По отзывам @Goron_Dekar,@GaricTи других неравнодушных пользователей (не с этого сайта) к статье сделаны следующие изменения:

• скорректирован признак парк - в Москве и некоторых других городах они не отмечены в OSM как парки, а просто "область с деревьями". Теперь индекс "Доступность парков" более правильный;

• скорректирован отбор остановок/маршрутов общественного транспорта - в выборку не попадали маршруты (relations в OSM) состоящие только из точек, без линий - обновлен индекс "Доступность транспорта";

• вклад расстояния в индекс для объектов теперь квадратичный - это значит, например, что детский сад прямо в ячейке с домом имеет вес 64, в соседней ячейке 49, а на расстоянии 1км - вес 1. Пересчитаны все индексы.

Так же добавлены города Нови Сад и Ярославль.

Для поклонников :) сайта "Индекс твоего города" (статья) добавлен индекс:

• Доступность объектов образования - Чем выше значение индекса тем больше университетов и колледжей в радиусе доступности (до 2 км). Чем ближе объект. и больше его площадь, тем больше его вклад в значение индекса.

А так же теперь можно выбрать тип жилой застройки, относительно которой строится индекс. Выбор не большой: многоквартирные дома, общежития, бараки (да и такие еще есть) и не определено. К сожалению это все, что можно получить из OSM.

В развитие "Индекс твоего города" https://city-indexes.online/ ( статья https://habr.com/ru/articles/837310/) добавлены индексы:

• Доступность медицины - Чем выше значение индекса тем больше поликлиник, клиник и больниц в радиусе доступности (до 2 км для клиник и 5 км для больниц). Чем ближе объект и если это больница, то тем больше его вклад в значение индекса.

• Доступность спорта - Чем выше значение индекса тем больше спортивных центров и площадок в радиусе доступности (до 1 км). Чем ближе объект, тем больше его вклад в значение индекса.

• Доступность парков - Чем выше значение индекса тем больше парков в радиусе доступности (до 2 км). Чем ближе парк и больше его площадь, тем больше его вклад в значение индекса.

Готов пример приложения для https://pypi.org/project/targeting-platform/ (библиотека с общим интерфейсом к разным DSP (те которые "A demand-side platform")).

Это в продолжение https://habr.com/ru/posts/829114/

Пример тут: https://gitlab.com/dsp6802915/targeting_platform_example_simple - в реадми описано все что есть сказать - не буду здесь повторяться.

Готова реализация для The Trade Desk (TDD) — как и обещал. Актуальная версия.

Пока это «классическая» реализация (с новым подходом что‑то у TTD не задалось). Когда и если они сделают рабочим новый подход (задание локации и времени в парах через BidLists) я обновлю код.

Теперь библиотека умеет вычитывать, устанавливать, очищать и валидировать таргетинг для трех платформ (DV360, Meta, TTD) с единым интерфейсом. При установке опций будут создаваться дубликаты в системах DV360 и Meta — это необходимо когда вы задаете много географических точек (лимиты платформ на объем информации). Внутри методов реализовано кэширование для операций чтения (get_...) и установка блокировок для операций изменения (set_..., clear_... и т. д.). Кэширование актуально для Meta — чтобы не словить Rate Limit на частых операциях получение информации. Блокировки более актуальны для DV360 и TTD — там операции по созданию дубликатов и установке таргетинг опций относительно длительные (но блокировка только внутри библиотеки работает — внешние системы все еще могут изменить тот же элемент системы — для этого у вас есть интерфейс валидации, который поможет проверить что в системе сохранено то, что вы хотели установить).

Базовый набор операций — как вызывать и что возвращает можно посмотреть в интегрейшен тестах — ссылка.

Пользуйтесь, задавайте вопросы.

Добавлена полная реализация для Google DV360 и Meta Marketing API - https://pypi.org/project/targeting-platform/. Теперь вы можете вычитывать targeting (geospatial part), управлять статусами плейсментов и устанавливать targeting options.

Это развитие https://habr.com/ru/posts/824528/ - следующий на добавление The Trade Desk (там есть задержка - пока они переходят на другую реализацию и в проекте мы пока ее тестируем).

Пока библиотека полностью синхронная (будет изменено в будущем) и без оптимизации трансформаций данных - это если кто напишет комментарий с замечанием/пожелание. Работа с самими DSP максимально оптимально делается (по рекомендациям самих платформ).

Продолжение - https://habr.com/ru/posts/829114/

Возможно кому-то пригодится библиотека с общим интерфейсом к разным DSP (те которые "A demand-side platform"). PyPi - https://pypi.org/project/targeting-platform/

Пока реализовано только для Google DV360, Meta и The Trade Desk (TTD) получение каталогов плейсментов. В ближайшее время будет и непосредственно управление targeting на основе геоинформации (Uber H3 и lat/lng). Библиотека не решает проблемы выбора аудитории, она только поможет универсально выставлять таргетирование по локации и времени.

Библиотека это переосмысление более чем года работы на коммерческом проекте (код для всех операций уже есть - вопрос переноса в Open Source только вопрос времени). Будет дополнена документации и возможно пример приложения, но на данном этапе как это использовать можно увидеть в интеграционных тестах.

Область применения достаточно специфическая и требует наличия доступов к платформам. Получить самим (индивидуально) такие доступы можно только к Meta; DV360 и TTD только через Technical Account Manager платформ (только если вы уже такие имеете - сможете их использовать).

Пока комментарии и пожелания не принимаются :), но будут учитываться. (Сейчас это полностью синхронная библиотека, реализация максимально ориентировано на работоспособность, а не показать "как я пишу идеальный код". Если будет кем-либо использоваться библиотека, то реализация получит развитие и улучшения, и возможно новые DSP.)

Продолжение: https://habr.com/ru/posts/827828/ https://habr.com/ru/posts/829114/