Caso di studio: come ottenere un rapido accesso a tutti i KPI di prodotto importanti per l'e-commerce

Come un grande rivenditore di moda ha creato un sistema di dashboard dei prodotti per un rapido accesso ai dati in streaming da OWOX BI.

Per sviluppare un sistema di dashboard, il nostro cliente, un grande rivenditore di moda, doveva fare affidamento su dati completi e metriche di performance attuali. Poiché il mercato è in rapida evoluzione e i rivenditori devono rispondere rapidamente, in particolare ai cambiamenti critici delle dimensioni medie degli assegni e delle unità per transazione (UPT), i dati devono essere disponibili il prima possibile. Tuttavia, chiedere costantemente a un analista di calcolare la stessa cosa richiede tempo ed è costoso. Inoltre, il nostro cliente aveva bisogno non solo di un semplice report, ma di uno strumento che consentisse loro di analizzare le metriche in sezioni diverse in periodi diversi.

Prima di iniziare a creare una dashboard, i nostri analisti, insieme al team di prodotto, hanno identificato le metriche e le sezioni necessarie.

Analisi delle metriche relative alle prestazioni richieste per tutti i punti di contatto degli utenti sul sito Web: conversioni nelle fasi chiave del funnel, comprese le aggiunte al carrello e gli ordini; dimensione media dell'assegno; numero di articoli nell'assegno; ARPV; numero di abbonamenti; giorni prima della transazione; e altre metriche importanti per il processo decisionale.

Per le sezioni di dati, gli analisti hanno selezionato sia segmenti di pubblico standard (tipo di dispositivo, regione, origine) sia segmenti specifici calcolati in base ai dati (cliente/non cliente, iscrizione a una newsletter via e-mail, ecc.).

Molte fette di dati standard sono state unite in concetti di livello superiore. Ad esempio, il team di prodotto non ha bisogno di approfondire il livello di una specifica campagna pubblicitaria per analizzare i segmenti in base a varie fonti di acquisizione. Tuttavia, è necessario separare il traffico del marchio dal traffico non del marchio, dal traffico organico o dal traffico degli SMS.

Il nostro cliente aveva già raccolto dati grezzi sul comportamento degli utenti dal proprio sito Web in Google BigQuery utilizzando OWOX BI. Ma non potevano collegare i dati grezzi al sistema di visualizzazione, quindi avevano bisogno di creare un set di dati separato specifico per i dashboard.

Rendendosi conto che i dashboard sarebbero stati costantemente integrati e che il numero di script per la raccolta di set di dati sarebbe aumentato, i loro analisti hanno deciso di costruire un'architettura di dati basata su micro tabelle. Hanno creato tabelle separate per calcolare le caratteristiche della sessione, gli ordini, le canalizzazioni, i livelli e le metriche.

Queste microtabelle vengono aggiornate quotidianamente e combinate in base a chiavi quali date, sessionid e owox_user_id in un set di dati risultante, che viene trasmesso al sistema di visualizzazione.

Allo stesso tempo, il set di dati contiene dati aggregati per un singolo utente nell'arco della giornata e non ha aggregati di alto livello: vengono calcolati nel sistema di visualizzazione. Questo viene fatto in modo che il sistema di filtraggio funzioni in modo accurato.

Questo tipo di architettura di microservizi ha consentito all'azienda di non interrompere ciò che era stato creato in precedenza e di aggiungere rapidamente nuove entità al set di dati risultante.

Le dashboard in Google Data Studio sono state create in base al principio che le cose più importanti dovrebbero trovarsi nella prima schermata, mentre le informazioni dettagliate dovrebbero essere nelle singole pagine.

Di seguito è riportato un esempio della schermata iniziale del dashboard, che contiene tutti gli indicatori chiave di prestazione del sito Web, un funnel semplificato e altre metriche necessarie per un rapido processo decisionale.

Per impostazione predefinita, la dashboard mostra i dati della settimana precedente rispetto a due settimane fa, ma puoi impostare qualsiasi periodo e analizzare, ad esempio, i dati del trimestre.

La dashboard consente al nostro cliente di filtrare i dati, analizzando solo un segmento di pubblico essenziale. Gli utenti possono applicare più filtri contemporaneamente per perfezionare un gruppo specifico di utenti. Ad esempio, il nostro cliente può scoprire qual è il tasso di conversione per i nuovi utenti da dispositivi mobili che sono arrivati ​​al catalogo di vendita.

Ci sono anche pagine sui primi punti di contatto, canalizzazioni dettagliate all'interno del sito Web, analisi dei carrelli della spesa e altro ancora.

Nonostante il dashboard sia costruito su un set di dati debolmente aggregato con milioni di righe, le metriche vengono calcolate rapidamente. Quando si utilizzano filtri complessi, i dati vengono visualizzati in 10 secondi.

• Il team di prodotto del cliente ha ricevuto un comodo strumento per un rapido accesso alle metriche più necessarie.
• Ora, qualsiasi conversazione nel team di prodotto sul miglioramento del sito Web inizia con l'utilizzo della dashboard: nella dashboard vengono rilevati colli di bottiglia e i miglioramenti necessari vengono argomentati sulla base dei dati. Ad esempio, un'analisi del funnel ha mostrato che i cali maggiori (rispetto ai benchmark) compaiono nelle fasi tra la visualizzazione della scheda del prodotto e la pagina di pagamento. Questa conoscenza ha posto l'attenzione del team di prodotto con sei mesi di anticipo e ha portato a un aumento delle metriche per questi passaggi della canalizzazione.
• Il team di analisi non perde tempo a calcolare costantemente le stesse metriche, ma è impegnato ad espandere il volume e la profondità delle metriche che vengono calcolate automaticamente e può dedicare più tempo a complesse query ad hoc.