As tecnologias de Big Data agora são aplicadas em todos os lugares - na indústria, na medicina, nos negócios e no entretenimento. Portanto, sem a análise do big data, os grandes varejistas não poderão funcionar normalmente, as vendas na Amazon cairão, não poderão prever o clima por muitos dias, semanas e meses antes dos meteorologistas. É lógico que os especialistas em big data estejam agora em grande demanda e a demanda esteja em constante crescimento.
O GeekBrains prepara representantes dessa área, tentando fornecer aos alunos conhecimentos teóricos e ensinar exemplos, nos quais especialistas experientes estão envolvidos. Este ano, o
Departamento de Análise
de Big Data
da GeekUniversity Online University e o maior varejista da Rússia, o X5 Retail Group, tornaram-se parceiros. Os especialistas da empresa, com amplo conhecimento e experiência, ajudaram a criar um curso de marca, cujos alunos recebem treinamento teórico e experiência prática durante o treinamento.
Conversamos com Valery Babushkin, diretora de modelagem e análise de dados do X5 Retail Group. Ele é um dos
melhores cientistas de dados do mundo (30º no ranking mundial de especialistas em aprendizado de máquina). Juntamente com outros professores, Valery diz aos alunos do GeekBrains sobre os testes A / B, as estatísticas matemáticas nas quais esses métodos se baseiam, bem como as práticas modernas de cálculo e os recursos da implementação dos testes A / B no varejo offline.
Por que precisamos de testes A / B?
Esse é um dos melhores métodos para encontrar as melhores maneiras de melhorar a conversão, o desempenho econômico e os fatores comportamentais. Existem outras maneiras, mas são mais caras e complexas. As principais vantagens dos testes A / B são o preço e a acessibilidade relativamente baixos para empresas de qualquer escala.
Sobre os testes A / B, podemos dizer que essa é uma das maneiras mais importantes de procurar e tomar decisões nos negócios, decisões das quais dependem o lucro e o desenvolvimento de vários produtos de qualquer empresa. Os testes oferecem uma oportunidade de tomar decisões baseadas não apenas em teorias e hipóteses, mas também no conhecimento prático de como mudanças específicas modificam a interação dos clientes com a rede.
É importante lembrar que no varejo você precisa testar tudo - campanhas de marketing, correspondências por SMS, testes de correspondências, a localização dos produtos nas prateleiras e as próprias prateleiras nos pregões. Se falamos sobre a loja online, aqui você pode testar a localização dos elementos, design, inscrições e textos.
Testes A / B - uma ferramenta que ajuda uma empresa, por exemplo, um varejista, a sempre ser competitivo, sentir as mudanças no tempo e mudar a si mesma. Isso permite que o negócio seja o mais eficiente possível, maximizando os lucros.
Quais são as nuances desses métodos?
A principal coisa - deve haver uma meta ou um problema no qual os testes serão baseados. Por exemplo, o problema é um pequeno número de clientes em um ponto de venda ou em uma loja online. O objetivo é aumentar o fluxo de clientes. Hipótese - se os cartões de produtos em uma loja on-line forem maiores e as fotos forem mais brilhantes, haverá mais compras. Em seguida, é realizado um teste A / B, cujo resultado é uma avaliação das alterações. Após a obtenção dos resultados de todos os testes, você pode começar a formar um plano de ação para alterar o site.
Não é recomendável realizar testes com processos sobrepostos, caso contrário, os resultados serão mais difíceis de avaliar. O primeiro é recomendado para realizar testes nos objetivos mais prioritários e nas hipóteses formuladas.
O teste deve durar o suficiente para que os resultados possam ser considerados confiáveis. Quanto exatamente depende, é claro, do próprio teste. Portanto, na véspera de Ano Novo, o tráfego da maioria das lojas online está aumentando. Se antes disso, foram feitas alterações no design da loja on-line, um teste de curto prazo mostrará que está tudo bem, as mudanças são bem-sucedidas e o tráfego está crescendo. Mas não, porque não importa o que você faça antes dos feriados, o tráfego aumentará, o teste não poderá ser concluído antes do Ano Novo ou imediatamente após ele, deve ser longo o suficiente para revelar todas as correlações.
A importância da conexão correta entre a meta e o indicador medido. Por exemplo, alterando o design do mesmo site de uma loja online, a empresa vê um aumento no número de visitantes ou clientes e fica satisfeita com isso. Mas, de fato, o tamanho do cheque médio pode ser menor que o normal, portanto, a renda total se tornará ainda mais baixa. Obviamente, isso não pode ser chamado de resultado positivo. O problema é que a empresa não verificou simultaneamente a combinação de aumento de visitantes - aumento no número de compras - dinâmica do tamanho do cheque médio.
O teste é apenas para lojas online?
Nem um pouco. No varejo offline, um método popular é a implementação de um pipeline completo para testar hipóteses offline. Essa é a construção do processo, na qual os riscos de seleção incorreta de grupos para o experimento são reduzidos, a proporção ideal entre o número de lojas, o tempo do piloto e o tamanho do efeito estimado é selecionado. É também uma reutilização e melhoria contínua de metodologias para pós-análise de efeitos. O método é necessário para reduzir a probabilidade de erros de falsa aceitação e omissão do efeito, bem como aumentar a sensibilidade, porque mesmo um pequeno efeito em uma grande escala de negócios é de grande importância. Portanto, você deve ser capaz de identificar até as mudanças mais fracas, 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 do volume de vendas dos produtos mais populares entre os fãs da Copa do Mundo de 2018. Não houve surpresas, mas as estatísticas ainda eram interessantes.
Então, o "número 1 do best-seller" era a água. Nas cidades que conquistaram o mundo, as vendas de água aumentaram cerca de 46%, Sochi acabou por ser a líder, onde o volume de negócios aumentou 87%. Nos dias de jogos, o número máximo foi registrado em Saransk - aqui as vendas cresceram 160% em comparação com os dias comuns.
Além da água, os fãs compravam cerveja. De 14 de junho a 15 de julho, nas cidades onde os jogos foram realizados, a rotatividade de cerveja cresceu em média 31,8%. Sochi também se tornou um líder - aqui eles compraram cerveja 64% mais ativamente. Mas em São Petersburgo, o crescimento foi pequeno - apenas 5,6%. Nos dias de jogos em Saransk, as vendas de cerveja aumentaram 128%.
Estudos foram realizados em outros produtos. Os dados obtidos durante os dias de pico de consumo de produtos permitem prever com mais precisão a demanda, levando em consideração fatores de eventos. Uma previsão precisa possibilita antecipar as expectativas dos clientes.
Durante o teste, o X5 Retail Group usou dois métodos:
Modelos estruturais de séries temporais bayesianas com estimativas de diferenças cumulativas;
Análise de regressão com uma estimativa do viés de distribuição de erros antes e durante o campeonato.
O que mais usa o varejo de Big Data?
- Existem muitos métodos e tecnologias, do que pode ser chamado de imediato, são:
- Previsão de demanda;
- Otimização da matriz de sortimentos;
- Visão computacional para detectar vazios nas prateleiras e detectar uma fila emergente;
- Promoção da previsão.
Falta de especialistas
A demanda por especialistas em Big Data está em constante crescimento. Assim, em 2018, o número de vagas associadas ao big data aumentou 7 vezes em relação a 2015. No primeiro semestre de 2019, a demanda por especialistas excedeu 65% da demanda em todo o ano de 2018.
As grandes empresas precisam especialmente de serviços de analistas de Big Data. Por exemplo, no Mail.ru Group, eles são necessários em qualquer projeto em que dados de texto, conteúdo multimídia são processados, síntese e análise de fala são realizadas (primeiro, serviços de nuvem, redes sociais, jogos, etc.). O número de vagas nos últimos dois anos na empresa triplicou. Nos primeiros oito meses deste ano, o Mail.ru contratou tantos especialistas em Big Data quanto no ano passado. Na Ozon, a divisão de Ciência de Dados triplicou nos últimos dois anos. Na Megafon, a situação é semelhante - a equipe envolvida na análise de dados cresceu várias vezes nos últimos 2,5 anos.
Não há dúvida de que, no futuro, a demanda por representantes de especialidades associadas ao Big Data crescerá ainda mais. Portanto, se houver interesse nessa área, vale a pena tentar.