Menyiapkan analitik lanjutan untuk perusahaan pertambangan – kisah sukses Hiveon

Hiveon, sebuah perusahaan ekosistem pertambangan, membagikan bagaimana mereka membuat alat yang terjangkau dan fleksibel untuk analisis pemasaran yang cepat dengan bantuan produk OWOX dan tim OWOX.

Didirikan pada tahun 2017, Hiveon menawarkan solusi penambangan cryptocurrency all-in-one terkemuka, dengan 2 juta pengguna di seluruh dunia. Ekosistem Hiveon saat ini mencakup Hiveon OS, Hiveon Pool, Hiveon ASIC Firmware, dan Hiveon ASIC Hub. Semua produk Hiveon dibuat berdasarkan sinergi, keamanan, dan stabilitas.

Hiveon OS adalah salah satu sistem operasi pertama untuk penambangan cryptocurrency. Itu dibuat sesuai dengan tujuan perusahaan untuk menyederhanakan solusi yang kompleks secara teknis bagi pengguna, membuat blockchain dapat diakses dan dipahami. Inilah yang telah membantu Hiveon membangun komunitas yang besar dan setia yang membantu perusahaan meningkatkan produknya dengan umpan balik dan inisiatif mereka.

Di Hiveon, kami membutuhkan alat yang terjangkau dan fleksibel untuk:

• Menganalisis sumber lalu lintas dengan cepat. Ya, kami tidak memiliki banyak iklan berbayar, tetapi itu bukan sumber lalu lintas utama bagi kami, karena itu bukan sumber lalu lintas khusus untuk ceruk kami. Penting untuk menganalisis corong untuk lalu lintas organik, langsung, dan (terutama) media sosial. Kami memiliki komunitas yang besar, dan banyak aktivitas dilakukan, misalnya di Twitter.
• Analitik perilaku — semua yang terkait dengan situs web dan corong dalam produk. Ini adalah pengetahuan yang sangat berharga yang diterima dan digunakan oleh bisnis kami untuk meningkatkan UX dan untuk mengidentifikasi serta memperbaiki celah di corong produk.

Selain itu, kami memiliki cukup data retrospektif untuk mencari wawasan dan pola, dan kami menggunakan pengetahuan ini untuk merencanakan pengembangan perusahaan di masa mendatang. Google Analytics memiliki kemampuan pemrosesan data yang terbatas. Oleh karena itu, untuk membebaskan tangan analis kami dalam hal akses data, kami memutuskan untuk menggunakan Google BigQuery.

Produk kami rumit dan saat ini kami memiliki beberapa domain yang sulit untuk disiapkan pelacakan lintas-domainnya. Saat pengguna berpindah dari satu domain ke domain lain, client_id asli hilang.

Masalah lainnya adalah mencapai batas Google Analytics sebanyak 50.000 transaksi per hari. Dalam laporan transaksi di Google Analytics, setelah batas tercapai, nilai '(lainnya)' muncul sebagai ganti id_transaksi yang sesuai.

Untuk membuat laporan Performa, kami memutuskan untuk menggunakan OWOX BI dan Google BigQuery.

Mengapa kami memilih Google BigQuery untuk pengumpulan dan penyimpanan data:

• Relatif mudahnya penyiapan untuk kasus penggunaan kami
• Keahlian analis yang ada dalam bekerja dengan GBQ
• Kemungkinan untuk berintegrasi dengan alat visualisasi

Cara kami menggabungkan data untuk laporan di Google Big Query:

1. Dengan bantuan OWOX BI Streaming, kami mengumpulkan data mentah perilaku pengguna tanpa sampel dari situs web dan mentransfernya ke BigQuery.
2. Data transaksi dari website dikirim ke OWOX BI Streaming melalui Measurement Protocol.
3. Data yang dikumpulkan diproses di Google BigQuery dan ditampilkan di dasbor di Google Looker Studio dan Tableau menggunakan konektor bawaan.

Kolega dari OWOX menunjukkan kepada kami cara menyiapkan pelacakan lintas-domain. Selain pengumpulan data, tim OWOX membantu kami dengan beberapa tugas analisis yang menarik.

Dalam kasus kami, untuk menentukan pengguna baru, kami membentuk tabel tambahan dengan transaksi di tingkat pengguna. Artinya, di tingkat pengguna, kami memiliki rangkaian transaksi yang sesuai. Kami dapat memilih dari sesi tabel tambahan ini di mana pembayaran pertama dilakukan dan menetapkan statusnya yang sesuai (0 atau 1). Setelah itu, kami menghubungkan tabel utama data streaming dengan tabel tambahan transaksi berdasarkan id sesi. Selanjutnya, kita dapat menghitung jumlah pengguna yang melakukan pembayaran pertama menggunakan rumus. Kami menghitung jumlah pengguna unik (client_id) jika kami memiliki sesi dengan pembayaran pertama.

Karena proyek mencakup pengisian dompet online, pembayaran biaya layanan, dan penarikan pendapatan pengguna, disarankan untuk menganalisis jumlah transaksi ini secara terpisah. Untuk ini, tim Hiveon menambahkan atribut produk ke setiap transaksi, dan saat menyiapkan laporan, tim OWOX dapat menggunakan atribut ini baik sebagai filter maupun untuk membuat metrik yang berbeda untuk setiap jenis pendapatan.

Berkat solusi yang diterapkan, kami berhasil:

• Membentuk pemahaman yang lebih baik tentang bagaimana pengguna menggunakan domain yang berbeda dan bagaimana mereka berpindah di antara mereka
• Tingkatkan akurasi dalam menentukan login pertama pengguna ke situs
• Kaitkan pembayaran pertama pengguna ke sumber lalu lintas tertentu
• Tentukan jenis pengguna berdasarkan waktu pembayaran pertama mereka
• Tentukan konversi dengan lebih akurat di berbagai tahapan serta di halaman situs web yang berbeda dengan menerima ID Pengguna OWOX yang unik
• Lewati batas Google Analytics sebanyak 50.000 transaksi per hari, karena transaksi dicatat secara penuh dengan OWOX BI Streaming

Berkat OWOX BI dan Google BigQuery, kini kami memiliki alat yang terjangkau dan fleksibel untuk analisis cepat, yang memungkinkan kami merespons perubahan dengan cepat.

Pengguna utama laporan ini adalah analis yang menarik kesimpulan tentang pengoperasian situs dan kinerja lalu lintas. Laporan ini membantu kami memahami komposisi sebenarnya dari pengguna baru dan pengguna yang kembali. Tentu saja, Google Analytics juga memberikan informasi seperti itu, tetapi karena definisi pengguna yang lebih tepat, struktur kami telah berubah. Indikator konversi, yang sekarang ditentukan oleh ID Pengguna OWOX unik yang baru, dan struktur lalu lintas berdasarkan sumber juga telah berubah.

Namun, seperti yang disebutkan di atas, kami melangkah lebih jauh dan, dengan beberapa modifikasi, mentransfer laporan ke Tableau (karena ini adalah alat BI utama kami dan mudahuntuk memiliki semua laporan kami dalam satu sumber). Berkat OWOX, kami dapat menyesuaikan laporan dengan kebutuhan kami sendiri.

Berkat solusi dari OWOX, kami berhasil:

• Hemat waktu dalam mengumpulkan dan memproses data. Menggunakan laporan yang dibuat dengan bantuan Google BigQuery, menjadi lebih mudah untuk memantau perubahan lalu lintas web, aktivitas pengguna, serta jenis aktivitas pemasaran tertentu.
• Analisis perilaku pengguna secara mendetail, yang secara langsung memengaruhi keandalan hasil dan kemampuan untuk mencari wawasan. Elemen tertentu dari situs dianalisis untuk pertama kalinya, memungkinkan kami mendekati desain halaman dengan lebih cermat dan efektif.

Di masa mendatang, kami akan beralih ke Google Analytics 4, yang berarti mengonfigurasi ulang semua pelacakan di Google Pengelola Tag karena skema data di GA Universal dan GA 4 sangat berbeda. Kami berharap dapat meminta bantuan rekan-rekan kami dari OWOX untuk hal ini.