Zero
Nel competitivo settore del commercio al dettaglio, le strategie di personalizzazione, sono diventate le puntate del tavolo. Ma per una marca davvero in contatto con un cliente, si deve sapere che il cliente. I dati di scienza e di machine learning per rendere più facile per i brand per avere utili informazioni sui loro clienti in base al loro comportamento. Overstock.com a quasi 20 anni, ha un pozzo profondo di dati a tirare.
Chris Robison, Overstock.com’s Direttore di Dati e di Pubblico, ha parlato di ZDNet sui diversi approfondimenti si può guadagnare da un suo cliente dati — cosa vecchia di decenni informazioni su un cliente può dire contro i ultimi aggiornamenti al loro carrello della spesa.
Ecco alcuni punti salienti della conversazione:
Due decenni di dati
Overstock.com è il marketing a circa cinque-plus milioni di prodotti su scala globale, Robison notato.
“L’unica cosa sulla nostra società che mi ha attirato come data scientist, dati appassionato di qui, è solo che quasi due decenni di dati ricco che si può effettivamente miniera”, ha detto. “Che mette in noi in un unico spazio nel e-commerce del settore. Cosa che importi per me, in quanto i dati di scienziato e di un marketer è anni e anni di ricca di web log di dati.
“Siamo in grado di andare indietro e guardare alcuni dei nostri primi clienti profilati e individui che sono stati forse i giovani genitori a cavallo del secolo, che stanno iniziando a fare shopping per quel primo set di camera da letto mobili per un eccitato nuovo studente. Per vedere le persone attraverso quelle attuali transizioni nella vita è stato davvero incredibile set di dati e un’opportunità incredibile come dati di scienziato.”
Dati vecchi contro nuovi dati
I dati a lungo termine Overstock raccoglie, Robison ha detto, è utile per scopi di CRM.
“Siamo in grado di guardare a questi modelli di storicamente chi ha fatto la spesa, che ci ha attratto, a cosa è più coda natura del nostro gruppo di clienti?”, ha detto. “Dove sono in termini di dati demografici, che potremmo essere in grado di ottenere dal censimento o una diversa piattaforma di terze parti? Così diventa una sorta di quello che io definirei un 10.000 piedi di vista.”
Tuttavia, quando si arriva alla finestra di conversione visitatori in acquirenti, Robison ha detto che alcuni dei dati più vecchi potrebbero non essere così rilevante.
“Il modo in cui i clienti interagiscono con i siti di e-commerce ha radicalmente cambiato”, ha detto. “Lo shopping Online, soprattutto negli ultimi cinque a 10 anni, per dire, è diventato così radicato nel nostro giorno per giorno la vita che quei modelli e i segnali sono davvero completamente diverso da forse i primi appassionati sullo shopping online che sono stati a venire al nostro sito nel ’99 o 2000.”
I dati raccolti, Robison ha sottolineato, è da clienti che hanno optato in hosting Overstock del cookie sul proprio browser, che è aggregato con informazioni sul posto.
Obiettivo di Marketing: individuazione di propensione all’acquisto
Quando Robison aderito Overstock circa due anni fa, la sua squadra il primo compito è stato quello di identificare i clienti’ “propensione all’acquisto,” ha detto.
“L’idea c’è, staremo a pettine su questo web log di dati… e provare e sviluppare la funzione di disegni che ci aiutano a identificare quando un cliente è, diciamo, solo una finestra di shopping, per utilizzare il tipo di fisico del termine, rispetto a quando si sta effettivamente pronto per la conversione. Come facciamo a codificare caratteristiche tra cui la classica serie di tempo, gal capofila variabili, fino a evento interazioni che ci mostrano quando qualcuno pronto a tirare grilletto e fare un acquisto.”
“Evento farmacologiche,” Robison ha spiegato, potrebbe significare qualsiasi azione sul sito. “Ogni volta che vai e fare clic su forse un diverso campione di colore per un divano o la visualizzazione…ogni volta che si entra nel sito. Gli sta singoli eventi nella nostra pagina web i dati di log.”
Approfondimenti da pezzi disparati di dati
“Il nostro lavoro di professionisti di dati è quello di portarlo molto diversi dati e arrotolate formando qualcosa di significativo in termini di caratteristiche,” Robison ha detto. “Alcune delle cose interessanti che abbiamo trovato erano prima di tutto, la conferma dell’naturali ipotesi. Le persone tendono a sfoglia e le vetrine dei negozi più spesso durante il giorno e possono essere più probabilità di convertire la sera.
“C’è anche un sacco di interessanti croce-l’interazione con il dispositivo. Io, per uno, fare un sacco di navigazione sul mio cellulare, ma se sto facendo un grande acquisto, diciamo, un divano o un tavolo, sono più propensi a fare che a casa sul mio attuale computer o un tablet. Così diversi punti di interazione che ci mostrano è qualcuno di veramente attrezzando e pronto per la conversione. Uno dei più interessanti che abbiamo trovato erano le persone tendono ad usare i loro carri come una lista dei desideri… Quindi persone andare e iniziare a rimuovere gli articoli dal carrello, in una monotona di moda, che i segnali ci sono realmente ottenere pronto per la conversione perché stanno cercando di soddisfare il budget che hanno costruito per se stessi.”
Lo spostamento di modelli di produzione con Databricks
Mentre Robison attività di commercializzazione, “Ci sono sfide simili in una qualsiasi di queste applicazioni,” ha detto, “e una delle più grandi sfide per chiunque nel settore è l’ultimo chilometro e mezzo di spostamento dei modelli che sono stati ben affinato da professionisti di dati in un vero e proprio ambiente di produzione.”
Robison il team ha utilizzato Apache Scintilla, così si è rivolta a Databricks per risolvere il problema. Databricks era formata da alcuni dei fondatori di Apache Scintilla, e spingere indietro la stragrande maggioranza di open source contributi per l’Apache Scintilla progetto. “È stata una scelta naturale per lo strumento che stiamo usando e poi, guardando una piattaforma gestita che ci potrebbe aiutare productionize e accelerare la nostra capacità di innovazione utilizzando questo strumento,” Robison ha detto.
Che si occupano dei vari ambienti
“Quando sono venuto a Overstock, un sacco di dati, gli scienziati sono stati in esecuzione di modelli e facendo i calcoli sulle singole macchine o all’interno di Jupyter Notebook, cose di quella natura,” Robison ha detto. “Essere in grado di prendere campioni di piccole serie di dati che si sta per la prototipazione di un modello e a capire come fare per ottenere quel modello quindi è in linea con un processo di marketing, dire, spingendo in particolare le offerte o le inclinazioni di un canale, tende ad essere molto diversi.
“Quindi sei di interagire con i database di produzione, ambienti di produzione. Abbiamo bisogno di venire con modalità automatizzate che siamo in grado di ETL i dati e ottenere arrotolato nel formato che vogliamo. Ma c’è anche bisogno di controlli ed equilibri in cima a quelle del processo.”
La necessità di dati di convalida dei processi
“Se le cose sono in esecuzione in modo automatico, in particolare, come questi modelli di spostare più verso il tempo reale, c’è un sacco di opportunità per i processi di uscire di controllo e di esecuzione storto,” Robison ha detto. “È necessario il monitoraggio, avete bisogno di controlli ed equilibri. C’è sempre di dati di convalida dei processi.
“Se il comportamento fondamentale dei nostri clienti cambiamenti, forse per un motivo sul mercato o perché, per esempio, in questo periodo dell’anno che ci stiamo dirigendo verso la nostra alta stagione, con il venerdì Nero e le vacanze invernali. Che sta per cambiare radicalmente la distribuzione di una qualunque delle mie caratteristiche. Abbiamo bisogno di monitoraggio impostato per che così, si noterà che il problema prima che diventi reale problema, ma poi diventa una domanda più interessante di ” Ok, è il comportamento dei nostri clienti che hanno effettivamente cambiato o fatto qualcosa di pausa nella mia automatizzato il processo ETL?’ Abbiamo bisogno di essere in grado di rispondere a queste domande molto rapidamente”.
Argomenti Correlati:
La Trasformazione Digitale
Robotica
Internet delle Cose
L’innovazione
Enterprise Software
CXO
0