Big Data -teknologiaa käytetään nyt kaikkialla – teollisuudessa, lääketieteessä, liiketoiminnassa ja viihteessä. Ilman big datan analysointia suuret jälleenmyyjät eivät siis pysty toimimaan normaalisti, Amazonin myynti laskee ja meteorologit eivät pysty ennustamaan säätä useille päiville, viikoille ja kuukausille etukäteen. On loogista, että big datan asiantuntijoilla on nyt kova kysyntä ja kysyntä kasvaa jatkuvasti.
GeekBrains kouluttaa alan edustajia yrittäen tarjota opiskelijoille sekä teoreettista tietoa että opetusta esimerkein, joihin kokeneet asiantuntijat ovat mukana. Tämä vuosi Big Datan analyytikot verkkoyliopistosta GeekUniversity ja Venäjän suurin jälleenmyyjä, X5 Retail Group, ovat tulleet kumppaneiksi. Yrityksen laajan tietämyksen ja kokemuksen omaavat asiantuntijat auttoivat luomaan brändikurssin, jossa opiskelijat saavat koulutuksen aikana sekä teoreettista koulutusta että käytännön kokemusta.
Keskustelimme X5 Retail Groupin mallinnus- ja data-analyysijohtajan Valeri Babushkinin kanssa. Hän on yksi niistä datatieteilijät maailmassa (30. koneoppimisen asiantuntijoiden maailmanlaajuisessa rankingissa). Yhdessä muiden opettajien kanssa Valery kertoo GeekBrainsin opiskelijoille A/B-testauksesta, näiden menetelmien perustana olevista matemaattisista tilastoista sekä nykyaikaisista laskennan käytännöistä ja A/B-testauksen toteutuksen ominaisuuksista offline-kaupassa.
Miksi ylipäänsä tarvitsemme A/B-testejä?
Tämä on yksi parhaista tavoista löytää parhaat tavat konversioiden, talouden ja käyttäytymistekijöiden parantamiseksi. On muitakin menetelmiä, mutta ne ovat kalliimpia ja monimutkaisempia. A/B-testien tärkeimmät edut ovat suhteellisen alhainen hinta ja saatavuus kaikenkokoisille yrityksille.
A/B-testeistä voidaan sanoa, että tämä on yksi tärkeimmistä tavoista etsiä ja tehdä päätöksiä liiketoiminnassa, päätökset, joista riippuvat sekä tulos että minkä tahansa yrityksen eri tuotteiden kehitys. Testien avulla on mahdollista tehdä päätöksiä paitsi teorioiden ja hypoteesien perusteella myös käytännön tiedolla siitä, miten tietyt muutokset muokkaavat asiakkaiden vuorovaikutusta verkoston kanssa.
On tärkeää muistaa, että vähittäiskaupassa pitää testata kaikkea - markkinointikampanjoita, SMS-postituksia, itse postitusten testejä, tuotteiden sijoittelua hyllyille ja itse hyllyjä myyntitiloihin. Jos puhumme verkkokaupasta, niin täällä voit testata elementtien järjestelyä, suunnittelua, kirjoituksia ja tekstejä.
A/B-testit ovat työkalu, joka auttaa yritystä, esimerkiksi jälleenmyyjää, olemaan aina kilpailukykyinen, aistimaan muutokset ajassa ja muuttumaan itse. Tämä mahdollistaa liiketoiminnan mahdollisimman tehokkaan ja voiton maksimoimisen.
Mitkä ovat näiden menetelmien vivahteet?
Pääasia on, että on oltava tavoite tai ongelma, johon testaus perustuu. Ongelmana on esimerkiksi pieni määrä asiakkaita myymälässä tai verkkokaupassa. Tavoitteena on lisätä asiakasvirtaa. Hypoteesi: jos verkkokaupan tuotekortit tehdään isommiksi ja valokuvat ovat kirkkaampia, ostoksia tulee enemmän. Seuraavaksi suoritetaan A/B-testi, jonka tuloksena arvioidaan muutoksia. Kun kaikkien testien tulokset on saatu, voit alkaa laatia toimintasuunnitelmaa sivuston vaihtamiseksi.
Ei ole suositeltavaa suorittaa testejä päällekkäisillä prosesseilla, muuten tuloksia on vaikeampi arvioida. Suosittelemme ensin testaamaan tärkeimpiä tavoitteita ja muotoiltuja hypoteeseja.
Testin on kestettävä tarpeeksi kauan, jotta tuloksia voidaan pitää luotettavina. Kuinka paljon tarkalleen ottaen riippuu tietysti itse testistä. Joten uudenvuodenaattona useimpien verkkokauppojen liikenne kasvaa. Jos verkkokaupan ulkoasua muutettiin aiemmin, niin lyhytaikainen testi osoittaa, että kaikki on hyvin, muutokset onnistuvat ja liikenne kasvaa. Mutta ei, vaikka mitä teet ennen lomaa, liikenne lisääntyy, testiä ei voi suorittaa ennen uutta vuotta tai heti sen jälkeen, sen on oltava tarpeeksi pitkä, jotta kaikki korrelaatiot voidaan tunnistaa.
Oikean yhteyden tärkeys tavoitteen ja mitattavan indikaattorin välillä. Esimerkiksi saman verkkokauppasivuston ulkoasua muuttamalla yritys näkee kävijöiden tai asiakkaiden määrän kasvun ja on tähän tyytyväinen. Mutta itse asiassa sekin keskimääräinen koko voi olla tavallista pienempi, joten kokonaistulosi ovat vielä pienemmät. Tätä ei tietenkään voida kutsua positiiviseksi tulokseksi. Ongelmana on, että yritys ei tarkistanut samanaikaisesti kävijämäärien kasvun, ostosten määrän kasvun ja keskimääräisen shekin koon dynamiikan välistä suhdetta.
Onko testaus vain verkkokauppoja varten?
Ei lainkaan. Suosittu menetelmä offline-vähittäiskaupassa on täydellisen putkilinjan käyttöönotto hypoteesien testaamiseen offline-tilassa. Tämä on prosessin rakentaminen, jossa vähennetään riskiä ryhmien virheellisestä valinnasta kokeiluun, valitaan optimaalinen suhde myymälöiden lukumäärään, pilottiaikaan ja arvioidun vaikutuksen kokoon. Se on myös jälkivaikutusanalyysimenetelmien uudelleenkäyttöä ja jatkuvaa parantamista. Menetelmää tarvitaan vähentämään väärien hyväksymisvirheiden ja jääneiden vaikutusten todennäköisyyttä sekä lisäämään herkkyyttä, koska pienelläkin vaikutuksella suuren yrityksen mittakaavassa on suuri merkitys. Siksi sinun on kyettävä tunnistamaan heikoimmatkin muutokset ja minimoimaan riskit, mukaan lukien virheelliset johtopäätökset kokeen tuloksista.
Vähittäiskauppa, Big Data ja todelliset tapaukset
Viime vuonna X5 Retail Groupin asiantuntijat arvioivat vuoden 2018 MM-fanien suosituimpien tuotteiden myyntimäärien dynamiikkaa. Yllätyksiä ei tullut, mutta tilastot osoittautuivat silti mielenkiintoisiksi.
Siten vesi osoittautui "nro 1 bestselleriksi". MM-kisoja isännöidyissä kaupungeissa veden myynti kasvoi noin 46 %, johtajana oli Sotši, jossa liikevaihto kasvoi 87 %. Ottelupäivinä maksimiluku kirjattiin Saranskissa - täällä myynti kasvoi 160% tavallisiin päiviin verrattuna.
Veden lisäksi fanit ostivat olutta. 14. kesäkuuta - 15. heinäkuuta kaupungeissa, joissa ottelut pelattiin, oluen liikevaihto kasvoi keskimäärin 31,8 %. Sotshista tuli myös johtaja - olutta ostettiin täältä 64% aktiivisemmin. Mutta Pietarissa kasvu oli pientä - vain 5,6 %. Saranskin ottelupäivinä oluen myynti kasvoi 128 %.
Tutkimuksia on tehty myös muista tuotteista. Ruoankulutuksen huippupäivistä saadut tiedot mahdollistavat tulevaisuuden kysynnän ennustamisen tarkemmin tapahtumatekijät huomioiden. Tarkka ennuste mahdollistaa asiakkaiden odotusten ennakoinnin.
X5 Retail Group käytti testauksen aikana kahta menetelmää:
Bayesin rakenteelliset aikasarjamallit kumulatiivisella eroestimaatiolla;
Regressioanalyysi, jossa arvioidaan virhejakauman muutosta ennen mestaruutta ja sen aikana.
Mitä muuta vähittäiskauppa käyttää Big Datasta?
- On olemassa melko paljon menetelmiä ja tekniikoita, joista voidaan nimetä suoraan, nämä ovat:
- Kysynnän ennuste;
- Valikoimamatriisin optimointi;
- Tietokonenäkö hyllyjen aukkojen ja jonojen muodostumisen havaitsemiseksi;
- Promoennuste.
Asiantuntijoiden puute
Big Datan asiantuntijoiden kysyntä kasvaa jatkuvasti. Näin ollen vuonna 2018 big dataan liittyvien avoimien työpaikkojen määrä kasvoi 7-kertaiseksi vuoteen 2015 verrattuna. Vuoden 2019 ensimmäisellä puoliskolla asiantuntijoiden kysyntä ylitti 65 % koko vuoden 2018 kysynnästä.
Big Datan analyytikoiden palveluita tarvitsevat erityisesti suuret yritykset. Esimerkiksi Mail.ru Groupissa niitä tarvitaan kaikissa projekteissa, joissa käsitellään tekstidataa, multimediasisältöä, suoritetaan puhesynteesi ja -analyysi (tämä on ennen kaikkea pilvipalvelut, sosiaaliset verkostot, pelit jne.). Yrityksen avoimien työpaikkojen määrä on kolminkertaistunut viimeisen kahden vuoden aikana. Tämän vuoden kahdeksan ensimmäisen kuukauden aikana Mail.ru palkkasi saman määrän Big Datan asiantuntijoita kuin koko viime vuonna. Ozonissa datatieteen osasto on kolminkertaistunut viimeisen kahden vuoden aikana. Tilanne on samanlainen Megafonilla – dataa analysoiva tiimi on kasvanut useaan otteeseen viimeisen 2,5 vuoden aikana.
Tulevaisuudessa Big Dataan liittyvien erikoisalojen edustajien kysyntä tulee epäilemättä kasvamaan entisestään. Joten jos olet kiinnostunut tästä alueesta, sinun tulee kokeilla käsiäsi.
Lähde: will.com