Teknologi Big Data kini digunakan di mana-mana—dalam industri, kedokteran, bisnis, dan hiburan. Tanpa analisis big data, peritel besar tidak akan dapat beroperasi dengan baik, penjualan Amazon akan menurun, dan ahli meteorologi tidak akan dapat memprediksi cuaca dalam hitungan hari, minggu, dan bulan sebelumnya. Wajar jika spesialis big data sangat dibutuhkan, dengan permintaan yang terus meningkat.
GeekBrains melatih para profesional di bidang ini, membekali siswa dengan pengetahuan teoretis dan pengalaman langsung, menggunakan tenaga ahli berpengalaman. Tahun ini Analis Big Data dari universitas daring GeekUniversity dan X5 Retail Group, peritel terbesar di Rusia, telah bermitra. Para spesialis perusahaan, dengan pengetahuan dan pengalaman mereka yang luas, membantu menciptakan kursus bermerek yang memberikan pelatihan teori dan pengalaman praktis kepada mahasiswa.
Kami berbincang dengan Valery Babushkin, Direktur Pemodelan dan Analisis Data di X5 Retail Group. Ia adalah salah satu ilmuwan data di seluruh dunia (peringkat ke-30 dunia dalam pembelajaran mesin). Bersama instruktur lainnya, Valery mengajar siswa GeekBrains tentang pengujian A/B, statistik matematika yang mendasari metode ini, serta praktik perhitungan modern dan detail penerapan pengujian A/B di ritel offline.
Mengapa pengujian A/B penting?
Ini adalah salah satu metode terbaik untuk menemukan cara optimal meningkatkan rasio konversi, indikator ekonomi, dan faktor perilaku. Metode lain memang ada, tetapi lebih mahal dan kompleks. Keunggulan utama pengujian A/B adalah biayanya yang relatif rendah dan aksesibilitasnya bagi bisnis, berapa pun skalanya.
Pengujian A/B adalah salah satu metode terpenting untuk menemukan dan membuat keputusan bisnis—keputusan yang memengaruhi keuntungan dan pengembangan berbagai produk perusahaan. Pengujian memungkinkan pengambilan keputusan tidak hanya berdasarkan teori dan hipotesis, tetapi juga pengetahuan praktis tentang bagaimana perubahan spesifik mengubah interaksi pelanggan dengan jaringan.
Penting untuk diingat bahwa dalam bisnis ritel, semuanya perlu diuji—kampanye pemasaran, pesan SMS, pengujian pesan itu sendiri, penempatan produk di rak, dan rak itu sendiri di area penjualan. Untuk toko online, Anda dapat menguji tata letak elemen, desain, teks, dan salinan.
Pengujian A/B adalah alat yang membantu perusahaan, seperti peritel, tetap kompetitif, mengenali perubahan dengan cepat, dan beradaptasi. Hal ini memungkinkan bisnis untuk beroperasi seefisien mungkin, sehingga memaksimalkan keuntungan.
Apa saja nuansa dari metode ini?
Kuncinya adalah memiliki tujuan atau masalah yang akan menjadi dasar pengujian. Misalnya, masalahnya mungkin rendahnya lalu lintas pelanggan di toko fisik atau online. Tujuannya adalah meningkatkan lalu lintas pelanggan. Hipotesisnya adalah jika kartu produk di toko online diperbesar dan fotonya lebih cerah, akan ada lebih banyak pembelian. Selanjutnya, pengujian A/B dilakukan, yang hasilnya digunakan untuk mengevaluasi perubahan. Setelah hasil semua pengujian masuk, rencana tindakan untuk modifikasi situs web dapat dikembangkan.
Tidak disarankan untuk melakukan pengujian dengan proses yang tumpang tindih, karena hal ini akan mempersulit evaluasi hasil. Disarankan untuk melakukan pengujian pada tujuan dengan prioritas tertinggi dan hipotesis yang telah ditetapkan terlebih dahulu.
Pengujian harus berjalan cukup lama agar hasilnya dianggap andal. Lamanya waktu pengujian tentu saja bergantung pada pengujian itu sendiri. Misalnya, pada Malam Tahun Baru, lalu lintas ke sebagian besar toko daring meningkat. Jika desain toko daring diubah sebelumnya, pengujian jangka pendek akan menunjukkan bahwa semuanya baik-baik saja, perubahan berhasil, dan lalu lintas meningkat. Namun, apa pun yang Anda lakukan sebelum liburan, lalu lintas akan tetap meningkat. Pengujian tidak boleh dilakukan sebelum atau segera setelah Tahun Baru; pengujian harus cukup lama untuk mengidentifikasi semua korelasi.
Pentingnya hubungan yang jelas antara tujuan dan metrik yang diukur. Misalnya, setelah mendesain ulang situs web toko online, sebuah perusahaan mungkin melihat peningkatan pengunjung atau pelanggan dan merasa puas dengan hasilnya. Namun, pada kenyataannya, nilai pesanan rata-rata mungkin lebih rendah dari biasanya, sehingga mengakibatkan pendapatan keseluruhan yang lebih rendah lagi. Hal ini, tentu saja, tidak dapat dianggap sebagai hasil yang positif. Masalahnya adalah perusahaan tidak mengukur hubungan antara peningkatan pengunjung, peningkatan pembelian, dan nilai pesanan rata-rata secara bersamaan.
Apakah pengujian hanya untuk toko daring?
Sama sekali tidak. Metode populer dalam ritel offline adalah menerapkan alur kerja lengkap untuk menguji hipotesis secara offline. Proses ini mengurangi risiko kesalahan pemilihan kelompok untuk eksperimen, menemukan keseimbangan optimal antara jumlah toko, waktu uji coba, dan besarnya dampak yang dinilai. Proses ini juga melibatkan penggunaan kembali dan penyempurnaan berkelanjutan terhadap metodologi pasca-analisis untuk dampak. Metode ini diperlukan untuk mengurangi kemungkinan positif palsu dan dampak yang terlewat, serta meningkatkan sensitivitas, karena dampak sekecil apa pun dapat menjadi sangat signifikan dalam skala bisnis besar. Oleh karena itu, penting untuk dapat mengidentifikasi perubahan sekecil apa pun dan meminimalkan risiko, termasuk menarik kesimpulan yang salah tentang hasil eksperimen.
Ritel, Data Besar, dan Studi Kasus Dunia Nyata
Tahun lalu, spesialis X5 Retail Group menilai tren penjualan produk terpopuler di kalangan penggemar Piala Dunia 2018. Meskipun tidak ada kejutan, statistiknya tetap menarik.
Air, misalnya, muncul sebagai "penjualan terlaris nomor satu." Di kota-kota tuan rumah Piala Dunia, penjualan air meningkat sekitar 46%, dengan Sochi memimpin dengan peningkatan penjualan sebesar 87%. Pada hari pertandingan, penjualan tertinggi tercatat di Saransk, yang penjualannya meningkat 160% dibandingkan hari-hari biasa.
Selain air, para penggemar juga membeli bir. Dari 14 Juni hingga 15 Juli, penjualan bir di kota-kota penyelenggara pertandingan meningkat rata-rata 31,8%. Sochi juga memimpin, dengan penjualan bir di sana naik 64%. Namun, di St. Petersburg, peningkatannya tidak terlalu signifikan—hanya 5,6%. Pada hari pertandingan, penjualan bir di Saransk juga meningkat sebesar 128%.
Riset juga dilakukan pada produk-produk lain. Data yang diperoleh selama hari-hari puncak konsumsi memungkinkan prakiraan permintaan yang lebih akurat di masa mendatang, dengan mempertimbangkan faktor-faktor peristiwa. Prakiraan yang akurat memungkinkan untuk mengantisipasi ekspektasi konsumen.
Selama pengujian, X5 Retail Group menggunakan dua metode:
Model deret waktu struktural Bayesian dengan estimasi perbedaan kumulatif;
Analisis regresi dengan penilaian bias distribusi kesalahan sebelum dan selama kejuaraan.
Apa lagi yang digunakan ritel dari Big Data?
- Ada banyak sekali metode dan teknologi, namun yang terlintas di pikiran saya adalah sebagai berikut:
- Perkiraan permintaan;
- Optimalisasi matriks rangkaian produk;
- Visi komputer untuk mengidentifikasi rak kosong dan mendeteksi terbentuknya antrean;
- Ramalan promo.
Kurangnya spesialis
Permintaan akan pakar Big Data terus meningkat. Pada tahun 2018, jumlah lowongan pekerjaan terkait Big Data meningkat tujuh kali lipat dibandingkan tahun 2015. Pada paruh pertama tahun 2019, permintaan akan spesialis melampaui 65% dari permintaan sepanjang tahun 2018.
Perusahaan-perusahaan besar khususnya membutuhkan analis Big Data. Misalnya, di Mail.ru Group, mereka dibutuhkan untuk setiap proyek yang memproses data teks, konten multimedia, serta sintesis dan analisis ucapan (terutama layanan cloud, jejaring sosial, gim, dll.). Jumlah lowongan di perusahaan ini telah meningkat tiga kali lipat selama dua tahun terakhir. Dalam delapan bulan pertama tahun ini, Mail.ru merekrut spesialis Big Data sebanyak yang mereka lakukan sepanjang tahun sebelumnya. Di Ozon, departemen Ilmu Data telah meningkat tiga kali lipat selama dua tahun terakhir. Megafon mengalami situasi serupa: tim yang bertanggung jawab atas analisis data telah berkembang beberapa kali lipat selama dua setengah tahun terakhir.
Tidak diragukan lagi bahwa permintaan akan profesional Big Data akan semakin meningkat di masa mendatang. Jadi, jika Anda tertarik dengan bidang ini, patut dicoba.
Sumber: www.habr.com
