Technologie Big Data są obecnie stosowane wszędzie – w przemyśle, medycynie, biznesie i rozrywce. Tym samym bez analizy big data duzi detaliści nie będą mogli normalnie funkcjonować, sprzedaż w Amazonie spadnie, a meteorolodzy nie będą w stanie przewidzieć pogody na wiele dni, tygodni i miesięcy do przodu. Logiczne jest, że na specjalistów zajmujących się big data jest obecnie duże zapotrzebowanie, a zapotrzebowanie stale rośnie.
GeekBrains szkoli przedstawicieli tej dziedziny, starając się przekazać studentom zarówno wiedzę teoretyczną, jak i nauczanie na przykładach, w które zaangażowani są doświadczeni eksperci. W tym roku Analitycy Big Data z internetowego uniwersytetu GeekUniversity i największy detalista w Federacji Rosyjskiej, X5 Retail Group, zostali partnerami. Specjaliści firmy, posiadający szeroką wiedzę i doświadczenie, pomogli stworzyć markowy kurs, w ramach którego studenci w trakcie szkolenia otrzymują zarówno szkolenie teoretyczne, jak i doświadczenie praktyczne.
Rozmawialiśmy z Walerym Babuszkinem, dyrektorem ds. modelowania i analizy danych w X5 Retail Group. Jest jednym z data sciences na świecie (30. miejsce w światowym rankingu specjalistów uczenia maszynowego). Wraz z innymi nauczycielami Valery opowiada uczniom GeekBrains o testach A/B, statystykach matematycznych, na których opierają się te metody, a także nowoczesnych praktykach w zakresie obliczeń i funkcjach wdrażania testów A/B w handlu detalicznym offline.
Po co nam w ogóle testy A/B?
Jest to jedna z najlepszych metod znajdowania najlepszych sposobów poprawy konwersji, ekonomii i czynników behawioralnych. Istnieją inne metody, ale są one droższe i bardziej złożone. Głównymi zaletami testów A/B jest ich stosunkowo niska cena i dostępność dla firm każdej wielkości.
O testach A/B można powiedzieć, że jest to jeden z najważniejszych sposobów wyszukiwania i podejmowania decyzji w biznesie, od których zależy zarówno zysk, jak i rozwój różnorodnych produktów każdej firmy. Testy pozwalają podejmować decyzje w oparciu nie tylko o teorie i hipotezy, ale także o praktyczną wiedzę na temat tego, jak określone zmiany modyfikują interakcje klienta z siecią.
Warto pamiętać, że w handlu detalicznym trzeba przetestować wszystko – kampanie marketingowe, wysyłki SMS, testy samych mailingów, rozmieszczenie produktów na półkach i same półki w obszarach sprzedażowych. Jeśli mówimy o sklepie internetowym, to tutaj możesz przetestować rozmieszczenie elementów, projekt, napisy i teksty.
Testy A/B to narzędzie, które pomaga firmie, np. sprzedawcy detalicznemu, być zawsze konkurencyjnym, wyczuwać zmiany w czasie i zmieniać się sama. Dzięki temu biznes może być maksymalnie efektywny, maksymalizując zyski.
Jakie są niuanse tych metod?
Najważniejsze jest to, że musi istnieć cel lub problem, na którym będzie opierać się testowanie. Problemem jest na przykład niewielka liczba klientów w punkcie sprzedaży detalicznej lub sklepie internetowym. Celem jest zwiększenie napływu klientów. Hipoteza: jeśli karty produktów w sklepie internetowym zostaną powiększone, a zdjęcia jaśniejsze, to zakupów będzie więcej. Następnie przeprowadzany jest test A/B, którego wynikiem jest ocena zmian. Po otrzymaniu wyników wszystkich testów możesz przystąpić do formułowania planu działania w celu zmiany witryny.
Nie zaleca się przeprowadzania testów z nakładającymi się procesami, w przeciwnym razie wyniki będą trudniejsze do oceny. Zaleca się najpierw przeprowadzić testy na celach o najwyższym priorytecie i sformułowanych hipotezach.
Badanie musi trwać wystarczająco długo, aby jego wyniki można było uznać za wiarygodne. Ile dokładnie zależy oczywiście od samego testu. Zatem w sylwestra ruch w większości sklepów internetowych wzrasta. Jeśli projekt sklepu internetowego był już zmieniany, to krótkotrwały test pokaże, że wszystko jest w porządku, zmiany poszły pomyślnie, a ruch rośnie. Ale nie, bez względu na to, co zrobisz przed świętami, ruch wzrośnie, testu nie można zakończyć przed Nowym Rokiem ani bezpośrednio po nim, musi wystarczyć na tyle czasu, aby wykryć wszystkie korelacje.
Znaczenie prawidłowego powiązania celu ze wskaźnikiem mierzonym. Przykładowo, zmieniając design tej samej strony sklepu internetowego, firma odnotowuje wzrost liczby odwiedzających czy klientów i jest z tego zadowolona. Ale w rzeczywistości średnia wielkość czeku może być mniejsza niż zwykle, więc całkowity dochód będzie jeszcze niższy. Tego oczywiście nie można nazwać wynikiem pozytywnym. Problem w tym, że firma nie sprawdziła jednocześnie zależności pomiędzy wzrostem liczby odwiedzających, wzrostem liczby zakupów, a dynamiką wielkości przeciętnej kontroli.
Czy testowanie dotyczy tylko sklepów internetowych?
Zupełnie nie. Popularną metodą w handlu detalicznym offline jest wdrożenie kompletnego potoku do testowania hipotez w trybie offline. Jest to konstrukcja procesu, w którym zmniejsza się ryzyko nieprawidłowego doboru grup do eksperymentu, wybierany jest optymalny stosunek liczby sklepów, czasu pilotażu i wielkości szacowanego efektu. To także ponowne wykorzystanie i ciągłe doskonalenie metodologii analizy poskutkowej. Metoda jest potrzebna, aby zmniejszyć prawdopodobieństwo fałszywych błędów akceptacji i przeoczenia efektów, a także zwiększyć czułość, ponieważ nawet niewielki wpływ na skalę dużego biznesu ma ogromne znaczenie. Trzeba zatem umieć zidentyfikować nawet najsłabsze zmiany i zminimalizować ryzyko, w tym błędne wnioski na temat wyników eksperymentu.
Retail, Big Data i realne przypadki
W ubiegłym roku eksperci X5 Retail Group ocenili dynamikę wolumenów sprzedaży najpopularniejszych produktów wśród kibiców Pucharu Świata 2018. Niespodzianek nie było, ale statystyki i tak okazały się interesujące.
Tym samym woda okazała się „bestsellerem nr 1”. W miastach będących gospodarzami Pucharu Świata sprzedaż wody wzrosła o około 46%, liderem było Soczi, w którym obroty wzrosły o 87%. W dni meczowe najwięcej odnotowano w Sarańsku – tutaj sprzedaż wzrosła o 160% w porównaniu do normalnych dni.
Oprócz wody kibice kupowali piwo. Od 14 czerwca do 15 lipca w miastach, w których odbywały się mecze, obrót piwem wzrósł średnio o 31,8%. Liderem zostało także Soczi – piwo kupowano tu o 64% aktywniej. Ale w Petersburgu wzrost był niewielki – tylko 5,6%. W dni meczowe w Sarańsku sprzedaż piwa wzrosła o 128%.
Badania przeprowadzono także nad innymi produktami. Dane uzyskane w dniach szczytowego spożycia żywności pozwalają dokładniej przewidzieć popyt w przyszłości, biorąc pod uwagę czynniki eventowe. Dokładna prognoza pozwala przewidzieć oczekiwania klientów.
Podczas testów X5 Retail Group zastosowała dwie metody:
Bayesowskie strukturalne modele szeregów czasowych z estymacją skumulowanej różnicy;
Analiza regresji z oceną zmiany rozkładu błędów przed i w trakcie mistrzostw.
Co jeszcze handel detaliczny wykorzystuje z Big Data?
- Metod i technologii jest całkiem sporo, z tego, co można nazwać odręcznym, są to:
- Prognoza popytu;
- Optymalizacja matrycy asortymentowej;
- Wizja komputerowa umożliwiająca identyfikację pustych miejsc na półkach i wykrywanie tworzenia się kolejek;
- Prognoza promocyjna.
Brak specjalistów
Zapotrzebowanie na ekspertów Big Data stale rośnie. Tym samym w 2018 roku liczba wakatów związanych z big data wzrosła 7-krotnie w porównaniu do roku 2015. W I półroczu 2019 r. zapotrzebowanie na specjalistów przekroczyło 65% zapotrzebowania w całym 2018 r.
Duże firmy szczególnie potrzebują usług analityków Big Data. Na przykład w Grupie Mail.ru są one potrzebne w każdym projekcie, w którym przetwarzane są dane tekstowe, treści multimedialne, przeprowadzana jest synteza i analiza mowy (jest to przede wszystkim usługi w chmurze, sieci społecznościowe, gry itp.). W ciągu ostatnich dwóch lat liczba wakatów w firmie wzrosła trzykrotnie. W ciągu pierwszych ośmiu miesięcy tego roku Mail.ru zatrudniło taką samą liczbę specjalistów Big Data, jak w całym ubiegłym roku. W Ozonie dział Data Science powiększył się trzykrotnie w ciągu ostatnich dwóch lat. Podobnie jest w Megafonie – zespół analizujący dane powiększył się kilkukrotnie na przestrzeni ostatnich 2,5 roku.
Bez wątpienia w przyszłości zapotrzebowanie na przedstawicieli specjalności związanych z Big Data będzie jeszcze rosło. Jeśli więc interesujesz się tą dziedziną, powinieneś spróbować swoich sił.
Źródło: www.habr.com