案例研究：如何快速訪問對電子商務很重要的所有產品 KPI

一家大型時裝零售商如何構建產品儀表板系統以快速訪問來自 OWOX BI 的流數據。

為了開發儀表板系統，我們的客戶，一家大型時裝零售商，需要依賴完整的數據和當前的績效指標。 由於市場瞬息萬變，零售商需要快速響應，尤其是對平均支票大小和每筆交易單位 (UPT) 的重大變化，因此需要盡快提供數據。 然而，不斷要求分析師計算同樣的事情需要時間並且成本高昂。 此外，我們的客戶不僅需要一份簡單的報告，還需要一個工具，讓他們能夠分析不同時期不同切片的指標。

在開始創建儀表板之前，我們的分析師與產品團隊一起確定了必要的指標和切片。

分析網站上所有用戶接觸點所需的性能指標：渠道關鍵階段的轉化，包括添加到購物車和訂單； 平均支票大小； 支票中的項目數量； ARPV； 訂閱數量； 交易前幾天； 和其他對決策很重要的指標。

對於數據切片，分析師選擇了標準受眾細分（設備類型、地區、來源）和基於數據計算的特定細分（客戶/非客戶、訂閱電子郵件通訊等）。

許多標準數據切片已合併到更高級別的概念中。 例如，產品團隊不需要深入到特定廣告活動的級別來根據各種獲取來源分析細分。 儘管如此，還是有必要將品牌流量與非品牌流量、自然流量或短信流量分開。

我們的客戶已經使用 OWOX BI 從他們的網站在 Google BigQuery 中收集了原始用戶行為數據。 但他們無法將原始數據連接到可視化系統，因此他們需要專門為儀表板創建一個單獨的數據集。

意識到儀表板將不斷得到補充，收集數據集的腳本數量將增加，他們的分析師決定構建基於微表的數據架構。 他們創建了單獨的表格來計算會話特徵、訂單、漏斗、層和指標。

這些微表每天更新，並根據日期、會話標識和 owox_user_id 等鍵組合成一個結果數據集，然後傳輸到可視化系統。

同時，數據集包含一天內單個用戶的聚合數據，它沒有高級聚合——它們是在可視化系統中計算的。 這樣做是為了使過濾系統準確工作。

這種微服務架構允許公司不破壞早期構建的內容，并快速將新實體添加到生成的數據集中。

Google Data Studio 中的儀表板的創建原則是，最重要的內容應位於第一個屏幕上，而詳細信息應位於各個頁面上。

下面是儀表板主屏幕的示例，其中包含所有網站的關鍵績效指標、簡化的渠道和其他快速決策所需的指標。

默認情況下，儀表板顯示前一周與兩週前相比的數據，但您可以設置任何時期並分析，例如，季度的數據。

儀表板允許我們的客戶過濾數據，只分析一個重要的細分受眾群。 用戶可以一次應用多個過濾器來優化特定的用戶組。 例如，我們的客戶可以找出來自移動設備的新用戶進入銷售目錄的轉化率是多少。

還有關於第一個接觸點的頁面、網站內的詳細漏斗、購物車分析等等。

儘管儀表板是在具有數百萬行的弱聚合數據集上構建的，但指標的計算速度很快。 使用複雜過濾器時，數據在 10 秒內可視化。

• 客戶的產品團隊收到了一個方便的工具，可以快速訪問最必要的指標。
• 現在，產品團隊中關於改進網站的任何對話都從使用儀表板開始：在儀表板中發現瓶頸，並根據數據爭論必要的改進。 例如，漏斗分析顯示最大的下降（與基準相比）出現在查看產品卡和結帳頁面之間的階段。 這些知識提前六個月確定了產品團隊的重點，並導致這些漏斗步驟的指標增加。
• 分析團隊不會花時間不斷地計算相同的指標，而是致力於擴展自動計算的指標的數量和深度，並且可以將更多時間用於復雜的即席查詢。