BigData для интернет-магазина: ограничения и возможности


Начало 23 Апреля в 12:30

Зал 5


Разбираем вопросы эффективности и необходимости Больших данных для интернет-магазина.
  • Когда BigData действительно работает?
  • Насколько большие данные нужны вашему магазину?
  • Как вы их собираете и где храните?
  • Что обойдется дороже – сами данные или их аналитика?

Доклады

Как измерить влияние персонализации на продажи интернет-магазина
  1. Те ли цифры вы измеряете?
    Разберем как правильно проводить анализ экономической эффективности внедрения системы персонализации в интернет­-магазин (такой анализ применим для оценки любого функционала для сайта):
    - На какие показатели стоит ориентироваться?
    - Как и для чего необходимо оценивать влияние показателя конверсии, среднего чека и конечной выручки?
  2. Статистическая достоверность
    Разберемся как диагностировать проблемы в расчете достоверности результатов. Рассмотрим рабочие приемы различных срезов данных, которые позволяют подтвердить или опровергнуть статистическую достоверность результатов анализа.
  3. Использование популярных инструментов для А/Б тестирования
    Использование популярных сегодня сервисов (VWO, Optimizely, Google Content Experiments и др.) сопряжено с рядом нюансов в их настройке, которые 99% пользователей упускают, принимая в результате неправильные решения. Наглядно разберем на примерах как диагностировать и исправлять проблемы в настройке.
  4. Как сделать все правильно?
    В завершении доклада предоставим четкую инструкцию: каким образом необходимо строить процесс анализа для минимизации риска ошибиться или неправильно истолковать результаты и достижения статистически достоверных результатов, на основе которых можно принять максимально эффективное для бизнеса решение. 

Амбарцум Амаякян

Сотмаркет

Как превратить данные в продажи
  • Патлогическое собирательство
  • Какие данные вам реально нужны?
  • Какие инструменты позволят извлечь из данных продажи?
  • Увязываем данные с продажами. Кейсы

Что общего у йогурта, пальто и пылесоса?
  • “Теперь вам доступна технология, как у Amazon. Жаль, что у вас нет столько данных, чтобы она заработала…”.
  • Отраслевые алгоритмы и разный подход к данным.
  • Неправильная оценка эффективности рекомендаций.
  • Самопил vs. готовое решение.
  • Когда персонализация может работать без данных.

Кирилл Чистов

Data-Centric Alliance

Использование внешних данных для рекоммендаций и персонализации
  • Отличия рекомендаций на внутреннем и внешнем "инвентаре"
  • Есть ли место рекомендациям за рамками ретаргетинга?
  • Персонализация для малоизвестных потребителей.
  • Эффект новизны и разнообразия как замена данным.
  • Жонглирование метриками и KPI с помощью Big Data.

Александр Петров

DCA (Data-Centric Alliance)

Содокладчик

Большие данные – многие печали
  • Как не потерять репутацию и не нарушить закон в погоне за Big Data
  • Архитектура и технические ограничения как источники рисков информационной безопасности
  • Юридические риски и регулирование при использовании Big Data
  • Большие утечки больших данных
  • Не только персонализация - какие большие данные нужно использовать в e-commerce с пользой уже сегодня