كيفية الوصول السريع إلى جميع مؤشرات الأداء الرئيسية للمنتجات المهمة للتجارة الإلكترونية

كيف بنى بائع تجزئة للأزياء نظامًا من لوحات معلومات المنتج للوصول السريع إلى تدفق البيانات من OWOX BI.

لتطوير نظام من لوحات المعلومات ، يحتاج عميلنا ، وهو تاجر تجزئة كبير للأزياء ، إلى الاعتماد على البيانات الكاملة ومقاييس الأداء الحالية. نظرًا لأن السوق يتغير بسرعة ويحتاج تجار التجزئة إلى الاستجابة بسرعة ، لا سيما للتغيرات الحرجة في متوسط ​​حجم الشيك والوحدات لكل معاملة (UPT) ، يجب أن تكون البيانات متاحة في أقرب وقت ممكن. ومع ذلك ، فإن مطالبة المحلل باستمرار بحساب نفس الشيء يستغرق وقتًا وباهظ التكلفة. بالإضافة إلى ذلك ، لم يكن عميلنا بحاجة إلى تقرير بسيط فحسب ، بل إلى أداة تسمح له بتحليل المقاييس في شرائح مختلفة على مدى فترات مختلفة.

قبل البدء في إنشاء لوحة معلومات ، قام محللونا ، جنبًا إلى جنب مع فريق المنتج ، بتحديد المقاييس والشرائح اللازمة.

تحليل مقاييس الأداء المطلوبة لجميع نقاط اتصال المستخدم على موقع الويب: التحويلات في المراحل الرئيسية من مسار التحويل ، بما في ذلك الإضافات إلى سلة التسوق والطلبات ؛ متوسط ​​حجم الشيك ؛ عدد العناصر في الشيك ؛ ARPV. عدد الاشتراكات قبل أيام من الصفقة ؛ وغيرها من المقاييس المهمة لاتخاذ القرار.

بالنسبة لشرائح البيانات ، اختار المحللون كلاً من شرائح الجمهور القياسية (نوع الجهاز والمنطقة والمصدر) وشرائح محددة يتم حسابها بناءً على البيانات (عميل / غير عميل ، اشترك في رسالة إخبارية عبر البريد الإلكتروني ، وما إلى ذلك).

تم دمج العديد من شرائح البيانات القياسية في مفاهيم ذات مستوى أعلى. على سبيل المثال ، لا يحتاج فريق المنتج إلى الانتقال إلى مستوى حملة إعلانية محددة لتحليل الشرائح وفقًا لمصادر الاستحواذ المختلفة. مع ذلك ، من الضروري فصل حركة مرور العلامة التجارية عن الزيارات غير المتعلقة بالعلامة التجارية أو الزيارات العضوية أو الزيارات عن الرسائل القصيرة.

قام عميلنا بالفعل بجمع بيانات سلوك المستخدم الأولية من موقعه على الويب في Google BigQuery باستخدام OWOX BI. لكنهم لم يتمكنوا من توصيل البيانات الأولية بنظام التصور ، لذلك احتاجوا إلى إنشاء مجموعة بيانات منفصلة خصيصًا للوحات المعلومات.

وإدراكًا منهم أن لوحات المعلومات ستستكمل باستمرار وأن عدد البرامج النصية لجمع مجموعات البيانات سيزداد ، قرر محللوهم بناء بنية بيانات تعتمد على الجداول الدقيقة. قاموا بإنشاء جداول منفصلة لحساب خصائص الجلسة والأوامر ومسارات التحويل والطبقات والمقاييس.

يتم تحديث هذه الجداول المصغرة يوميًا ويتم دمجها وفقًا لمفاتيح مثل التاريخ ، معرّف الجلسة ، و owox_user_id في مجموعة بيانات واحدة ناتجة ، والتي يتم إرسالها إلى نظام التصور.

في الوقت نفسه ، تحتوي مجموعة البيانات على بيانات مجمعة لمستخدم فردي خلال اليوم ، ولا تحتوي على تجميعات عالية المستوى - يتم حسابها في نظام التصور. يتم ذلك حتى يعمل نظام التصفية بدقة.

سمح هذا النوع من بنية الخدمات المصغرة للشركة بعدم كسر ما تم إنشاؤه مسبقًا وإضافة كيانات جديدة بسرعة إلى مجموعة البيانات الناتجة.

تم إنشاء لوحات المعلومات في Google Data Studio على أساس أن أهم الأشياء يجب أن تكون موجودة على الشاشة الأولى ، بينما يجب أن تكون المعلومات التفصيلية على صفحات فردية.

يوجد أدناه مثال على الشاشة الرئيسية للوحة المعلومات ، والتي تحتوي على جميع مؤشرات الأداء الرئيسية لموقع الويب ، ومسار مبسط ، ومقاييس أخرى ضرورية لاتخاذ القرار الفوري.

بشكل افتراضي ، تعرض لوحة المعلومات بيانات الأسبوع السابق مقارنة بالأسبوعين الماضيين ، ولكن يمكنك تعيين أي فترة وتحليل ، على سبيل المثال ، بيانات ربع السنة.

تتيح لوحة القيادة لعملائنا تصفية البيانات وتحليل شريحة أساسية فقط من الجمهور. يمكن للمستخدمين تطبيق عوامل تصفية متعددة في وقت واحد لتحسين مجموعة معينة من المستخدمين. على سبيل المثال ، يمكن لعملائنا معرفة معدل التحويل للمستخدمين الجدد من الأجهزة المحمولة الذين أتوا إلى كتالوج المبيعات.

هناك أيضًا صفحات على نقاط الاتصال الأولى ومسارات تحويل مفصلة داخل موقع الويب وتحليل لعربات التسوق والمزيد.

على الرغم من أن لوحة القيادة مبنية على مجموعة بيانات مجمعة بشكل ضعيف بملايين الأسطر ، يتم حساب المقاييس بسرعة. عند استخدام عوامل تصفية معقدة ، يتم تصور البيانات في 10 ثوانٍ.

• تلقى فريق منتج العميل أداة ملائمة للوصول السريع إلى معظم المقاييس الضرورية.
• الآن ، تبدأ أي محادثة في فريق المنتج حول تحسين موقع الويب باستخدام لوحة المعلومات: تم العثور على الاختناقات في لوحة المعلومات ، ويتم مناقشة التحسينات الضرورية بناءً على البيانات. على سبيل المثال ، أظهر تحليل مسار التحويل أن أكبر الانخفاضات (مقارنة بالمعايير) تظهر في المراحل بين عرض بطاقة المنتج وصفحة الدفع. حددت هذه المعرفة تركيز فريق المنتج قبل ستة أشهر وأدت إلى زيادة مقاييس خطوات مسار التحويل هذه.
• لا يقضي فريق التحليلات وقتًا في حساب نفس المقاييس باستمرار ، ولكنه يشارك في توسيع حجم وعمق المقاييس التي يتم حسابها تلقائيًا ويمكنها تخصيص المزيد من الوقت للاستعلامات المخصصة المعقدة.