A/B परीक्षण, पाइपलाइन र खुद्रा: GeekBrains र X5 रिटेल समूहबाट बिग डाटाको लागि ब्रान्डेड क्वार्टर

बिग डाटा प्रविधिहरू अब जताततै प्रयोग गरिन्छ - उद्योग, औषधि, व्यापार, र मनोरन्जनमा। यसरी, ठूला डाटाको विश्लेषण नगरी, ठूला खुद्रा विक्रेताहरू सामान्य रूपमा सञ्चालन गर्न सक्षम हुनेछैनन्, अमेजनमा बिक्री घट्नेछ, र मौसमविद्हरूले धेरै दिन, हप्ता र महिनाहरू पहिले नै मौसमको भविष्यवाणी गर्न असमर्थ हुनेछन्। यो तार्किक छ कि ठूला डाटा विशेषज्ञहरू अब ठूलो मागमा छन्, र माग निरन्तर बढ्दै छ।

GeekBrains यस क्षेत्रका प्रतिनिधिहरूलाई तालिम दिन्छ, विद्यार्थीहरूलाई सैद्धान्तिक ज्ञान र उदाहरणहरूद्वारा शिक्षा प्रदान गर्ने प्रयास गर्दछ, जसका लागि अनुभवी विशेषज्ञहरू संलग्न छन्। यो वर्ष संकाय अनलाइन विश्वविद्यालय GeekUniversity बाट बिग डाटा विश्लेषकहरू र रूसी संघको सबैभन्दा ठूलो खुद्रा विक्रेता, X5 रिटेल समूह, साझेदार बनेका छन्। कम्पनीका विशेषज्ञहरू, विस्तृत ज्ञान र अनुभव भएकाले, एक ब्रान्डेड पाठ्यक्रम बनाउन मद्दत गरे, जसमा विद्यार्थीहरूले प्रशिक्षणको क्रममा सैद्धान्तिक प्रशिक्षण र व्यावहारिक अनुभव प्राप्त गर्छन्।

हामीले X5 रिटेल समूहमा मोडलिङ र डेटा विश्लेषणका निर्देशक भ्यालेरी बाबुस्किनसँग कुरा गर्यौं। उहाँ मध्ये एक हुनुहुन्छ सबै भन्दा राम्रो विश्वका डाटा वैज्ञानिकहरू (मेसिन लर्निङ विशेषज्ञहरूको विश्वव्यापी रैंकिंगमा ३०औँ)। अन्य शिक्षकहरूसँग मिलेर, भ्यालेरीले GeekBrains विद्यार्थीहरूलाई A/B परीक्षण, गणितीय तथ्याङ्कहरू जसमा यी विधिहरू आधारित छन्, साथै गणनाका लागि आधुनिक अभ्यासहरू र अफलाइन रिटेलमा A/B परीक्षण लागू गर्ने सुविधाहरूको बारेमा बताउँछन्।

हामीलाई किन A/B परीक्षण चाहिन्छ?

यो रूपान्तरण, अर्थशास्त्र र व्यवहार कारक सुधार गर्न सबै भन्दा राम्रो तरिकाहरू फेला पार्न को लागी एक उत्तम तरिका हो। त्यहाँ अन्य विधिहरू छन्, तर तिनीहरू अधिक महँगो र जटिल छन्। A/B परीक्षणहरूको मुख्य फाइदाहरू तिनीहरूको तुलनात्मक रूपमा कम मूल्य र कुनै पनि आकारका व्यवसायहरूको लागि उपलब्धता हो।

A/B परीक्षणहरूको बारेमा, हामी भन्न सक्छौं कि यो व्यवसायमा निर्णयहरू खोज्ने र निर्णय गर्ने सबैभन्दा महत्त्वपूर्ण तरिकाहरू मध्ये एक हो, निर्णयहरू जसमा दुबै नाफा र कुनै पनि कम्पनीको विभिन्न उत्पादनहरूको विकास निर्भर हुन्छ। परीक्षणहरूले सिद्धान्तहरू र परिकल्पनाहरूमा मात्र होइन, तर कसरी विशिष्ट परिवर्तनहरूले नेटवर्कसँग ग्राहक अन्तरक्रियाहरू परिमार्जन गर्छन् भन्ने व्यावहारिक ज्ञानमा आधारित निर्णयहरू गर्न सम्भव बनाउँदछ।

यो याद राख्नु महत्त्वपूर्ण छ कि खुद्रामा तपाईले सबै चीजहरू परीक्षण गर्न आवश्यक छ - मार्केटिङ अभियानहरू, एसएमएस मेलिङहरू, मेलिङहरू आफैंको परीक्षणहरू, सेल्फहरूमा उत्पादनहरूको प्लेसमेन्ट र बिक्री क्षेत्रहरूमा सेल्फहरू आफैं। यदि हामी अनलाइन स्टोरको बारेमा कुरा गर्छौं भने, यहाँ तपाइँ तत्वहरू, डिजाइन, शिलालेख र पाठहरूको व्यवस्था परीक्षण गर्न सक्नुहुन्छ।

A/B परीक्षणहरू एउटा उपकरण हो जसले कम्पनीलाई मद्दत गर्छ, उदाहरणका लागि, एक खुद्रा विक्रेतालाई सधैं प्रतिस्पर्धी बन्न, समयको परिवर्तन महसुस गर्न र आफैलाई परिवर्तन गर्न। यसले व्यवसायलाई सकेसम्म प्रभावकारी बनाउन अनुमति दिन्छ, अधिकतम लाभ।

यी विधिहरूको सूक्ष्मता के हो?

मुख्य कुरा यो हो कि त्यहाँ एक लक्ष्य वा समस्या हुनुपर्दछ जसमा परीक्षण आधारित हुनेछ। उदाहरण को लागी, समस्या एक खुद्रा आउटलेट वा अनलाइन स्टोर मा ग्राहकहरु को एक सानो संख्या हो। ग्राहकको चाप बढाउने लक्ष्य रहेको छ । परिकल्पना: यदि अनलाइन स्टोरमा उत्पादन कार्डहरू ठूला बनाइन्छ र फोटोहरू उज्यालो हुन्छन् भने, त्यहाँ थप खरिदहरू हुनेछन्। अर्को, A/B परीक्षण गरिन्छ, जसको परिणाम परिवर्तनहरूको मूल्याङ्कन हो। सबै परीक्षणहरूको नतिजा प्राप्त भएपछि, तपाइँ साइट परिवर्तन गर्न कार्य योजना बनाउन सुरु गर्न सक्नुहुन्छ।

ओभरल्यापिङ प्रक्रियाहरूसँग परीक्षणहरू सञ्चालन गर्न सिफारिस गरिएको छैन, अन्यथा परिणामहरू मूल्याङ्कन गर्न अझ गाह्रो हुनेछ। उच्च प्राथमिकताका लक्ष्यहरू र तयार परिकल्पनाहरूमा परीक्षणहरू गर्न सिफारिस गरिन्छ।

परिणामहरू भरपर्दो मानिनको लागि परीक्षण लामो समयसम्म रहनुपर्छ। कति ठ्याक्कै, निश्चित रूपमा, परीक्षणमा निर्भर गर्दछ। त्यसैले, नयाँ वर्षको पूर्वसन्ध्यामा, धेरैजसो अनलाइन स्टोरहरूको ट्राफिक बढ्छ। यदि अनलाइन स्टोरको डिजाइन पहिले परिवर्तन गरिएको थियो भने, त्यसपछि छोटो अवधिको परीक्षणले देखाउँदछ कि सबै ठीक छ, परिवर्तनहरू सफल छन्, र ट्राफिक बढ्दै छ। तर होइन, बिदा अघि जे गरेपनि ट्राफिक बढ्छ, नयाँ वर्ष अघि वा तुरुन्तै पछि परीक्षण पूरा गर्न सकिँदैन, यो सबै सम्बन्धहरू पहिचान गर्न पर्याप्त लामो हुनुपर्छ।

लक्ष्य र मापन भइरहेको सूचक बीचको सही जडानको महत्त्व। उदाहरणका लागि, उही अनलाइन स्टोर वेबसाइटको डिजाइन परिवर्तन गरेर, कम्पनीले आगन्तुक वा ग्राहकहरूको संख्यामा वृद्धि देख्छ र यसबाट सन्तुष्ट छ। तर वास्तवमा, औसत चेक साइज सामान्य भन्दा सानो हुन सक्छ, त्यसैले तपाईंको समग्र आय अझ कम हुनेछ। निस्सन्देह, यसलाई सकारात्मक परिणाम भन्न सकिँदैन। समस्या यो हो कि कम्पनीले आगन्तुकहरूको वृद्धि, खरिदहरूको संख्यामा वृद्धि, र औसत चेकको आकारको गतिशीलता बीचको सम्बन्धलाई एकैसाथ जाँच गरेन।

के परीक्षण अनलाइन स्टोरहरूको लागि मात्र हो?

हुदै हैन। अफलाइन रिटेलमा एक लोकप्रिय विधि अफलाइन परिकल्पना परीक्षणको लागि पूर्ण पाइपलाइनको कार्यान्वयन हो। यो एक प्रक्रियाको निर्माण हो जसमा प्रयोगको लागि समूहहरूको गलत चयनको जोखिम कम हुन्छ, स्टोरहरूको संख्या, पायलट समय र अनुमानित प्रभावको आकारको इष्टतम अनुपात चयन गरिन्छ। यो पोस्ट-प्रभाव विश्लेषण विधिहरूको पुन: प्रयोग र निरन्तर सुधार पनि हो। गलत स्वीकृति त्रुटिहरू र छुटेका प्रभावहरूको सम्भावनालाई कम गर्नको लागि, साथै संवेदनशीलता बढाउनको लागि विधि आवश्यक छ, किनभने ठूलो व्यापारको मापनमा पनि सानो प्रभाव ठूलो महत्त्वको हुन्छ। त्यसकारण, तपाईंले प्रयोगका नतिजाहरूको बारेमा गलत निष्कर्षहरू सहित, सबैभन्दा कमजोर परिवर्तनहरू पनि पहिचान गर्न र जोखिमहरू कम गर्न सक्षम हुन आवश्यक छ।

रिटेल, बिग डाटा र वास्तविक केसहरू

गत वर्ष, X5 रिटेल समूहका विशेषज्ञहरूले 2018 विश्व कपका प्रशंसकहरू बीच सबैभन्दा लोकप्रिय उत्पादनहरूको बिक्री मात्राको गतिशीलताको मूल्याङ्कन गरेका थिए। त्यहाँ कुनै आश्चर्य थिएन, तर तथ्याङ्क अझै पनि रोचक हुन बाहिर निस्कियो।

यसरी, पानी "नम्बर 1 बेस्टसेलर" भयो। विश्व कप आयोजना गर्ने सहरहरूमा पानीको बिक्री लगभग ४६% ले बढ्यो; नेता सोची थियो, जहाँ कारोबार ८७% ले बढ्यो। म्याच दिनहरूमा, सरांस्कमा अधिकतम संख्या रेकर्ड गरिएको थियो - यहाँ बिक्री सामान्य दिनहरूको तुलनामा 46% ले बढ्यो।

पानीको अतिरिक्त, प्रशंसकहरूले बियर किन्थे। जुन 14 देखि जुलाई 15 सम्म, खेलहरू भएका शहरहरूमा, बियरको कारोबार औसत 31,8% ले बढ्यो। सोची पनि नेता बने - बियर यहाँ 64% बढी सक्रिय रूपमा खरिद गरिएको थियो। तर सेन्ट पीटर्सबर्ग मा वृद्धि सानो थियो - केवल 5,6%। Saransk मा खेल दिन मा, बियर बिक्री 128% ले वृद्धि भयो।

अन्य उत्पादनहरूमा पनि अनुसन्धान गरिएको छ। खाद्य उपभोगको शिखर दिनहरूमा प्राप्त डाटाले हामीलाई घटना कारकहरूलाई ध्यानमा राख्दै भविष्यमा मागको अझ सही भविष्यवाणी गर्न अनुमति दिन्छ। एक सही पूर्वानुमानले ग्राहकको अपेक्षाहरू अनुमान गर्न सम्भव बनाउँछ।

परीक्षणको क्रममा, X5 रिटेल समूहले दुई तरिकाहरू प्रयोग गर्यो:
Bayesian संरचनात्मक समय श्रृंखला मोडेल संचयी भिन्नता अनुमान संग;
च्याम्पियनशिप अघि र समयमा त्रुटि वितरणमा परिवर्तनको मूल्याङ्कनको साथ रिग्रेसन विश्लेषण।

बिग डाटाबाट रिटेलले अरू के प्रयोग गर्छ?

• त्यहाँ धेरै तरिकाहरू र प्रविधिहरू छन्, जसलाई अफह्यान्ड नाम दिन सकिन्छ, यी हुन्:
• माग पूर्वानुमान;
• वर्गीकरण म्याट्रिक्स को अनुकूलन;
• तखताहरूमा खाली ठाउँहरू पहिचान गर्न र लाम गठन भएको पत्ता लगाउन कम्प्युटर दृष्टि;
• प्रोमो पूर्वानुमान।

विज्ञहरुको अभाव

बिग डाटा विशेषज्ञहरूको माग निरन्तर बढिरहेको छ। यसरी सन् २०१८ मा बिग डाटासँग सम्बन्धित रिक्त पदको संख्या सन् २०१५ को तुलनामा ७ गुणा बढेको छ । 2018 को पहिलो छमाहीमा, विशेषज्ञहरूको माग सम्पूर्ण 7 को मागको 2015% नाघ्यो।

ठूला कम्पनीहरूलाई विशेष गरी बिग डाटा विश्लेषकहरूको सेवा चाहिन्छ। उदाहरणका लागि, Mail.ru समूहमा तिनीहरू कुनै पनि परियोजनामा ​​आवश्यक पर्दछ जहाँ पाठ डेटा, मल्टिमिडिया सामग्री प्रशोधन गरिन्छ, भाषण संश्लेषण र विश्लेषण गरिन्छ (यो, सबै भन्दा पहिले, क्लाउड सेवाहरू, सामाजिक नेटवर्कहरू, खेलहरू, आदि)। विगत दुई वर्षमा कम्पनीमा रिक्त पदको संख्या तीन गुणाले बढेको छ । यस वर्षको पहिलो आठ महिनामा, Mail.ru ले गत वर्ष जति संख्यामा बिग डाटा विशेषज्ञ नियुक्त गरेको थियो। Ozon मा, डेटा विज्ञान विभाग गत दुई वर्ष मा तीन गुणा बढेको छ। मेगाफोनमा पनि अवस्था उस्तै छ - डाटा विश्लेषण गर्ने टोली विगत २.५ वर्षमा धेरै पटक बढेको छ।

निस्सन्देह, भविष्यमा बिग डाटासँग सम्बन्धित विशेषताहरूको प्रतिनिधिहरूको माग अझ बढ्नेछ। त्यसैले यदि तपाइँ यस क्षेत्रमा रुचि राख्नुहुन्छ भने, तपाइँ आफ्नो हात प्रयास गर्नुपर्छ।

स्रोत: www.habr.com