As tecnologias de Big Data são agora utilizadas em todo o lado – na indústria, na medicina, nos negócios e no entretenimento. Assim, sem analisar big data, os grandes varejistas não conseguirão operar normalmente, as vendas na Amazon cairão e os meteorologistas não conseguirão prever o tempo com muitos dias, semanas e meses de antecedência. É lógico que os especialistas em big data sejam agora muito procurados e a procura esteja em constante crescimento.
GeekBrains forma representantes desta área, procurando proporcionar aos alunos conhecimentos teóricos e ensino por meio de exemplos, para os quais estão envolvidos especialistas experientes. Este ano
Conversamos com Valery Babushkin, diretor de modelagem e análise de dados do X5 Retail Group. Ele é um dos
Por que precisamos de testes A/B?
Este é um dos melhores métodos para encontrar as melhores maneiras de melhorar as conversões, a economia e os fatores comportamentais. Existem outros métodos, mas são mais caros e complexos. As principais vantagens dos testes A/B são o preço relativamente baixo e a disponibilidade para empresas de qualquer tamanho.
Sobre os testes A/B, podemos dizer que esta é uma das formas mais importantes de pesquisar e tomar decisões nos negócios, decisões das quais dependem tanto o lucro quanto o desenvolvimento de diversos produtos de qualquer empresa. Os testes permitem tomar decisões baseadas não apenas em teorias e hipóteses, mas também no conhecimento prático de como mudanças específicas modificam as interações dos clientes com a rede.
É importante lembrar que no varejo é preciso testar tudo - campanhas de marketing, mailings SMS, testes dos próprios mailings, colocação dos produtos nas gôndolas e das próprias gôndolas nos pregões. Se falamos de uma loja online, aqui você pode testar a disposição dos elementos, design, inscrições e textos.
Os testes A/B são uma ferramenta que ajuda uma empresa, por exemplo, um varejista, a ser sempre competitiva, a sentir as mudanças no tempo e a mudar a si mesma. Isso permite que o negócio seja o mais eficiente possível, maximizando os lucros.
Quais são as nuances desses métodos?
O principal é que deve haver um objetivo ou problema no qual o teste será baseado. Por exemplo, o problema é um pequeno número de clientes em um ponto de venda ou loja online. O objetivo é aumentar o fluxo de clientes. Hipótese: se os cartões de produtos de uma loja online forem maiores e as fotografias mais brilhantes, haverá mais compras. Em seguida, é realizado um teste A/B, cujo resultado é uma avaliação das mudanças. Depois que os resultados de todos os testes forem recebidos, você poderá começar a formular um plano de ação para mudar o site.
Não é recomendado realizar testes com processos sobrepostos, caso contrário os resultados serão mais difíceis de avaliar. Recomenda-se realizar testes primeiro nos objetivos de maior prioridade e nas hipóteses formuladas.
O teste deve durar o suficiente para que os resultados sejam considerados confiáveis. Quanto exatamente depende, é claro, do próprio teste. Assim, na passagem de ano, o tráfego da maioria das lojas online aumenta. Se o design da loja online foi alterado antes, um teste de curto prazo mostrará que está tudo bem, as mudanças foram bem-sucedidas e o tráfego está crescendo. Mas não, não importa o que você faça antes do feriado, o tráfego vai aumentar, o teste não pode ser feito antes do Ano Novo ou imediatamente depois, deve ser longo o suficiente para identificar todas as correlações.
A importância da conexão correta entre a meta e o indicador que está sendo medido. Por exemplo, ao alterar o design do site de uma mesma loja online, a empresa vê um aumento no número de visitantes ou clientes e fica satisfeita com isso. Mas, na verdade, o tamanho médio do cheque pode ser menor do que o normal, então sua renda geral será ainda menor. É claro que isso não pode ser chamado de resultado positivo. O problema é que a empresa não verificou simultaneamente a relação entre o aumento do número de visitantes, o aumento do número de compras e a dinâmica do tamanho do cheque médio.
Os testes são apenas para lojas online?
De jeito nenhum. Um método popular no varejo offline é a implementação de um pipeline completo para testar hipóteses offline. Trata-se da construção de um processo em que se reduzem os riscos de seleção incorreta de grupos para o experimento, se seleciona a relação ótima entre o número de lojas, o tempo piloto e o tamanho do efeito estimado. É também a reutilização e melhoria contínua de metodologias de análise pós-efeitos. O método é necessário para reduzir a probabilidade de erros de aceitação falsa e efeitos perdidos, bem como para aumentar a sensibilidade, porque mesmo um pequeno efeito na escala de um grande negócio é de grande importância. Portanto, você precisa ser capaz de identificar até mesmo as alterações mais fracas e minimizar os riscos, incluindo conclusões incorretas sobre os resultados do experimento.
Varejo, Big Data e casos reais
No ano passado, os especialistas do X5 Retail Group avaliaram a dinâmica dos volumes de vendas dos produtos mais populares entre os torcedores da Copa do Mundo de 2018. Não houve surpresas, mas as estatísticas revelaram-se interessantes.
Assim, a água acabou por ser o “best-seller número 1”. Nas cidades que sediaram a Copa do Mundo, as vendas de água aumentaram aproximadamente 46%; a líder foi Sochi, onde o faturamento aumentou 87%. Em dias de jogos, o valor máximo foi registado em Saransk - aqui as vendas aumentaram 160% em relação aos dias normais.
Além da água, os torcedores compraram cerveja. De 14 de junho a 15 de julho, nas cidades onde aconteceram as partidas, o faturamento da cerveja aumentou em média 31,8%. Sochi também se tornou líder - a cerveja foi comprada aqui de forma 64% mais ativa. Mas em São Petersburgo o crescimento foi pequeno - apenas 5,6%. Nos dias de jogos em Saransk, as vendas de cerveja aumentaram 128%.
Pesquisas também foram realizadas em outros produtos. Os dados obtidos nos dias de pico de consumo alimentar permitem-nos prever com maior precisão a procura no futuro, tendo em conta fatores de eventos. Uma previsão precisa permite antecipar as expectativas do cliente.
Durante os testes, o X5 Retail Group usou dois métodos:
Modelos bayesianos de séries temporais estruturais com estimação de diferenças cumulativas;
Análise de regressão com avaliação da mudança na distribuição dos erros antes e durante o campeonato.
O que mais o varejo utiliza do Big Data?
- Existem muitos métodos e tecnologias, pelo que pode ser chamado de imediato, são eles:
- Previsão de demanda;
- Otimização da matriz de sortimento;
- Visão computacional para identificar vazios nas prateleiras e detectar formação de fila;
- Previsão promocional.
Falta de especialistas
A demanda por especialistas em Big Data está em constante crescimento. Assim, em 2018, o número de vagas relacionadas com big data aumentou 7 vezes em relação a 2015. No primeiro semestre de 2019, a procura por especialistas superou 65% da procura de todo o ano de 2018.
As grandes empresas necessitam especialmente dos serviços de analistas de Big Data. Por exemplo, no Grupo Mail.ru eles são necessários em qualquer projeto onde sejam processados dados de texto, conteúdo multimídia, seja realizada síntese e análise de fala (isto é, em primeiro lugar, serviços em nuvem, redes sociais, jogos, etc.). O número de vagas na empresa triplicou nos últimos dois anos. Nos primeiros oito meses deste ano, Mail.ru contratou o mesmo número de especialistas em Big Data que em todo o ano passado. Na Ozon, o departamento de Ciência de Dados triplicou nos últimos dois anos. A situação é semelhante no Megafon - a equipe que analisa os dados cresceu várias vezes nos últimos 2,5 anos.
Sem dúvida que no futuro a procura por representantes de especialidades relacionadas com Big Data crescerá ainda mais. Portanto, se você tem interesse nesta área, experimente.
Fonte: habr.com