ارائه 3 میلیون مارتابک در یک سال: چگونه Go-Jek از داده های بزرگ برای مدیریت بهتر تجارت استفاده می کند


gojek_data_intelligence

Go-Jek Indonesia SVP، هوش تجاری Crystal Widjaja در دفتر مرکزی این شرکت در جاکارتای جنوبی

آیا می دانستید که رانندگان Go-Jek به طور متوسط ​​بیش از 4500 کیلومتر را طی کرده و سفارشات را در طول عمر خود تحویل داده اند؟ برای زمینه، این فاصله حدود دو برابر محیط جزیره جاوا است.

سرویس تحویل غذا Unicorn Go-Food نیز بیش از 3 میلیون تحویل داده است مارتابکس (پنکیک شکم پر) در سال گذشته در بازار داخلی اندونزی.

در ماه رمضان، این شرکت حتی می‌تواند محبوب‌ترین مساجد جاکارتا را که مشتریان از آنها بازدید کرده‌اند، به شما معرفی کند.

با نگاهی به فراوانی داده‌هایی که سرویس‌ها هر روز تولید می‌کنند، طبیعی است که کنجکاو باشید که شرکت چگونه از این منبع استفاده می‌کند.

e27 با کریستال ویجاجا، معاون ارشد هوش تجاری Go-Jek صحبت کرد تا ایده ای از نحوه انجام این کار بدست آورد.

تیم هوش تجاری (BI) فقط برای توسعه دهندگان و تحلیلگران BI نیست، بلکه برای کل شرکت است. ما از BI برای هر محصول، امور مالی شرکت، حسابداری، حقوقی و خدمات مشتری استفاده می کنیم.

این تیم داده‌ها را از پشتیبان هر سرویسی که Go-Jek ارائه می‌کند، از سرویس سواری Go-Ride گرفته تا پلت فرم رزرو بلیط Go-Tix، می‌گیرد. آنها داده های پشتیبان را تمیز و انسانی می کنند و آن را به اطلاعاتی مانند «نرخ تبدیل رزرو» تبدیل می کنند.

اولویت این است که داده ها تا حد امکان قابل درک باشد، که تیم BI از آن برای ایجاد یک پلت فرم سلف سرویس استفاده می کند که تیم مدیریت می تواند از آن برای دسترسی آسان به داده ها برای تصمیم گیری استفاده کند.

همچنین بخوانید: Go-Jek برای تسلط بیشتر بر مدیریت رویداد و فضای فروش بلیط در اندونزی، Loket را تصاحب می کند

بسیاری از کارهایی که ما انجام می‌دهیم در واقع در مورد بهینه‌سازی و اولویت‌بندی ویژگی‌ها در یک محصول است، مناطقی که نیاز به توسعه یا نقاط دردناک بیشتری دارند… بنابراین بسیاری از داده‌هایی که قرار است استفاده کنیم، داده‌های موقعیت جغرافیایی هستند. ویدجاجا می‌گوید که هر منطقه در شهر می‌توانیم عملکرد آن را ببینیم.

ما معیارهای مختلفی را تعیین می‌کنیم، مانند اینکه چند راننده از آن منطقه عبور می‌کنند، چند مشتری در آن منطقه رزرو می‌کنند، نرخ تبدیل به چه شکل است، آیا تقاضا با عرضه خوب برآورده می‌شود؟ بنابراین با بررسی آن، می‌توانیم مناطق کلیدی را شناسایی کنیم که به طور مداوم کمتر ارائه شده‌اند، یا مواردی مانند مناطقی که تقاضای زیادی برای Go-Food وجود دارد اما خرده‌فروشان کافی برای برآوردن نوع غذای مورد نظرشان وجود ندارد.” ادامه می دهد او .

این شرکت حتی دفتری را در سنگاپور افتتاح کرد که بر علم داده تمرکز دارد.

Widjaja همچنین فاش کرد که Go-Jek همچنین یک داشبورد دیجیتال برای وزارت حمل و نقل اندونزی ارائه می دهد.

او می‌گوید: «درگیر بودن شدید در چگونگی بهبود زندگی شهروندان اندونزیایی توسط دولت آن‌ها چیزی است که ما به آن علاقه زیادی داریم و برای پروژه‌های آینده مانند این آماده هستیم.

چالش ها و فرصت ها

Go-Jek حدود دو سال است که به جمع آوری داده ها می پردازد. حتی در آن زمان، Widjaja دید که فرصت های رشد فراوان است.

«در طرح کلان چیزها، ما واقعاً داده‌های زیادی از منظر جدول زمانی نداریم. اما رشدی که ما شاهد آن هستیم تنها در نقاط داده‌ای که به صورت ماهانه جمع‌آوری می‌کنیم حدود 30 درصد است.

او ادامه می‌دهد: «این نوع نشان می‌دهد که ما فرصت‌های بسیار بیشتری برای بررسی این داده‌های بزرگ و یافتن فرصت‌های پنهانی خواهیم داشت که شاید بیشتر مردم نتوانند آن‌ها را ببینند، مثلاً به صورت هفتگی یا روزانه».

همچنین بخوانید: Go-Jek برای فعال کردن معامله Go-Pay با شرکای تجاری خارج از اکوسیستم خود

Widjaja مثالی ارائه داد که چگونه این شرکت توانست سخت ترین مناطق شهر را برای سفر بر اساس روند مسیرهای مشترک طی دو سال گذشته تعیین کند. با استفاده از این دانش، Go-Jek توانست بازاریابی را برای سرویس Go-Ride در این زمینه خاص پیش ببرد.

«فرصت در اینجا برای داده های بزرگ برای اکثر شرکت ها این است که بیشتر در مورد بلندمدت فکر کنند. او می گوید اگر همه این نقاط مختلف داده را جمع آوری کنیم و آنها را در یک مکان ذخیره کنیم، چه مشکلاتی را می توانیم حل کنیم؟

درس

بنابراین، درس های کلیدی که Widjaja در دو سال استفاده از داده ها در Go-Jek آموخته است، چیست؟

روی ردیابی و تجزیه و تحلیل هر نقطه داده خیلی متمرکز نباشید. ماتریس‌های ورودی کلیدی واضحی وجود دارد که واقعاً بازی را برای ما از نظر ماتریس‌های خروجی، که نرخ تبدیل رزرو می‌کنند، تغییر داده‌اند، و ما روی ماتریس‌های ورودی بسیار متمرکز هستیم.»

سپس Widjaja نمونه‌ای از زمانی که تیم می‌خواست بداند زمان بارگذاری صفحه وب روی نرخ تکمیل مشتری تأثیر می‌گذارد را ارائه می‌دهد.

این ماتریس ورودی به این صورت است: «زمان بارگذاری صفحه وب ما چقدر است؟» اما ما این کار را یکی یکی به صورت آزمایشی انجام می دهیم، بنابراین همیشه تست A/B را انجام می دهیم.

ما همیشه باید با این فرضیه شروع کنیم. ماتریسی که قرار است روی آن تمرکز کنم چیست؟»

برای کسانی که تازه وارد این خط کار شده اند، توصیه او این است که بر روی فرضیه و خود هدف تمرکز کنند.

او در پایان می‌گوید: «هر قطعه تحلیلی است که نباید برای سرگرمی انجام شود، حتی اگر تحلیل فوق‌العاده سرگرم‌کننده باشد».

این مقاله برای اولین بار در 17 می 2019 منتشر شده است

The post تحویل 3M martabaks برای یک سال: چگونه Go-Jek از داده های بزرگ برای مدیریت بهتر تجارت استفاده می کند اولین بار در e27 ظاهر شد.

دیدگاهتان را بنویسید