ZAVOD-IT

Научная статья про наш продукт по анализу данных intellecter.com

Процюк А.Л. , директор компании Zavod 
Назаров Д.М. 
Директор ИИТ УрГЭУ, зав. кафедрой БИ, к.э.н
 

Концепция облачного сервиса intellecter.com для изучения поведенческой модели потребителя в интернет-среде

Активное развитие IT сектора в конце XX — начале XXI вв. привело к тому, что он рассматривается как один из важнейших источников роста международной конкурентоспособности традиционных отраслей, в том числе и торговли с точки зрения удовлетворения потребностей. Это связано с тем, что любая деятельность, осуществляемая человеком, содержит создание информационной модели и ее реализацию в материальном воплощении. Интернет-ресурсы рассматриваются в этом аспекте, как некоторая виртуальная подсистема, позволяющая проводить «точеную» рекламу, реализовывать модель «точно в срок», накапливать важную информацию — «руду данных» о потенциальном потребителе, мониторить его вкусы, угадывать желания. Количество информации, которая накапливается там каждый день, стремится к бесконечности, ее энтропия увеличивается в геометрической прогрессии, поэтому при анализе этой информации необходимо уметь извлекать не только реальные, но и «скрытые» данные. Инструментами такого анализа являются технологии Business Intelligence, такие как Data Mining, Web Mining, Text Mining и т. д. Реальные и скрытые данные — информация, связанная с деятельностью, моделями поведения и образом мышления пользователей социальных сетей — потенциальных потребителей 
различных сервисов и услуг, предлагаемых на рынке, аккумулируется (Big Data) с помощью специальных технологий, представляющих собой проведение тестирований поведений клиента (A/B-тестирование) и построение посадочных страниц (Landing pages) для каждой целевой аудитории. Поэтому такого рода данные, безусловно, представят коммерческий интерес для больших компаний (торговых предприятий, банков, электронных предприятий и т.д.), которые хотят получать актуальную обратную связь — мнение своих потребителей, а также устанавливать «невидимые» сразу (скрытые) связи между данными, которые принято называть неявным социальным графом потребителя. Косвенно нашу гипотезу подтверждает недавно заключенная сделка между Oracle и Collective Intellect, поставщика облачных социально- 
интеллектуальных решений (social intelligence) для анализа данных в социальных сетях в режиме реального времени [2]. 

Для предприятий сферы услуг, в отличие от производственных предприятий, эффективное управление продажами на основе потребительского поведения является, с одной стороны, основополагающим фактором успешности и конкурентоспособности и, с другой стороны, чрезвычайно сложной задачей в силу ее размерности (множество товарных номенклатур, множество объектов торговли, множество рисков, множество внешних факторов влияния и пр.), которую можно решить, используя только 
современные интеллектуальные информационные технологии. 

На мировом рынке существуют частные решения, реализованные в рамках конкретных компаний (Facebook, Booking, Quora), а также есть общие решения (Marketo.com, Unbounce.com, Kissmetriks.com, Hootsuite.com, Optimizely.com), которые не содержат в себе глубинного анализа (data mining) поведения пользователя (потенциального потребителя), и являются простыми инструментами сбора данных со стандартной статистической обработкой. 

Анализ программных платформ для анализа потребительского поведения в интернет среде [1-3].
 

Конкуренты (стоимость абонентской платы):

Однако, учитывая тенденции в развитии интернет-сервисов и анализируя существующую информационно-логическую модель их мониторинга, мы пришли к выводу, что эта модель не обладает необходимыми концептуальными средствами для глубинного, социоморфного, маркетингового анализа данных, что и определило направление нашего исследования, результаты которого в дальнейшем позволят принимать грамотные и гибкие управленческие решения в области рекламных и маркетинговых стратегий, с 
целью эффективного распределения информационных потоков, на основе производной явного и неявного социального графа потенциального потребителя. На рынке IT – решений в России нет известных программных продуктов, которые могут быть использованы для оптимального управления продажами на 
основе потребительского поведения с учетом национальной специфики, основанных на интеллектуальном анализе данных. 

Наш продукт – сервис www.intellecter.com – представляет из себя SaaS-сервис, который помогает широкому спектру компаний сферы услуг принимать стратегические решения на основании предоставляемых сервисом аналитических данных. Основная задача: разработать сервис, осуществляющий сбор данных в интернет среде, позволяющий накапливать информацию и с помощью авторской экономико-математической модели осуществлять построение паттернов продаж, а на их основе создавать эффективные A/B-тесты для новыхпользователей. A/B-тест, предполагающий демонстрацию различного контента разным пользователям для выявления наиболее эффективных сценариев продаж, на основе накопленных данных поведения пользователя является одним из эффективных и наиболее используемых за рубежом (в частности в Силиконовой долине США) инструментом. Внедрение подобного рода функционала в сервис intellecter.com является необходимым условием конкурентоспособности нашего продукта на мировом рынке, поскольку обусловлено тем фактором, что на западной рынке все крупные компании не начинают ни одной рекламной кампании без проведения A/B-тестов интернет-ресурсов. Например, такие компании, как Facebook.com и Booking.com ежедневно проводят сотни тестов для выявления оптимального отображение содержимого, что приводит к увеличению лояльности и большему захвату рынка в своей области. В основу сервиса заложена экономико-математическая модель на основе нечетких моделей и нейронных сетей, которая, во-первых, позволяет строить адекватный прогноз, основанный на небольшой выборке потребителей, во-вторых, подразумевает использование нечеткой логики, в-третьих, использует инструменты обработки Big Data, что делает систему уникальной по сравнению с конкурентами. 

Кроме этого система в дальнейшем сможет: 

• осуществлять многовариантную оптимизацию потребительского поведения на закупку и реализацию разных изделий для разных торговых объектов с учетом динамики продаж, с целью получения или максимальной прибыли, или максимального объема реализации, или минимизировать издержки, или найти иное оправданное решение; 

• контролировать в режиме реального времени фактическую скорость оборота, прогнозировать продажи с учетом периодов активного и пассивного спроса на разные изделия, на разных торговых объектах, прогнозировать время начала распродаж изделий со скидкой и величину скидки; 

• моделировать и прогнозировать процессы реализации в разных условиях и на разных объектах, рассчитывать потребность в заемном оборотном капитале и прогнозировать результаты финансово - экономичной деятельности на любой заданный период. 

Таким образом, концептуально применяемая нами модель, используемая нами для решения базовой задачи, предполагает введение в научный оборот понятия нечеткого социального графа потребителя, наоснове которого строится модель поведения потребителя, учитывающая представление процесса реализации товаров и услуг в виде сложной функции времени, включающей периоды активного и пассивного покупательского спроса, сезонные, предпраздничные периоды и прочие параметры. При этом 
инструментами анализа является следующий взаимосвязанный функционал: создание продающих посадочных страниц (Landing pages) и проведение A/B-тестов на основе накопленной полезной информации. 

Список литературы 
1. Мир в облаках: рынок SaaS в цифрах 
2. Gartner Says Worldwide Cloud Services Market to Surpass $109 Billion in 2012
3. IDC Releases First Worldwide Big Data Technology and Services Market Forecast, Shows Big Data as the Next Essential Capability and a Foundation for the Intelligent Economy