Технології Big Data застосовуються зараз повсюдно - у промисловості, медицині, бізнесі, розвагах. Так, без аналізу великих даних не зможуть нормально працювати великі рітейлери, впадуть продажі в Amazon, будуть не в змозі прогнозувати погоду на багато днів, тижнів і місяців наперед метеорологи. Логічно, що фахівці за великими даними зараз нарозхват, причому попит постійно зростає.
GeekBrains готує представників цієї галузі, намагаючись забезпечити студентів як теоретичними знаннями, так і навчати на прикладах, для чого залучаються досвідчені експерти. В цьому році аналітики Big Data онлайн-університету GeekUniversity та найбільший у РФ рітейлер X5 Retail Group стали партнерами. Фахівці компанії, володіючи великими знаннями та досвідом, допомогли створити брендований курс, студенти якого під час навчання отримують як теоретичну підготовку, так і практичний досвід.
Ми поговорили з Валерієм Бабушкіним, директором з моделювання та аналізу даних у X5 Retail Group. Він один із дата-саентистів у світі (30-й у світовому рейтингу фахівців з машинного навчання). Разом з іншими викладачами Валерій розповідає студентам GeekBrains про А/Б тестування, математичну статистику, на якій базуються ці методи, а також про сучасні практики для розрахунків та особливості впровадження А/Б тестування в офлайн-рітейлі.
Навіщо взагалі потрібні тести A/B?
Це один із найкращих методів пошуку оптимальних способів покращення конверсії, економічних показників та поведінкових факторів. Є й інші способи, але вони дорожчі та складніші. Основними плюсами A/Б тестів є їхня відносно невисока ціна та доступність для бізнесу будь-якого масштабу.
Про А/Б тести можна сказати, що це один із найважливіших способів пошуку та прийняття рішень у бізнесі, рішень, від яких залежить як прибуток, так і розвитку різних продуктів будь-якої компанії. Тести дають можливість приймати рішення на підставі не лише теорій та гіпотез, а й практичного знання про те, як конкретні зміни модифікують взаємодію клієнтів із мережею.
Важливо пам'ятати, що в рітейлі потрібно тестувати все - маркетингові кампанії, SMS-розсилки, тести самих розсилок, розташування продуктів на полицях і полиць у торгових залах. Якщо говорити про інтернет магазин, то тут можна тестувати розташування елементів, дизайн, написи та тексти.
А/Б тести — інструмент, який допомагає компанії, наприклад, рітейлеру, завжди бути конкурентоспроможною, вчасно відчувати зміни та змінюватись самої. Це дозволяє бізнесу бути максимально ефективним, виводячи прибуток на максимум.
Які ці методи мають нюанси?
Головне — має бути мета чи проблема, на які і спиратиметься тестування. Наприклад, проблема - невелика кількість клієнтів у торгової точки або онлайн-магазину. Мета - збільшити приплив покупців. Гіпотеза — якщо картки товару в інтернет-магазині зробити більшими, а фотографії — яскравішими, то покупок стане більше. Далі проводиться А/Б тест, результатом якого є оцінка змін. Після того, як отримані результати всіх тестів, можна зайнятися формуванням плану дій щодо зміни сайту.
Не рекомендується проводити тести з процесами, що перетинаються, інакше результати буде складніше оцінити. Першими рекомендується проводити тести з найбільш пріоритетних цілей та сформульованих гіпотез.
Тест має тривати досить довго, щоб результати можна було б визнати достовірними. Скільки саме залежить, звичайно, від самого тесту. Так, напередодні Нового Року трафік більшості інтернет-магазинів зростає. Якщо перед цим були проведені зміни дизайну онлайн-магазину, то короткостроковий тест покаже, що все добре, вдалі зміни, трафік зростає. Але ні, адже що не роби перед святами, трафік зростатиме, тест не можна завершувати до Нового Року або одразу після нього, він має бути досить тривалим, щоб виявити всі кореляції.
Важливість правильного зв'язку між метою та показником, що вимірюється. Наприклад, змінивши дизайн того ж сайту інтернет-магазину, компанія бачить підвищення кількості відвідувачів чи покупців та задовольняється цим. Але насправді, розмір середнього чека може бути меншим за звичайний, так що загальний дохід стане навіть нижчим. Позитивним результатом це, звісно, назвати не можна. Проблема в тому, що компанія не перевірила одночасно зв'язку збільшення відвідувачів-зростання кількості покупок-динаміка розміру середнього чека.
Тестування проводиться лише для онлайн-магазинів?
Зовсім ні. В офлайн-рітейлі популярний такий метод, як реалізація повного пайплайну для перевірки гіпотез в офлайні. Ця побудова процесу, при якому зменшуються ризики неправильного підбору груп для експерименту, підбирається оптимальне співвідношення кількості магазинів, часу пілота та розміру ефекту, що оцінюється. Також це перевикористання та постійне покращення методологій пост-аналізу ефектів. Метод потрібен для зниження ймовірності появи помилок помилкового прийняття та пропуску ефекту, а також для підвищення чутливості, адже навіть малий ефект у масштабах великого бізнесу має велике значення. Отже, потрібно вміти визначати навіть найслабші зміни, мінімізувати ризики, зокрема неправильні висновки про результати експерименту.
Рітейл, Big Data та реальні кейси
Минулого року фахівці X5 Retail Group оцінювали динаміку обсягів продажу найпопулярніших серед уболівальників ЧС-2018 продуктів. Сюрпризів не було, але статистика все одно виявилася цікавою.
Так, "бестселером №1" виявилася вода. У містах, які приймали мундіаль, продаж води зріс приблизно на 46%, лідером виявився Сочі, де оборот збільшився на 87%. У дні матчів максимальний показник зафіксовано в Саранську - тут обсяг продажів зріс на 160% порівняно зі звичайними днями.
Окрім води вболівальники купували пиво. З 14 червня по 15 липня у тих містах, де проходили матчі, оборот пива зріс у середньому на 31,8%. Лідером також став Сочі – тут пиво купували на 64% активніше. А ось у Пітері зростання було невеликим — лише 5,6%. У дні матчів у тому ж Саранську обсяг продажу пива збільшився на 128%.
Проводилися дослідження та з інших продуктів. Дані, отримані в пікові дні споживання продуктів, дозволяють у майбутньому точніше передбачати попит з урахуванням подієвих факторів. Точний прогноз дає можливість передбачити очікування покупців.
У ході тестування X5 Retail Group використовували два методи:
Байєсівські структурні моделі часових рядів з оцінкою кумулятивної різниці;
Регресійний аналіз з оцінкою усунення розподілу помилки до чемпіонату та під час його проведення.
Що ще використовує рітейл з Big Data?
- Методів і технологій досить багато, з того, що можна назвати навскідку, це:
- прогноз попиту;
- Оптимізація асортиментної матриці;
- Комп'ютерний зір для виявлення порожнин на полицях і виявлення черги, що формується;
- Прогноз промо.
Нестача спеціалістів
Попит на експертів у сфері Big Data постійно зростає. Так, у 2018 році кількість вакансій, пов'язаних із великими даними, зросла у 7 разів порівняно з 2015 роком. У першому півріччі 2019 року попит на фахівців перевищив 65% попиту за весь 2018 рік.
Великі компанії особливо потребують послуг аналітиків Big Data. Наприклад, у Mail.ru Group вони потрібні в будь-якому проекті, де обробляються текстові дані, мультимедійний контент, виконується синтез та аналіз мови (це, перш за все, хмарні сервіси, соціальні мережі, ігри тощо). Кількість вакансій за останні два роки у компанії збільшена втричі. За перші вісім місяців цього року в Mail.ru найняли стільки ж фахівців з Big Data, скільки за минулий рік. В Ozon відділ Data Science за останні два роки виріс утричі. У «Мегафоні» аналогічна ситуація — команда, яка займається аналізом даних, зросла у кілька разів за останні 2,5 роки.
Без сумніву, у майбутньому попит на представників спеціальностей, пов'язаних із Big Data, зросте ще сильніше. Отже, якщо є інтерес до цієї сфери, варто спробувати свої сили.
Джерело: habr.com