяти для загрузки набора данных, если бы у меня был бюджет. Это значительно облегчило бы задачу.Вероятно, в любом случае использование жесткого диска для обслуживания большого количества случайных операций чтения является плохой идеей.

  1. Fast.ai: 10 — Классификация и перевод НЛП
  2. Ховард, Дж., и Рудер, С. (2018). Тонкая настройка универсальной языковой модели для классификации текстов.
  3. Представляем современную классификацию текстов с универсальными языковыми моделями
  4. Рэдфорд А. и Салиманс Т. Улучшение понимания языка с помощью генеративного предварительного обучения.
  5. Блог OpenAI: улучшение понимания языка с помощью обучения без учителя
  6. E.Grave*, P. Bojanowski*, P. Gupta, A. Joulin, T. Mikolov, Изучение векторов слов для 157 языков
  7. «Использование встраивания выходных данных для улучшения языковых моделей» (Press & Wolf 2016)
  8. «Tying Векторы слов и классификаторы слов: структура потерь для языкового моделирования» (Инан и др., 2016)
  9. Предварительно обученные модели для Pytorch (Github)
  10. Лесли Н. Смит. 2017. Циклические скорости обучения для обучения нейронных сетей.

xgboost · PyPI

eXtreme Gradient Boosting
===========
[![Статус сборки](https://travis-ci.org/dmlc/xgboost.svg?branch=master)](https://travis-ci.org/dmlc/xgboost)
[![Статус документации](https://readthedocs.org/projects/xgboost/badge/ ?version=latest)](https://xgboost.readthedocs.org)
[![Значок статуса CRAN](http://www.r-pkg.org/badges/version/xgboost)](http:// cran.r-project.org/web/packages/xgboost)
[![Версия PyPI](https://badge.fury.io/py/xgboost.svg)](https://pypi.python.org/ pypi/xgboost/)
[![Gitter чат для разработчиков на https://gitter.im/dmlc/xgboost](https://badges.gitter.im/Join%20Chat.svg)](https://gitter.im/dmlc/xgboost?utm_source=badge&utm_medium=badge&utm_campaign=pr-badge&utm_content=badge)

Оптимизированная библиотека повышения градиента общего назначения. Библиотека распараллелена, а также предоставляет оптимизированную распределенную версию.

Он реализует алгоритмы машинного обучения в рамках [Gradient Boosting](https://en.wikipedia.org/wiki/Gradient_boosting), включая [Обобщенную линейную модель](https://en.wikipedia.org/wiki/Generalized_linear_model ) (GLM) и [Градиентные деревья решений] (https://en.wikipedia.org/wiki/Gradient_boosting#Gradient_tree_boosting) (GBDT). XGBoost также может быть [распределенным](#features) и масштабироваться до данных терамасштаба

XGBoost является частью [Distributed Machine Learning Common](http://dmlc.github.io/) проекты

Содержание
———
* [Что нового](#whats-new)
* [Версия](#версия)
* [Документация](doc/index.md)
* [Инструкция по сборке](doc/build.md)
* [Функции](#features)
* [Распределенный XGBoost](многоузловой)
* [Случаи использования](doc /показатель.md#highlight-links)
* [Отчет об ошибках](#bug-reporting)
* [Содействие XGBoost](#contributing-to-xgboost)
* [Коммиттеры и участники](CONTRIBUTORS.md)
* [Лицензия] (#license)
* [XGBoost в Graphlab Create](#xgboost-in-graphlab-create)

Что нового
———-

* XGBoost помогает Оуэну Чжану выиграть [Avito Context Конкурс кликов по рекламе](https://www.kaggle.com/c/avito-context-ad-clicks). Посмотрите [интервью от Kaggle](http://blog.kaggle.com/2015/08/26/avito-winners-interview-1st-place-owen-zhang/).
* XGBoost помогает Chenglong Chen выиграть [конкурс Kaggle CrowdFlower] (https://www.kaggle.com/c/crowdflower-search-relevance)
Ознакомьтесь с [победившим решением] (https://github.com/ChenglongChen /Kaggle_CrowdFlower)
* Релиз XGBoost-0.4, см. [CHANGES.md](CHANGES.md#xgboost-04)
* XGBoost помогает трем командам-чемпионам выиграть [WWW2015 Microsoft Malware Classification Challenge (BIG 2015)](http:// www.kaggle.com/c/malware-classification/forums/t/13490/say-no-to-overfitting-approaches-sharing)
Ознакомьтесь с [выигрышным решением](doc/README.md#highlight-links)
* [Версия внешней памяти](doc/external_memory.md)

Версия
——-

* Текущая версия xgboost-0.4
— [Журнал изменений](CHANGES.md)
— Эта версия совместима с версиями 0.3x

Особенности
———
* Легко доступен через CLI, [python] (https://github.com/dmlc/xgboost/blob/master/demo /guide-python/basic_walkthrough.py),
[R](https://github.com/dmlc/xgboost/blob/master/R-package/demo/basic_walkthrough.R),
[Юлия](https:/ /гитхаб.com/antinucleon/XGBoost.jl/blob/master/demo/basic_walkthrough.jl)
* Это быстро! Сравнительные показатели, сравнивающие xgboost, h30, Spark, R — [числа benchm-ml] (https://github.com/szilard/benchm-ml)
* Эффективность использования памяти — обработка разреженных матриц, поддержка внешней памяти
* Точное предсказание и широко используется исследователями данных и кагглерами — [выделенные ссылки](https://github.com/dmlc/xgboost/blob/master/doc/README.md#highlight-links)
* Распределенная версия работает на Hadoop (YARN), ИМБ, СГЭ и т.д., масштабируется до миллиардов примеров.

Сообщения об ошибках
————-

* Для сообщений об ошибках используйте страницу [xgboost/issues](https://github.com/dmlc/xgboost/issues).
* Чтобы задать общие вопросы или поделиться своим опытом использования xgboost, используйте [Группу пользователей XGBoost](https://groups.google.com/forum/#!forum/xgboost-user/)

Участие в XGBoost
— ———————

XGBoost был разработан и используется группой активных членов сообщества.Каждый может внести свой вклад. Это способ сделать проект лучше и доступнее для большего количества пользователей.
* Ознакомьтесь со [Списком пожеланий по функциям](https://github.com/dmlc/xgboost/labels/Wish-List), чтобы узнать, что можно улучшить, или откройте вопрос, если вам что-то нужно.
* Внесите свой вклад в [документы и примеры](https://github.com/dmlc/xgboost/blob/master/doc/), чтобы поделиться своим опытом с другими пользователями.
* Пожалуйста, добавьте свое имя в [CONTRIBUTORS.md](CONTRIBUTORS.md) после объединения вашего патча.

Лицензия
——-
© Contributors, 2015. Под лицензией [Apache-2](https://github.com/dmlc/xgboost/blob/master/LICENSE).

XGBoost в Graphlab Create
—————————
* XGBoost принят как часть инструментария для расширенного дерева в Graphlab Create (GLC) . Graphlab Create — это мощный набор инструментов Python, который позволяет выполнять манипуляции с данными, обработку графиков, поиск по гиперпараметрам и визуализацию данных масштабирования TeraBytes в одной среде. Попробуйте [Создать Graphlab](http://graphlab.com/products/create/quick-start-guide.html)
* Хороший [сообщение в блоге](http://blog.graphlab.com/using-gradient-boosted-trees-to-predict-bike-sharing-demand) от Джей Гу об использовании усиленного дерева GLC для решения проблемы совместного использования велосипедов kaggle:

Datrik Intelligence — анализ данных и прогнозное моделирование

Путь к успеху – это путь непрерывного поиска знаний.

Наполеон Хилл

Следующий

Наши клиенты

Мы работали над несколькими проектами для Admiral Group с 2015 года.В 2018 году мы подписали долгосрочный контракт с Admiral Group на консультационные услуги по анализу данных в Испании, Италии и Великобритании.

Admiral Group — одна из крупнейших компаний по автострахованию в Великобритании, представленная в восьми странах. В настоящее время группа предлагает страхование жилья, автомобилей и путешествий, а также личные кредиты и автокредитование в Великобритании, а также имеет операции в Испании, Италии, Франции, США и Мексике, обслуживая более пяти миллионов клиентов по всему миру.

У нас есть международный клиентский портфель:

(*) Из-за соглашений о конфиденциальности мы не можем раскрывать личность наших клиентов.

Мы обычно получаем двузначное улучшение наших моделей по сравнению с существующими решениями.

Более 80 % наших доходов поступает от зарубежных клиентов.

Соревнования по науке о данных

Конкурентоспособность – ключ эволюции в природе. Спортивные соревнования, такие как Формула-1 или 24 часа Ле-Мана, на протяжении всей истории приводили к улучшениям в промышленности.
После премии Netflix соревнования по машинному обучению оказались лучшей лабораторией для проверки новых идей и инструментов.В этом отношении эталонной ареной стала платформа Google Kaggle.

Умные города

Конкурс SeeClickFix: 1 место / 532

Хотите определить, какие события или темы будут в тренде в сообществе, прежде чем они станут широко распространенными?

Предскажите, какие вопросы «311» наиболее важны для граждан. «311» — это механизм, с помощью которого граждане могут выразить свое желание решить проблему городу или правительству, предоставив описание того, что должно быть сделано, исправлено или изменено.

Ключи: суммирование ответов. Географический признак техники.

Низкий уровень сигнала — моделирование высокого уровня шума

Соревнование Genentech по прогнозированию гриппа: 2 место / 50

Что общего между землетрясениями, рынками и вспышками пандемии?

Все эти проблемы объединяет тот факт, что их очень трудно предсказать из-за очень зашумленных данных с низким уровнем сигнала.

Цель этого конкурса — предсказать, когда, где и насколько сильным будет грипп.Мы работали над этой проблемой с Сергеем Юргенсоном (в настоящее время директором Advanced Data Science Services в DataRobot).

Ключи: Авторегрессионные модели. Лаговые переменные для временных рядов. Географическая модель. Смешивание.

Отток клиентов

Конкуренция Deloitte: 5/37

Хотите знать, уйдут ли ваши клиенты еще до того, как они об этом подумают?

Предсказание клиентов, которые могут уйти, может позволить раннее вмешательство, чтобы удержать их.

Цель этого конкурса — предсказать, какие клиенты покинут страховую компанию в ближайшие 12 месяцев. Отток клиентов можно смоделировать как проблему выживания.

Ключи: Моделирование выживания. Особенности инженерии. Лаговые переменные.

Предсказание редких событий

Премия «Наследие Хита»: 3 место / 1353

Какие пациенты будут госпитализированы в течение следующего года?

Heritage Provider Network (HPN) — это организация с ограниченной ответственностью, предоставляющая медицинские услуги в Калифорнии.

Целью этой задачи является разработка революционного алгоритма, который использует доступные исторические данные о пациентах для прогнозирования и предотвращения ненужных госпитализаций.

Ключи: модели выживания. Расширенная разработка функций. Расширенная разработка категорийных признаков. Смешение моделей.

Прогноз

CTR (рейтинг кликов)

Avito CTR конкурс: 4 место / 414

Какие контекстные объявления принесут пользователю клики?

Avito — крупнейший в России сайт общих объявлений.В этом конкурсе задача состояла в том, чтобы точно предсказать рейтинг кликов для их объявлений.

Ключи: Высокие уровни кардинальности в категориальных переменных. Продвинутая категориальная инженерия. Лаговые переменные.

Обучение рангу

Соревнование Expedia: 6 место / 337

Какой ранжированный список OTA лучше всего подходит для поиска пользователей?

Задача: обеспечить наилучшее ранжирование отелей («сортировку») для конкретных пользователей с лучшая интеграция ценовой конкурентоспособности.Это дает OTA (онлайн-туристическое агентство) лучшее шанс выиграть продажу.

Ключи: изучение ранга. Категориальные признаки. Лаговые переменные.

Многоуровневая классификация

Соревнование по классификации текстов Tradeshift: 9 место / 375

Как классифицировать сущность в системе множественных классов?

Задача: предсказать вероятность принадлежности фрагмента текста к одному (или нескольким) из заданных классов. Мы использовали эту задачу для проверки новых подходов к многоклассовым задачам: итеративная подгонка использование предыдущих несоответствующих прогнозов для каждого переменного ответа и суммирование ответов.

Ключи: Multilabel — мультикласс. Суммирование ответов. Итеративная подгонка используя предыдущие неверные прогнозы.

Дополнительное обучение

Avazu CTR спонсируемый поиск: 7th / 1604

Какая интернет-реклама будет нажата?

Задача: предсказать рейтинг кликов (CTR) в спонсируемой онлайн-рекламе. Онлайн-прогнозирование требует конкретных дополнительных моделей. В этой задаче было много категориальных переменных с высокой кардинальностью и новыми уровнями в тестовом наборе, что затрудняло решение задачи.

Ключи: Машины факторизации. Расширенное управление категориальными переменными. Инкрементальное обучение.

Многоклассовая классификация

Рекомендация отеля Expedia: 10-е число / 1974 г.

Какой тип отеля будет забронирован клиентом из набора из 100 групп отелей?

Задача включала многоклассовый ответ высокой мощности и историю пользователей.

Ключи: Инженерия по географическим признакам. Лаговые переменные. Суммирование ответов.

Дэвида Херро и Билла Найгрена

Фонд Oakmark Global Select Fund снизился на 7,1% за квартал, закончившийся 31 марта 2022 года, что ниже мирового индекса MSCI, который показал -5,2%. Тем не менее, с момента своего создания в октябре 2006 года Фонд приносил в среднем 8,3% в год, что превышает годовой прирост MSCI World Index в размере 7,4% за тот же период.

Bayer (XTER:BAYN, Financial) (Германия), медико-биологическая компания с подразделениями по фармацевтике, охране здоровья потребителей и растениеводству, внесла основной вклад в результаты деятельности Фонда за квартал.На наш взгляд, компания сообщила о сильных финансовых результатах за 2021 год, при этом рост во всех подразделениях превзошел ожидания. Примечательно, что подразделение растениеводства продемонстрировало рост на 11%, продемонстрировав устойчивое восстановление после двухлетнего спада в сельском хозяйстве и проблем с конкуренцией. Более строгий прогноз руководства в отношении растениеводства в 2022 году предусматривает органический рост на уровне 7 % и маржу на уровне 25–26 %, что, по нашему мнению, является ключевым положительным моментом для сегмента, поскольку сигнализирует о долгожданном благоприятном переходе к прибыльному росту.В фармацевтическом подразделении рост выручки более чем на 7% также превзошел ожидания, чему способствовало сильное восстановление Eylea, продолжающийся рост Xarelto и список новых продуктов. Более того, разработка Bayer в этот период добилась заметных успехов, в том числе положительные отзывы о лекарстве от рака Nubeqa. В течение квартала мы разговаривали с финансовым директором Bayer Вольфгангом Никлем, который отметил, что попутный ветер сегодня сильно влияет на бизнес. В частности, он выразил уверенность как в ценообразовании, так и в конкурентной среде в сфере растениеводства, поскольку повышение ставок накладывается на рост продаж, и начинает происходить сокращение затрат.Никл также подтвердил, что Bayer ожидает дальнейшего роста фармацевтической отрасли, в основном за счет новых запусков и технологий.

Prosus (XAMS:PRX, Financial) (Нидерланды) из-за своей 29-процентной доли в Tencent и последствий российского вторжения в Украину в первом квартале был заметным недоброжелателем. На Tencent негативно повлияли опасения по поводу усиления регулирования и плохого макроэкономического фона, которые негативно повлияли на фундаментальные показатели. Мы поговорили с многочисленными контактными лицами об изменении нормативно-правовой базы в Китае.Хотя мы считаем, что структурный рост Tencent в будущем будет ниже из-за новой нормативно-правовой базы, она остается отличным бизнесом с высоким уровнем инноваций. Позже в течение квартала вторжение России в Украину сказалось на компаниях, связанных с Россией. В случае с Prosus два ее российских актива, Avito (крупнейшая в России компания, занимающаяся онлайн-объявлениями) и Mail.ru (крупнейшая в России компания, занимающаяся социальными сетями), теперь, по нашей оценке, обесценились, что привело к небольшому снижению нашей оценка внутренней стоимости Prosus.Хотя мы внимательно следим за любыми новыми разработками, мы по-прежнему считаем, что Prosus остается крайне недооцененным по сравнению с суммой его частей.

Кроме того, в течение квартала мы открыли следующую позицию:

  • Netflix (NFLX, Financial) (США) — ведущий сервис потокового развлечения с 222 миллионами подписчиков и доходом в 30 миллиардов долларов. Этот масштаб создает ценный ров, который позволяет компании покупать больше контента, чем ее конкуренты в совокупности, но платить меньше за подписчика.Эта динамика создала более ценное предложение для клиентов по мере роста бизнеса, что, как мы ожидаем, со временем проявится в увеличении базы подписчиков. Акции Netflix значительно снизились за последние несколько месяцев, поскольку участники рынка отреагировали на замедление роста числа подписчиков и давление на маржу. Мы считаем вполне вероятным, что обе эти проблемы носят временный характер. Рост замедлился, когда экономика вновь открылась, но это произошло вслед за периодом быстрого ускорения в начале пандемии. Давление на маржу в основном связано с обменом иностранной валюты.База затрат Netflix в основном выражена в долларах, а это означает, что снижение стоимости в иностранной валюте оказывает давление на размер прибыли. После отката акций Netflix торгуется с 5,5-кратным консенсусным доходом в 2022 г. и 34-кратным консенсусным показателем на акцию на акцию, что убедительно в контексте наших ожиданий будущего роста и прибыльности. Мы очень восхищаемся управленческой командой Netflix и уникальной корпоративной культурой компании. Мы рады инвестировать вместе с ними, поскольку они извлекают выгоду из огромных возможностей в потоковом развлечении.

Мы по-прежнему считаем, что швейцарский франк переоценен по отношению к доллару США. В результате мы защитно хеджировали часть риска Фонда. Приблизительно 15% рисков в швейцарских франках было хеджировано на конец квартала.

Географически мы закончили квартал с 55% портфеля в США, 37% в Великобритании и Европе и 8% в Азии.

Благодарим вас за постоянную поддержку.

Вышеупомянутые ценные бумаги составляют следующие предварительные проценты от общих чистых активов Oakmark Global Select Fund по состоянию на 31 марта 2022 г.: Bayer 4.5%, Netflix 4,1% и Prosus 3,9%. Вложения в портфель могут быть изменены без предварительного уведомления и не предназначены для рекомендаций по отдельным акциям.

Поскольку фонд Oakmark Global Select Fund не является диверсифицированным, эффективность каждого холдинга окажет большее влияние на общую доходность фонда и может сделать доходность фонда более неустойчивой, чем у более диверсифицированного фонда.

Инвестирование в иностранные ценные бумаги сопряжено с риском, который в некоторых отношениях может превышать U.С. инвестиции. Эти риски включают: колебания валютных курсов; различные правила, стандарты бухгалтерского учета, торговые практики и уровни доступной информации; обычно более высокие транзакционные издержки; и политические риски.

Процент риска хеджирования для каждой иностранной валюты рассчитывается путем деления рыночной стоимости всех форвардных контрактов в одной и той же валюте на рыночную стоимость базового риска по акциям в этой валюте.

Информация, данные, анализы и мнения, представленные в настоящем документе (включая текущие инвестиционные темы, исследования и инвестиционный процесс портфельных менеджеров, а также характеристики портфеля), предназначены только для информационных целей и отражают инвестиции и взгляды портфельных менеджеров и Harris Associates. Л.P. на дату написания и могут быть изменены в зависимости от рыночных и других условий и без предварительного уведомления. Этот контент не является рекомендацией или предложением купить или продать ценную бумагу, и не гарантируется его правильность, полнота или точность.

Некоторые приведенные здесь комментарии основаны на текущих ожиданиях и считаются «прогнозными заявлениями». Эти прогнозные заявления отражают предположения и анализы, сделанные портфельными менеджерами и Harris Associates L.П. на основе своего опыта и восприятия исторических тенденций, текущих условий, ожидаемого развития событий в будущем и других факторов, которые они считают важными.

Leave a Reply