Las tecnologías Big Data se utilizan ahora en todas partes: en la industria, la medicina, los negocios y el entretenimiento. Así, sin analizar big data, los grandes minoristas no podrán operar con normalidad, las ventas en Amazon caerán y los meteorólogos no podrán predecir el tiempo con muchos días, semanas y meses de antelación. Es lógico que los especialistas en big data tengan ahora una gran demanda y la demanda crece constantemente.
GeekBrains forma representantes de este campo, tratando de proporcionar a los estudiantes tanto conocimientos teóricos como enseñanza mediante ejemplos, para lo cual participan expertos experimentados. Este año Los analistas de Big Data de la universidad en línea GeekUniversity y el minorista más grande de la Federación Rusa, X5 Retail Group, se han convertido en socios. Los especialistas de la empresa, con amplios conocimientos y experiencia, ayudaron a crear un curso de marca, en el que los estudiantes reciben tanto formación teórica como experiencia práctica durante el curso de formación.
Hablamos con Valery Babushkin, director de modelado y análisis de datos de X5 Retail Group. El es uno de los científicos de datos del mundo (30º en el ranking mundial de especialistas en aprendizaje automático). Junto con otros profesores, Valery les cuenta a los estudiantes de GeekBrains sobre las pruebas A/B, las estadísticas matemáticas en las que se basan estos métodos, así como las prácticas modernas para los cálculos y las características de la implementación de las pruebas A/B en el comercio minorista fuera de línea.
¿Por qué necesitamos pruebas A/B?
Este es uno de los mejores métodos para encontrar las mejores formas de mejorar las conversiones, la economía y los factores de comportamiento. Existen otros métodos, pero son más caros y complejos. Las principales ventajas de las pruebas A/B son su precio relativamente bajo y su disponibilidad para empresas de cualquier tamaño.
Sobre los tests A/B, podemos decir que esta es una de las formas más importantes de buscar y tomar decisiones en los negocios, decisiones de las que depende tanto el beneficio como el desarrollo de los diversos productos de cualquier empresa. Las pruebas permiten tomar decisiones basadas no sólo en teorías e hipótesis, sino también en el conocimiento práctico de cómo cambios específicos modifican las interacciones de los clientes con la red.
Es importante recordar que en el comercio minorista es necesario probarlo todo: campañas de marketing, envíos por SMS, pruebas de los envíos por correo, la colocación de productos en los estantes y los estantes en las áreas de ventas. Si hablamos de una tienda online, aquí podrás probar la disposición de elementos, diseño, inscripciones y textos.
Los tests A/B son una herramienta que ayuda a una empresa, por ejemplo un minorista, a ser siempre competitiva, sentir los cambios en el tiempo y cambiarse a sí misma. Esto permite que el negocio sea lo más eficiente posible, maximizando las ganancias.
¿Cuáles son los matices de estos métodos?
Lo principal es que debe haber un objetivo o problema en el que se basarán las pruebas. Por ejemplo, el problema es un pequeño número de clientes en un punto de venta o en una tienda online. El objetivo es aumentar la afluencia de clientes. Hipótesis: si las fichas de productos en una tienda online se hacen más grandes y las fotografías son más brillantes, habrá más compras. A continuación se realiza un test A/B cuyo resultado es una valoración de los cambios. Una vez recibidos los resultados de todas las pruebas, puede comenzar a formular un plan de acción para cambiar el sitio.
No se recomienda realizar pruebas con procesos superpuestos, de lo contrario los resultados serán más difíciles de evaluar. Se recomienda realizar pruebas sobre los objetivos de mayor prioridad y las hipótesis formuladas primero.
La prueba debe durar el tiempo suficiente para que los resultados se consideren fiables. La cantidad exacta depende, por supuesto, de la prueba en sí. Entonces, en Nochevieja, aumenta el tráfico en la mayoría de las tiendas online. Si el diseño de la tienda en línea se cambió antes, una prueba a corto plazo mostrará que todo está bien, que los cambios fueron exitosos y que el tráfico está creciendo. Pero no, no importa lo que hagas antes de las vacaciones, el tráfico aumentará, la prueba no se puede completar antes del Año Nuevo o inmediatamente después, debe ser lo suficientemente larga para identificar todas las correlaciones.
La importancia de la correcta conexión entre la meta y el indicador que se mide. Por ejemplo, al cambiar el diseño del sitio web de la misma tienda online, la empresa ve un aumento en el número de visitantes o clientes y queda satisfecha con ello. Pero, de hecho, el tamaño promedio del cheque puede ser menor de lo habitual, por lo que sus ingresos generales serán aún menores. Esto, por supuesto, no puede considerarse un resultado positivo. El problema es que la empresa no comprobó simultáneamente la relación entre un aumento de visitantes, un aumento en el número de compras y la dinámica del tamaño del cheque promedio.
¿Las pruebas son sólo para tiendas online?
De nada. Un método popular en el comercio minorista fuera de línea es la implementación de un proceso completo para probar hipótesis fuera de línea. Se trata de la construcción de un proceso en el que se reducen los riesgos de una selección incorrecta de grupos para el experimento, se selecciona la relación óptima entre el número de tiendas, el tiempo piloto y el tamaño del efecto estimado. También lo es la reutilización y mejora continua de las metodologías de análisis post-efectos. El método es necesario para reducir la probabilidad de errores de aceptación falsa y efectos omitidos, así como para aumentar la sensibilidad, porque incluso un efecto pequeño en la escala de una gran empresa es de gran importancia. Por lo tanto, es necesario poder identificar incluso los cambios más débiles y minimizar los riesgos, incluidas las conclusiones incorrectas sobre los resultados del experimento.
Retail, Big Data y casos reales
El año pasado, los expertos de X5 Retail Group evaluaron la dinámica de los volúmenes de ventas de los productos más populares entre los fanáticos del Mundial 2018. No hubo sorpresas, pero las estadísticas resultaron interesantes.
Así, el agua resultó ser el “bestseller número uno”. En las ciudades que albergaron la Copa del Mundo, las ventas de agua aumentaron aproximadamente un 1%; la líder fue Sochi, donde la facturación aumentó un 46%. Los días de partido, la cifra máxima se registró en Saransk: aquí las ventas aumentaron un 87% en comparación con los días normales.
Además de agua, los aficionados compraron cerveza. Del 14 de junio al 15 de julio, en las ciudades donde se disputaron los partidos, la facturación de cerveza aumentó una media del 31,8%. Sochi también se convirtió en líder: aquí se compraba cerveza un 64% más activamente. Pero en San Petersburgo el crecimiento fue pequeño: sólo el 5,6%. Los días de partido en Saransk, las ventas de cerveza aumentaron un 128%.
También se han realizado investigaciones sobre otros productos. Los datos obtenidos en los días pico de consumo de alimentos nos permiten predecir con mayor precisión la demanda en el futuro, teniendo en cuenta factores de eventos. Una previsión precisa permite anticipar las expectativas de los clientes.
Durante las pruebas, X5 Retail Group utilizó dos métodos:
Modelos bayesianos de series temporales estructurales con estimación de diferencias acumuladas;
Análisis de regresión con evaluación del cambio en la distribución del error antes y durante el campeonato.
¿Qué más aprovecha el comercio minorista del Big Data?
- Hay bastantes métodos y tecnologías, por lo que se puede nombrar a simple vista, estos son:
- Previsión de la demanda;
- Optimización de la matriz de surtido;
- Visión por ordenador para identificar huecos en las estanterías y detectar la formación de colas;
- Previsión de promoción.
Falta de especialistas
La demanda de expertos en Big Data crece constantemente. Así, en 2018, el número de vacantes relacionadas con big data se multiplicó por 7 respecto a 2015. En el primer semestre de 2019 la demanda de especialistas superó el 65% de la demanda de todo 2018.
Las grandes empresas necesitan especialmente los servicios de analistas de Big Data. Por ejemplo, en Mail.ru Group son necesarios en cualquier proyecto donde se procesen datos de texto, contenido multimedia, se realice síntesis y análisis de voz (esto es, en primer lugar, servicios en la nube, redes sociales, juegos, etc.). El número de puestos vacantes en la empresa se ha triplicado en los últimos dos años. En los primeros ocho meses de este año, Mail.ru contrató la misma cantidad de especialistas en Big Data que durante todo el año pasado. En Ozon, el departamento de Ciencia de Datos se ha triplicado en los últimos dos años. La situación es similar en Megafon: el equipo que analiza datos ha crecido varias veces en los últimos dos años y medio.
Sin duda, en el futuro crecerá aún más la demanda de representantes de especialidades relacionadas con Big Data. Entonces, si tienes interés en esta área, deberías probar suerte.
Fuente: habr.com