กรณีศึกษา: วิธีเข้าถึง KPI ของผลิตภัณฑ์ทั้งหมดอย่างรวดเร็วซึ่งมีความสำคัญต่ออีคอมเมิร์ซ

วิธีที่ผู้ค้าปลีกแฟชั่นรายใหญ่สร้างระบบแดชบอร์ดผลิตภัณฑ์เพื่อการเข้าถึงข้อมูลการสตรีมจาก OWOX BI อย่างรวดเร็ว

ในการพัฒนาระบบแดชบอร์ด ลูกค้าของเราซึ่งเป็นผู้ค้าปลีกแฟชั่นรายใหญ่ จำเป็นต้องอาศัยข้อมูลที่สมบูรณ์และตัวชี้วัดประสิทธิภาพในปัจจุบัน เนื่องจากตลาดมีการเปลี่ยนแปลงอย่างรวดเร็วและผู้ค้าปลีกจำเป็นต้องตอบสนองอย่างรวดเร็ว โดยเฉพาะอย่างยิ่งการเปลี่ยนแปลงที่สำคัญในขนาดเช็คเฉลี่ยและหน่วยต่อธุรกรรม (UPT) ข้อมูลจึงจำเป็นต้องพร้อมใช้งานโดยเร็วที่สุด อย่างไรก็ตาม การขอให้นักวิเคราะห์คำนวณสิ่งเดียวกันอย่างต่อเนื่องนั้นต้องใช้เวลาและมีราคาแพง นอกจากนี้ ลูกค้าของเราไม่ได้ต้องการเพียงแค่รายงานง่ายๆ แต่ยังต้องการเครื่องมือที่ช่วยให้พวกเขาสามารถวิเคราะห์เมตริกในส่วนต่างๆ ในช่วงเวลาต่างๆ

ก่อนเริ่มสร้างแดชบอร์ด นักวิเคราะห์ของเรา พร้อมด้วยทีมผลิตภัณฑ์ ได้ระบุเมตริกและการแบ่งส่วนที่จำเป็น

การวิเคราะห์ประสิทธิภาพที่ต้องใช้ตัวชี้วัดสำหรับจุดสัมผัสของผู้ใช้ทั้งหมดบนเว็บไซต์: การแปลงที่ขั้นตอนหลักของช่องทาง รวมถึงการเพิ่มเติมในรถเข็นและคำสั่งซื้อ ขนาดเช็คเฉลี่ย จำนวนรายการในเช็ค อาร์พีวี; จำนวนการสมัครสมาชิก; วันก่อนการทำธุรกรรม และตัวชี้วัดอื่นๆ ที่สำคัญต่อการตัดสินใจ

สำหรับการแบ่งส่วนข้อมูล นักวิเคราะห์ได้เลือกทั้งกลุ่มผู้ชมมาตรฐาน (ประเภทอุปกรณ์ ภูมิภาค แหล่งที่มา) และกลุ่มเฉพาะที่คำนวณตามข้อมูล (ลูกค้า/ไม่ใช่ลูกค้า ลงชื่อสมัครรับจดหมายข่าวทางอีเมล ฯลฯ)

ชิ้นส่วนข้อมูลมาตรฐานจำนวนมากถูกรวมเข้ากับแนวคิดระดับสูง ตัวอย่างเช่น ทีมผลิตภัณฑ์ไม่จำเป็นต้องเจาะลึกถึงระดับของแคมเปญโฆษณาเฉพาะเพื่อวิเคราะห์กลุ่มตามแหล่งที่มาต่างๆ ของการได้มา อย่างไรก็ตาม จำเป็นต้องแยกการเข้าชมแบรนด์ออกจากการเข้าชมที่ไม่ใช่แบรนด์ การเข้าชมที่เกิดขึ้นเอง หรือการเข้าชมจาก SMS

ลูกค้าของเราได้รวบรวมข้อมูลพฤติกรรมผู้ใช้ดิบจากเว็บไซต์ของพวกเขาใน Google BigQuery โดยใช้ OWOX BI แล้ว แต่พวกเขาไม่สามารถเชื่อมต่อข้อมูลดิบกับระบบการแสดงภาพได้ ดังนั้นพวกเขาจึงจำเป็นต้องสร้างชุดข้อมูลแยกต่างหากสำหรับแดชบอร์ดโดยเฉพาะ

โดยตระหนักว่าแดชบอร์ดจะได้รับการเสริมอย่างต่อเนื่องและจำนวนสคริปต์สำหรับการรวบรวมชุดข้อมูลจะเพิ่มขึ้น นักวิเคราะห์จึงตัดสินใจสร้างสถาปัตยกรรมข้อมูลตามตารางไมโคร พวกเขาสร้างตารางแยกต่างหากเพื่อคำนวณลักษณะเซสชัน คำสั่งซื้อ ช่องทาง เลเยอร์ และเมตริก

ตารางไมโครเหล่านี้ได้รับการอัปเดตทุกวันและรวมเข้าด้วยกันตามคีย์ต่างๆ เช่น date, sessionid และ owox_user_id เป็นชุดข้อมูลผลลัพธ์ชุดเดียว ซึ่งจะถูกส่งไปยังระบบการแสดงภาพ

ในเวลาเดียวกัน ชุดข้อมูลประกอบด้วยข้อมูลที่รวบรวมสำหรับผู้ใช้แต่ละรายภายในวัน และไม่มีการรวมระดับสูง — พวกเขาจะคำนวณในระบบการแสดงภาพ สิ่งนี้ทำเพื่อให้ระบบการกรองทำงานได้อย่างถูกต้อง

สถาปัตยกรรมไมโครเซอร์วิสประเภทนี้ช่วยให้บริษัทไม่ทำลายสิ่งที่สร้างไว้ก่อนหน้านี้ และเพิ่มเอนทิตีใหม่ลงในชุดข้อมูลที่เป็นผลลัพธ์ได้อย่างรวดเร็ว

แดชบอร์ดใน Google Data Studio สร้างขึ้นบนหลักการที่ว่าสิ่งสำคัญที่สุดควรอยู่ในหน้าจอแรก ในขณะที่ข้อมูลโดยละเอียดควรอยู่ในแต่ละหน้า

ด้านล่างนี้คือตัวอย่างหน้าจอหลักของแดชบอร์ด ซึ่งมีตัวบ่งชี้ประสิทธิภาพหลักของเว็บไซต์ ช่องทางที่ง่ายขึ้น และตัวชี้วัดอื่นๆ ที่จำเป็นสำหรับการตัดสินใจที่รวดเร็ว

ตามค่าเริ่มต้น แดชบอร์ดจะแสดงข้อมูลของสัปดาห์ก่อนหน้าเมื่อเทียบกับสองสัปดาห์ก่อน แต่คุณสามารถตั้งค่าช่วงเวลาใดก็ได้และวิเคราะห์ เช่น ข้อมูลสำหรับไตรมาส

แดชบอร์ดช่วยให้ลูกค้าของเราสามารถกรองข้อมูล วิเคราะห์เฉพาะกลุ่มผู้ชมที่สำคัญ ผู้ใช้สามารถใช้ตัวกรองหลายตัวพร้อมกันเพื่อปรับแต่งกลุ่มผู้ใช้เฉพาะ ตัวอย่างเช่น ลูกค้าของเราสามารถค้นหาว่าอัตราการแปลงเป็นอย่างไรสำหรับผู้ใช้ใหม่จากอุปกรณ์มือถือที่เข้ามาในแคตตาล็อกการขาย

นอกจากนี้ยังมีหน้าบนจุดสัมผัสแรก ช่องทางโดยละเอียดภายในเว็บไซต์ การวิเคราะห์ตะกร้าสินค้า และอื่นๆ

แม้ว่าแดชบอร์ดจะถูกสร้างขึ้นจากชุดข้อมูลที่มีการรวมกลุ่มน้อยซึ่งมีบรรทัดนับล้าน เมตริกก็คำนวณได้อย่างรวดเร็ว เมื่อใช้ตัวกรองที่ซับซ้อน ข้อมูลจะแสดงเป็นภาพใน 10 วินาที

• ทีมผลิตภัณฑ์ของลูกค้าได้รับเครื่องมือที่สะดวกสำหรับการเข้าถึงตัวชี้วัดที่จำเป็นที่สุดอย่างรวดเร็ว
• ตอนนี้ การสนทนาในทีมผลิตภัณฑ์เกี่ยวกับการปรับปรุงเว็บไซต์เริ่มต้นด้วยการใช้แดชบอร์ด: พบคอขวดในแดชบอร์ด และมีการโต้แย้งการปรับปรุงที่จำเป็นตามข้อมูล ตัวอย่างเช่น การวิเคราะห์ช่องทางแสดงให้เห็นว่าการลดลงที่ใหญ่ที่สุด (เมื่อเทียบกับการเปรียบเทียบ) จะปรากฏในขั้นตอนระหว่างการดูการ์ดผลิตภัณฑ์และหน้าการชำระเงิน ความรู้นี้กำหนดจุดสนใจของทีมผลิตภัณฑ์ล่วงหน้า 6 เดือน และนำไปสู่การเพิ่มเมตริกสำหรับขั้นตอนของช่องทางเหล่านี้
• ทีมวิเคราะห์ไม่ใช้เวลาอย่างต่อเนื่องในการคำนวณตัววัดเดียวกัน แต่มีส่วนร่วมในการขยายปริมาณและความลึกของตัววัดที่คำนวณโดยอัตโนมัติ และสามารถใช้เวลามากขึ้นในการสืบค้นข้อมูลเฉพาะกิจที่ซับซ้อน