Las tecnologías de Big Data ahora se aplican en todas partes: en la industria, la medicina, los negocios y el entretenimiento. Entonces, sin el análisis de Big Data, los grandes minoristas no podrán trabajar normalmente, las ventas en Amazon caerán, no podrán predecir el clima durante muchos días, semanas y meses antes de los meteorólogos. Es lógico que los expertos en big data ahora tengan una gran demanda, y la demanda está en constante crecimiento.
GeekBrains prepara representantes de este campo, tratando de proporcionar a los estudiantes conocimientos teóricos y enseñar con ejemplos, para lo cual participan expertos experimentados. Este año, el
Departamento de Análisis
de Big Data
de GeekUniversity Online University y el minorista más grande de Rusia, X5 Retail Group, se convirtieron en socios. Los especialistas de la compañía, que poseen un amplio conocimiento y experiencia, ayudaron a crear un curso de marca, cuyos estudiantes reciben capacitación teórica y experiencia práctica durante la capacitación.
Hablamos con Valery Babushkin, director de modelado y análisis de datos en X5 Retail Group. Es uno de los
mejores científicos de datos del mundo (número 30 en el ranking mundial de especialistas en aprendizaje automático). Junto con otros maestros, Valery les dice a los estudiantes de GeekBrains sobre las pruebas A / B, las estadísticas matemáticas en las que se basan estos métodos, así como las prácticas modernas para calcular y las características de implementar las pruebas A / B en el comercio minorista fuera de línea.
¿Por qué necesitamos pruebas A / B?
Este es uno de los mejores métodos para encontrar las mejores formas de mejorar la conversión, el rendimiento económico y los factores de comportamiento. Hay otras formas, pero son más caras y complejas. Las principales ventajas de las pruebas A / B es su precio relativamente bajo y su asequibilidad para empresas de cualquier escala.
Sobre las pruebas A / B, podemos decir que esta es una de las formas más importantes de buscar y tomar decisiones en los negocios, decisiones de las que dependen tanto el beneficio como el desarrollo de varios productos de cualquier empresa. Las pruebas brindan la oportunidad de tomar decisiones basadas no solo en teorías e hipótesis, sino también en el conocimiento práctico de cómo los cambios específicos modifican la interacción de los clientes con la red.
Es importante recordar que en el comercio minorista debe probar todo: campañas de marketing, envíos de mensajes de texto, pruebas de envíos, la ubicación de los productos en los estantes y los estantes en los pisos comerciales. Si hablamos de la tienda en línea, aquí puede probar la ubicación de elementos, diseño, inscripciones y textos.
Pruebas A / B: una herramienta que ayuda a una empresa, por ejemplo, un minorista, a ser siempre competitiva, sentir los cambios a tiempo y cambiarse a sí misma. Esto permite que el negocio sea lo más eficiente posible, maximizando las ganancias.
¿Cuáles son los matices de estos métodos?
Lo principal: debe haber un objetivo o un problema en el que se basarán las pruebas. Por ejemplo, el problema es un pequeño número de clientes en un punto de venta o en una tienda en línea. El objetivo es aumentar la afluencia de clientes. Hipótesis: si las tarjetas de productos en una tienda en línea se hacen más grandes y las fotos son más brillantes, entonces habrá más compras. A continuación, se lleva a cabo una prueba A / B, cuyo resultado es una evaluación de los cambios. Después de obtener los resultados de todas las pruebas, puede comenzar a formar un plan de acción para cambiar el sitio.
No se recomienda realizar pruebas con procesos superpuestos, de lo contrario los resultados serán más difíciles de evaluar. El primero se recomienda para realizar pruebas sobre los objetivos más prioritarios y las hipótesis formuladas.
La prueba debe durar lo suficiente para que los resultados puedan considerarse confiables. Cuánto depende exactamente, por supuesto, de la prueba en sí. Entonces, en la víspera de Año Nuevo, el tráfico de la mayoría de las tiendas en línea está aumentando. Si antes de esto, se hicieron cambios en el diseño de la tienda en línea, entonces una prueba a corto plazo mostrará que todo está bien, los cambios son exitosos y el tráfico está creciendo. Pero no, porque no importa lo que haga antes de las vacaciones, el tráfico aumentará, la prueba no puede completarse antes del Año Nuevo o inmediatamente después, debe ser lo suficientemente largo como para revelar todas las correlaciones.
La importancia de la conexión correcta entre la meta y el indicador medido. Por ejemplo, al cambiar el diseño del mismo sitio web de una tienda en línea, la compañía ve un aumento en el número de visitantes o clientes y está satisfecha con esto. Pero, de hecho, el tamaño del cheque promedio puede ser menor de lo habitual, por lo que el ingreso total será aún menor. Por supuesto, esto no se puede llamar un resultado positivo. El problema es que la compañía no verificó simultáneamente la combinación de aumento de visitantes - aumento en el número de compras - dinámica del tamaño del cheque promedio.
¿Las pruebas son solo para tiendas en línea?
En absoluto En el comercio minorista fuera de línea, un método popular es la implementación de una tubería completa para probar hipótesis fuera de línea. Esta es la construcción del proceso, en el que se reducen los riesgos de una selección incorrecta de grupos para el experimento, se selecciona la proporción óptima del número de tiendas, el tiempo piloto y el tamaño del efecto estimado. También es una reutilización y una mejora continua de las metodologías para el análisis posterior de los efectos. El método es necesario para reducir la probabilidad de errores de falsa aceptación y omisión del efecto, así como para aumentar la sensibilidad, porque incluso un efecto pequeño en una gran escala comercial es de gran importancia. Por lo tanto, debe ser capaz de identificar incluso los cambios más débiles, minimizar los riesgos, incluidas las conclusiones incorrectas sobre los resultados del experimento.
Retail, Big Data y casos reales
El año pasado, los expertos de X5 Retail Group evaluaron la dinámica de los volúmenes de ventas de los productos más populares entre los fanáticos de la Copa Mundial 2018. No hubo sorpresas, pero las estadísticas aún eran interesantes.
Entonces, el "éxito de ventas número 1" fue el agua. En las ciudades que tomaron el mundial, las ventas de agua aumentaron en aproximadamente un 46%, Sochi resultó ser el líder, donde la facturación aumentó en un 87%. En los días de partido, la cifra máxima se registró en Saransk: aquí el volumen de ventas creció un 160% en comparación con los días normales.
Además del agua, los fanáticos compraron cerveza. Del 14 de junio al 15 de julio en aquellas ciudades donde se celebraron los partidos, la rotación de cerveza creció en un promedio de 31.8%. Sochi también se convirtió en un líder: aquí compraron cerveza un 64% más activamente. Pero en San Petersburgo, el crecimiento fue pequeño: solo 5.6%. En los días de partido en Saransk, las ventas de cerveza aumentaron un 128%.
Se han realizado estudios sobre otros productos. Los datos obtenidos durante los días pico de consumo de productos permiten en el futuro predecir con mayor precisión la demanda, teniendo en cuenta los factores de evento. Un pronóstico preciso permite anticipar las expectativas del cliente.
Durante las pruebas, X5 Retail Group utilizó dos métodos:
Modelos estructurales de series temporales bayesianas con estimaciones de diferencia acumulativa;
Análisis de regresión con una estimación del sesgo de distribución de errores antes y durante el campeonato.
¿Qué más utiliza Big Data Retail?
- Hay muchos métodos y tecnologías, de lo que se puede llamar de manera informal, estos son:
- Pronóstico de la demanda;
- Optimización de la matriz de surtido;
- Visión por computadora para detectar vacíos en estantes y detectar una cola emergente;
- Pronóstico Promo.
Falta de especialistas
La demanda de expertos en Big Data está en constante crecimiento. Entonces, en 2018, el número de vacantes asociadas con big data aumentó 7 veces en comparación con 2015. En la primera mitad de 2019, la demanda de especialistas excedió el 65% de la demanda para todo el 2018.
Las grandes empresas necesitan especialmente servicios de analistas de Big Data. Por ejemplo, en Mail.ru Group son necesarios en cualquier proyecto donde se procesen datos de texto, contenido multimedia, síntesis de voz y análisis (estos son, en primer lugar, servicios en la nube, redes sociales, juegos, etc.). El número de vacantes en los últimos dos años en la compañía se ha triplicado. En los primeros ocho meses de este año, Mail.ru contrató a tantos especialistas en Big Data como lo hizo en todo el año pasado. En Ozon, la división de ciencia de datos se ha triplicado en los últimos dos años. En Megafon, la situación es similar: el equipo que se dedica al análisis de datos ha crecido varias veces en los últimos 2.5 años.
No hay duda de que en el futuro la demanda de representantes de especialidades asociadas con Big Data crecerá aún más. Entonces, si hay interés en esta área, vale la pena intentarlo.