На самом деле мало кто из крупных сетей делает продвинутую аналику, а еще меньше кто умеет ею пользоватся.
В некоторых больших сетей есть свои решения, они хотят все иметь in house. Эти решения разрабатывались уже достаточно долгое время в основному это или клиент-серверные приложения. Или что чаще всего это скрипт который делает выгрузку з БД складывает все в ексель файл и розсылает кому надо. На продвинутые запросы отвечает отдел аналитики — маркетолог пишет ТЗ — а сколько клиентов до 25 лет есть в городе N, аналитик же формирует отчет. Человеческий труд у нас дешевый.
Меньшие сети применяют же 1С.
Есть еще некоторые решения базирующиеся на tableu.
Продукцию оракла или саса не каждый может себе позволить, плюс тяжелая интеграция и обучения персонала.
Мы вот тоже думаем написать обзорную статтю по рынку аналитики для ритейла. (Там главное себя не перехвалить ))))
Предсказать поведения и реакцию одного отдельно взятого человека невозможно. Слишком много факторов влияет. А вот предсказать поведения уже сотни или тысячи людей задача не такая уж сложная если есть исторические данные.
Мы смотрим на использования парных товаров или акций не как на метод получения дополнительного дохода, а как на метод с использованием которого, мы сможем принести больше пользы покупателю.
Вот если есть 2 товара которые часто покупаются и ритейлер их ставит рядом, то от этого же всем польза.Ходить далеко не надо.
Вы правы — только на confidence нельзя смотреть,
1. Иногда бывает что достоверность всего 5% а количество чеков огромное, потому что основной товар часто покупают.Тогда акция все равно затронет большое количество людей. Нужно смотреть так-же на количество чеков и поддержку чтобы понимать а сколько же в абсолютных числах эти 5%
2. Чаще всего если посмотреть на пары с достоверностю 30-40%, то они будут не интересны и уже известны без анализа (пиво-чипсы, пиво-памперсы) и многократно использованы. А вот пары с 10-15% достоверностю как раз и рождают идеи для акций.
Вы правы, поднятия цены или вывод товара из асортимента будет иметь большое влияние,(как и цена конкурентов и тд) которое очнеь тяжело прогнозировать.
Потому и мы не делаем прогноза по поднятию цены, мы выводим результаты только по уменьшению цены (в статье это было) как при уменьшении цены увеличится спрос.
Всем выгодно ))) и ритейлеру- он делает низкие цены и при этом получает дополнительный доход. И покупателям, дает возможность покупать товар по меньшей цене.
Все факторы отследить невозможно, нормировать на посещаемость или пенетрацию в чек тоже не получится из-за нестабильности спроса и поставок.Пытатся сделать модель которая будет работать для всех 50-70тыс SKU с учетом всех факторов, это тоже самое что пытатся сделать модель для всех акций на фондовом рынке. Мы же создали модель которая работает только для небольшой части товаров которые удовлетворяют поставленым условиям, и уже это приносит прибыль, а это главное.
Накрытый стол при выросшей цене не очень сильно повлияет
1. Если это единичная продажа то модель ее просто отпросит (там уже указано) то мы не учтем ее.
2. Если повышение будет слишком высоким то люди пойдут просто в другой магазин.
Не просто так же маркетолог от нечего делать решил посмотреть с чем майонез или водку покупают. Есть конкретная цель – например, увеличить средний чек с водкой. Дальше уже возможны варианты.
— примоток – те же водка+ сок, водка+майонез,
— горок в торговом зале с товарами под акцию,
— купонов на скидку при покупке одного из товаров,
— наборов к праздникам и т.п.
Статья откровенно хейтерская, послее нее остается какой-то негативный осадок.
Стартап это эксперемент по поиску рынка и бизнес модели. Компании начинают с одного, потом прыгнут в другое, сделают пивот — это как путешествие.
А судить какой стартап взлетит и какой решает проблему а какой нет может только рынок.
В автомобили Форда и лампочки Эдисона, тоже не верили — но всех разсудили рынок и время.
На самом деле если ритейлер большой, с большим количеством SKU то мы делаем кластеризацию на 200-300 кластеров. Получаем примерно 60% кластеров с шумом по 1-2 клиентах, но остальные годятся для анализа. Это «collateral damage» ))
Если же делать кластеризацию на 10-20 кластеров (что удобно для анализа) то получаем один кластер на 80% клиентов, один на 10% и все остальное шум, ничего не видно.
Эта статья была только о нахождении колебаний продаж. Скоро напишем еще несколько статей о факторах которые влияют на продажи — наполнености товарных категорий, сезоности, ценевой политике и тд и т.п. Тут несколько наших кейсов datawiz.io/ru/blogs11/
Статья описывает как работает один из функционалов нашего сервиса. Вот еще одна статья в нашем блоге datawiz.io/ru/blogs12/. Мы делали еще очень много чего интерестного — прогнозирование продаж, оптимизацию управления запасами, деревья решений и т.д., но не хватает времени все это описать. В будующем появятся новые статьи.
summary_writer = tf.train.SummaryWriter('log_simple_stats', sess.graph)
а в статье
$ tensorboard --logdir=log_simple_graph
если просто скопировать/вставить то tensorboard не будет работать
На самом деле мало кто из крупных сетей делает продвинутую аналику, а еще меньше кто умеет ею пользоватся.
В некоторых больших сетей есть свои решения, они хотят все иметь in house. Эти решения разрабатывались уже достаточно долгое время в основному это или клиент-серверные приложения. Или что чаще всего это скрипт который делает выгрузку з БД складывает все в ексель файл и розсылает кому надо. На продвинутые запросы отвечает отдел аналитики — маркетолог пишет ТЗ — а сколько клиентов до 25 лет есть в городе N, аналитик же формирует отчет. Человеческий труд у нас дешевый.
Меньшие сети применяют же 1С.
Есть еще некоторые решения базирующиеся на tableu.
Продукцию оракла или саса не каждый может себе позволить, плюс тяжелая интеграция и обучения персонала.
Мы вот тоже думаем написать обзорную статтю по рынку аналитики для ритейла. (Там главное себя не перехвалить ))))
Предсказать поведения и реакцию одного отдельно взятого человека невозможно. Слишком много факторов влияет. А вот предсказать поведения уже сотни или тысячи людей задача не такая уж сложная если есть исторические данные.
Мы смотрим на использования парных товаров или акций не как на метод получения дополнительного дохода, а как на метод с использованием которого, мы сможем принести больше пользы покупателю.
Вот если есть 2 товара которые часто покупаются и ритейлер их ставит рядом, то от этого же всем польза.Ходить далеко не надо.
1. Иногда бывает что достоверность всего 5% а количество чеков огромное, потому что основной товар часто покупают.Тогда акция все равно затронет большое количество людей. Нужно смотреть так-же на количество чеков и поддержку чтобы понимать а сколько же в абсолютных числах эти 5%
2. Чаще всего если посмотреть на пары с достоверностю 30-40%, то они будут не интересны и уже известны без анализа (пиво-чипсы, пиво-памперсы) и многократно использованы. А вот пары с 10-15% достоверностю как раз и рождают идеи для акций.
Потому и мы не делаем прогноза по поднятию цены, мы выводим результаты только по уменьшению цены (в статье это было) как при уменьшении цены увеличится спрос.
Всем выгодно ))) и ритейлеру- он делает низкие цены и при этом получает дополнительный доход. И покупателям, дает возможность покупать товар по меньшей цене.
Накрытый стол при выросшей цене не очень сильно повлияет
1. Если это единичная продажа то модель ее просто отпросит (там уже указано) то мы не учтем ее.
2. Если повышение будет слишком высоким то люди пойдут просто в другой магазин.
Не просто так же маркетолог от нечего делать решил посмотреть с чем майонез или водку покупают. Есть конкретная цель – например, увеличить средний чек с водкой. Дальше уже возможны варианты.
— примоток – те же водка+ сок, водка+майонез,
— горок в торговом зале с товарами под акцию,
— купонов на скидку при покупке одного из товаров,
— наборов к праздникам и т.п.
Стартап это эксперемент по поиску рынка и бизнес модели. Компании начинают с одного, потом прыгнут в другое, сделают пивот — это как путешествие.
А судить какой стартап взлетит и какой решает проблему а какой нет может только рынок.
В автомобили Форда и лампочки Эдисона, тоже не верили — но всех разсудили рынок и время.
Если же делать кластеризацию на 10-20 кластеров (что удобно для анализа) то получаем один кластер на 80% клиентов, один на 10% и все остальное шум, ничего не видно.