Teknologi Big Data kini digunakan di mana-mana - di industri, kedokteran, bisnis, dan hiburan. Oleh karena itu, tanpa analisis data besar, pengecer besar tidak akan dapat beroperasi secara normal, penjualan di Amazon akan menurun, dan ahli meteorologi tidak akan dapat memprediksi cuaca selama beberapa hari, minggu, dan bulan ke depan. Masuk akal jika spesialis big data kini banyak diminati, dan permintaannya terus meningkat.
GeekBrains melatih perwakilan dari bidang ini, mencoba membekali siswa dengan pengetahuan teoretis dan pengajaran melalui contoh, yang melibatkan para ahli berpengalaman. tahun ini Analis Big Data dari universitas online GeekUniversity dan pengecer terbesar di Federasi Rusia, X5 Retail Group, telah menjadi mitra. Spesialis perusahaan, yang memiliki pengetahuan dan pengalaman luas, membantu menciptakan kursus bermerek, di mana siswa menerima pelatihan teori dan pengalaman praktis selama pelatihan.
Kami berbicara dengan Valery Babushkin, direktur pemodelan dan analisis data di X5 Retail Group. Dia salah satunya ilmuwan data di dunia (peringkat ke-30 dalam peringkat global spesialis pembelajaran mesin). Bersama dengan guru lainnya, Valery memberi tahu siswa GeekBrains tentang pengujian A/B, statistik matematika yang menjadi dasar metode ini, serta praktik modern untuk penghitungan dan fitur penerapan pengujian A/B di ritel offline.
Mengapa kita memerlukan pengujian A/B?
Ini adalah salah satu metode terbaik untuk menemukan cara terbaik untuk meningkatkan faktor konversi, ekonomi, dan perilaku. Ada metode lain, tetapi lebih mahal dan rumit. Keuntungan utama pengujian A/B adalah harganya yang relatif murah dan ketersediaannya untuk bisnis dalam skala apa pun.
Mengenai pengujian A/B, kami dapat mengatakan bahwa ini adalah salah satu cara terpenting dalam mencari dan mengambil keputusan dalam bisnis, keputusan yang menjadi sandaran keuntungan dan pengembangan berbagai produk perusahaan mana pun. Pengujian memungkinkan pengambilan keputusan tidak hanya berdasarkan teori dan hipotesis, namun juga pengetahuan praktis tentang bagaimana perubahan spesifik mengubah interaksi pelanggan dengan jaringan.
Penting untuk diingat bahwa dalam ritel Anda perlu menguji segalanya - kampanye pemasaran, pengiriman SMS, pengujian pengiriman surat itu sendiri, penempatan produk di rak dan rak itu sendiri di area penjualan. Jika kita berbicara tentang toko online, maka di sini Anda dapat menguji susunan elemen, desain, prasasti, dan teks.
Pengujian A/B adalah alat yang membantu perusahaan, misalnya pengecer, untuk selalu kompetitif, merasakan perubahan seiring waktu, dan perubahan itu sendiri. Hal ini memungkinkan bisnis menjadi seefisien mungkin, memaksimalkan keuntungan.
Apa perbedaan dari metode ini?
Yang penting harus ada tujuan atau masalah yang menjadi dasar pengujian. Misalnya, masalahnya adalah sedikitnya jumlah pelanggan di gerai ritel atau toko online. Tujuannya adalah untuk meningkatkan masuknya pelanggan. Hipotesis: jika kartu produk di toko online dibuat lebih besar dan foto lebih cerah, maka pembelian akan lebih banyak. Selanjutnya dilakukan pengujian A/B yang hasilnya berupa penilaian terhadap perubahan. Setelah hasil semua tes diterima, Anda dapat mulai merumuskan rencana tindakan untuk mengubah situs.
Tidak disarankan untuk melakukan pengujian dengan proses yang tumpang tindih, jika tidak maka hasilnya akan lebih sulit untuk dievaluasi. Disarankan untuk melakukan pengujian terhadap tujuan dengan prioritas tertinggi dan merumuskan hipotesis terlebih dahulu.
Tes harus berlangsung cukup lama agar hasilnya dianggap dapat diandalkan. Berapa tepatnya tergantung pada tes itu sendiri. Jadi, di malam tahun baru, trafik sebagian besar toko online meningkat. Jika desain toko online telah diubah sebelumnya, maka pengujian jangka pendek akan menunjukkan bahwa semuanya baik-baik saja, perubahan berhasil, dan lalu lintas meningkat. Tapi tidak, apa pun yang Anda lakukan sebelum liburan, lalu lintas akan meningkat, tes tidak dapat diselesaikan sebelum atau segera setelah Tahun Baru, harus cukup lama untuk mengidentifikasi semua korelasinya.
Pentingnya hubungan yang benar antara tujuan dan indikator yang diukur. Misalnya dengan mengubah desain website toko online yang sama, perusahaan melihat adanya peningkatan jumlah pengunjung atau pelanggan dan merasa puas dengan hal tersebut. Namun kenyataannya, rata-rata ukuran cek mungkin lebih kecil dari biasanya, sehingga pendapatan Anda secara keseluruhan akan lebih rendah lagi. Hal ini tentu saja tidak bisa disebut sebagai hasil yang positif. Masalahnya adalah perusahaan tidak secara bersamaan memeriksa hubungan antara peningkatan pengunjung, peningkatan jumlah pembelian, dan dinamika ukuran rata-rata cek.
Apakah pengujian hanya untuk toko online?
Sama sekali tidak. Metode yang populer dalam ritel offline adalah penerapan alur lengkap untuk menguji hipotesis secara offline. Ini adalah konstruksi proses yang mengurangi risiko pemilihan kelompok yang salah untuk eksperimen, memilih rasio optimal jumlah penyimpanan, waktu uji coba, dan ukuran efek yang diperkirakan. Ini juga merupakan penggunaan kembali dan perbaikan berkelanjutan dari metodologi analisis pasca-efek. Metode ini diperlukan untuk mengurangi kemungkinan kesalahan penerimaan yang salah dan efek yang terlewat, serta untuk meningkatkan sensitivitas, karena efek kecil sekalipun pada skala bisnis besar sangatlah penting. Oleh karena itu, Anda harus mampu mengidentifikasi perubahan yang paling lemah sekalipun dan meminimalkan risiko, termasuk kesimpulan yang salah tentang hasil eksperimen.
Ritel, Big Data, dan kasus nyata
Tahun lalu, pakar X5 Retail Group menilai dinamika volume penjualan produk terpopuler di kalangan penggemar Piala Dunia 2018. Tidak ada kejutan, tetapi statistiknya tetap menarik.
Oleh karena itu, air ternyata menjadi βbuku terlaris No.1β. Di kota-kota yang menjadi tuan rumah Piala Dunia, penjualan air meningkat sekitar 46%; pemimpinnya adalah Sochi, dengan omset meningkat sebesar 87%. Pada hari pertandingan, angka maksimum tercatat di Saransk - di sini penjualan meningkat 160% dibandingkan hari biasa.
Selain air, penggemar membeli bir. Dari 14 Juni hingga 15 Juli, di kota-kota tempat pertandingan berlangsung, omzet bir meningkat rata-rata 31,8%. Sochi juga menjadi pemimpin - bir dibeli di sini 64% lebih aktif. Namun di Sankt Peterburg, pertumbuhannya kecil - hanya 5,6%. Pada hari pertandingan di Saransk, penjualan bir meningkat 128%.
Penelitian juga telah dilakukan pada produk lain. Data yang diperoleh pada hari-hari puncak konsumsi makanan memungkinkan kami memprediksi permintaan di masa depan dengan lebih akurat, dengan mempertimbangkan faktor-faktor kejadian. Perkiraan yang akurat memungkinkan untuk mengantisipasi ekspektasi pelanggan.
Selama pengujian, Grup Ritel X5 menggunakan dua metode:
Model deret waktu struktural Bayesian dengan estimasi perbedaan kumulatif;
Analisis regresi dengan penilaian pergeseran distribusi kesalahan sebelum dan selama kejuaraan.
Apa lagi yang digunakan ritel dari Big Data?
- Cara dan teknologinya cukup banyak, yang bisa disebut begitu saja adalah:
- Perkiraan permintaan;
- Optimalisasi matriks bermacam-macam;
- Visi komputer untuk mengidentifikasi kekosongan di rak dan mendeteksi pembentukan antrian;
- Perkiraan promo.
Kurangnya spesialis
Permintaan akan pakar Big Data terus meningkat. Dengan demikian, pada tahun 2018, jumlah lowongan terkait big data meningkat 7 kali lipat dibandingkan tahun 2015. Pada paruh pertama tahun 2019, permintaan akan dokter spesialis melebihi 65% dari permintaan sepanjang tahun 2018.
Perusahaan-perusahaan besar sangat membutuhkan jasa analis Big Data. Misalnya, di Grup Mail.ru, mereka diperlukan dalam proyek apa pun di mana data teks, konten multimedia diproses, sintesis dan analisis ucapan dilakukan (pertama-tama, layanan cloud, jejaring sosial, permainan, dll.). Jumlah lowongan di perusahaan meningkat tiga kali lipat selama dua tahun terakhir. Dalam delapan bulan pertama tahun ini, Mail.ru mempekerjakan spesialis Big Data dalam jumlah yang sama seperti tahun lalu. Di Ozon, departemen Ilmu Data telah berkembang tiga kali lipat selama dua tahun terakhir. Situasi serupa terjadi di Megafon - tim yang menganalisis data telah berkembang beberapa kali lipat selama 2,5 tahun terakhir.
Tidak diragukan lagi, di masa depan permintaan akan perwakilan spesialisasi yang berkaitan dengan Big Data akan semakin meningkat. Jadi jika Anda tertarik dengan bidang ini, Anda harus mencobanya.
Sumber: www.habr.com