การตั้งค่าการวิเคราะห์ขั้นสูงสำหรับไซต์ซื้อขาย CS:GO

เครื่องมือวิเคราะห์มาตรฐานได้รับการปรับแต่งให้เหมาะกับรูปแบบธุรกิจที่เรียบง่าย หากคุณมีโครงการอีคอมเมิร์ซทั่วไปที่มีประเภท Conversion หนึ่งหรือสองประเภทและช่องทางการขายที่เรียบง่าย การรายงานมักจะไม่มีปัญหา แล้วบริษัทที่มีรูปแบบธุรกิจที่ซับซ้อนกว่านี้ล่ะ?

ลูกค้ารายหนึ่งของเราใช้ OWOX BI เพื่อตั้งค่าการวิเคราะห์ขั้นสูงสำหรับแพลตฟอร์มที่ช่วยให้ลูกค้าแลกเปลี่ยน ซื้อ และขายสินค้า CS:GO และ Dota 2 ได้อย่างรวดเร็วและปลอดภัย

เช่นเดียวกับบริษัทส่วนใหญ่ที่รวบรวมข้อมูลจำนวนมากในขณะที่พวกเขาเติบโต ลูกค้าของเราตระหนักว่าข้อมูลของพวกเขาสามารถนำมาใช้ในการตัดสินใจได้ดีขึ้น ผลิตภัณฑ์หลักของลูกค้าของเราคือแพลตฟอร์มสำหรับแลกเปลี่ยนและซื้อสินค้าเสมือนจริงที่มีผู้ใช้มากกว่า 5 ล้านคนใน 100 ประเทศทั่วโลก

เมื่อถึงจุดหนึ่ง บริษัทมีการเติบโตมากกว่ารายงานเฉพาะกิจใน Excel และแดชบอร์ดการวิเคราะห์อย่างง่ายที่นำเข้าข้อมูลโดยตรงจากระบบต่างๆ พวกเขาต้องการตั้งค่าคลังข้อมูล (DHW) ที่มีข้อมูลทั้งหมดของพวกเขา สร้างดาต้ามาร์ทที่เข้าใจได้และรายงานการวิเคราะห์ข่าวกรองธุรกิจ (BI) ที่ด้านบนของคลังข้อมูลนั้น และทำให้กระบวนการนี้เป็นไปโดยอัตโนมัติเพื่อให้มีชีวิตที่ดีที่สุด

ด้วยความช่วยเหลือของ OWOX BI และ Google BigQuery บริษัทต้องการบรรลุภารกิจหลักสามประการ:

• นำเข้าข้อมูลจากระบบต่างๆโดยอัตโนมัติ
• สร้างดาต้ามาร์ทเชิงวิเคราะห์
• ปรับปรุงคุณภาพข้อมูล

บริษัทเผชิญกับความท้าทายหลายประการในด้านการวิเคราะห์ข้อมูล ประการแรกคือเครื่องมือวิเคราะห์มาตรฐานได้รับการปรับแต่งให้เหมาะกับรูปแบบธุรกิจที่ซับซ้อนน้อยกว่าของลูกค้าของเรา บริการของบริษัทผสมผสานการทำงานของร้านค้าและตลาด นอกจากนี้ผู้ซื้อสามารถชำระเงินด้วยเงินและรายการในเกม นั่นเป็นเหตุผลที่บริษัทมีธุรกรรมหลายประเภทและรายได้หลายประเภท ดังนั้น ลูกค้าของเราจึงต้องการรายงานที่กำหนดเองเพื่อวิเคราะห์พฤติกรรมของผู้ใช้ การแปลง และ ROI ของแคมเปญการตลาด

ความท้าทายอีกสองประการคือคุณภาพของข้อมูลที่ไม่ดีและความคลาดเคลื่อนของข้อมูลในระบบต่างๆ ลูกค้ามักจะพบกับข้อเท็จจริงที่ว่าเมตริกเดียวกันมีความหมายอย่างหนึ่งใน Amplitude อีกความหมายหนึ่งใน Google Analytics และอีกความหมายหนึ่งในฐานข้อมูลธุรกรรม เพื่อหลีกเลี่ยงปัญหานี้ พวกเขาตัดสินใจเริ่มทำงานกับคลังข้อมูล และในอนาคต จะสร้างรายงานเชิงวิเคราะห์ตามข้อมูลจาก DHW ไม่ใช่จากแต่ละแหล่ง

เมื่อเลือก DWH บริษัทเลือกใช้ Google BigQuery เนื่องจากความเชี่ยวชาญของทีมวิเคราะห์และพัฒนา โมเดลราคาที่เหมาะสม และความสะดวกในการเริ่มต้นใช้งาน Google Cloud Platform

เริ่มแรก ลูกค้าใช้ผลิตภัณฑ์ OWOX เพื่อสร้าง DWH ใน Google BigQuery และอัปโหลดข้อมูลดิบจาก Google Analytics และบัญชีโฆษณาเพื่อให้ทีมการตลาดวิเคราะห์เพิ่มเติม แต่เมื่อเวลาผ่านไป ตำแหน่งนี้กลายเป็นตำแหน่งจัดเก็บหลัก และตอนนี้นักวิเคราะห์ ผู้จัดการผลิตภัณฑ์ นักการตลาด นักพัฒนาบางราย และแม้แต่ทีมสนับสนุนลูกค้าก็ใช้ตำแหน่งนี้

วิธีการรวมข้อมูลสำหรับรายงาน:

1. เมื่อใช้ OWOX BI Pipeline บริษัทจะนำเข้าข้อมูลต้นทุนจากบริการโฆษณา (Facebook, Instagram, Bing ฯลฯ) ไปยัง Google BigQuery โดยอัตโนมัติ
2. OWOX BI Streaming รวบรวมข้อมูลพฤติกรรมผู้ใช้จากไซต์และโอนไปยัง BigQuery
3. บริษัทใช้โซลูชันของตนเองในการโหลดข้อมูลลงใน BigQuery จากฐานข้อมูล MySQL, Amplitude และไฟล์เฉพาะกิจและ Google Docs ต่างๆ ลงใน BigQuery การอัปโหลดนั้นจัดทำขึ้นโดยใช้ Google Cloud Composer พวกเขายังมีการแทรกข้อมูลแบบสตรีมมิ่งหลายรายการ
4. ข้อมูลถูกจัดเก็บเป็นชั้นๆ ข้อมูลทั้งหมดที่กล่าวถึงข้างต้นจะเข้าสู่ที่เก็บข้อมูลในรูปแบบดิบในชั้นการจัดเตรียม ตามหลักการแล้ว เลเยอร์นี้ควรเป็นชุดข้อมูลเดียวที่มีหลายตาราง แต่จนถึงขณะนี้ไคลเอนต์มีชุดข้อมูลแยกต่างหากสำหรับข้อมูลจากระบบต่างๆ (Google Analytics, Amplitude) เมื่อ DWH พัฒนาขึ้น บริษัทจะจัดการเรื่องนี้ตามลำดับ การก่อตัวของเลเยอร์นี้จัดทำขึ้นจาก Google Cloud Composer
5. นอกจากนี้ ตามข้อมูลจากชั้นการจัดเตรียม ชั้นจัดเก็บข้อมูลถูกสร้างขึ้นโดยที่ข้อมูลผ่านการเปลี่ยนแปลงบางอย่าง — ฟิลด์ทั้งหมดมีประเภทที่เหมาะสม การประทับเวลาจะถูกนำเข้าสู่โซนเวลาเดียวกัน ตารางบางตารางถูกทำให้ไม่ปกติโดยเจตนา คีย์เพิ่มเติม เพิ่มเพื่อความสะดวกในการเชื่อมโยงตาราง ฯลฯ เลเยอร์นี้ได้รับการปรับให้เหมาะสมสำหรับการสืบค้น SQL ที่นักวิเคราะห์และผู้จัดการผลิตภัณฑ์ใช้
6. นอกจากนี้ยังมีชั้น data_marts มันจัดเก็บ data mart เพื่อใช้ในภายหลังในรายงานและการดาวน์โหลดต่างๆ Data mart ถูกสร้างขึ้นโดยใช้ข้อมูลจากทั้งเลเยอร์สตอเรจและสเตจ
7. บริษัทสร้างการรายงาน BI ใน Google Data Studio และ Power BI

นอกจากนี้ ลูกค้ายังมีชุดข้อมูลแยกต่างหากสำหรับแมชชีนเลิร์นนิงและแซนด์บ็อกซ์สำหรับแต่ละทีม ซึ่งพวกเขาสามารถสร้างตารางและมุมมองสำหรับงานภายในได้โดยไม่ต้องอาศัยความช่วยเหลือจากทีม DWH

ด้วยโซลูชันที่อธิบายไว้ที่นี่ ลูกค้าของเราจึงสามารถลดภาระงานสำหรับแผนกวิเคราะห์ได้อย่างมาก พนักงานไม่รวบรวมและล้างข้อมูลจากแหล่งต่างๆ เพื่อรวบรวมรายงานทางการตลาดอีกต่อไป วัฒนธรรมการทำงานกับข้อมูลได้รับการปรับปรุง และข้อมูลมีมากขึ้นสำหรับพนักงานทุกคน

จำนวนพนักงานที่ใช้งาน Google BigQuery เพื่อหาคำตอบสำหรับคำถามของตน (เขียนคำถามและสร้างการแสดงภาพใน Google Data Studio) เพิ่มขึ้นเป็น 11 คน (จากสี่แผนก) ก่อนการสร้างที่เก็บ มีนักวิเคราะห์เพียงสามคนเท่านั้นที่สามารถทำได้

ก่อนหน้านี้ บริษัทใช้แหล่งข้อมูลสามแหล่งเป็นหลักสำหรับความต้องการในการวิเคราะห์: Google Analytics, ฐานข้อมูล MySQL และเอกสารค่าใช้จ่ายแยกต่างหาก ตอนนี้พวกเขามีแหล่งข้อมูลมากกว่า 10 แหล่ง และปริมาณข้อมูลที่ประมวลผลก็เพิ่มขึ้นเช่นกัน

ด้วย OWOX BI ฝ่ายการตลาดได้รับเครื่องมือที่สะดวกสำหรับการประเมินงานอย่างรวดเร็ว ตอนนี้นักการตลาดสามารถติดตามค่าใช้จ่ายในการดึงดูดผู้ใช้และที่สำคัญที่สุดคือ ROI ได้อย่างแม่นยำมากขึ้น นอกจากนี้ ความร่วมมือกับพันธมิตรโดยใช้รูปแบบการแบ่งรายได้ยังมีความโปร่งใสและเข้าใจได้มากขึ้นสำหรับทั้งสองฝ่าย

ลูกค้ายังคงใช้ผลิตภัณฑ์ OWOX BI เพื่อแก้ปัญหาปัจจุบันของพวกเขา ในอนาคต เมื่อเปลี่ยนไปใช้ Google Analytics 4 บริษัทวางแผนที่จะเกณฑ์ทีม OWOX เพื่อวิเคราะห์ข้อมูลที่ส่งออกและสร้างตารางเซสชัน