Le marché de la science des données est très concurrentiel, alimenté par une automatisation toujours croissante. La solution à toutes les tâches standard est progressivement intégrée dans des solutions et services logiciels prêts à l'emploi. Et la valeur commerciale ultime réside dans le fait d'avoir des plates-formes transparentes et transparentes.
En d'autres termes, au lieu de rivaliser avec un tracteur avec une pelle à la main, il est préférable d'utiliser le filet pour le tracteur.
Les étapes d'utilisation des outils analytiques
Ci-dessous, pour chaque étape, littéralement quelques exemples seront considérés. Mais ces exemples suffisent à comprendre l'essence des offres actuellement sur le marché.
Étape 1. Choisir une niche de produit
1) Yandex.Wordstat
Statistiques des requêtes dans le moteur de recherche Yandex par mots-clés. Dépendance de la région et saisonnalité.
2)
Statistiques de requête de recherche Google Trends Google . Géographie et saisonnalité des demandes.
3) similarweb.com, pr-cy.ru
Trafic du site Web de concurrents potentiels en dynamique. Répartition par sources de trafic (moteurs de recherche, réseaux sociaux, liens de référencement, etc.). Requêtes populaires dans les moteurs de recherche menant au site. Mots clés dans les moteurs de recherche, qui sont utilisés pour les renvois.
4) mpstats.io
Suivi des marchés de fruits des bois et d'Ozon: volumes de ventes, prix, soldes de stocks. Les indicateurs sont disponibles au fil du temps.
2. ,
1)
Plateforme Mindbox : recommandations personnelles grâce au machine learning (meilleures offres, analogues, produits associés), distribution segmentée des offres, possibilité de personnalisation manuelle des recommandations et des campagnes publicitaires.
2) Widget de recommandation Yandex
Affiche les articles les plus pertinents de votre site, augmentant ainsi la profondeur de visualisation et le temps passé par le visiteur sur le site. Un outil utile pour augmenter les conversions et l'optimisation des moteurs de recherche.
3) Recommandations de
produits 1C-Bitrix BigData pour un visiteur de la boutique en fonction de son comportement sur votre propre site ou en fonction de l'analyse du comportement de l'utilisateur sur des sites tiers.
4) Yandex.Metrica, Google Analytics
Web analytics, y compris l'analyse de conversion dans divers canaux d'acquisition de clients.
5) retailrocket.ru
Personnalisation du site et des mailings en temps réel.
Étape 3. Optimisation de la gamme de produits et du stock magasin
1)
Système de gestion des processus d'affaires Navicon S&OP . Planification des ventes basée sur la prévision de la demande à l'aide d'algorithmes d'apprentissage automatique.
2)
Prévision des ventes de Business Scanner à l' aide de l'analyse prédictive. Vous permet d'optimiser la gestion des stocks.
3) Plateforme
analytique de visiologie . Prévisions des ventes.
Où se cache le machine learning?
Tous les services d'apprentissage automatique du marché résolvent deux types de problèmes commerciaux:
- Prévision des ventes au niveau du client
Quelle est la probabilité qu'un produit spécifique soit vendu, en fonction de l'historique d'achat du client sur ce site ou d'autres sites tiers, du contexte de la demande, de la couleur du bouton sur le site ou sur le canal d'où vient le client. Sous le capot, nous résolvons les problèmes de classification binaire, de filtrage collaboratif ou de calcul de similitude avec des biens déjà achetés (recommandations basées sur le contenu). - Prévision des ventes au niveau du produit et du magasin
Séries chronologiques de prévision.
Ainsi, soit un événement avec deux résultats (acheter, pas acheter) ou une série chronologique est prévu. La prévision d'un événement binaire, quant à elle, est réduite soit au problème standard de la classification binaire, soit au problème du filtrage collaboratif.
La formation des modèles prédictifs, très probablement, a lieu sur les données de la plate-forme qui fournit le service. Une fois le modèle formé, le service est intégré à la boutique en ligne et calcule des prédictions en fonction à la fois des données de la plateforme et des données de vente et du comportement des utilisateurs dans la boutique en ligne. Par la suite, une formation supplémentaire ou une mise à jour du modèle sur de nouvelles données est possible.