Der Data-Science-Markt ist hart umkämpft und wird von einer ständig wachsenden Automatisierung angetrieben. Die Lösung für alle Standardaufgaben wird schrittweise in vorgefertigte Softwarelösungen und -dienste verpackt. Der ultimative Geschäftswert ergibt sich aus nahtlosen, nahtlosen Plattformen.
Mit anderen Worten, anstatt mit einem Traktor mit einer Schaufel in der Hand zu konkurrieren, ist es besser, das Netz für den Traktor zu verwenden.
Phasen der Verwendung von Analysewerkzeugen
Im Folgenden werden für jede Phase buchstäblich einige Beispiele betrachtet. Diese Beispiele reichen jedoch aus, um die Essenz der derzeit auf dem Markt befindlichen Angebote zu verstehen.
Phase 1. Auswahl einer Produktnische
1) Yandex.Wordstat
Statistik der Abfragen in der Yandex-Suchmaschine nach Schlüsselwörtern. Abhängigkeit von der Region und Saisonalität.
2) Google Trends Google-
Suchanfragestatistiken. Geographie und Saisonalität der Anfragen.
3) Similarweb.com, pr-cy.ru
Website-Verkehr potenzieller Wettbewerber in der Dynamik. Verteilung nach Verkehrsquellen (Suchmaschinen, soziale Netzwerke, Empfehlungslinks usw.). Beliebte Suchanfragen in Suchmaschinen, die zur Website führen. Schlüsselwörter in Suchmaschinen, die für Empfehlungen verwendet werden.
4) mpstats.io
Überwachung von Marktplätzen für Wildbeeren und Ozon: Verkaufsmengen, Preise, Lagerbestände. Indikatoren sind im Laufe der Zeit verfügbar.
2. ,
1) Mindbox-
Plattform: Persönliche Empfehlungen durch maschinelles Lernen (beste Angebote, Analoga, verwandte Produkte), segmentierte Verteilung von Angeboten, die Möglichkeit der manuellen Anpassung von Empfehlungen und Werbekampagnen.
2) Yandex-Empfehlungs-Widget
Zeigt die relevantesten Artikel Ihrer Website an, wodurch die Anzeigetiefe und die Zeit, die der Besucher auf der Website verbringt, erhöht werden. Ein nützliches Tool zur Steigerung der Conversions und zur Suchmaschinenoptimierung.
3) 1C-Bitrix BigData
Produktempfehlungen für einen Ladenbesucher basierend auf seinem Verhalten auf Ihrer eigenen Website oder basierend auf der Analyse des Benutzerverhaltens auf Websites von Drittanbietern.
4) Yandex.Metrica,
Webanalyse von Google Analytics , einschließlich Conversion-Analyse in verschiedenen Kundenakquisitionskanälen.
5) Retailrocket.ru
Personalisierung der Website und Mailings in Echtzeit.
Stufe 3. Optimierung der Produktpalette und des Lagerbestands
1) Navicon S & OP
Geschäftsprozessmanagementsystem. Verkaufsplanung basierend auf Bedarfsprognosen mit Algorithmen für maschinelles Lernen.
2) Business Scanner
Umsatzprognose mit Predictive Analytics. Ermöglicht die Optimierung der Bestandsverwaltung.
3) Visiology
Analytical Plattform. Umsatzprognosen.
Wo ist maschinelles Lernen versteckt?
Alle maschinellen Lerndienste auf dem Markt lösen zwei Arten von Geschäftsproblemen:
- Umsatzprognose auf Kundenebene
Wie hoch ist die Wahrscheinlichkeit, dass ein bestimmtes Produkt verkauft wird, abhängig von der Kaufhistorie des Kunden auf dieser Website oder anderen Websites von Drittanbietern, dem Kontext der Anfrage, der Farbe der Schaltfläche auf der Website oder dem Kanal von dem der Kunde kam. Unter der Haube lösen wir die Probleme der binären Klassifizierung, der kollaborativen Filterung oder der Berechnung der Ähnlichkeit mit bereits gekauften Waren (inhaltsbasierte Empfehlungen). - Umsatzprognose auf Produkt- und Filialebene
Prognosezeitreihen.
Somit wird entweder ein Ereignis mit zwei Ergebnissen (Kaufen, nicht Kaufen) oder eine Zeitreihe vorhergesagt. Die Vorhersage eines binären Ereignisses wird wiederum entweder auf das Standardproblem der binären Klassifizierung oder auf das Problem der kollaborativen Filterung reduziert.
Das Training von Vorhersagemodellen erfolgt höchstwahrscheinlich auf der Grundlage der Daten der Plattform, die den Dienst bereitstellt. Nach dem Training des Modells wird der Service in den Online-Shop eingebettet und berechnet Vorhersagen basierend auf den Daten der Plattform und den Verkaufsdaten sowie dem Benutzerverhalten im Online-Shop. Anschließend ist eine zusätzliche Schulung oder Aktualisierung des Modells auf neue Daten möglich.