ビッグデータ テクノロジーは現在、産業、医療、ビジネス、エンターテイメントなどあらゆる分野で使用されています。 したがって、ビッグデータを分析しなければ、大手小売店は正常に営業できなくなり、アマゾンの売上は減少し、気象学者は数日、数週間、数か月先の天気を予測できなくなります。 ビッグデータのスペシャリストの需要が現在非常に高く、その需要は増え続けているのは当然です。
GeekBrains はこの分野の代表者を育成し、経験豊富な専門家が関与する理論的知識と例による指導の両方を学生に提供しようとしています。 今年 オンライン大学GeekUniversityのビッグデータアナリストとロシア連邦最大の小売業者X5 Retail Groupがパートナーとなった。 豊富な知識と経験を持つ同社の専門家が、学生がトレーニング中に理論的なトレーニングと実践的な経験の両方を受けるブランドコースの作成に協力しました。
X5 Retail Group のモデリングおよびデータ分析担当ディレクターである Valery Babushkin に話を聞きました。 彼はそのうちの一人です 世界のデータサイエンティスト (機械学習スペシャリストの世界ランキングでは 30 位)。 ヴァレリーは他の教師たちとともに、GeekBrains の生徒たちに A/B テスト、これらの手法の基礎となる数学的統計、オフライン小売業での A/B テスト実装の最新の計算方法と機能について説明します。
そもそもなぜ A/B テストが必要なのでしょうか?
これは、コンバージョン、経済性、行動要因を改善するための最良の方法を見つけるための最良の方法の XNUMX つです。 他の方法もありますが、より高価で複雑です。 A/B テストの主な利点は、比較的低価格で、あらゆる規模の企業で利用できることです。
A/B テストについては、ビジネスにおける検索と意思決定の最も重要な方法の XNUMX つであり、企業の利益とさまざまな製品の開発の両方が依存する意思決定であると言えます。 テストにより、理論や仮説だけでなく、特定の変更によって顧客とネットワークのやり取りがどのように変化するかについての実践的な知識にも基づいて意思決定を行うことができます。
小売業では、マーケティング キャンペーン、SMS メールの送信、メール自体のテスト、棚への製品の配置、販売エリアの棚自体など、すべてをテストする必要があることを覚えておくことが重要です。 オンラインストアについて話す場合、ここでは要素、デザイン、碑文、テキストの配置をテストできます。
A/B テストは、小売業者などの企業が常に競争力を持ち、時代の変化を感知して自らを変えるのに役立つツールです。 これにより、ビジネスを可能な限り効率化し、利益を最大化することができます。
これらの方法にはどのようなニュアンスがあるのでしょうか?
重要なことは、テストの基礎となる目標または問題がなければならないということです。 たとえば、小売店やオンライン ストアの顧客数が少ないことが問題です。 目標は、顧客の流入を増やすことです。 仮説: オンライン ストアの商品カードを大きくし、写真を明るくすれば、より多くの購入が行われるでしょう。 次に、A/B テストが実行され、その結果が変化を評価します。 すべてのテストの結果を受け取ったら、サイトを変更するための行動計画の策定を開始できます。
重複するプロセスを含むテストを実行することはお勧めできません。そうしないと、結果の評価が難しくなります。 最も優先度の高い目標と策定された仮説を最初にテストすることをお勧めします。
結果が信頼できるとみなされるためには、テストは十分な時間継続する必要があります。 もちろん、正確にどれくらいかはテスト自体によって異なります。 そのため、大晦日には、ほとんどのオンライン ストアのトラフィックが増加します。 オンライン ストアのデザインが以前に変更されていた場合、短期間のテストでは、すべてが問題なく、変更が成功し、トラフィックが増加していることがわかります。 しかし、いいえ、休暇前に何をしてもトラフィックは増加します。テストは新年前または新年直後に完了することはできません。すべての相関関係を特定するには十分な時間が必要です。
目標と測定対象の指標を正しく結びつけることの重要性。 たとえば、同じオンライン ストアの Web サイトのデザインを変更することで、訪問者数や顧客数が増加し、満足しているとします。 しかし実際には、平均的な小切手のサイズは通常よりも小さい可能性があるため、全体の収入はさらに低くなります。 もちろん、これは良い結果とは言えません。 問題は、同社が訪問者数の増加、購入数の増加、平均小切手額の動態との関係を同時に確認していなかったことだ。
テストはオンライン ストアのみを対象としていますか?
全くない。 オフライン小売業で一般的な方法は、オフラインで仮説をテストするための完全なパイプラインの実装です。 これは、実験グループの選択を誤るリスクを軽減し、店舗数、パイロット時間、推定効果の大きさの最適な比率を選択するプロセスの構築です。 これは、事後効果分析手法の再利用と継続的な改善でもあります。 この方法は、大規模なビジネスの規模に対する小さな影響であっても非常に重要であるため、誤認エラーや影響の見逃しの可能性を減らし、感度を高めるために必要です。 したがって、最も弱い変化さえも特定し、実験結果についての誤った結論を含むリスクを最小限に抑えることができる必要があります。
小売、ビッグデータ、実際の事例
昨年、X5 Retail Group の専門家は、2018 年ワールドカップのファンの間で最も人気のある商品の販売量の動向を評価しました。 驚くようなことはありませんでしたが、それでも興味深い統計が判明しました。
こうして「売れ筋No.1」は水となった。 ワールドカップが開催された都市では、水の売り上げが約 46% 増加し、最大の都市はソチで、売上高は 87% 増加しました。 試合の日には、サランスクで最大の売上高が記録され、通常の日と比べて売上が160％増加しました。
ファンは水のほかにビールも購入した。 14月15日から31,8月64日までに、試合が行われた都市ではビールの売上高が平均5,6％増加した。 ソチもリーダーとなり、ビールの購入が128%増加しました。 しかしサンクトペテルブルクでは伸びはわずかXNUMX％にとどまった。 サランスクでの試合日には、ビールの売り上げが XNUMX% 増加しました。
他の製品についても研究が行われています。 食品消費のピーク日に取得されたデータにより、イベント要因を考慮して将来の需要をより正確に予測することができます。 正確な予測により、顧客の期待を予測することが可能になります。
テスト中に、X5 Retail Group は XNUMX つの方法を使用しました。
累積差分推定を備えたベイジアン構造時系列モデル。
チャンピオンシップ前とチャンピオンシップ中のエラー分布の変化を評価した回帰分析。
小売業はビッグデータから他に何を利用しますか?
- 思いつきで名前を挙げられるものだけでも、非常に多くの方法やテクノロジーがあります。
- 需要予測;
- 品揃えマトリックスの最適化。
- コンピュータビジョンにより棚の隙間を特定し、行列の形成を検出します。
- プロモ予想。
専門家の不足
ビッグデータの専門家に対する需要は増え続けています。 したがって、2018 年にはビッグデータ関連の求人数が 7 年と比較して 2015 倍に増加しました。 2019 年上半期のスペシャリストの需要は、65 年全体の需要の 2018% を超えました。
大企業は特にビッグデータ アナリストのサービスを必要としています。 たとえば、Mail.ru Group では、テキスト データ、マルチメディア コンテンツが処理され、音声合成と分析が実行されるあらゆるプロジェクト (これは、まず第一に、クラウド サービス、ソーシャル ネットワーク、ゲームなど) で必要とされます。 同社の求人数は過去 2,5 年間で XNUMX 倍に増加しました。 今年の最初の XNUMX か月間で、Mail.ru は昨年全体と同数のビッグ データ スペシャリストを雇用しました。 Ozon では、データ サイエンス部門が過去 XNUMX 年間で XNUMX 倍に成長しました。 Megafon でも状況は同様で、データを分析するチームは過去 XNUMX 年半で数倍に成長しました。
将来的には、ビッグデータ関連の専門分野の代表者の需要がさらに高まることは間違いありません。 したがって、この分野に興味がある場合は、ぜひ試してみてください。
出所： habr.com