Лайфхаки прайсинга на примере «Вкусно - и точка» 🍔 В приложении сейчас можно обнаружить Бигфест - акцию, в которой каждый день предлагают выбрать товары по специальной цене Скидка действует ограниченное время, после чего предложение исчезает, и здесь появляется так называемое неприятие потерь. Умные люди давно заметили, что потеря одной и той же суммы ощущается сильнее, чем её приобретение, поэтому таймер превращает обычную возможность сэкономить в потенциальную потерю: кажется, что выгодная цена уже принадлежит нам и, если не заказать сейчас, у нас её отберут 💸 Но это не единственная интересная механика, которую можно заметить) Если открыть обычное меню, то одними из первых там показываются новинки и комбо, которые, как правило, оказываются довольно дорогими позициями: бургер может стоить 450-550 руб., в то время как цена большого комбо составляет 700-800 руб. Первая увиденная цена становится ориентиром, относительно которого мы оцениваем всё остальное, поэтому после комбо за 800 руб. бургер за 350 руб. уже воспринимается доступнее. Это называется эффектом якоря, при котором случайно увиденная цифра влияет на наши последующие оценки 🤔 В итоге ограниченное время действия скидки заставляет нас бояться упущенной выгоды, а дорогие позиции задают ориентир, на фоне которого остальные товары выглядят не такими уж дорогими Не утверждаю, что приложение спроектировано именно так, но захотелось поделиться этим наблюдением) Если хотите больше примеров из ценообразования - ставьте сердечко, и я поделюсь ещё ❤️

Поймал себя на мысли, что сейчас вообще довольно интересный момент для смены профессии 🤔 Особенно если смотреть в сторону аналитики. Потому что ситуация немного парадоксальная: с одной стороны, войти в профессию стало сильно проще благодаря ИИ. Сейчас можно гораздо быстрее разобраться с SQL, Python, статистикой, попросить нейронку объяснить непонятный код или помочь с задачей. С другой — требования к джунам никуда не делись. Просто «посмотреть ютубчик, выучить SELECT и считать себя аналитиком» уже не достаточно 🥲 Нужно понимать, как вообще решать аналитические задачи, а не только знать синтаксис инструментов. И вот мне попался новый буткемп Симулейтив по аналитике данных. Мне понравилась сама структура: первые 10 недель — интенсивный заход в профессию с нуля до junior-уровня, а дальше можно продолжить обучение и разбирать уже более продвинутые инструменты и навыки. Причём программа не ограничивается классическим: SQL → Python → удачи на собеседовании) Там есть: ➖SQL и Python ➖Metabase + Power BI ➖статистика и A/B-тесты ➖продуктовые метрики ➖подготовка к собеседованиям уже с первых недель ➖живые занятия с ментором ➖ИИ-инструменты в работе аналитика Последний пункт мне особенно близок. Я вообще не очень понимаю идею запрета студентам пользоваться ИИ, чтобы они сначала научились сами. Это примерно как учить аналитика работать в Excel, но запрещать ему пользоваться формулами, потому что «а вдруг привыкнет» ☺️ ИИ всё равно станет частью работы аналитика. Поэтому гораздо полезнее научиться нормально с ним взаимодействовать: понимать, какую задачу ему отдать, как проверить результат и в какой момент он начинает с абсолютно уверенным видом придумывать ерунду 👍 Ещё в программе есть гостевые лекции от аналитиков из Яндекса, Т-Банка, Авито, Сбера и Ozon. Ну и диплом о профессиональной переподготовке 😐 А ещё сейчас у Симулейтив есть гранты на обучение + гарантия трудоустройства для студентов. Количество грантов ограничено, и в ближайшем потоке осталось 5 мест. Так что если вы давно думаете что-то вроде: «Блин, может реально попробовать уйти в аналитику?» — то кликайте по ссылке ниже, оставляйте заявку и бронируйте место! 🔗 ЗАБРОНИРОВАТЬ МЕСТО

Галя, у нас нейросеть 🤖 Когда-то я писал, как взял наггетсы в SPARе и удивился, что касса распознала их по камере. Оказалось, у всей готовой еды просто одинаковая цена за 100 грамм и никакого ML не требовалось)) Недавно зашёл в Пятёрочку и увидел более современный вариант такой технологии 🛒 На кассе самообслуживания система попросила добавить в чек товары, которые заметила по встроенной камере: пакет, который я забыл пробить (ну а что, сейчас в айтишке тяжелые времена) и… пиво 😳 Правда, вместо пива у меня была кока-кола 🤩 Пропустить такое сообщение кстати нельзя: чтобы закончить покупку без добавления этих товаров, пришлось позвать Галю дежурного кассира Несмотря на ошибку, мне показалось что это всё равно очень крутое применение ML: нужно понять, какие товары есть у покупателя, сопоставить их с чеком и заметить, если что-то не пробили. А еще товары могут быть похожи, перекрываться или лежать в пакете 🍾 Задачка непростая, но польза понятна: можно сократить количество неоплаченных товаров, как по забывчивости, так и намеренно 💸 Правда, появляется знакомый размен метрик: сокращаем потери магазина, но рискуем увеличить время у кассы (Особенно если кола становится пивом и сотруднику приходится разбираться с ошибками 🥹) Оценить влияние такой неочевидной фичи наверняка тоже захотят. Поэтому я бы предположил, что её проверяют в рамках АБ-теста, который удобнее всего проводить по разным магазинам: в части включить систему, в остальных оставить прежние кассы 📊 Так можно сравнить потери, время обслуживания и частоту вызовов кассира, чтобы понять, выгодно ли внедрять её дальше. Но все-таки АБ тест - это мое предположение 🤫 А вы уже встречали в Пятёрочке такое? Если да то пишите, проверим в комментариях на сколько % раскатили АБ тестик 👇 И лайк поставим ❤️