Menyiapkan analitik lanjutan untuk situs perdagangan CS:GO

Alat analitik standar disesuaikan dengan model bisnis sederhana. Jika Anda memiliki proyek e-niaga umum dengan satu atau dua jenis konversi dan corong penjualan sederhana, biasanya tidak ada kesulitan dalam pelaporan. Tapi bagaimana dengan perusahaan dengan model bisnis yang lebih kompleks?

Salah satu klien kami menggunakan OWOX BI untuk menyiapkan analitik lanjutan untuk platform yang memungkinkan pelanggan menukar, membeli, dan menjual item CS:GO dan Dota 2 dengan cepat dan aman.

Seperti kebanyakan perusahaan yang mengumpulkan banyak data saat mereka tumbuh, klien kami menyadari bahwa data mereka dapat digunakan untuk membuat keputusan yang lebih baik. Produk utama klien kami adalah platform untuk bertukar dan membeli barang virtual yang digunakan oleh lebih dari lima juta orang di sekitar 100 negara.

Di beberapa titik, perusahaan melampaui laporan ad-hoc di Excel dan dasbor analitik sederhana di mana data diimpor langsung dari berbagai sistem. Mereka ingin menyiapkan gudang data (DHW) dengan semua data mereka, membangun data mart yang mudah dipahami dan pelaporan intelijen bisnis analitis (BI) di atas gudang data tersebut, dan mengotomatiskan proses ini untuk menjalani kehidupan terbaik mereka.

Dengan bantuan OWOX BI dan Google BigQuery, perusahaan ingin menyelesaikan tiga tugas utama:

• Mengotomatiskan pengimporan data dari berbagai sistem
• Bangun data mart analitik
• Meningkatkan kualitas data

Perusahaan menghadapi beberapa tantangan di bidang analisis data. Yang pertama adalah bahwa alat analitik standar disesuaikan dengan model bisnis yang tidak terlalu rumit dibandingkan model bisnis klien kami. Layanan perusahaan menggabungkan fungsi toko dan pasar. Selain itu, pembeli dapat membayar dengan uang dan item dalam game. Itu sebabnya perusahaan memiliki beberapa jenis transaksi dan beberapa jenis pendapatan. Akibatnya, klien kami memerlukan laporan yang disesuaikan untuk menganalisis perilaku pengguna, konversi, dan ROI kampanye pemasaran.

Dua tantangan lainnya adalah kualitas data yang buruk dan perbedaan data di seluruh sistem. Klien sering menghadapi fakta bahwa metrik yang sama memiliki satu arti di Amplitudo, arti lainnya di Google Analytics, dan arti lainnya di database transaksional. Untuk menghindari hal ini, mereka memutuskan untuk mulai bekerja dengan gudang data dan, di masa mendatang, membangun pelaporan analitik berdasarkan data dari DHW dan bukan dari sumber individu.

Saat memilih DWH, perusahaan memilih Google BigQuery karena keahlian tim analitik dan pengembangan, model penetapan harga yang sesuai, dan kemudahan memulai dengan Google Cloud Platform.

Awalnya, klien menggunakan produk OWOX untuk membuat DWH di Google BigQuery dan mengupload data mentah dari Google Analytics dan akun iklan untuk analisis lebih lanjut oleh tim pemasaran. Namun seiring waktu, ini menjadi lokasi penyimpanan utama, dan sekarang digunakan oleh analis, manajer produk, pemasar, beberapa pengembang, dan bahkan tim dukungan pelanggan.

Bagaimana data digabungkan untuk laporan:

1. Menggunakan OWOX BI Pipeline, perusahaan secara otomatis mengimpor data biaya dari layanan periklanan (Facebook, Instagram, Bing, dll.) ke Google BigQuery.
2. OWOX BI Streaming mengumpulkan data perilaku pengguna dari situs dan mentransfernya ke BigQuery.
3. Menggunakan solusinya sendiri, perusahaan memuat data ke dalam BigQuery dari beberapa database MySQL, Amplitudo, dan berbagai file ad hoc serta Google Docs. Pengunggahan diatur menggunakan Google Cloud Composer. Mereka juga memiliki banyak sisipan data streaming.
4. Data disimpan berlapis-lapis. Semua data yang disebutkan di atas masuk ke penyimpanan dalam bentuk mentahnya di lapisan pementasan. Idealnya, lapisan ini harus menjadi satu kumpulan data dengan banyak tabel, tetapi sejauh ini klien memiliki kumpulan data terpisah untuk data dari sistem yang berbeda (Google Analytics, Amplitudo). Saat DWH berkembang, perusahaan akan menertibkannya. Pembentukan lapisan ini juga diatur dari Google Cloud Composer.
5. Selanjutnya, berdasarkan data dari lapisan pementasan, lapisan penyimpanan dibangun di mana data mengalami beberapa transformasi - semua bidang memiliki tipe yang sesuai, stempel waktu dibawa ke zona waktu yang sama, beberapa tabel sengaja didenormalisasi, kunci tambahan dibuat ditambahkan untuk kemudahan menautkan tabel, dll. Lapisan ini dioptimalkan untuk kueri SQL yang digunakan oleh analis dan manajer produk.
6. Ada juga lapisan data_marts. Ini menyimpan data mart untuk digunakan nanti dalam berbagai laporan dan unduhan. Data mart dibangun menggunakan data dari lapisan penyimpanan dan pementasan.
7. Perusahaan membangun pelaporan BI di Google Data Studio dan Power BI.

Selain itu, klien memiliki kumpulan data terpisah untuk pembelajaran mesin dan kotak pasir untuk masing-masing tim tempat mereka dapat membuat tabel dan tampilan untuk tugas internal mereka tanpa bantuan tim DWH.

Berkat solusi yang dijelaskan di sini, klien kami dapat mengurangi beban kerja departemen analitik secara signifikan. Karyawan tidak lagi mengumpulkan dan membersihkan data dari berbagai sumber untuk menyusun laporan pemasaran. Budaya bekerja dengan data telah meningkat, dan data menjadi lebih tersedia untuk semua karyawan.

Jumlah karyawan yang secara aktif menggunakan Google BigQuery untuk menemukan jawaban atas pertanyaan mereka (menulis kueri dan membuat visualisasi di Google Data Studio) telah bertambah menjadi 11 (dari empat departemen). Sebelum pembuatan repositori, hanya tiga analis yang dapat melakukan ini.

Sebelumnya, perusahaan terutama menggunakan tiga sumber data untuk kebutuhan analitik: Google Analytics, database MySQL, dan dokumen pengeluaran terpisah. Sekarang mereka memiliki lebih dari 10 sumber data, dan volume data yang diproses juga bertambah.

Dengan OWOX BI, departemen pemasaran menerima alat yang mudah digunakan untuk mengevaluasi pekerjaannya dengan cepat. Sekarang pemasar dapat melacak dengan lebih akurat biaya untuk menarik pengguna dan, yang terpenting, ROI. Selain itu, kerja sama dengan mitra yang menggunakan model bagi hasil menjadi lebih transparan dan dapat dipahami oleh kedua belah pihak.

Klien terus menggunakan produk OWOX BI untuk menyelesaikan masalah mereka saat ini. Di masa mendatang, saat beralih ke Google Analytics 4, perusahaan berencana untuk meminta tim OWOX untuk menganalisis data yang diekspor dan pembuatan tabel sesi.