A/B 테스트, 파이프라인 및 소매: GeekBrains 및 X5 Retail Group의 빅 데이터에 대한 브랜드 분기

빅데이터 기술은 이제 산업, 의학, 비즈니스, 엔터테인먼트 등 모든 분야에서 사용되고 있습니다. 따라서 빅데이터를 분석하지 않으면 대형 유통업체는 정상적으로 운영할 수 없고, 아마존의 매출도 떨어지며, 기상학자는 며칠, 몇 주, 몇 달 동안의 날씨를 미리 예측할 수 없게 됩니다. 현재 빅데이터 전문가에 대한 수요가 크며 수요가 지속적으로 증가하고 있다는 것은 논리적입니다.

GeekBrains는 경험이 풍부한 전문가가 참여하는 사례를 통한 교육과 이론적 지식을 학생들에게 제공하기 위해 이 분야의 대표자를 교육합니다. 올해 학부 온라인 대학 GeekUniversity의 빅데이터 분석가와 러시아 최대 소매업체인 X5 Retail Group이 파트너가 되었습니다. 광범위한 지식과 경험을 보유한 회사의 전문가들은 학생들이 교육 과정에서 이론 교육과 실무 경험을 모두 받을 수 있는 브랜드 과정을 만드는 데 도움을 주었습니다.

우리는 X5 Retail Group의 모델링 및 데이터 분석 이사인 Valery Babushkin과 이야기를 나눴습니다. 그는 다음 중 하나입니다 상단 세계 최고의 데이터 과학자(머신러닝 전문가 글로벌 순위 30위) 다른 교사들과 함께 Valery는 GeekBrains 학생들에게 A/B 테스트, 이러한 방법의 기반이 되는 수학적 통계, 오프라인 소매에서 A/B 테스트 구현의 기능 및 계산에 대한 최신 사례에 대해 설명합니다.

A/B 테스트가 왜 필요한가요?

이는 전환, 경제 및 행동 요인을 개선하는 최선의 방법을 찾는 가장 좋은 방법 중 하나입니다. 다른 방법도 있지만 더 비싸고 복잡합니다. A/B 테스트의 주요 장점은 상대적으로 저렴한 가격과 모든 규모의 기업에 대한 가용성입니다.

A/B 테스트에 관해서는 이것이 비즈니스에서 검색하고 의사결정을 내리는 가장 중요한 방법 중 하나라고 말할 수 있습니다. 이는 모든 회사의 이익과 다양한 제품 개발이 좌우되는 결정입니다. 테스트를 통해 이론과 가설뿐만 아니라 특정 변경 사항이 고객과 네트워크의 상호 작용을 어떻게 수정하는지에 대한 실제 지식을 기반으로 결정을 내릴 수 있습니다.

소매점에서는 마케팅 캠페인, SMS 메일링, 메일링 자체 테스트, 선반에 제품 배치 및 판매 구역의 선반 자체 등 모든 것을 테스트해야 한다는 점을 기억하는 것이 중요합니다. 온라인 상점에 관해 이야기한다면 여기에서 요소, 디자인, 비문 및 텍스트의 배열을 테스트할 수 있습니다.

A/B 테스트는 소매업체와 같은 회사가 항상 경쟁력을 유지하고 시간의 변화를 감지하고 스스로 변화하도록 돕는 도구입니다. 이를 통해 비즈니스는 최대한 효율적으로 운영되어 이익을 극대화할 수 있습니다.

이 방법의 뉘앙스는 무엇입니까?

가장 중요한 것은 테스트의 기반이 되는 목표나 문제가 있어야 한다는 것입니다. 예를 들어, 문제는 소매점이나 온라인 상점에 소수의 고객이 있다는 것입니다. 고객 유입을 늘리는 것이 목표입니다. 가설: 온라인 상점의 제품 카드가 더 커지고 사진이 더 밝아지면 구매가 더 많아질 것입니다. 다음으로 A/B 테스트를 실시하고 그 결과 변경 사항을 평가합니다. 모든 테스트 결과가 수신되면 사이트 변경을 위한 실행 계획 수립을 시작할 수 있습니다.

프로세스가 겹치는 테스트를 수행하는 것은 권장되지 않습니다. 그렇지 않으면 결과를 평가하기가 더 어려워집니다. 우선순위가 가장 높은 목표와 수립된 가설에 대한 테스트를 먼저 수행하는 것이 좋습니다.

테스트는 결과가 신뢰할 수 있을 만큼 충분히 오래 지속되어야 합니다. 물론 얼마나 정확하게 테스트 자체에 따라 달라집니다. 따라서 새해 전날에는 대부분의 온라인 상점의 트래픽이 증가합니다. 이전에 온라인 상점의 디자인이 변경된 경우 단기 테스트를 통해 모든 것이 정상이고 변경 사항이 성공적이며 트래픽이 증가하는 것으로 나타났습니다. 하지만 아니요, 연휴 전에 무엇을 하든 트래픽이 증가하고 새해 전이나 새해 직후에 테스트를 완료할 수 없으므로 모든 상관관계를 식별할 수 있을 만큼 충분히 길어야 합니다.

목표와 측정되는 지표 사이의 올바른 연결의 중요성. 예를 들어, 동일한 온라인 상점 웹사이트의 디자인을 변경하면 회사에서는 방문자 수나 고객 수가 증가하는 것을 보고 이에 만족합니다. 그러나 실제로는 평균 수표 금액이 평소보다 작을 수 있으므로 전체 소득은 더욱 낮아질 수 있습니다. 물론 이는 긍정적인 결과라고 할 수는 없다. 문제는 회사가 방문객 증가, 구매 건수 증가, 평균 수표 규모의 역학 관계를 동시에 확인하지 않았다는 것입니다.

테스트는 온라인 상점에서만 진행되나요?

별말씀을요. 오프라인 소매업에서 널리 사용되는 방법은 오프라인에서 가설을 테스트하기 위한 완전한 파이프라인을 구현하는 것입니다. 실험을 위해 그룹을 잘못 선택할 위험을 줄이고, 매장 수, 파일럿 시간, 추정 효과 크기의 최적 비율을 선택하는 프로세스의 구축입니다. 이는 사후 효과 분석 방법론의 재사용과 지속적인 개선이기도 합니다. 대기업 규모에서는 작은 효과라도 매우 중요하기 때문에 허위 승인 오류 및 효과 누락 가능성을 줄이고 민감도를 높이는 방법이 필요합니다. 따라서 가장 약한 변화도 식별하고 실험 결과에 대한 잘못된 결론을 내리는 등의 위험을 최소화할 수 있어야 합니다.

소매업, 빅데이터 및 실제 사례

작년에 X5 Retail Group 전문가들은 2018 월드컵 팬들 사이에서 가장 인기 있는 제품의 판매량 역학을 평가했습니다. 놀라운 일은 없었지만 통계는 여전히 흥미로운 것으로 나타났습니다.

이로써 물은 '베스트셀러 1위'가 됐다. 월드컵을 개최한 도시에서는 물 판매량이 약 46% 증가했으며, 매출이 87% 증가한 소치가 선두를 차지했습니다. 경기일에는 사란스크에서 최대 수치가 기록되었습니다. 여기서 매출은 평소보다 160% 증가했습니다.

팬들은 물 외에도 맥주를 샀다. 14월 15일부터 31,8월 64일까지 경기가 열린 도시에서는 맥주 매출이 평균 5,6% 증가했습니다. 소치도 선두가 되었습니다. 이곳에서 맥주를 ​​128% 더 적극적으로 구매했습니다. 그러나 상트페테르부르크에서는 성장률이 XNUMX%에 불과했습니다. 사란스크에서 경기가 있는 날 맥주 판매량은 XNUMX% 증가했습니다.

다른 제품에 대한 연구도 수행되었습니다. 식품 소비가 가장 많은 날에 얻은 데이터를 통해 이벤트 요인을 고려하여 향후 수요를 보다 정확하게 예측할 수 있습니다. 정확한 예측을 통해 고객의 기대를 예측할 수 있습니다.

테스트 중에 X5 Retail Group은 두 가지 방법을 사용했습니다.
누적차이추정을 이용한 베이지안 구조적 시계열 모델
챔피언십 전과 챔피언십 도중 오류 분포의 변화를 평가하는 회귀 분석.

소매업에서는 빅데이터 중 또 무엇을 사용하나요?

• 직접적으로 이름을 붙일 수 있는 방법과 기술은 다음과 같습니다.
• 수요예측
• 구색 매트릭스 최적화
• 선반의 빈 공간을 식별하고 대기열 형성을 감지하는 컴퓨터 비전
• 프로모션 예측.

전문가 부족

빅데이터 전문가에 대한 수요는 지속적으로 증가하고 있습니다. 이에 따라 2018년에는 빅데이터 관련 채용인원이 7년 대비 2015배 증가했다. 2019년 상반기에는 전문가에 대한 수요가 65년 전체 수요의 2018%를 초과했습니다.

특히 대기업에는 빅데이터 분석가의 서비스가 필요합니다. 예를 들어 Mail.ru Group에서는 텍스트 데이터, 멀티미디어 콘텐츠가 처리되고 음성 합성 및 분석이 수행되는 모든 프로젝트(우선 클라우드 서비스, 소셜 네트워크, 게임 등)에 필요합니다. 지난 2,5년간 회사의 채용인원이 XNUMX배로 늘어났다. 올해 첫 XNUMX개월 동안 Mail.ru는 작년 전체와 동일한 수의 빅 데이터 전문가를 고용했습니다. Ozon에서 데이터 과학 부서는 지난 XNUMX년 동안 XNUMX배 성장했습니다. 상황은 Megafon에서도 비슷합니다. 데이터를 분석하는 팀은 지난 XNUMX년 동안 여러 번 성장했습니다.

의심할 바 없이, 앞으로 빅데이터 관련 전문가에 대한 수요는 더욱 커질 것입니다. 따라서 이 분야에 관심이 있다면 직접 시도해 보아야 합니다.

출처 : habr.com