Configuración de análisis avanzados para un sitio comercial de CS:GO

Las herramientas de análisis estándar se adaptan a modelos comerciales simples. Si tiene un proyecto de comercio electrónico común con uno o dos tipos de conversión y un embudo de ventas simple, generalmente no hay dificultades con los informes. Pero, ¿qué pasa con las empresas con un modelo de negocio más complejo?

Uno de nuestros clientes usó OWOX BI para configurar análisis avanzados para una plataforma que permite a los clientes intercambiar, comprar y vender artículos de CS:GO y Dota 2 de forma rápida y segura.

Como la mayoría de las empresas que acumulan muchos datos a medida que crecen, nuestro cliente se dio cuenta de que sus datos podían usarse para tomar mejores decisiones. El principal producto de nuestro cliente es una plataforma de intercambio y compra de artículos virtuales que utilizan más de cinco millones de personas en alrededor de 100 países.

En algún momento, la empresa superó los informes ad-hoc en Excel y los paneles analíticos simples en los que los datos se importaban directamente desde varios sistemas. Querían configurar un almacén de datos (DHW) con todos sus datos, crear mercados de datos comprensibles e informes analíticos de inteligencia empresarial (BI) sobre ese almacén de datos y automatizar este proceso para vivir su mejor vida.

Con la ayuda de OWOX BI y Google BigQuery, la empresa quería realizar tres tareas principales:

• Automatice la importación de datos de varios sistemas
• Cree mercados de datos analíticos
• Mejorar la calidad de los datos

La empresa enfrentó varios desafíos en el campo del análisis de datos. La primera fue que las herramientas de análisis estándar se adaptan a modelos comerciales menos complejos que los de nuestro cliente. El servicio de la empresa combina la funcionalidad de una tienda y un mercado. Además, los compradores pueden pagar tanto con dinero como con elementos del juego. Es por eso que la empresa tiene varios tipos de transacciones y varios tipos de ingresos. En consecuencia, nuestro cliente necesitaba informes personalizados para analizar el comportamiento de los usuarios, las conversiones y el ROI de la campaña de marketing.

Otros dos desafíos fueron la mala calidad de los datos y las discrepancias de datos entre los sistemas. El cliente a menudo se enfrentaba al hecho de que la misma métrica tenía un significado en Amplitud, otro en Google Analytics y otro más en la base de datos transaccional. Para evitar esto, decidieron comenzar a trabajar con un almacén de datos y, en el futuro, construir informes analíticos basados ​​en datos del ACS y no de fuentes individuales.

Al elegir un DWH, la empresa se decidió por Google BigQuery debido a la experiencia del equipo de análisis y desarrollo, el modelo de precios adecuado y la facilidad para comenzar con Google Cloud Platform.

Inicialmente, el cliente usó productos OWOX para crear un DWH en Google BigQuery y cargar datos sin procesar de Google Analytics y cuentas publicitarias para que el equipo de marketing los analice más a fondo. Pero con el tiempo, esta se convirtió en la ubicación de almacenamiento principal y ahora la utilizan analistas, gerentes de productos, especialistas en marketing, algunos desarrolladores e incluso el equipo de atención al cliente.

Cómo se combinan los datos para los informes:

1. Mediante el uso de OWOX BI Pipeline, la empresa importa automáticamente los datos de costos de los servicios de publicidad (Facebook, Instagram, Bing, etc.) a Google BigQuery.
2. OWOX BI Streaming recopila datos de comportamiento del usuario del sitio y los transfiere a BigQuery.
3. Usando sus propias soluciones, la empresa carga datos en BigQuery desde varias bases de datos MySQL, Amplitude y varios archivos ad hoc y Google Docs. La carga se orquesta con Google Cloud Composer. También tienen múltiples inserciones de transmisión de datos.
4. Los datos se almacenan en capas. Todos los datos mencionados anteriormente ingresan al almacenamiento en su forma sin procesar en la capa de preparación. Idealmente, esta capa debería ser un conjunto de datos con muchas tablas, pero hasta ahora el cliente tiene conjuntos de datos separados para datos de diferentes sistemas (Google Analytics, Amplitude). A medida que se desarrolle el DWH, la empresa lo pondrá en orden. La formación de esta capa también está orquestada desde Google Cloud Composer.
5. Además, en función de los datos de la capa de preparación, se crea una capa de almacenamiento en la que los datos sufren alguna transformación: todos los campos tienen los tipos apropiados, las marcas de tiempo se colocan en la misma zona horaria, algunas tablas se desnormalizan intencionalmente, se agregan claves adicionales. agregado para facilitar la vinculación de tablas, etc. Esta capa está optimizada para consultas SQL utilizadas por analistas y gerentes de productos.
6. También hay una capa data_marts. Almacena data marts para su uso posterior en varios informes y descargas. Los data marts se crean utilizando datos de las capas de almacenamiento y preparación.
7. La empresa crea informes de BI en Google Data Studio y Power BI.

Además, el cliente tiene conjuntos de datos separados para aprendizaje automático y espacios aislados para equipos individuales en los que pueden crear tablas y vistas para sus tareas internas sin la ayuda del equipo de DWH.

Gracias a la solución descrita aquí, nuestro cliente pudo reducir significativamente la carga de trabajo del departamento de análisis. Los empleados ya no recopilan ni limpian datos de varias fuentes para compilar informes de marketing. La cultura de trabajar con datos ha mejorado y los datos están más disponibles para todos los empleados.

La cantidad de empleados que utilizan activamente Google BigQuery para encontrar respuestas a sus preguntas (escribir consultas y crear visualizaciones en Google Data Studio) aumentó a 11 (de cuatro departamentos). Antes de la creación del repositorio, solo tres analistas podían hacer esto.

Anteriormente, la empresa utilizaba principalmente tres fuentes de datos para necesidades analíticas: Google Analytics, una base de datos MySQL y documentos de gastos separados. Ahora tienen más de 10 fuentes de datos y el volumen de datos procesados ​​también ha crecido.

Con OWOX BI, el departamento de marketing recibió herramientas convenientes para evaluar rápidamente su trabajo. Ahora los especialistas en marketing pueden realizar un seguimiento más preciso del costo de atraer usuarios y, lo que es más importante, el ROI. Además, la cooperación con socios que utilizan el modelo de reparto de ingresos se ha vuelto más transparente y comprensible para ambas partes.

El cliente sigue utilizando los productos OWOX BI para solucionar sus problemas actuales. En el futuro, al cambiar a Google Analytics 4, la empresa planea reclutar al equipo de OWOX para analizar los datos exportados y la construcción de tablas de sesión.