如何快速访问对电子商务重要的所有产品 KPI

一家大型时装零售商如何构建产品仪表板系统以快速访问来自 OWOX BI 的流数据。

为了开发仪表板系统，我们的客户（一家大型时装零售商）需要依赖完整的数据和当前的绩效指标。 由于市场瞬息万变，零售商需要快速响应，尤其是对平均支票大小和每笔交易单位数 (UPT) 的重大变化，因此需要尽快提供数据。 然而，不断要求分析师计算同样的事情既费时又费钱。 此外，我们的客户不仅需要一个简单的报告，还需要一个工具，让他们能够分析不同时期不同切片的指标。

在开始创建仪表板之前，我们的分析师与产品团队一起确定了必要的指标和切片。

网站上所有用户接触点的性能指标分析：漏斗关键阶段的转化，包括添加到购物车和订单； 平均支票大小； 支票中的物品数量； ARPV； 订阅数量； 交易前几天； 以及其他对决策很重要的指标。

对于数据切片，分析师选择了标准受众细分（设备类型、地区、来源）和基于数据计算的特定细分（客户/非客户、注册电子邮件通讯等）。

许多标准数据切片已合并到更高级别的概念中。 例如，产品团队不需要深入到特定广告活动的级别来根据各种获取来源分析细分市场。 尽管如此，仍有必要将品牌流量与非品牌流量、有机流量或短信流量分开。

我们的客户已经使用 OWOX BI 从其网站的 Google BigQuery 中收集了原始用户行为数据。 但他们无法将原始数据连接到可视化系统，因此他们需要专门为仪表板创建一个单独的数据集。

意识到仪表盘会不断补充，收集数据集的脚本数量会增加，他们的分析师决定构建一个基于微表的数据架构。 他们创建了单独的表格来计算会话特征、订单、漏斗、层和指标。

这些微表每天更新，并根据 date、sessionid 和 owox_user_id 等键组合成一个结果数据集，并将其传输到可视化系统。

同时，数据集包含一天内单个用户的聚合数据，它没有高级聚合——它们是在可视化系统中计算的。 这样做是为了让过滤系统准确工作。

这种微服务架构允许公司不破坏之前构建的内容并快速将新实体添加到生成的数据集中。

Google Data Studio 中的仪表板的创建原则是最重要的内容应位于第一个屏幕上，而详细信息应位于各个页面上。

下面是仪表板主屏幕的示例，其中包含网站的所有关键性能指标、简化的漏斗以及做出快速决策所需的其他指标。

默认情况下，仪表板显示前一周与两周前相比的数据，但您可以设置任何时间段并进行分析，例如，季度数据。

仪表板允许我们的客户过滤数据，仅分析重要的受众群体。 用户可以一次应用多个过滤器来优化特定的用户组。 例如，我们的客户可以了解移动设备新用户访问销售目录的转化率是多少。

还有关于第一个接触点的页面、网站内部的详细渠道、购物车分析等。

尽管仪表板建立在具有数百万行的弱聚合数据集上，但指标计算速度很快。 使用复杂过滤器时，数据会在 10 秒内可视化。

• 客户的产品团队收到了一个方便的工具，可以快速访问最必要的指标。
• 现在，产品团队中关于改进网站的任何对话都从使用仪表板开始：在仪表板中发现瓶颈，并根据数据讨论必要的改进。 例如，漏斗分析表明，最大的下降（与基准相比）出现在查看产品卡和结帐页面之间的阶段。 这些知识提前六个月确定了产品团队的重点，并导致这些渠道步骤的指标增加。
• 分析团队不会花时间不断地计算相同的指标，而是致力于扩展自动计算的指标的数量和深度，并可以将更多时间用于复杂的即席查询。