إعداد تحليلات متقدمة لموقع تداول CS: GO

تم تصميم أدوات التحليلات القياسية لتناسب نماذج الأعمال البسيطة. إذا كان لديك مشروع تجارة إلكترونية مشترك مع نوع أو نوعين من التحويلات وقناة مبيعات بسيطة ، فعادةً لا توجد صعوبات في إعداد التقارير. ولكن ماذا عن الشركات التي لديها نموذج أعمال أكثر تعقيدًا؟

استخدم أحد عملائنا OWOX BI لإعداد تحليلات متقدمة لمنصة تسمح للعملاء بتبادل وشراء وبيع عناصر CS: GO و Dota 2 بسرعة وأمان.

مثل معظم الشركات التي تجمع الكثير من البيانات أثناء نموها ، أدرك عملاؤنا أنه يمكن استخدام بياناتهم لاتخاذ قرارات أفضل. المنتج الرئيسي لعملائنا هو منصة لتبادل وشراء العناصر الافتراضية التي يستخدمها أكثر من خمسة ملايين شخص في حوالي 100 دولة.

في مرحلة ما ، تفوقت الشركة على التقارير المخصصة في Excel ولوحات المعلومات التحليلية البسيطة التي تم فيها استيراد البيانات مباشرة من أنظمة مختلفة. لقد أرادوا إنشاء مستودع بيانات (DHW) مع جميع بياناتهم ، وإنشاء مجموعات بيانات مفهومة وإعداد تقارير تحليلية لذكاء الأعمال (BI) أعلى مستودع البيانات هذا ، وأتمتة هذه العملية لتعيش أفضل حياة لهم.

بمساعدة OWOX BI و Google BigQuery ، أرادت الشركة إنجاز ثلاث مهام رئيسية:

• أتمتة استيراد البيانات من أنظمة مختلفة
• بناء مجموعات البيانات التحليلية
• تحسين جودة البيانات

واجهت الشركة العديد من التحديات في مجال تحليل البيانات. الأول هو أن أدوات التحليلات القياسية مصممة لنماذج أعمال أقل تعقيدًا من نماذج عملائنا. تجمع خدمة الشركة بين وظائف المتجر والسوق. بالإضافة إلى ذلك ، يمكن للمشترين الدفع بالمال وبعناصر داخل اللعبة. لهذا السبب تمتلك الشركة عدة أنواع من المعاملات وأنواع عديدة من الإيرادات. وبالتالي ، احتاج عميلنا إلى تقارير مخصصة لتحليل سلوك المستخدم والتحويلات وعائد الاستثمار لحملة التسويق.

كان هناك تحديان آخران يتمثلان في ضعف جودة البيانات وتباين البيانات عبر الأنظمة. غالبًا ما واجه العميل حقيقة أن المقياس نفسه له معنى واحد في Amplitude ، وآخر في Google Analytics ، وآخر في قاعدة بيانات المعاملات. لتجنب ذلك ، قرروا البدء في العمل مع مستودع بيانات ، وفي المستقبل ، لإنشاء تقارير تحليلية بناءً على بيانات من DHW وليس من مصادر فردية.

عند اختيار DWH ، استقرت الشركة على Google BigQuery نظرًا لخبرة فريق التحليل والتطوير ونموذج التسعير المناسب وسهولة بدء استخدام Google Cloud Platform.

في البداية ، استخدم العميل منتجات OWOX لإنشاء DWH في Google BigQuery وتحميل البيانات الأولية من Google Analytics وحسابات الإعلانات لمزيد من التحليل بواسطة فريق التسويق. ولكن بمرور الوقت ، أصبح هذا هو موقع التخزين الأساسي ، والآن يتم استخدامه من قبل المحللين ومديري المنتجات والمسوقين وبعض المطورين وحتى فريق دعم العملاء.

كيف يتم دمج البيانات للتقارير:

1. باستخدام OWOX BI Pipeline ، تستورد الشركة تلقائيًا بيانات التكلفة من الخدمات الإعلانية (Facebook و Instagram و Bing وما إلى ذلك) إلى Google BigQuery.
2. يجمع OWOX BI Streaming بيانات سلوك المستخدم من الموقع وينقلها إلى BigQuery.
3. باستخدام حلولها الخاصة ، تُحمِّل الشركة البيانات في BigQuery من عدة قواعد بيانات MySQL و Amplitude والعديد من الملفات المخصصة ومستندات Google. يتم تنظيم التحميل باستخدام Google Cloud Composer. لديهم أيضًا عدة إدخالات متدفقة للبيانات.
4. يتم تخزين البيانات في طبقات. تدخل جميع البيانات المذكورة أعلاه التخزين في شكله الخام في طبقة التدريج. من الناحية المثالية ، يجب أن تكون هذه الطبقة مجموعة بيانات واحدة بها العديد من الجداول ، ولكن حتى الآن لدى العميل مجموعات بيانات منفصلة للبيانات من أنظمة مختلفة (Google Analytics ، Amplitude). مع تطور DWH ، ستقوم الشركة بترتيب ذلك. يتم تنسيق تشكيل هذه الطبقة أيضًا من Google Cloud Composer.
5. علاوة على ذلك ، استنادًا إلى البيانات من طبقة التدريج ، يتم إنشاء طبقة تخزين تخضع فيها البيانات لبعض التحولات - جميع الحقول بها الأنواع المناسبة ، ويتم إحضار الطوابع الزمنية إلى نفس المنطقة الزمنية ، وبعض الجداول غير منسقة عمدًا ، والمفاتيح الإضافية هي تمت إضافتها لسهولة ربط الجداول ، وما إلى ذلك. تم تحسين هذه الطبقة لاستعلامات SQL التي يستخدمها المحللون ومديرو المنتجات.
6. هناك أيضًا طبقة data_marts. يخزن مجموعات البيانات لاستخدامها لاحقًا في العديد من التقارير والتنزيلات. يتم إنشاء مجموعات البيانات باستخدام البيانات من كل من طبقات التخزين والتشغيل.
7. تقوم الشركة بإنشاء تقارير ذكاء الأعمال في Google Data Studio و Power BI.

بالإضافة إلى ذلك ، لدى العميل مجموعات بيانات منفصلة للتعلم الآلي وصناديق الحماية للفرق الفردية حيث يمكنهم إنشاء جداول وعروض لمهامهم الداخلية دون مساعدة فريق DWH.

بفضل الحل الموضح هنا ، تمكن عميلنا من تقليل عبء العمل بشكل كبير على قسم التحليلات. لم يعد الموظفون يجمعون وينظفون البيانات من مصادر مختلفة لتجميع تقارير التسويق. لقد تحسنت ثقافة العمل مع البيانات ، وأصبحت البيانات متاحة بشكل أكبر لجميع الموظفين.

زاد عدد الموظفين الذين يستخدمون Google BigQuery بشكل نشط للعثور على إجابات لأسئلتهم (كتابة استفسارات وإنشاء تصورات في Google Data Studio) إلى 11 (من أربعة أقسام). قبل إنشاء المستودع ، كان بإمكان ثلاثة محللين فقط القيام بذلك.

في السابق ، استخدمت الشركة بشكل أساسي ثلاثة مصادر بيانات للاحتياجات التحليلية: Google Analytics ، وقاعدة بيانات MySQL ، ومستندات نفقة منفصلة. الآن لديهم أكثر من 10 مصادر بيانات ، كما نما حجم البيانات المعالجة أيضًا.

مع OWOX BI ، تلقى قسم التسويق أدوات ملائمة لتقييم عمله بسرعة. الآن يمكن للمسوقين تتبع تكلفة جذب المستخدمين بشكل أكثر دقة ، والأهم من ذلك ، عائد الاستثمار. كما أصبح التعاون مع الشركاء باستخدام نموذج حصة الإيرادات أكثر شفافية ومفهومة لكلا الطرفين.

يستمر العميل في استخدام منتجات OWOX BI لحل مشاكله الحالية. في المستقبل ، عند التبديل إلى Google Analytics 4 ، تخطط الشركة لتجنيد فريق OWOX لتحليل البيانات المصدرة وإنشاء جداول الجلسات.