ການທົດສອບ A/B, ທໍ່ສົ່ງແລະການຂາຍຍ່ອຍ: ໄຕມາດຍີ່ຫໍ້ສໍາລັບ Big Data ຈາກ GeekBrains ແລະ X5 Retail Group

ດຽວນີ້ເທັກໂນໂລຍີ Big Data ຖືກໃຊ້ຢູ່ທົ່ວທຸກແຫ່ງ - ໃນອຸດສາຫະກໍາ, ຢາ, ທຸລະກິດ, ແລະການບັນເທີງ. ດັ່ງນັ້ນ, ໂດຍບໍ່ມີການວິເຄາະຂໍ້ມູນໃຫຍ່, ຜູ້ຄ້າປີກຂະຫນາດໃຫຍ່ຈະບໍ່ສາມາດດໍາເນີນການໄດ້ຕາມປົກກະຕິ, ການຂາຍໃນ Amazon ຈະຫຼຸດລົງ, ແລະນັກອຸຕຸນິຍົມວິທະຍາຈະບໍ່ສາມາດຄາດຄະເນສະພາບອາກາດໃນຫຼາຍມື້, ອາທິດແລະເດືອນລ່ວງຫນ້າ. ມັນເປັນເຫດຜົນວ່າຜູ້ຊ່ຽວຊານດ້ານຂໍ້ມູນໃຫຍ່ໃນປັດຈຸບັນແມ່ນຢູ່ໃນຄວາມຕ້ອງການທີ່ຍິ່ງໃຫຍ່, ແລະຄວາມຕ້ອງການແມ່ນການຂະຫຍາຍຕົວຢ່າງຕໍ່ເນື່ອງ.

GeekBrains ຝຶກອົບຮົມຜູ້ຕາງຫນ້າຂອງສາຂານີ້, ພະຍາຍາມໃຫ້ນັກຮຽນມີທັງຄວາມຮູ້ທາງທິດສະດີແລະການສອນໂດຍຕົວຢ່າງ, ເຊິ່ງຜູ້ຊ່ຽວຊານທີ່ມີປະສົບການມີສ່ວນຮ່ວມ. ປີ​ນີ້ ຄະນະວິຊາ ນັກວິເຄາະຂໍ້ມູນໃຫຍ່ຈາກມະຫາວິທະຍາໄລອອນໄລນ໌ GeekUniversity ແລະຮ້ານຂາຍຍ່ອຍທີ່ໃຫຍ່ທີ່ສຸດໃນສະຫະພັນລັດເຊຍ, X5 Retail Group, ໄດ້ກາຍເປັນຄູ່ຮ່ວມງານ. ຜູ້ຊ່ຽວຊານຂອງບໍລິສັດ, ມີຄວາມຮູ້ແລະປະສົບການຢ່າງກວ້າງຂວາງ, ໄດ້ຊ່ວຍສ້າງຫຼັກສູດທີ່ມີຍີ່ຫໍ້, ເຊິ່ງນັກຮຽນໄດ້ຮັບທັງການຝຶກອົບຮົມທິດສະດີແລະປະສົບການການປະຕິບັດໃນລະຫວ່າງການຝຶກອົບຮົມ.

ພວກເຮົາໄດ້ໂອ້ລົມກັບ Valery Babushkin, ຜູ້ອໍານວຍການສ້າງແບບຈໍາລອງແລະການວິເຄາະຂໍ້ມູນຂອງ X5 Retail Group. ລາວເປັນຫນຶ່ງໃນ ດີ​ທີ່​ສຸດ ນັກວິທະຍາສາດຂໍ້ມູນໃນໂລກ (ອັນດັບທີ 30 ຂອງໂລກຂອງຜູ້ຊ່ຽວຊານດ້ານການຮຽນຮູ້ເຄື່ອງຈັກ). ຮ່ວມກັບຄູສອນຄົນອື່ນໆ, Valery ບອກນັກຮຽນ GeekBrains ກ່ຽວກັບການທົດສອບ A/B, ສະຖິຕິທາງຄະນິດສາດທີ່ວິທີການເຫຼົ່ານີ້ແມ່ນອີງໃສ່, ເຊັ່ນດຽວກັນກັບການປະຕິບັດທີ່ທັນສະໄຫມສໍາລັບການຄິດໄລ່ແລະລັກສະນະຂອງການປະຕິບັດການທົດສອບ A / B ໃນການຂາຍຍ່ອຍອອບໄລນ໌.

ເປັນຫຍັງພວກເຮົາຈຶ່ງຕ້ອງການການທົດສອບ A/B ທັງໝົດ?

ນີ້ແມ່ນວິທີການທີ່ດີທີ່ສຸດສໍາລັບການຊອກຫາວິທີທີ່ດີທີ່ສຸດເພື່ອປັບປຸງການແປງ, ເສດຖະກິດແລະປັດໃຈພຶດຕິກໍາ. ມີວິທີການອື່ນໆ, ແຕ່ພວກມັນມີລາຄາແພງກວ່າແລະສະລັບສັບຊ້ອນ. ຂໍ້ໄດ້ປຽບຕົ້ນຕໍຂອງການທົດສອບ A / B ແມ່ນລາຄາທີ່ຂ້ອນຂ້າງຕໍ່າແລະຄວາມພ້ອມສໍາລັບທຸລະກິດທຸກຂະຫນາດ.

ກ່ຽວກັບການທົດສອບ A / B, ພວກເຮົາສາມາດເວົ້າໄດ້ວ່ານີ້ແມ່ນວິທີຫນຶ່ງທີ່ສໍາຄັນທີ່ສຸດໃນການຄົ້ນຫາແລະການຕັດສິນໃຈໃນທຸລະກິດ, ການຕັດສິນໃຈທີ່ທັງຜົນກໍາໄລແລະການພັດທະນາຜະລິດຕະພັນຕ່າງໆຂອງບໍລິສັດໃດກໍ່ຕາມແມ່ນຂຶ້ນກັບ. ການທົດສອບເຮັດໃຫ້ມັນເປັນໄປໄດ້ທີ່ຈະເຮັດໃຫ້ການຕັດສິນໃຈໂດຍອີງໃສ່ບໍ່ພຽງແຕ່ທິດສະດີແລະສົມມຸດຕິຖານ, ແຕ່ຍັງກ່ຽວກັບຄວາມຮູ້ພາກປະຕິບັດຂອງວິທີການສະເພາະການປ່ຽນແປງການໂຕ້ຕອບຂອງລູກຄ້າກັບເຄືອຂ່າຍ.

ມັນເປັນສິ່ງສໍາຄັນທີ່ຈະຈື່ຈໍາວ່າໃນຮ້ານຂາຍຍ່ອຍທ່ານຈໍາເປັນຕ້ອງທົດສອບທຸກຢ່າງ - ການໂຄສະນາການຕະຫຼາດ, ການສົ່ງຈົດຫມາຍ SMS, ການທົດສອບການສົ່ງຈົດຫມາຍດ້ວຍຕົນເອງ, ການຈັດວາງຜະລິດຕະພັນຢູ່ເທິງຊັ້ນວາງແລະຊັ້ນວາງເອງໃນເຂດການຂາຍ. ຖ້າພວກເຮົາສົນທະນາກ່ຽວກັບຮ້ານອອນໄລນ໌, ຫຼັງຈາກນັ້ນໃນທີ່ນີ້ທ່ານສາມາດທົດສອບການຈັດລຽງຂອງອົງປະກອບ, ການອອກແບບ, inscriptions ແລະບົດເລື່ອງຕ່າງໆ.

ການທົດສອບ A / B ແມ່ນເຄື່ອງມືທີ່ຊ່ວຍໃຫ້ບໍລິສັດ, ຕົວຢ່າງ, ຜູ້ຄ້າປີກ, ສະເຫມີສາມາດແຂ່ງຂັນ, ຄວາມຮູ້ສຶກປ່ຽນແປງເວລາແລະການປ່ຽນແປງຕົວມັນເອງ. ນີ້ອະນຸຍາດໃຫ້ທຸລະກິດມີປະສິດທິພາບເທົ່າທີ່ເປັນໄປໄດ້, ເພີ່ມກໍາໄລສູງສຸດ.

ແມ່ນຫຍັງຄື nuances ຂອງວິທີການເຫຼົ່ານີ້?

ສິ່ງທີ່ ສຳ ຄັນແມ່ນຕ້ອງມີເປົ້າ ໝາຍ ຫຼືບັນຫາທີ່ການທົດສອບຈະອີງໃສ່. ຕົວຢ່າງ, ບັນຫາແມ່ນລູກຄ້າຈໍານວນນ້ອຍຢູ່ໃນຮ້ານຂາຍຍ່ອຍຫຼືຮ້ານອອນໄລນ໌. ເປົ້າຫມາຍແມ່ນເພື່ອເພີ່ມທະວີການໄຫຼເຂົ້າຂອງລູກຄ້າ. ສົມມຸດຕິຖານ: ຖ້າບັດສິນຄ້າໃນຮ້ານຄ້າອອນໄລນ໌ຖືກສ້າງໃຫ້ໃຫຍ່ຂຶ້ນແລະຮູບພາບທີ່ສົດໃສກວ່າ, ຫຼັງຈາກນັ້ນຈະມີການຊື້ຫຼາຍຂຶ້ນ. ຕໍ່ໄປ, ການທົດສອບ A / B ແມ່ນດໍາເນີນ, ຜົນໄດ້ຮັບແມ່ນການປະເມີນການປ່ຽນແປງ. ຫຼັງຈາກຜົນໄດ້ຮັບຂອງການທົດສອບທັງຫມົດໄດ້ຮັບ, ທ່ານສາມາດເລີ່ມຕົ້ນສ້າງແຜນການປະຕິບັດງານເພື່ອປ່ຽນສະຖານທີ່.

ມັນບໍ່ໄດ້ຖືກແນະນໍາໃຫ້ເຮັດການທົດສອບທີ່ມີຂະບວນການຊ້ອນກັນ, ຖ້າບໍ່ດັ່ງນັ້ນຜົນໄດ້ຮັບຈະມີຄວາມຫຍຸ້ງຍາກຫຼາຍທີ່ຈະປະເມີນ. ແນະນໍາໃຫ້ດໍາເນີນການທົດສອບກ່ຽວກັບເປົ້າຫມາຍບູລິມະສິດສູງສຸດແລະສ້າງສົມມຸດຕິຖານກ່ອນ.

ການທົດສອບຕ້ອງໃຊ້ເວລາດົນພໍສໍາລັບຜົນໄດ້ຮັບທີ່ຈະໄດ້ຮັບການພິຈາລະນາທີ່ເຊື່ອຖືໄດ້. ຫຼາຍປານໃດແນ່ນອນ, ແນ່ນອນ, ຢູ່ໃນການທົດສອບຕົວມັນເອງ. ດັ່ງນັ້ນ, ໃນວັນປີໃຫມ່, ການຈະລາຈອນຂອງຮ້ານຄ້າອອນໄລນ໌ສ່ວນໃຫຍ່ເພີ່ມຂຶ້ນ. ຖ້າການອອກແບບຂອງຮ້ານອອນໄລນ໌ໄດ້ຖືກປ່ຽນແປງກ່ອນ, ຫຼັງຈາກນັ້ນ, ການທົດສອບໄລຍະສັ້ນຈະສະແດງໃຫ້ເຫັນວ່າທຸກສິ່ງທຸກຢ່າງແມ່ນດີ, ການປ່ຽນແປງແມ່ນປະສົບຜົນສໍາເລັດ, ແລະການຈະລາຈອນຈະເພີ່ມຂຶ້ນ. ແຕ່ບໍ່, ບໍ່ວ່າທ່ານຈະເຮັດຫຍັງກ່ອນວັນພັກ, ການຈະລາຈອນຈະເພີ່ມຂຶ້ນ, ການທົດສອບບໍ່ສາມາດສໍາເລັດກ່ອນປີໃຫມ່ຫຼືທັນທີຫຼັງຈາກມັນ, ມັນຕ້ອງມີຄວາມຍາວພຽງພໍທີ່ຈະກໍານົດຄວາມສໍາພັນທັງຫມົດ.

ຄວາມສໍາຄັນຂອງການເຊື່ອມຕໍ່ທີ່ຖືກຕ້ອງລະຫວ່າງເປົ້າຫມາຍແລະຕົວຊີ້ວັດທີ່ຖືກວັດແທກ. ຕົວຢ່າງ, ໂດຍການປ່ຽນແປງການອອກແບບເວັບໄຊທ໌ຮ້ານອອນໄລນ໌ດຽວກັນ, ບໍລິສັດເຫັນການເພີ່ມຂຶ້ນຂອງຈໍານວນຜູ້ເຂົ້າຊົມຫຼືລູກຄ້າແລະພໍໃຈກັບເລື່ອງນີ້. ແຕ່ຄວາມຈິງແລ້ວ, ຂະຫນາດການກວດສອບສະເລ່ຍອາດຈະນ້ອຍກວ່າປົກກະຕິ, ດັ່ງນັ້ນລາຍໄດ້ລວມຂອງທ່ານຈະຍັງຕໍ່າກວ່າ. ນີ້, ແນ່ນອນ, ບໍ່ສາມາດເອີ້ນວ່າຜົນໄດ້ຮັບໃນທາງບວກ. ບັນຫາແມ່ນວ່າບໍລິສັດບໍ່ໄດ້ພ້ອມກັນກວດເບິ່ງຄວາມສໍາພັນລະຫວ່າງການເພີ່ມຂຶ້ນຂອງນັກທ່ອງທ່ຽວ, ການເພີ່ມຂຶ້ນຂອງຈໍານວນການຊື້, ແລະການເຄື່ອນໄຫວຂອງຂະຫນາດຂອງການກວດສອບສະເລ່ຍ.

ການທົດສອບພຽງແຕ່ສໍາລັບຮ້ານອອນໄລນ໌?

ບໍ່​ແມ່ນ​ທັງ​ຫມົດ. ວິທີການທີ່ນິຍົມໃນການຂາຍຍ່ອຍແບບອອບໄລນ໌ແມ່ນການປະຕິບັດທໍ່ທີ່ສົມບູນສໍາລັບການທົດສອບສົມມຸດຕິຖານແບບອອບໄລນ໌. ນີ້ແມ່ນການກໍ່ສ້າງຂະບວນການທີ່ຄວາມສ່ຽງຂອງການຄັດເລືອກທີ່ບໍ່ຖືກຕ້ອງຂອງກຸ່ມສໍາລັບການທົດລອງໄດ້ຖືກຫຼຸດລົງ, ອັດຕາສ່ວນທີ່ເຫມາະສົມຂອງຈໍານວນຮ້ານ, ເວລາທົດລອງແລະຂະຫນາດຂອງຜົນກະທົບທີ່ຄາດຄະເນໄດ້ຖືກເລືອກ. ມັນຍັງເປັນການນໍາໃຊ້ຄືນໃຫມ່ແລະການປັບປຸງຢ່າງຕໍ່ເນື່ອງຂອງວິທີການການວິເຄາະຫຼັງຜົນກະທົບ. ວິທີການແມ່ນຈໍາເປັນເພື່ອຫຼຸດຜ່ອນຄວາມເປັນໄປໄດ້ຂອງຄວາມຜິດພາດການຍອມຮັບທີ່ບໍ່ຖືກຕ້ອງແລະຜົນກະທົບທີ່ພາດ, ເຊັ່ນດຽວກັນກັບການເພີ່ມຄວາມອ່ອນໄຫວ, ເພາະວ່າເຖິງແມ່ນວ່າຜົນກະທົບຂະຫນາດນ້ອຍໃນຂະຫນາດຂອງທຸລະກິດຂະຫນາດໃຫຍ່ແມ່ນມີຄວາມສໍາຄັນຫຼາຍ. ດັ່ງນັ້ນ, ທ່ານຈໍາເປັນຕ້ອງສາມາດກໍານົດເຖິງແມ່ນວ່າການປ່ຽນແປງທີ່ອ່ອນແອທີ່ສຸດແລະຫຼຸດຜ່ອນຄວາມສ່ຽງ, ລວມທັງບົດສະຫຼຸບທີ່ບໍ່ຖືກຕ້ອງກ່ຽວກັບຜົນຂອງການທົດລອງ.

ຂາຍຍ່ອຍ, Big Data ແລະກໍລະນີທີ່ແທ້ຈິງ

ປີທີ່ຜ່ານມາ, ຜູ້ຊ່ຽວຊານກຸ່ມຄ້າປີກ X5 ໄດ້ປະເມີນນະໂຍບາຍດ້ານຂອງປະລິມານການຂາຍຂອງຜະລິດຕະພັນທີ່ນິຍົມຫລາຍທີ່ສຸດໃນບັນດາ fans ຂອງເຕະບານໂລກ 2018. ບໍ່ມີຄວາມແປກໃຈ, ແຕ່ສະຖິຕິຍັງຄົງເປັນທີ່ຫນ້າສົນໃຈ.

ດັ່ງນັ້ນ, ນ້ໍາໄດ້ກາຍເປັນ "ຂາຍດີທີ່ສຸດອັນດັບ 1." ໃນຕົວເມືອງທີ່ເປັນເຈົ້າພາບເຕະບານໂລກ, ການຂາຍນ້ໍາເພີ່ມຂຶ້ນປະມານ 46% ຜູ້ນໍາແມ່ນ Sochi, ບ່ອນທີ່ມູນຄ່າເພີ່ມຂຶ້ນ 87%. ໃນມື້ທີ່ມີການແຂ່ງຂັນ, ຕົວເລກສູງສຸດໄດ້ຖືກບັນທຶກໄວ້ໃນ Saransk - ທີ່ນີ້ການຂາຍເພີ່ມຂຶ້ນ 160% ເມື່ອທຽບກັບມື້ປົກກະຕິ.

ນອກຈາກນ້ໍາ, fans ຊື້ເບຍ. ແຕ່​ວັນ​ທີ 14 ມິຖຸນາ​ຫາ​ວັນ​ທີ 15 ກໍລະກົດ​ນີ້, ຢູ່​ບັນດາ​ເມືອງ​ທີ່​ມີ​ການ​ແຂ່ງຂັນ, ການ​ຄ້າ​ເບຍ​ໄດ້​ເພີ່ມ​ຂຶ້ນ​ສະ​ເລ່ຍ 31,8%. Sochi ຍັງກາຍເປັນຜູ້ນໍາ - ເບຍຖືກຊື້ຢູ່ທີ່ນີ້ 64% ຢ່າງຈິງຈັງ. ແຕ່ໃນ St. Petersburg ການຂະຫຍາຍຕົວແມ່ນຂະຫນາດນ້ອຍ - ພຽງແຕ່ 5,6%. ໃນມື້ແຂ່ງຂັນໃນ Saransk, ການຂາຍເບຍເພີ່ມຂຶ້ນ 128%.

ການຄົ້ນຄວ້າຍັງໄດ້ດໍາເນີນການກ່ຽວກັບຜະລິດຕະພັນອື່ນໆ. ຂໍ້ມູນທີ່ໄດ້ຮັບໃນມື້ສູງສຸດຂອງການບໍລິໂພກອາຫານຊ່ວຍໃຫ້ພວກເຮົາສາມາດຄາດຄະເນຄວາມຕ້ອງການໃນອະນາຄົດໄດ້ຢ່າງຖືກຕ້ອງ, ໂດຍຄໍານຶງເຖິງປັດໃຈເຫດການ. ການຄາດຄະເນທີ່ຖືກຕ້ອງເຮັດໃຫ້ມັນເປັນໄປໄດ້ທີ່ຈະຄາດຄະເນຄວາມຄາດຫວັງຂອງລູກຄ້າ.

ໃນລະຫວ່າງການທົດສອບ, ກຸ່ມຄ້າປີກ X5 ໄດ້ໃຊ້ສອງວິທີ:
ແບບຈໍາລອງຊຸດເວລາໂຄງສ້າງ Bayesian ດ້ວຍການປະເມີນຄວາມແຕກຕ່າງສະສົມ;
ການວິເຄາະການຖົດຖອຍດ້ວຍການປະເມີນການປ່ຽນແປງຂອງການແຜ່ກະຈາຍຄວາມຜິດພາດກ່ອນແລະໃນລະຫວ່າງການແຂ່ງຂັນແຊ້ມ.

ການຂາຍຍ່ອຍໃຊ້ອັນໃດອີກຈາກຂໍ້ມູນໃຫຍ່?

• ມີ​ຫຼາຍ​ວິ​ທີ​ການ​ແລະ​ເຕັກ​ໂນ​ໂລ​ຊີ​, ຈາກ​ສິ່ງ​ທີ່​ສາ​ມາດ​ຊື່ offhand​, ເຫຼົ່າ​ນີ້​ແມ່ນ​:
• ການຄາດຄະເນຄວາມຕ້ອງການ;
• ການເພີ່ມປະສິດທິພາບຂອງຕາຕະລາງການເລື່ອກສານ;
• ວິໄສທັດຄອມພິວເຕີເພື່ອກໍານົດ voids ໃນ shelves ແລະກວດພົບການສ້າງຕັ້ງແຖວ;
• ການຄາດຄະເນການໂຄສະນາ.

ຂາດຜູ້ຊ່ຽວຊານ

ຄວາມຕ້ອງການສໍາລັບຜູ້ຊ່ຽວຊານດ້ານ Big Data ແມ່ນການຂະຫຍາຍຕົວຢ່າງຕໍ່ເນື່ອງ. ດັ່ງນັ້ນ, ໃນປີ 2018, ຈໍານວນບ່ອນຫວ່າງທີ່ກ່ຽວຂ້ອງກັບຂໍ້ມູນໃຫຍ່ເພີ່ມຂຶ້ນ 7 ເທົ່າເມື່ອທຽບໃສ່ກັບ 2015. ​ໃນ​ເຄິ່ງ​ທຳ​ອິດ​ຂອງ​ປີ 2019, ຄວາມ​ຕ້ອງການ​ນັກ​ຊ່ຽວຊານ​ໄດ້​ເກີນ 65% ຂອງ​ຄວາມ​ຕ້ອງການ​ຂອງ​ປີ 2018 ທັງ​ໝົດ.

ບໍລິສັດຂະຫນາດໃຫຍ່ໂດຍສະເພາະແມ່ນຕ້ອງການການບໍລິການຂອງນັກວິເຄາະ Big Data. ຕົວຢ່າງ, ໃນກຸ່ມ Mail.ru ພວກເຂົາຕ້ອງການໃນໂຄງການໃດກໍ່ຕາມທີ່ຂໍ້ມູນຂໍ້ຄວາມ, ເນື້ອຫາມັນຕິມີເດຍຖືກປຸງແຕ່ງ, ການສັງເຄາະແລະການວິເຄາະຄໍາເວົ້າ (ນີ້ແມ່ນ, ທໍາອິດ, ການບໍລິການຟັງ, ເຄືອຂ່າຍສັງຄົມ, ເກມ, ແລະອື່ນໆ). ຈໍານວນບ່ອນຫວ່າງຢູ່ໃນບໍລິສັດໄດ້ເພີ່ມຂຶ້ນສາມເທົ່າໃນໄລຍະສອງປີຜ່ານມາ. ໃນແປດເດືອນທໍາອິດຂອງປີນີ້, Mail.ru ໄດ້ຈ້າງຜູ້ຊ່ຽວຊານດ້ານ Big Data ຈໍານວນດຽວກັນກັບທັງຫມົດໃນປີກາຍນີ້. ຢູ່ Ozon, ພະແນກວິທະຍາສາດຂໍ້ມູນໄດ້ເຕີບໂຕສາມເທົ່າໃນສອງປີທີ່ຜ່ານມາ. ສະຖານະການແມ່ນຄ້າຍຄືກັນກັບ Megafon - ທີມງານທີ່ວິເຄາະຂໍ້ມູນໄດ້ເຕີບໂຕຫຼາຍຄັ້ງໃນ 2,5 ປີທີ່ຜ່ານມາ.

ໂດຍບໍ່ຕ້ອງສົງໃສ, ໃນອະນາຄົດຄວາມຕ້ອງການສໍາລັບຜູ້ຕາງຫນ້າຂອງພິເສດທີ່ກ່ຽວຂ້ອງກັບ Big Data ຈະເຕີບໂຕຫຼາຍຂຶ້ນ. ດັ່ງນັ້ນຖ້າຫາກວ່າທ່ານມີຄວາມສົນໃຈໃນດ້ານນີ້, ທ່ານຄວນພະຍາຍາມມືຂອງທ່ານ.

ແຫຼ່ງຂໍ້ມູນ: www.habr.com