El mercado de la ciencia de datos es altamente competitivo, impulsado por una automatización en constante crecimiento. La solución a todas las tareas estándar se está integrando gradualmente en soluciones y servicios de software listos para usar. Y el valor comercial definitivo proviene de tener plataformas integradas y sin problemas.
En otras palabras, en lugar de competir con un tractor con pala en mano, es mejor utilizar la red para el tractor.
Etapas del uso de herramientas analíticas
A continuación, para cada etapa, se considerarán literalmente algunos ejemplos. Pero estos ejemplos son suficientes para comprender la esencia de las ofertas en el mercado ahora.
Etapa 1. Elección de un nicho de producto
1) Yandex.Wordstat
Estadísticas de consultas en el motor de búsqueda Yandex por palabras clave. Dependencia de la región y estacionalidad.
2)
Estadísticas de consultas de búsqueda de Google de Google Trends . Geografía y estacionalidad de las solicitudes.
3) similarweb.com, pr-cy.ru
Tráfico de sitios web de competidores potenciales en dinámica. Distribución por fuentes de tráfico (buscadores, redes sociales, enlaces de referencia, etc.). Consultas populares en los motores de búsqueda que conducen al sitio. Palabras clave en motores de búsqueda, que se utilizan para referencias.
4) mpstats.io
Seguimiento de los mercados de Wildberries y Ozon: volúmenes de venta, precios, saldos de existencias. Los indicadores están disponibles a lo largo del tiempo.
2. ,
1)
Plataforma Mindbox : recomendaciones personales mediante aprendizaje automático (mejores ofertas, análogos, productos relacionados), distribución segmentada de ofertas, posibilidad de personalización manual de recomendaciones y campañas publicitarias.
2) Widget de recomendación de Yandex
Muestra los artículos más relevantes de su sitio, lo que aumenta la profundidad de visualización y el tiempo que pasa el visitante en el sitio. Una herramienta útil para aumentar las conversiones y la optimización de motores de búsqueda.
3) Recomendaciones de
producto 1C-Bitrix BigData para un visitante de la tienda basadas en su comportamiento en su propio sitio o basadas en el análisis del comportamiento del usuario en sitios de terceros.
4) Yandex.Metrica, Google Analytics
Web analytics, incluido el análisis de conversión en varios canales de adquisición de clientes.
5) retailrocket.ru
Personalización del sitio y correos en tiempo real.
Etapa 3. Optimización de la gama de productos y stock de almacén
1)
Sistema de Gestión de Procesos de Negocio Navicon S&OP . Planificación de ventas basada en la previsión de la demanda mediante algoritmos de aprendizaje automático.
2)
Previsión de ventas de Business Scanner mediante análisis predictivo. Le permite optimizar la gestión de inventario.
3) Plataforma
analítica de Visiología . Pronóstico de ventas.
¿Dónde se esconde el aprendizaje automático?
Todos los servicios de aprendizaje automático del mercado resuelven dos tipos de problemas comerciales:
- Pronóstico de ventas a nivel de cliente
¿Cuál es la probabilidad de que se venda un producto específico, dependiendo del historial de compras del cliente en este sitio u otros sitios de terceros, el contexto de la solicitud, el color del botón en el sitio o el canal? de donde vino el cliente. Bajo el capó, resolvemos los problemas de clasificación binaria, filtrado colaborativo o cálculo de similitud con bienes ya comprados (recomendaciones basadas en contenido). - Pronóstico de ventas a nivel de producto y tienda
Pronóstico de series de tiempo.
Por lo tanto, se predice un evento con dos resultados (comprar, no comprar) o una serie de tiempo. El pronóstico de un evento binario, a su vez, se reduce al problema estándar de clasificación binaria o al problema del filtrado colaborativo.
El entrenamiento de modelos predictivos, muy probablemente, se realiza sobre los datos de la plataforma que brinda el servicio. Una vez que se ha entrenado el modelo, el servicio se integra en la tienda en línea y calcula predicciones basadas tanto en los datos de la plataforma como en los datos de ventas y el comportamiento del usuario en la tienda en línea. Posteriormente, es posible realizar un entrenamiento adicional o actualizar el modelo con nuevos datos.