X5Tech 5 сен 2019 в 16:28

Как проводить A/B-тестирование на 15 000 офлайн-магазинах

10 мин

24K

Блог компании X5 TechBig Data*

+28

Комментарии 13

pyrk2142 5 сен 2019 в 18:02

Спасибо за статью, ряд моментов оказался весьма интересным, хотя и не особо применимым для меня. Но тут возник довольно специфичный вопрос: не чувствуют ли аналитики со своей стороны, что они слишком квалифицированные для данной структуры/сети? В куче магазинов много базовых проблем, решение которых может принести значительную экономию и реальную (а не фейковую, из «отчётов маркетологов») лояльность клиентов, а в ряде магазинов проблемы такого уровня, что они уже должны быть закрыты, если бы соблюдалось законодательство. При этом, пока на прилавках лежит просрочка, а некоторые товары просто не продают, так как нет продавца, существует подразделение с многомиллионными затратами, которое пытается оптимизировать проценты и доли процентов от покупок.

Но реальное восхищение у меня вызывает гениальный менеджер, который смог убедить остальных, что скидочная программа — это на самом деле программа лояльности, это ведь звучит гораздо круче и приносит премии гораздо большего размера.

swelf 5 сен 2019 в 18:05

А проводили тестирования, как изменятся показатели, если тухлую форель помыть фери для блеска и выложить на витрину?)

pyrk2142 5 сен 2019 в 22:06

Помню, как Магнит проводил исследования влияния ацетона на списания: оказывается, если оттирать ацетоном срок годности с пачек продуктов, то можно резко снизить списания.

-1

yanchick 5 сен 2019 в 19:14

Расскажите про ваши ГИС исследования. Бабушкин про них упоминал. Как смотрите поток, как прогнозируйте адрес нового магазина.

X5Tech 5 сен 2019 в 20:16

Спасибо за комментарий и идею — подготовим отдельный материал на эту тему.

НЛО прилетело и опубликовало эту надпись здесь

am-habr 7 сен 2019 в 00:31

Не совсем понятно, зачем Вы боретесь с неоднородностями, а не используете их. Очень многие из них имеют циклическую направленность, а значит могут быть описаны мат. функцией. Например, неоднородность по магазинам — коэффициент, дни недели или часы — косинус, годовые изменения — линейная и т.п.
Ещё не понятно, почему нарисованы 100 дней, если идёт борьба с временными неоднородностями. Может названия недели, дней или даже часов показали бы влияние этих самых неоднородностей.
Разброс значений происходит путём усреднения. Это конечно, лишь мысли, чтобы писать комментарий, нужно знать много особенностей. Но может быть в этих крайних значениях и есть вся соль.

julie 7 сен 2019 в 01:01

Какие интересные эксперименты у вас! Переставлять торты и колбасу это поинтересней чем кнопочку на сайте сделать красной) Статью покажу кому-нибудь при случае когда нужно будет подкрепить идею что работа датааналитика может быть не скучной. В конце и в начале статьи не хватает призыва о том что вы ищите таланты и куда отправлять резюме)