Le tecnologie Big Data sono ora utilizzate ovunque: nell’industria, nella medicina, negli affari e nell’intrattenimento. Pertanto, senza l’analisi dei big data, la grande distribuzione non sarà in grado di operare normalmente, le vendite su Amazon diminuiranno e i meteorologi non saranno in grado di prevedere il tempo con molti giorni, settimane e mesi di anticipo. È logico che gli specialisti dei Big Data siano ora molto richiesti e la domanda è in costante crescita.
GeekBrains forma rappresentanti di questo campo, cercando di fornire agli studenti sia conoscenze teoriche che insegnamenti tramite esempi, per i quali sono coinvolti esperti esperti. Quest'anno Gli analisti di Big Data dell'università online GeekUniversity e il più grande rivenditore della Federazione Russa, X5 Retail Group, sono diventati partner. Gli specialisti dell'azienda, con una vasta conoscenza ed esperienza, hanno contribuito a creare un corso di marca, in cui gli studenti ricevono sia formazione teorica che esperienza pratica durante il corso di formazione.
Abbiamo parlato con Valery Babushkin, direttore della modellazione e dell'analisi dei dati presso X5 Retail Group. Lui è uno dei data scientist nel mondo (30° nella classifica globale degli specialisti del machine learning). Insieme ad altri insegnanti, Valery racconta agli studenti di GeekBrains i test A/B, le statistiche matematiche su cui si basano questi metodi, nonché le pratiche moderne per i calcoli e le funzionalità di implementazione dei test A/B nella vendita al dettaglio offline.
Perché abbiamo bisogno dei test A/B?
Questo è uno dei metodi migliori per trovare i modi migliori per migliorare conversioni, fattori economici e comportamentali. Esistono altri metodi, ma sono più costosi e complessi. I principali vantaggi dei test A/B sono il prezzo relativamente basso e la disponibilità per aziende di qualsiasi dimensione.
Per quanto riguarda i test A/B, possiamo dire che questo è uno dei modi più importanti per cercare e prendere decisioni negli affari, decisioni da cui dipendono sia il profitto che lo sviluppo di vari prodotti di qualsiasi azienda. I test consentono di prendere decisioni basate non solo su teorie e ipotesi, ma anche sulla conoscenza pratica di come cambiamenti specifici modificano le interazioni dei clienti con la rete.
È importante ricordare che nella vendita al dettaglio è necessario testare tutto: campagne di marketing, invii SMS, test degli invii stessi, posizionamento dei prodotti sugli scaffali e gli scaffali stessi nelle aree di vendita. Se parliamo di un negozio online, qui puoi testare la disposizione di elementi, design, iscrizioni e testi.
I test A/B sono uno strumento che aiuta un'azienda, ad esempio un rivenditore, a essere sempre competitiva, a percepire i cambiamenti nel tempo e a cambiare se stessa. Ciò consente all’azienda di essere il più efficiente possibile, massimizzando i profitti.
Quali sono le sfumature di questi metodi?
La cosa principale è che ci deve essere un obiettivo o un problema su cui si baserà il test. Ad esempio, il problema è un numero limitato di clienti in un punto vendita o in un negozio online. L’obiettivo è aumentare l’afflusso di clienti. Ipotesi: se le schede prodotto in un negozio online vengono ingrandite e le fotografie sono più luminose, allora ci saranno più acquisti. Successivamente viene effettuato un test A/B, il cui risultato è una valutazione delle modifiche. Dopo aver ricevuto i risultati di tutti i test, puoi iniziare a formulare un piano d'azione per modificare il sito.
Non è consigliabile condurre test con processi sovrapposti, altrimenti i risultati saranno più difficili da valutare. Si consiglia di effettuare prima test sugli obiettivi con priorità più alta e formulare ipotesi.
Il test deve durare abbastanza a lungo affinché i risultati possano essere considerati affidabili. Quanto dipende esattamente, ovviamente, dal test stesso. Quindi, a Capodanno, aumenta il traffico della maggior parte dei negozi online. Se il design del negozio online è stato modificato in precedenza, un test a breve termine mostrerà che va tutto bene, che le modifiche hanno avuto successo e che il traffico è in crescita. Ma no, qualunque cosa tu faccia prima delle vacanze, il traffico aumenterà, il test non può essere completato prima del nuovo anno o subito dopo, deve essere abbastanza lungo per identificare tutte le correlazioni.
L'importanza del corretto collegamento tra l'obiettivo e l'indicatore da misurare. Ad esempio, modificando il design del sito web dello stesso negozio online, l'azienda vede un aumento del numero di visitatori o clienti e ne è soddisfatta. Ma in realtà, l’importo medio dell’assegno potrebbe essere inferiore al solito, quindi il tuo reddito complessivo sarà ancora più basso. Questo, ovviamente, non può essere definito un risultato positivo. Il problema è che l'azienda non ha verificato contemporaneamente la relazione tra aumento dei visitatori, aumento del numero di acquisti e dinamica dell'entità dell'assegno medio.
I test sono solo per i negozi online?
Affatto. Un metodo popolare nella vendita al dettaglio offline è l'implementazione di una pipeline completa per testare le ipotesi offline. Questa è la costruzione di un processo in cui vengono ridotti i rischi di selezione errata dei gruppi per l'esperimento, viene selezionato il rapporto ottimale tra il numero di negozi, il tempo pilota e la dimensione dell'effetto stimato. È anche il riutilizzo e il miglioramento continuo delle metodologie di analisi post-effetti. Il metodo è necessario per ridurre la probabilità di errori di falsa accettazione e di effetti mancati, nonché per aumentare la sensibilità, poiché anche un piccolo effetto sulla scala di una grande azienda è di grande importanza. Pertanto, è necessario essere in grado di identificare anche i cambiamenti più deboli e ridurre al minimo i rischi, comprese conclusioni errate sui risultati dell'esperimento.
Retail, Big Data e casi reali
L'anno scorso, gli esperti di X5 Retail Group hanno valutato le dinamiche dei volumi di vendita dei prodotti più apprezzati dai tifosi dei Mondiali 2018. Non ci sono state sorprese, ma le statistiche si sono comunque rivelate interessanti.
Pertanto, l’acqua si è rivelata il “bestseller numero 1”. Nelle città che hanno ospitato i Mondiali, le vendite di acqua sono aumentate di circa il 46%; leader è stata Sochi, dove il fatturato è aumentato dell'87%. Nei giorni delle partite, la cifra massima è stata registrata a Saransk: qui le vendite sono aumentate del 160% rispetto ai giorni normali.
Oltre all'acqua, i fan hanno comprato la birra. Dal 14 giugno al 15 luglio, nelle città dove si sono svolte le partite, il fatturato della birra è aumentato in media del 31,8%. Anche Sochi è diventata il leader: qui la birra è stata acquistata il 64% più attivamente. Ma a San Pietroburgo la crescita è stata modesta: solo il 5,6%. Nei giorni delle partite a Saransk, le vendite di birra sono aumentate del 128%.
Sono state condotte ricerche anche su altri prodotti. I dati ottenuti nei giorni di punta del consumo alimentare ci consentono di prevedere con maggiore precisione la domanda futura, tenendo conto dei fattori legati agli eventi. Una previsione accurata consente di anticipare le aspettative dei clienti.
Durante i test, X5 Retail Group ha utilizzato due metodi:
Modelli strutturali bayesiani di serie temporali con stima delle differenze cumulative;
Analisi di regressione con valutazione dello spostamento nella distribuzione degli errori prima e durante il campionato.
Cos’altro trae vantaggio dal commercio al dettaglio dai Big Data?
- Esistono molti metodi e tecnologie, da quello che può essere chiamato con disinvoltura, questi sono:
- Previsione della domanda;
- Ottimizzazione della matrice di assortimento;
- Visione artificiale per identificare i vuoti sugli scaffali e rilevare la formazione di code;
- Previsioni promozionali.
Mancanza di specialisti
La richiesta di esperti di Big Data è in costante crescita. Pertanto, nel 2018, il numero di posti vacanti legati ai big data è aumentato di 7 volte rispetto al 2015. Nella prima metà del 2019 la domanda di specialisti ha superato il 65% della domanda dell’intero 2018.
Le grandi aziende hanno particolarmente bisogno dei servizi degli analisti di Big Data. Ad esempio, nel gruppo Mail.ru sono necessari in qualsiasi progetto in cui vengono elaborati dati di testo, contenuti multimediali, sintesi vocale e analisi (si tratta, prima di tutto, di servizi cloud, social network, giochi, ecc.). Negli ultimi due anni il numero dei posti vacanti in azienda è triplicato. Nei primi otto mesi di quest'anno Mail.ru ha assunto lo stesso numero di specialisti di Big Data dell'intero anno scorso. In Ozon, il dipartimento di Data Science è triplicato negli ultimi due anni. La situazione è simile in Megafon: il team che analizza i dati è cresciuto più volte negli ultimi 2,5 anni.
Senza dubbio, in futuro la domanda di rappresentanti di specialità legate ai Big Data crescerà ancora di più. Quindi, se sei interessato a quest'area, dovresti provare a farlo.
Fonte: habr.com