Studium przypadku: Jak uzyskać szybki dostęp do wszystkich kluczowych wskaźników wydajności produktów istotnych dla e-commerce

Jak duży sprzedawca odzieży zbudował system pulpitów nawigacyjnych produktów zapewniający szybki dostęp do danych strumieniowych z OWOX BI.

Aby opracować system pulpitów nawigacyjnych, nasz klient, duży sprzedawca odzieży, musiał polegać na pełnych danych i aktualnych wskaźnikach wydajności. Ponieważ rynek szybko się zmienia, a detaliści muszą szybko reagować, zwłaszcza na krytyczne zmiany w średniej wielkości czeku i jednostkach na transakcję (UPT), dane muszą być dostępne tak szybko, jak to możliwe. Jednak ciągłe proszenie analityka o obliczenie tego samego wymaga czasu i jest kosztowne. Ponadto nasz klient potrzebował nie tylko prostego raportu, ale narzędzia, które pozwoli mu analizować dane w różnych przekrojach w różnych okresach.

Przed rozpoczęciem tworzenia dashboardu nasi analitycy wraz z zespołem produktowym określili niezbędne metryki i wycinki.

Analiza wymaganych wskaźników wydajności dla wszystkich punktów kontaktu z użytkownikami na stronie: konwersje na kluczowych etapach lejka, w tym dodatki do koszyka i zamówienia; średni rozmiar czeku; liczba pozycji w czeku; ARPV; liczba zapisów; dni przed transakcją; i inne metryki ważne dla podejmowania decyzji.

W przypadku wycinków danych analitycy wybrali zarówno standardowe segmenty odbiorców (typ urządzenia, region, źródło), jak i określone segmenty obliczane na podstawie danych (klient/nie-klient, zarejestrowani w celu otrzymywania biuletynu e-mail itp.).

Wiele standardowych wycinków danych zostało połączonych w koncepcje wyższego poziomu. Na przykład zespół produktowy nie musi drążyć do poziomu konkretnej kampanii reklamowej, aby analizować segmenty według różnych źródeł pozyskiwania. Mimo to konieczne jest oddzielenie ruchu związanego z marką od ruchu niezwiązanego z marką, ruchu organicznego czy ruchu z SMS-ów.

Nasz klient zebrał już surowe dane o zachowaniach użytkowników ze swojej witryny w Google BigQuery za pomocą OWOX BI. Nie mogli jednak połączyć nieprzetworzonych danych z systemem wizualizacji, więc musieli utworzyć osobny zestaw danych specjalnie dla pulpitów nawigacyjnych.

Zdając sobie sprawę, że dashboardy będą stale uzupełniane, a liczba skryptów do zbierania zbiorów danych wzrośnie, ich analitycy postanowili zbudować architekturę danych opartą na mikrotablicach. Utworzyli osobne tabele do obliczania cech sesji, zamówień, ścieżek, warstw i metryk.

Te mikrotabele są aktualizowane codziennie i łączone zgodnie z takimi kluczami jak data, sessionid i owox_user_id w jeden wynikowy zestaw danych, który jest przesyłany do systemu wizualizacji.

Jednocześnie zbiór danych zawiera zagregowane dane dla pojedynczego użytkownika w ciągu dnia i nie ma agregatów wysokiego poziomu — są one obliczane w systemie wizualizacji. Dzieje się tak, aby system filtrowania działał dokładnie.

Taka architektura mikroserwisowa pozwoliła firmie nie psuć tego, co zostało zbudowane wcześniej i szybko dodawać nowe encje do powstałego zbioru danych.

Dashboardy w Google Data Studio powstały w myśl zasady, że najważniejsze rzeczy powinny znajdować się na pierwszym ekranie, a szczegółowe informacje na poszczególnych stronach.

Poniżej znajduje się przykład ekranu głównego dashboardu, który zawiera wszystkie kluczowe wskaźniki wydajności witryny, uproszczony lejek i inne metryki niezbędne do szybkiego podejmowania decyzji.

Domyślnie dashboard pokazuje dane z poprzedniego tygodnia w porównaniu do dwóch tygodni temu, ale można ustawić dowolny okres i przeanalizować np. dane za kwartał.

Dashboard pozwala naszemu klientowi filtrować dane, analizując tylko niezbędny segment odbiorców. Użytkownicy mogą stosować wiele filtrów jednocześnie, aby zawęzić określoną grupę użytkowników. Na przykład nasz klient może dowiedzieć się, jaki jest współczynnik konwersji dla nowych użytkowników z urządzeń mobilnych, którzy trafili do katalogu sprzedaży.

Są też strony dotyczące pierwszych punktów styku, szczegółowe ścieżki wewnątrz witryny, analiza koszyków i nie tylko.

Pomimo tego, że pulpit nawigacyjny jest zbudowany na słabo zagregowanym zbiorze danych z milionami wierszy, metryki są obliczane szybko. W przypadku korzystania ze złożonych filtrów dane są wizualizowane w ciągu 10 sekund.

• Zespół produktowy klienta otrzymał wygodne narzędzie do szybkiego dostępu do najpotrzebniejszych metryk.
• Teraz każda rozmowa w zespole produktowym o ulepszeniu strony internetowej zaczyna się od użycia dashboardu: w dashboardzie znajdują się wąskie gardła, a niezbędne usprawnienia są argumentowane na podstawie danych. Na przykład analiza ścieżki wykazała, że ​​największe spadki (w porównaniu do testów porównawczych) pojawiają się na etapach między wyświetleniem karty produktu a stroną kasy. Ta wiedza skupiła uwagę zespołu ds. produktu z sześciomiesięcznym wyprzedzeniem i doprowadziła do zwiększenia wskaźników dla tych etapów ścieżki.
• Zespół analityków nie spędza czasu na ciągłym obliczaniu tych samych metryk, ale angażuje się w zwiększanie liczby i głębokości metryk obliczanych automatycznie i może poświęcić więcej czasu na złożone zapytania ad hoc.