为 CS:GO 交易网站设置高级分析

已发表: 2022-12-07

标准分析工具专为简单的业务模型量身定制。 如果你有一个常见的电子商务项目，只有一种或两种转化类型和一个简单的销售渠道，那么报告通常没有困难。 但是那些商业模式更复杂的公司呢？

我们的一位客户使用 OWOX BI 为一个平台设置高级分析，该平台允许客户快速安全地交换、购买和销售 CS:GO 和 Dota 2 物品。

我们的客户
生长 快22%

通过衡量在您的营销中最有效的方法来更快地增长

分析您的营销效率，找到增长领域，提高投资回报率

获取演示

目标

与大多数在成长过程中积累大量数据的公司一样，我们的客户意识到他们的数据可以用来做出更好的决策。 我们客户的主要产品是一个用于交换和购买虚拟物品的平台，在大约 100 个国家/地区有超过 500 万人使用。

在某个时候，公司发展超过了 Excel 中的临时报告和直接从各种系统导入数据的简单分析仪表板。 他们想用所有数据建立一个数据仓库 (DHW)，在该数据仓库之上构建易于理解的数据集市和分析性商业智能 (BI) 报告，并自动化此过程以过上最美好的生活。

在 OWOX BI 和 Google BigQuery 的帮助下，该公司希望完成三项主要任务：

  • 自动从各种系统导入数据
  • 构建分析数据集市
  • 提高数据质量

挑战

该公司在数据分析领域面临多项挑战。 首先是标准分析工具是为比我们客户的商业模式更简单的商业模式量身定制的。 该公司的服务结合了商店和市场的功能。 此外，买家可以用金钱和游戏内物品支付。 这就是为什么该公司有多种交易类型和多种收入类型的原因。 因此，我们的客户需要定制报告来分析用户行为、转化率和营销活动投资回报率。

另外两个挑战是数据质量差和系统间的数据差异。 客户经常面临这样一个事实，即同一个指标在 Amplitude 中具有一种含义，在 Google Analytics 中具有另一种含义，在交易数据库中又具有另一种含义。 为避免这种情况，他们决定开始使用数据仓库，并在未来根据 DHW 而非个人来源的数据构建分析报告。

解决方案

在选择 DWH 时，由于分析和开发团队的专业知识、合适的定价模型以及 Google Cloud Platform 易于上手，该公司最终选择了 Google BigQuery。

最初，客户使用 OWOX 产品在 Google BigQuery 中创建 DWH，并从 Google Analytics 和广告帐户上传原始数据，供营销团队进一步分析。 但随着时间的推移，这成为了主要的存储位置，现在分析师、产品经理、营销人员、一些开发人员甚至客户支持团队都在使用它。

如何为报告合并数据：

  1. 使用 OWOX BI Pipeline，该公司自动将来自广告服务（Facebook、Instagram、Bing 等）的成本数据导入 Google BigQuery。
  2. OWOX BI Streaming 从站点收集用户行为数据并将其传输到 BigQuery。
  3. 该公司使用自己的解决方案，将数据从多个 MySQL 数据库、Amplitude 以及各种临时文件和 Google Docs 加载到 BigQuery 中。 上传是使用 Google Cloud Composer 编排的。 他们还有多个数据流插入。
  4. 数据存储在层中。 上面提到的所有数据都以原始形式进入暂存层的存储。 理想情况下，这一层应该是一个包含许多表的数据集，但到目前为止，客户端拥有来自不同系统（Google Analytics、Amplitude）的数据的单独数据集。 随着 DWH 的发展，公司将把它整理好。 这一层的形成也是由 Google Cloud Composer 编排的。
  5. 此外，基于暂存层的数据，构建了一个存储层，其中的数据进行了一些转换——所有字段都有适当的类型，时间戳被带入相同的时区，一些表被有意地非规范化，额外的键是为了便于链接表等而添加。该层针对分析师和产品经理使用的 SQL 查询进行了优化。
  6. 还有一个 data_marts 层。 它存储数据集市供以后在各种报告和下载中使用。 数据集市是使用来自存储层和暂存层的数据构建的。
  7. 该公司在 Google Data Studio 和 Power BI 中构建 BI 报告。

此外，客户拥有用于机器学习的单独数据集和用于各个团队的沙箱，他们可以在其中为内部任务创建表和视图，而无需 DWH 团队的帮助。

结果

由于此处描述的解决方案，我们的客户能够显着减少分析部门的工作量。 员工不再从各种来源收集和清理数据来编制营销报告。 使用数据的文化得到改善，所有员工都更容易获得数据。

积极使用 Google BigQuery 寻找问题答案（在 Google Data Studio 中编写查询和创建可视化效果）的员工人数已增至 11 人（来自四个部门）。 在创建存储库之前，只有三名分析师可以执行此操作。

报表示例

此前，该公司主要使用三个数据源来满足分析需求：Google Analytics、MySQL 数据库和单独的费用文件。 现在他们有 10 多个数据源，处理的数据量也越来越大。

报表示例

借助 OWOX BI，营销部门获得了快速评估其工作的便捷工具。 现在，营销人员可以更准确地跟踪吸引用户的成本，最重要的是，ROI。 此外，与合作伙伴采用收入分成模式的合作也变得更加透明和易于双方理解。

报表示例

客户的反馈意见：

与 OWOX 的合作帮助我们在 Google Cloud 基础架构上创建 DWH，并转向数据分析和流程自动化的最佳实践。 感谢项目经理、分析师和开发人员及时解决了我们的艰巨任务。

未来的计划

客户继续使用 OWOX BI 产品来解决他们当前的问题。 未来，在切换到 Google Analytics 4 时，公司计划招募 OWOX 团队来分析导出的数据和会话表的构建。