Hello, Habr! Pada 30 Jun jam 18:00 waktu Moscow kami akan mengadakan mesyuarat dalam talian untuk penganalisis. Penceramah akan bercakap tentang ujian A/B serantau, mengurus pengeluaran barangan di kedai dalam talian, meramalkan keuntungan daripada ciri baharu dan sains data dalam penghantaran barangan.
Di bawah potongan, seperti biasa, adalah abstrak laporan dan semua pautan yang diperlukan.
Laporan
Ujian A/B serantau. Mengapa ia diperlukan dan bagaimana ia direka - Igor Krasovsky, Avito
Apakah yang perlu dilakukan jika kumpulan ujian dalam ujian A/B tidak diketahui dengan tepat dan pengguna terdedah kepadanya di luar talian, contohnya, dalam pengiklanan TV serantau? Bagaimana untuk membentuk kumpulan kawalan untuk kumpulan ujian berat sebelah? Bagaimana untuk mengukur kesan dan membezakannya daripada ralat rawak? Saya akan memberitahu anda cara kami menjawab soalan ini dalam Avito dan masalah yang kami hadapi.
Mengenai penceramah: Saya telah bersama Avito selama lebih kurang 2 tahun, sebelum itu saya bekerja dalam eCommerce dan perundingan IT. Sekarang saya bekerja dalam pasukan Analitis Teras, yang bertanggungjawab untuk bidang seperti Pengurusan Data, Analitis Strategik, Platform Analitis Teras, Analitis Akaun Utama.
Produk data terbaik dilahirkan di ladang - Marina Kalabina, Leroy Merlin
Majoriti pesanan dalam talian kami dikutip dari tingkat kedai dan bukannya gudang. Ini mengakibatkan ralat antara apa yang dipaparkan di tapak dan perkara yang sebenarnya boleh kami kumpulkan.
Oleh kerana kadar pusing ganti barang yang tinggi di kedai dan kerumitan sistem pengurusan stok, ralat berlaku yang boleh dikesan secara automatik. Berdasarkan pengetahuan kami tentang sistem dan menggunakan kejuruteraan sosial, kami mencadangkan penyelesaian yang akan mencari produk bermasalah secara automatik dan melaraskan stok mereka sebelum menerbitkannya di tapak.
Mengenai penceramah: 9 tahun bekerja di Leroy Merlin. Mula-mula saya membuka kedai, kemudian saya bekerja di dalamnya, dan kini saya menyusun sesuatu dalam inventori. Saya mengumpulkan pasukan dan melancarkan produk data dalam masa 6 minggu.
Model pertumbuhan - meramalkan keuntungan daripada ciri untuk keutamaan - Pavel Mikhailov, Ostrovok.ru
- Kami sedang membina model pertumbuhan - rangka kerja berdasarkan kohort dan metrik utama yang memodelkan hasil dalam jangka sederhana.
- Kami menterjemah metrik produk dan perniagaan kepada wang menggunakan model tersebut.
- Kami menilai potensi keuntungan daripada ciri menggunakan contoh.
Mengenai penceramah: Ketua pertumbuhan di Emerging Travel Group (Ostrovok.ru) dengan latar belakang analisis. Saya menjana, membangunkan dan menguji hipotesis pertumbuhan.
Bagaimana ahli sains data Avito membantu Penghantaran - Dima Sergeev, Avito
... Atau cerita tentang cara berhenti menawarkan pengguna untuk membeli "KAMAZ Cab" dengan Penghantaran. Sudah terdapat lebih daripada 60 juta produk di Avito. Tidak bagi setiap daripada mereka adalah mudah untuk menentukan sama ada penjual akan dapat memasukkannya ke dalam kotak berukuran 120x80x50 dan menghantarnya kepada pembeli di bandar lain.
Dari semasa ke semasa kami melakukan kesilapan sedemikian: kami menawarkan penghantaran di tempat yang jelas tidak sepatutnya dan sebaliknya. Saya akan memberitahu anda sedikit tentang cara kami menangani masalah ini dan hasil yang kami berjaya capai.
Mengenai penceramah: Untuk tahun lepas saya telah melakukan analisis di Avito Delivery. Sebelum itu, saya bekerja dalam analisis di OZON selama tiga tahun.
Tanya soalan dalam sembang siaran - kami akan menjawab soalan yang paling menarik di udara. Selepas setiap laporan, anda akan dapat berkomunikasi secara berasingan dengan penceramah.
Kata laluan dan penampilan
Siaran bermula pada hari Selasa, 30 Jun jam 18:00. Kami bercadang untuk selesai pada pukul 20:40. Semasa siaran, anda boleh segera mengklik butang "ingatkan" supaya anda tidak terlepas apa-apa.
Jika anda ingin menerima peringatan dengan pautan ke siaran melalui e-mel, anda boleh .
Jumpa anda dalam talian!
Sumber: www.habr.com