• Выводы о будущем ритейла после «черной пятницы»

    • Перевод

    «Черная пятница» для онлайн-ритейла была очень продуктивной.

    Ностальгия по-прежнему приводила потребителей в обычные магазины. Но не за выгодными предложениями, а больше ради той неповторимой атмосферы скидок и праздничного настроения, по-настоящему ощутить которую можно только в пышно украшенных моллах.

    Но в этом году миллионы людей оставили машину в гараже и воспользовались выгодными акциями, не вставая с дивана. Компания Adobe провела анализ 80 из 100 наиболее популярных интернет-ритейлеров и выяснила, что в период между Днем благодарения и концом «черной пятницы» потребители со своих смартфонов сделали покупки на общую сумму в 2 млрд долларов.

    С любым другим днем для шопинга «черную пятницу» объединяет то, что большая часть потребителей, как обычно, были в поиске выгодных предложений и удобного покупательского опыта, для чего активно пользовались смартфонами.

    Шопинг на кончиках пальцев


    Согласно данным проведенного в 2016 году исследования, люди берут смартфон в руки 2617 раз в день, то есть почти каждые 33 секунды.

    Тогда эта статистика казалась удивительной. Сейчас она не только вполне правдоподобна, но и указывает на важность мобильных устройств в решении повседневных пользовательских задач. Смартфоны стали катализатором, который каждые 33 секунды ускоряет стирание грани между онлайн и офлайн-мирами как для потребителей, так и для бизнеса.  

    Влияние мобильных устройств сильнее всего ощущается в процессах поиска и покупки желаемых товаров. Второе ежегодное исследование аналитической группы PYMNTS, проведенное совместно с Visa, позволяет оценить скорость и энтузиазм, с которыми потребители впускают в свою жизнь новые интернет-устройства и сценарии, делающие шопинг более контекстным.
    Читать дальше →
    • +13
    • 5,4k
    • 2
  • Алгоритм резервуарной выборки

      Резервуарная выборка (eng. «reservoir sampling») — это простой и эффективный алгоритм случайной выборки некоторого количества элементов из имеющегося вектора большого и/или неизвестного заранее размера. Я не нашел об этом алгоритме ни одной статьи на Хабре и поэтому решил написать её сам.

      Итак, о чём же идёт речь. Выбрать один случайный элемент из вектора — это элементарная задача:

      // C++
      std::random_device rd;
      std::mt19937 gen(rd());
      std::uniform_int_distribution<> dis(0, vect.size() — 1);
      
      auto result = vect[dis(gen)];
      

      Задача «вернуть K случайных элементов из вектора размером N» уже хитрее. Здесь уже можно ошибиться — например, взять K первых элементов (это нарушит требование случайности) или взять каждый из элементов с вероятностью K/N (это нарушит требование взять ровно K элементов). Кроме того, можно реализовать и формально корректное, но крайне неэффективное решение «перемешать случайно все элементы и взять K первых». И всё становится ещё интереснее, если добавить условие того, что N — число очень большое (нам не хватит памяти сохранить все N элементов) и/или не известно заранее. Для примера представим себе, что у нас есть какой-то внешний сервис, присылающий нам элементы по одному. Мы не знаем сколько их придёт всего и не можем сохранить их все, но хотим в любой момент времени иметь набор из ровно K случайно выбранных элементов из уже полученных.

      Алгоритм резервуарной выборки позволяет решить эту задачу за O(N) шагов и O(K) памяти. При этом не требуется знать N заранее, а условие случайности выборки ровно K элементов будет чётко соблюдено.
      Читать дальше →
    • Исследование IFR: количество промышленных роботов в России по-прежнему ничтожно


        Количество роботов на 10 000 работников в 2017 году. Источник: ITIF

        Россия опять заняла одно из последних мест в мировом рейтинге роботизации производства. Ежегодно такие рейтинги выпускает Международная федерация робототехники (IFR) для Фонда информационных технологий и инноваций (ITIF). Рейтинг включает в себя количество промышленных роботов на 10 000 производственных рабочих в стране.

        Согласно информации, опубликованной IFR в Фонде информационных технологий и инноваций (ITIF), средний мировой показатель в 2017 году составил 85 роботов на 10 000 работников. Это на 15% больше, чем в прошлом году.
        Читать дальше →
      • Сколько денег американцы потратили в эту Черную пятницу, и при чем здесь смартфоны



          Потребительские настроения в Америке в этом году бьют рекорды – несмотря на недавние обвалы бирж и обилие страшных историй о том, чем (и кем) жертвуют компании ради такого снижения цен. Нынешний День благодарения стал самым успешным для ритейлеров за всю историю – с $3,7 млрд продаж только онлайн. Но Черная пятница легко обошла его результат. По данным Adobe, которая отслеживает триллионы транзакций на сайтах 80 крупнейших интернет-магазинов, за один день люди потратили в них $6,22 млрд – по $25 на каждого взрослого жителя страны. Пока что 2018-й бьет все рекорды.

          Читать дальше →
        • Правдоподобия, P-значения и кризис воспроизводимости

          • Перевод
          Или: Как переход от публикации P-значений к публикации функций правдоподобия поможет справиться с кризисом воспроизводимости: личное мнение Элиезера Юдковского.

          Если Монро нарисовал комиксы про 75% существующих интересных проблем, а четверть моих статей интересные, то какова вероятность, что рано или поздно мне придётся искать КДПВ где-то ещё?

          Комментарий переводчика: Юдковский, автор HPMOR, создатель Lesswrong и прочая и прочая, изложил свою позицию по поводу пользы байесовской статистики в естественных науках в форме диалога. Прямо классический такой диалог из античности или эпохи возрождения, с персонажами, излагающими идеи, обменом колкостями вперемешку с запутанными аргументами и неизбежно тупящим Симплицио. Диалог довольно длинный, минут на двадцать чтения, но по-моему, он того стоит.

          Дисклеймеры
          • Этот диалог был написан сторонником байесовского подхода. Реплики Учёного в нижеприведённом диалоге могут и не пройти идеологический тест Тьюринга на фреквентизм. Возможно, что они не отдают должное аргументам и контраргументам сторонников частотного подхода к вероятности.
          • Автор не рассчитывает, что описанные ниже предложения будут приняты широким научным сообществом в ближайшие десять лет. Тем не менее, это стоило написать.

          Если вы ещё не знакомы с правилом Байеса, на сайте Arbital есть подробное введение.

          Модератор: Добрый вечер. Сегодня в нашей студии: Учёный, практикующий специалист в области… химической психологии или чего-то типа того; его оппонент Байесовец, который намерен доказать, что кризис воспроизводимости в науке можно как-то преодолеть с помощью замены P-значений на что-то из Байесовской статистики…
          Студент: Извините, как это пишется?
          Модератор:… и, наконец, ничего не понимающий Студент справа от меня.
          Читать дальше →
        • Mail.Ru назвала «абсурдным» рейтинг сайтов от «Яндекса» и требует удалить из него свои бренды

            Вчера компания «Яндекс» запустила проект «Яндекс.Радар» — рейтинг самых популярных ресурсов в рунете, который строится по математический модели на основании агрегированных данных «Яндекс.Браузера». При желании площадки могут подключать данные из «Яндекс.Метрики», чтобы добавить в статистику демографические данные по аудитории и др.

            Новый сервис понравился не всем. Главный конкурент «Яндекса» в российском сегменте Mail.Ru сразу же заявил о недоверии этой метрике и попросил убрать из рейтинга свои сайты.

            Mail.Ru считает, что «Яндекс» сам является игроком рекламного рынка, и поэтому ему некорректно вести такой рейтинг. Кроме того, он заведомо неправильно отражает аудиторию сайтов, поскольку опирается на данные «Яндес.Браузера». То есть завышенные показатели будут у сайтов, где высока доля пользователей «Яндекс.Браузера». Очевидно, что это лояльные «Яндексу» ресурсы.

            На иллюстрации: топ-10 самых популярных сайтов рунета по версии «Яндекса» за период с 1 по 9 ноября 2018 года (в млн). Синим обозначены сайты, которые предоставили свои данные, красным — оценка математической модели «Яндекса»
            Читать дальше →
          • Анализ потребительского чека: что покупают на Amazon

            • Перевод

            В 2009 году потребители стали использовать выражение «целая зарплата» для ироничного описания ценового шока после покупок в Whole Foods — сети бакалейных магазинов с качественными натуральными продуктами, которую приобрела компания Amazon в июне 2017 года за 13,7 млрд долларов.

            В 2018 году этой фразой можно смело описывать ту долю потребительских расходов и розничных продаж в целом, которую Amazon завоевала вместе с расширением своей экосистемы.

            Конечно, есть разница: сеть Whole Foods вызвала такой отклик из-за своих высоких цен, в то время как покупки в Amazon отвоевывают большую часть зарплаты потребителей из-за приемлемой стоимости товаров, быстрой доставки и отличного сервиса. Иными словами, покупателям нравится Amazon.

            Аналитическая группа PYMNTS провела подробное исследование и определила, что на покупки в Amazon потребители тратят в среднем до 2,1% годовой зарплаты. Так, семья, зарабатывающая около 63 тыс. долларов в год, отдает Amazon 1320 долларов. Показатели среднегодовых расходов в 2018 году спрогнозированы на основе данных Бюро трудовой статистики США за 2014–2017 годы.

            В основном это связано с тем, что потребители стали чаще приобретать через Amazon товары повседневного спроса. Расходы на еду, одежду, электронику, мебель и товары для ухода за здоровьем занимают до 31% от общей суммы покупок.

            По подсчетам аналитиков, сегодня на покупки в Amazon приходится 1243 (или 6,4%) из 19 556 долларов, расходуемых средней американской семьей на товары перечисленных категорий.

            За последние четыре года этот показатель увеличился втрое — с 2,2% в 2014 году до 6,4% в 2018 году, а среднегодовой темп роста составил 30,7%.
            Читать дальше →
            • +22
            • 4,4k
            • 1
          • Как программисты Родину спасали

              Я всегда считал, что программисты спасут мир. Не те, которые «дайте ТЗ, я запрограммирую», а те, настоящие, которые сто лет назад были инженерами и изобретателями, а с появлением компьютеров просто пересели в виртуальную среду. Но подход к делу у них остался. Пытливый, инженерный, основанный на фактах, измерениях и системном мышлении. Подход, не позволяющий пользоваться тем, чего не понимаешь, не видел изнутри, не пробовал изменить.

              Мир мы, положим, еще не спасли, но все к тому идет. Родину ведь спасли.

              Как вы поняли, речь о грандиозных реформах, охвативших Россию в последние годы. Обыватели, конечно, считают, что это кто-то умный из правительства все придумал. Но мы-то с вами знаем, что идеологами, методистами, архитекторами и исполнителями сути этих реформ выступили программисты.

              Я не буду увлекаться популизмом, лозунгами и эпитетами – я не политик. И так со всех экранов страны только и говорят, что об этой реформе. Моя задача – рассказать о том, как это было изнутри. О предпосылках, гипотезах и решениях, которые мы применили.

              Вообще, решений было много – и технических, и организационных, ввиду широкого масштаба этого проекта. Но начать с чего-то ведь надо? Поэтому начну с губернаторов, т.к. это был один из первых этапов проекта.
              Читать дальше →
            • Исследование рынка веб-студий и digital-агентств

                Привет, Хабр! Очень давно я ничего не писал, года два как, но сейчас у нас появился достойный повод. Мы провели большое исследование разных показателей агентского digital-рынка России, опросили и проанализировали данные более 1000 компаний, и вот что получилось из наиболее интересного:

                1. Распределение студий/агентств по обороту

                image

                Digital-рынок России по-прежнему имеет мелко-дисперсный характер, ни одно агентство из примерно 10 000 действующих игроков (если не учитывать сквозные бюджеты на медиа-закупки) не имеет даже 1% рынка по оборотам. Подавляющее большинство компаний сегмента можно отнести к микро-бизнесу.

                Читать дальше →
                • +25
                • 4,5k
                • 4
              • Голосовые помощники за рулем автомобиля: за кем будущее

                • Перевод

                До появления Alexa, Bixby, Siri и Google Assistant была Эмма Нут.

                Эмма Нут

                Эмма родилась в 1860 году в маленьком городке штата Мэн, а в 1878 году Александр Грейам Белл принял ее на работу и сделал первой в истории женщиной-оператором телефонной станции.

                Первые телефоны, изобретенные Беллом, продавались парами и могли созваниваться только друг с другом. Белл понимал, что для роста продаж и широкого распространения телефонов необходимо создать сеть, позволяющую соединять разных телефонных пользователей. Уровень развития технологий в то время еще не позволял автоматизировать этот процесс, поэтому для реализации идеи Беллу понадобились люди, которые выполняли бы подобные подключения вручную.

                Сначала для этой цели наняли группу мальчиков. Они перехватывали звонки, поступившие на центральный коммутатор, и спрашивали у звонившего, с кем его соединить. Перемещаясь по комнате, от пола до потолка покрытой коммутационными щитами, они переключали провода. Решение оказалось неидеальным. Мальчишки часто были невежливы с клиентами и устраивали розыгрыши, на фоне которых даже их ловкость и проворство переставали казаться преимуществом.

                Тогда Белл решил, что женщины лучше подойдут для этой роли.

                Соискательниц подбирали длинноруких (из-за высоты коммутационных панелей) и незамужних, так как работа была круглосуточной. Чтобы воплотить такой график в реальность, Белл решил устанавливать коммутационные щиты в дома своих работниц.

                И первым его сотрудником стала Эмма Нут в 1878 году.

                Как вскоре выяснилось, это была гениальная идея, ставшая поворотным моментом в истории телефонии.
                Читать дальше →
                • +16
                • 4,7k
                • 4

              Самое читаемое