전자 상거래에 중요한 모든 제품 KPI에 빠르게 액세스하는 방법

대규모 패션 소매업체가 OWOX BI의 스트리밍 데이터에 빠르게 액세스하기 위해 제품 대시보드 시스템을 구축한 방법.

대규모 패션 소매업체인 우리 고객은 대시보드 시스템을 개발하기 위해 완전한 데이터와 현재 성과 지표에 의존해야 했습니다. 시장은 빠르게 변화하고 소매업체는 특히 평균 수표 크기 및 거래당 단위(UPT)의 중대한 변화에 신속하게 대응해야 하므로 가능한 한 빨리 데이터를 사용할 수 있어야 합니다. 그러나 분석가에게 동일한 것을 계산하도록 지속적으로 요청하는 것은 시간과 비용이 많이 듭니다. 또한 고객은 단순한 보고서가 아니라 서로 다른 기간 동안 서로 다른 조각의 지표를 분석할 수 있는 도구가 필요했습니다.

대시보드 생성을 시작하기 전에 분석가는 제품 팀과 함께 필요한 지표와 조각을 식별했습니다.

웹사이트의 모든 사용자 터치포인트에 대한 성능 요구 메트릭 분석: 카트 추가 및 주문을 포함하여 퍼널의 주요 단계에서의 전환; 평균 수표 크기; 수표의 항목 수; ARPV; 구독 수; 거래일 전; 및 의사 결정에 중요한 기타 메트릭.

데이터 조각의 경우 분석가는 표준 고객 세그먼트(기기 유형, 지역, 소스)와 데이터를 기반으로 계산되는 특정 세그먼트(클라이언트/비클라이언트, 이메일 뉴스레터 가입 등)를 모두 선택했습니다.

많은 표준 데이터 조각이 상위 수준 개념으로 병합되었습니다. 예를 들어 제품 팀은 다양한 획득 소스에 따라 세그먼트를 분석하기 위해 특정 광고 캠페인 수준으로 드릴다운할 필요가 없습니다. 그래도 브랜드 트래픽을 비브랜드 트래픽, 유기적 트래픽 또는 SMS 트래픽과 분리해야 합니다.

우리 고객은 이미 OWOX BI를 사용하여 Google BigQuery의 웹사이트에서 원시 사용자 행동 데이터를 수집했습니다. 그러나 원시 데이터를 시각화 시스템에 연결할 수 없었기 때문에 대시보드용으로 별도의 데이터 세트를 만들어야 했습니다.

대시보드가 ​​지속적으로 보완되고 데이터 세트 수집을 위한 스크립트 수가 증가할 것이라는 사실을 깨닫고 분석가는 마이크로 테이블을 기반으로 데이터 아키텍처를 구축하기로 결정했습니다. 그들은 세션 특성, 주문, 퍼널, 레이어 및 메트릭을 계산하기 위해 별도의 테이블을 만들었습니다.

이러한 마이크로 테이블은 매일 업데이트되며 date, sessionid 및 owox_user_id와 같은 키에 따라 시각화 시스템으로 전송되는 하나의 결과 데이터 세트로 결합됩니다.

동시에 데이터 세트에는 하루 동안 개별 사용자에 대해 집계된 데이터가 포함되며 높은 수준의 집계가 없으며 시각화 시스템에서 계산됩니다. 이렇게 하면 필터링 시스템이 정확하게 작동합니다.

이러한 종류의 마이크로서비스 아키텍처를 통해 회사는 이전에 구축된 것을 중단하지 않고 결과 데이터 세트에 새로운 엔터티를 신속하게 추가할 수 있었습니다.

Google Data Studio의 대시보드는 가장 중요한 것은 첫 화면에, 세부 정보는 개별 페이지에 배치한다는 원칙에 따라 만들어졌습니다.

아래는 웹사이트의 모든 핵심 성과 지표, 간소화된 퍼널 및 신속한 의사 결정에 필요한 기타 메트릭을 포함하는 대시보드 홈 화면의 예입니다.

기본적으로 대시보드에는 2주 전과 비교하여 지난 주 데이터가 표시되지만 원하는 기간을 설정하고 예를 들어 분기 데이터를 분석할 수 있습니다.

대시보드를 사용하면 고객이 데이터를 필터링하여 필수 고객 세그먼트만 분석할 수 있습니다. 사용자는 한 번에 여러 필터를 적용하여 특정 사용자 그룹을 세분화할 수 있습니다. 예를 들어 고객은 판매 카탈로그를 방문한 모바일 장치의 신규 사용자에 대한 전환율을 확인할 수 있습니다.

또한 첫 번째 터치포인트에 대한 페이지, 웹사이트 내부의 세부 퍼널, 장바구니 분석 등이 있습니다.

대시보드가 ​​수백만 줄의 약하게 집계된 데이터 세트에 구축되어 있음에도 불구하고 지표는 빠르게 계산됩니다. 복잡한 필터를 사용하면 데이터가 10초 안에 시각화됩니다.

• 클라이언트의 제품 팀은 가장 필요한 메트릭에 빠르게 액세스할 수 있는 편리한 도구를 받았습니다.
• 이제 웹사이트 개선에 대한 제품 팀의 모든 대화는 대시보드 사용에서 시작됩니다. 대시보드에서 병목 현상을 발견하고 데이터를 기반으로 필요한 개선 사항을 논의합니다. 예를 들어 깔때기형 분석에서는 제품 카드 보기와 결제 페이지 사이의 단계에서 벤치마크와 비교할 때 가장 큰 하락이 나타납니다. 이 지식은 6개월 전에 제품 팀의 초점을 설정했고 이러한 유입경로 단계에 대한 지표를 증가시켰습니다.
• 분석 팀은 동일한 메트릭을 계속 계산하는 데 시간을 소비하지 않고 자동으로 계산되는 메트릭의 양과 깊이를 확장하는 데 참여하고 복잡한 임시 쿼리에 더 많은 시간을 할애할 수 있습니다.