Big-Data-Technologien werden mittlerweile überall eingesetzt – in der Industrie, Medizin, Wirtschaft und Unterhaltung. Ohne die Analyse großer Datenmengen werden große Einzelhändler daher nicht in der Lage sein, normal zu arbeiten, die Verkäufe bei Amazon werden sinken und Meteorologen werden nicht in der Lage sein, das Wetter viele Tage, Wochen und Monate im Voraus vorherzusagen. Es ist logisch, dass Big-Data-Spezialisten mittlerweile sehr gefragt sind und die Nachfrage stetig wächst.
GeekBrains bildet Vertreter dieses Fachgebiets aus und versucht, den Studierenden sowohl theoretisches Wissen als auch Unterricht anhand von Beispielen zu vermitteln, wozu erfahrene Experten hinzugezogen werden. Dieses Jahr Big-Data-Analysten der Online-Universität GeekUniversity und der größte Einzelhändler der Russischen Föderation, X5 Retail Group, sind Partner geworden. Die Spezialisten des Unternehmens, die über umfassendes Wissen und Erfahrung verfügen, haben dazu beigetragen, einen Markenkurs zu schaffen, in dem die Studierenden während der Ausbildung sowohl theoretische Ausbildung als auch praktische Erfahrungen erhalten.
Wir sprachen mit Valery Babushkin, Direktor für Modellierung und Datenanalyse bei der X5 Retail Group. Er ist einer von denen Datenwissenschaftler weltweit (30. im globalen Ranking der Spezialisten für maschinelles Lernen). Zusammen mit anderen Lehrern informiert Valery die GeekBrains-Schüler über A/B-Tests, die mathematischen Statistiken, auf denen diese Methoden basieren, sowie moderne Methoden für Berechnungen und Funktionen der Implementierung von A/B-Tests im Offline-Einzelhandel.
Warum brauchen wir überhaupt A/B-Tests?
Dies ist eine der besten Methoden, um die besten Möglichkeiten zur Verbesserung von Conversions, Wirtschaftlichkeit und Verhaltensfaktoren zu finden. Es gibt andere Methoden, die jedoch teurer und aufwändiger sind. Die Hauptvorteile von A/B-Tests sind ihr relativ niedriger Preis und ihre Verfügbarkeit für Unternehmen jeder Größe.
Über A/B-Tests können wir sagen, dass dies eine der wichtigsten Arten der Suche und Entscheidungsfindung im Geschäftsleben ist, Entscheidungen, von denen sowohl der Gewinn als auch die Entwicklung verschiedener Produkte eines Unternehmens abhängt. Tests ermöglichen es, Entscheidungen nicht nur auf der Grundlage von Theorien und Hypothesen zu treffen, sondern auch auf praktischem Wissen darüber, wie spezifische Änderungen die Kundeninteraktionen mit dem Netzwerk verändern.
Es ist wichtig zu bedenken, dass man im Einzelhandel alles testen muss – Marketingkampagnen, SMS-Mailings, Tests der Mailings selbst, die Platzierung von Produkten in Regalen und die Regale selbst in Verkaufsräumen. Wenn es sich um einen Online-Shop handelt, können Sie hier die Anordnung der Elemente, das Design, die Beschriftungen und die Texte testen.
A/B-Tests sind ein Werkzeug, das einem Unternehmen, beispielsweise einem Einzelhändler, dabei hilft, stets wettbewerbsfähig zu sein, Veränderungen rechtzeitig zu erkennen und sich selbst zu verändern. Dies ermöglicht es dem Unternehmen, so effizient wie möglich zu sein und den Gewinn zu maximieren.
Was sind die Nuancen dieser Methoden?
Die Hauptsache ist, dass es ein Ziel oder Problem geben muss, auf dem die Tests basieren. Das Problem liegt beispielsweise in einer geringen Kundenanzahl in einer Filiale oder einem Online-Shop. Ziel ist es, den Kundenzustrom zu steigern. Hypothese: Wenn Produktkarten in einem Online-Shop größer gemacht werden und die Fotos heller sind, dann wird es mehr Käufe geben. Anschließend wird ein A/B-Test durchgeführt, dessen Ergebnis eine Bewertung der Veränderungen ist. Nachdem die Ergebnisse aller Tests vorliegen, können Sie mit der Formulierung eines Aktionsplans zur Änderung des Standorts beginnen.
Es wird nicht empfohlen, Tests mit überlappenden Prozessen durchzuführen, da die Ergebnisse sonst schwieriger auszuwerten sind. Es wird empfohlen, zunächst Tests zu den Zielen mit der höchsten Priorität und den formulierten Hypothesen durchzuführen.
Der Test muss lange genug dauern, damit die Ergebnisse als zuverlässig gelten. Wie viel genau, hängt natürlich vom Test selbst ab. An Silvester steigt also der Traffic der meisten Online-Shops. Wenn das Design des Online-Shops zuvor geändert wurde, zeigt ein kurzfristiger Test, dass alles in Ordnung ist, die Änderungen erfolgreich sind und der Verkehr wächst. Aber nein, egal was man vor den Feiertagen macht, der Verkehr wird zunehmen, der Test kann nicht vor Neujahr oder unmittelbar danach abgeschlossen werden, er muss lang genug sein, um alle Zusammenhänge zu erkennen.
Die Bedeutung der korrekten Verbindung zwischen dem Ziel und dem gemessenen Indikator. Beispielsweise verzeichnet das Unternehmen durch eine Änderung des Designs derselben Online-Shop-Website einen Anstieg der Besucher- bzw. Kundenzahl und ist damit zufrieden. Tatsächlich kann die durchschnittliche Scheckgröße jedoch kleiner als üblich sein, sodass Ihr Gesamteinkommen sogar noch geringer ausfällt. Dies kann natürlich nicht als positives Ergebnis bezeichnet werden. Das Problem besteht darin, dass das Unternehmen nicht gleichzeitig den Zusammenhang zwischen einem Anstieg der Besucherzahlen, einem Anstieg der Anzahl der Käufe und der Dynamik der Höhe des durchschnittlichen Schecks überprüft hat.
Gilt das Testen nur für Online-Shops?
Gar nicht. Eine beliebte Methode im Offline-Handel ist die Implementierung einer vollständigen Pipeline zum Offline-Testen von Hypothesen. Hierbei handelt es sich um die Konstruktion eines Prozesses, bei dem das Risiko einer falschen Auswahl von Gruppen für das Experiment verringert und das optimale Verhältnis aus Anzahl der Filialen, Pilotzeit und der Größe des geschätzten Effekts ausgewählt wird. Es geht auch um die Wiederverwendung und kontinuierliche Verbesserung von Post-Effects-Analysemethoden. Die Methode wird benötigt, um die Wahrscheinlichkeit falscher Akzeptanzfehler und verpasster Effekte zu verringern und die Sensitivität zu erhöhen, da bereits ein kleiner Effekt im Maßstab eines Großunternehmens von großer Bedeutung ist. Daher müssen Sie in der Lage sein, selbst die schwächsten Veränderungen zu erkennen und Risiken, einschließlich falscher Schlussfolgerungen über die Ergebnisse des Experiments, zu minimieren.
Einzelhandel, Big Data und reale Fälle
Im vergangenen Jahr bewerteten Experten der X5 Retail Group die Dynamik der Verkaufsmengen der beliebtesten Produkte bei Fans der Fußballweltmeisterschaft 2018. Es gab keine Überraschungen, aber die Statistiken erwiesen sich dennoch als interessant.
So erwies sich Wasser als „Bestseller Nr. 1“. In den Städten, in denen die Fußballweltmeisterschaft stattfand, stieg der Wasserabsatz um etwa 46 %; Spitzenreiter war Sotschi, wo der Umsatz um 87 % stieg. An Spieltagen wurde der Höchstwert in Saransk verzeichnet – hier stiegen die Umsätze im Vergleich zu normalen Tagen um 160 %.
Neben Wasser kauften die Fans auch Bier. Vom 14. Juni bis 15. Juli stieg der Bierumsatz in den Städten, in denen die Spiele stattfanden, um durchschnittlich 31,8 %. Auch Sotschi wurde Spitzenreiter – hier wurde 64 % aktiver Bier gekauft. In St. Petersburg war das Wachstum jedoch gering – nur 5,6 %. An Spieltagen in Saransk stieg der Bierabsatz um 128 %.
Es wurden auch Untersuchungen zu anderen Produkten durchgeführt. Daten, die an Tagen mit dem höchsten Lebensmittelverbrauch gewonnen werden, ermöglichen uns eine genauere Prognose der künftigen Nachfrage unter Berücksichtigung von Ereignisfaktoren. Eine genaue Prognose ermöglicht es, die Erwartungen der Kunden vorherzusehen.
Während des Tests verwendete die X5 Retail Group zwei Methoden:
Bayesianische Strukturzeitreihenmodelle mit kumulativer Differenzschätzung;
Regressionsanalyse mit Bewertung der Verschiebung der Fehlerverteilung vor und während der Meisterschaft.
Was nutzt der Einzelhandel sonst noch von Big Data?
- Es gibt eine ganze Reihe von Methoden und Technologien. Soweit ich es ohne weiteres nennen kann, sind dies:
- Nachfrageprognose;
- Optimierung der Sortimentsmatrix;
- Computer Vision zur Identifizierung von Lücken in Regalen und zur Erkennung einer Warteschlangenbildung;
- Promo-Prognose.
Mangel an Fachkräften
Der Bedarf an Big-Data-Experten wächst stetig. So stieg die Zahl der offenen Stellen im Zusammenhang mit Big Data im Jahr 2018 im Vergleich zu 7 um das Siebenfache. Im ersten Halbjahr 2015 überstieg der Bedarf an Fachkräften 2019 % des Bedarfs für das gesamte Jahr 65.
Besonders große Unternehmen benötigen die Dienste von Big-Data-Analysten. Bei der Mail.ru Group werden sie beispielsweise in jedem Projekt benötigt, in dem Textdaten, Multimedia-Inhalte verarbeitet, Sprachsynthese und -analyse durchgeführt werden (dies sind in erster Linie Cloud-Dienste, soziale Netzwerke, Spiele usw.). Die Zahl der offenen Stellen im Unternehmen hat sich in den letzten zwei Jahren verdreifacht. In den ersten acht Monaten dieses Jahres stellte Mail.ru genauso viele Big-Data-Spezialisten ein wie im gesamten letzten Jahr. Bei Ozon ist die Abteilung Data Science in den letzten zwei Jahren um das Dreifache gewachsen. Ähnlich verhält es sich bei Megafon – das Team, das Daten analysiert, ist in den letzten 2,5 Jahren um ein Vielfaches gewachsen.
Zweifellos wird die Nachfrage nach Vertretern von Fachgebieten rund um Big Data in Zukunft noch stärker zunehmen. Wenn Sie also Interesse an diesem Bereich haben, sollten Sie es versuchen.
Source: habr.com