Les technologies Big Data sont désormais utilisées partout : dans l’industrie, la médecine, les affaires et le divertissement. Ainsi, sans analyser le Big Data, les grands détaillants ne pourront pas fonctionner normalement, les ventes sur Amazon chuteront et les météorologues seront incapables de prédire la météo plusieurs jours, semaines et mois à l'avance. Il est logique que les spécialistes du Big Data soient désormais très demandés, et la demande ne cesse de croître.
GeekBrains forme des représentants de ce domaine, en essayant de fournir aux étudiants à la fois des connaissances théoriques et un enseignement par des exemples, pour lesquels des experts expérimentés sont impliqués. Cette année Les analystes Big Data de l'université en ligne GeekUniversity et le plus grand détaillant de la Fédération de Russie, X5 Retail Group, sont devenus partenaires. Les spécialistes de l’entreprise, possédant des connaissances et une expérience approfondies, ont contribué à créer un cours de marque dans lequel les étudiants reçoivent à la fois une formation théorique et une expérience pratique au cours de la formation.
Nous avons discuté avec Valery Babushkin, directeur de la modélisation et de l'analyse des données chez X5 Retail Group. Il est l'un des data scientists dans le monde (30ème au classement mondial des spécialistes du machine learning). Avec d'autres enseignants, Valéry explique aux étudiants de GeekBrains les tests A/B, les statistiques mathématiques sur lesquelles ces méthodes sont basées, ainsi que les pratiques modernes de calcul et les fonctionnalités de mise en œuvre des tests A/B dans le commerce de détail hors ligne.
Pourquoi avons-nous besoin de tests A/B ?
C’est l’une des meilleures méthodes pour trouver les meilleurs moyens d’améliorer les conversions, les facteurs économiques et comportementaux. Il existe d’autres méthodes, mais elles sont plus coûteuses et plus complexes. Les principaux avantages des tests A/B sont leur prix relativement bas et leur disponibilité pour les entreprises de toutes tailles.
Concernant les tests A/B, nous pouvons dire qu’il s’agit d’un des moyens les plus importants de rechercher et de prendre des décisions en entreprise, décisions dont dépendent à la fois le profit et le développement des divers produits de toute entreprise. Les tests permettent de prendre des décisions basées non seulement sur des théories et des hypothèses, mais également sur des connaissances pratiques sur la manière dont des changements spécifiques modifient les interactions des clients avec le réseau.
Il est important de se rappeler que dans le commerce de détail, vous devez tout tester : les campagnes marketing, les envois SMS, les tests des mailings eux-mêmes, le placement des produits dans les étagères et les étagères elles-mêmes dans les espaces de vente. Si nous parlons d'une boutique en ligne, vous pouvez tester ici la disposition des éléments, le design, les inscriptions et les textes.
Les tests A/B sont un outil qui aide une entreprise, par exemple un détaillant, à toujours être compétitive, à détecter les changements dans le temps et à se changer elle-même. Cela permet à l'entreprise d'être aussi efficace que possible, en maximisant les profits.
Quelles sont les nuances de ces méthodes ?
L'essentiel est qu'il doit y avoir un objectif ou un problème sur lequel les tests seront basés. Par exemple, le problème réside dans un petit nombre de clients dans un point de vente ou une boutique en ligne. L’objectif est d’augmenter l’afflux de clients. Hypothèse : si les fiches produits d'une boutique en ligne sont plus grandes et les photographies plus lumineuses, il y aura alors plus d'achats. Ensuite, un test A/B est effectué, dont le résultat est une évaluation des changements. Une fois les résultats de tous les tests reçus, vous pouvez commencer à formuler un plan d'action pour modifier le site.
Il n'est pas recommandé d'effectuer des tests avec des processus qui se chevauchent, sinon les résultats seront plus difficiles à évaluer. Il est recommandé d'effectuer d'abord des tests sur les objectifs les plus prioritaires et de formuler des hypothèses.
Le test doit durer suffisamment longtemps pour que les résultats soient considérés comme fiables. Bien entendu, cela dépend exactement du test lui-même. Ainsi, le soir du Nouvel An, le trafic de la plupart des boutiques en ligne augmente. Si la conception de la boutique en ligne a déjà été modifiée, un test à court terme montrera que tout va bien, que les changements sont réussis et que le trafic augmente. Mais non, quoi que vous fassiez avant les vacances, le trafic augmentera, le test ne pourra pas être réalisé avant le Nouvel An ou immédiatement après, il doit être suffisamment long pour identifier toutes les corrélations.
L'importance du lien correct entre l'objectif et l'indicateur mesuré. Par exemple, en modifiant la conception du même site Web de boutique en ligne, l'entreprise constate une augmentation du nombre de visiteurs ou de clients et en est satisfaite. Mais en fait, le montant moyen des chèques peut être plus petit que d’habitude, de sorte que votre revenu global sera encore plus faible. Bien entendu, cela ne peut pas être qualifié de résultat positif. Le problème est que l'entreprise n'a pas vérifié simultanément la relation entre l'augmentation du nombre de visiteurs, l'augmentation du nombre d'achats et la dynamique du montant du chèque moyen.
Les tests sont-ils réservés aux boutiques en ligne ?
Pas du tout. Une méthode populaire dans le commerce de détail hors ligne consiste à mettre en œuvre un pipeline complet pour tester les hypothèses hors ligne. Il s'agit de la construction d'un processus dans lequel les risques de sélection incorrecte des groupes pour l'expérimentation sont réduits, le rapport optimal entre le nombre de magasins, le temps pilote et la taille de l'effet estimé est sélectionné. C’est aussi la réutilisation et l’amélioration continue des méthodologies d’analyse post-effets. La méthode est nécessaire pour réduire le risque de fausses erreurs d'acceptation et d'effets manqués, ainsi que pour augmenter la sensibilité, car même un petit effet à l'échelle d'une grande entreprise est d'une grande importance. Par conséquent, vous devez être capable d'identifier même les changements les plus faibles et de minimiser les risques, y compris les conclusions erronées sur les résultats de l'expérience.
Retail, Big Data et cas réels
L'année dernière, les experts de X5 Retail Group ont évalué la dynamique des volumes de ventes des produits les plus populaires parmi les fans de la Coupe du monde 2018. Il n’y a pas eu de surprises, mais les statistiques se sont révélées intéressantes.
Ainsi, l’eau s’est avérée être le « best-seller n°1 ». Dans les villes qui ont accueilli la Coupe du monde, les ventes d'eau ont augmenté d'environ 46 %, le leader étant Sotchi, où le chiffre d'affaires a augmenté de 87 %. Les jours de match, le chiffre maximum a été enregistré à Saransk - ici les ventes ont augmenté de 160 % par rapport aux jours normaux.
En plus de l'eau, les fans ont acheté de la bière. Du 14 juin au 15 juillet, dans les villes où se sont déroulés les matches, le chiffre d'affaires de la bière a augmenté en moyenne de 31,8 %. Sotchi est également devenue le leader - la bière y était achetée 64 % plus activement. Mais à Saint-Pétersbourg, la croissance a été faible – seulement 5,6 %. Les jours de match à Saransk, les ventes de bière ont augmenté de 128 %.
Des recherches ont également été menées sur d'autres produits. Les données obtenues les jours de pointe de consommation alimentaire nous permettent de prédire plus précisément la demande future, en tenant compte des facteurs événementiels. Une prévision précise permet d’anticiper les attentes des clients.
Lors des tests, X5 Retail Group a utilisé deux méthodes :
Modèles bayésiens de séries chronologiques structurelles avec estimation des différences cumulatives ;
Analyse de régression avec évaluation de l'évolution de la répartition des erreurs avant et pendant le championnat.
Qu’est-ce que le commerce de détail utilise d’autre à partir du Big Data ?
- Il existe de nombreuses méthodes et technologies, d'après ce que l'on peut nommer d'emblée, ce sont :
- Prévision de la demande;
- Optimisation de la matrice d'assortiment ;
- Vision par ordinateur pour identifier les vides dans les étagères et détecter la formation d'une file d'attente ;
- Prévisions promotionnelles.
Manque de spécialistes
La demande d’experts Big Data ne cesse de croître. Ainsi, en 2018, le nombre de postes vacants liés au big data a été multiplié par 7 par rapport à 2015. Au premier semestre 2019, la demande de spécialistes a dépassé 65 % de la demande pour l'ensemble de 2018.
Les grandes entreprises ont particulièrement besoin des services d’analystes Big Data. Par exemple, chez Mail.ru Group, ils sont nécessaires dans tout projet où des données textuelles, du contenu multimédia sont traités, une synthèse et une analyse vocales sont effectuées (il s'agit avant tout des services cloud, des réseaux sociaux, des jeux, etc.). Le nombre de postes vacants dans l'entreprise a triplé au cours des deux dernières années. Au cours des huit premiers mois de cette année, Mail.ru a embauché le même nombre de spécialistes du Big Data que tout au long de l'année dernière. Chez Ozon, le département Data Science a triplé au cours des deux dernières années. La situation est similaire chez Megafon - l'équipe qui analyse les données s'est agrandie plusieurs fois au cours des 2,5 dernières années.
Sans aucun doute, à l’avenir, la demande de représentants de spécialités liées au Big Data augmentera encore plus. Donc, si ce domaine vous intéresse, vous devriez vous essayer.
Source: habr.com