Impostazione di analisi avanzate per una società mineraria: storia di successo di Hiveon

Hiveon, una società di ecosistema minerario, condivide il modo in cui ha creato uno strumento conveniente e flessibile per una rapida analisi di marketing con l'aiuto dei prodotti OWOX e del team OWOX.

Fondata nel 2017, Hiveon offre la principale soluzione di mining di criptovalute all-in-one, con 2 milioni di utenti in tutto il mondo. L'ecosistema Hiveon attualmente include Hiveon OS, Hiveon Pool, Hiveon ASIC Firmware e Hiveon ASIC Hub. Tutti i prodotti Hiveon si basano su sinergia, sicurezza e stabilità.

Hiveon OS è uno dei primi sistemi operativi per il mining di criptovalute. È stato creato in conformità con l'obiettivo dell'azienda di semplificare soluzioni tecnicamente complesse per gli utenti, rendendo la blockchain accessibile e comprensibile. Questo è ciò che ha aiutato Hiveon a costruire una comunità ampia e fedele che aiuta l'azienda a migliorare i suoi prodotti con il loro feedback e la loro iniziativa.

In Hiveon, avevamo bisogno di uno strumento conveniente e flessibile per:

• Analisi rapida delle fonti di traffico. Sì, non abbiamo molta pubblicità a pagamento, ma per noi non è la principale fonte di traffico, perché non è una fonte di traffico specifica per la nostra nicchia. Era importante analizzare la canalizzazione per il traffico organico, diretto e (soprattutto) sui social media. Abbiamo una grande comunità e molte attività si svolgono, ad esempio, su Twitter.
• Analisi comportamentale: tutto ciò che riguarda il sito Web e le canalizzazioni all'interno del prodotto. Questa è una conoscenza incredibilmente preziosa che la nostra azienda riceve e utilizza per migliorare la UX e per identificare e correggere le lacune nella canalizzazione del prodotto.

Inoltre, disponiamo di dati retrospettivi sufficienti per cercare intuizioni e modelli e utilizziamo questa conoscenza per pianificare lo sviluppo futuro dell'azienda. Google Analytics ha capacità di elaborazione dei dati limitate. Pertanto, per liberare le mani dei nostri analisti in termini di accesso ai dati, abbiamo deciso di utilizzare Google BigQuery.

Il nostro prodotto è complesso e al momento disponiamo di diversi domini in cui è stato difficile impostare il monitoraggio interdominio. Quando gli utenti si spostavano da un dominio all'altro, il client_id originale andava perso.

Un altro problema è stato raggiungere il limite di Google Analytics di 50.000 transazioni al giorno. Nel rapporto sulle transazioni in Google Analytics, una volta raggiunto il limite, viene visualizzato il valore "(altro)" al posto del corrispondente transaction_id.

Per creare il nostro report sul rendimento, abbiamo deciso di utilizzare OWOX BI e Google BigQuery.

Perché abbiamo scelto Google BigQuery per la raccolta e l'archiviazione dei dati:

• Relativa facilità di configurazione per il nostro caso d'uso
• Competenza esistente degli analisti nel lavorare con GBQ
• Possibilità di integrazione con strumenti di visualizzazione

Come combiniamo i dati per i rapporti in Google Big Query:

1. Con l'aiuto di OWOX BI Streaming, raccogliamo dati grezzi e non campionati sul comportamento degli utenti dal sito Web e li trasferiamo a BigQuery.
2. I dati delle transazioni dal sito Web vengono inviati a OWOX BI Streaming tramite il protocollo di misurazione.
3. I dati raccolti vengono elaborati in Google BigQuery e visualizzati sui dashboard in Google Looker Studio e Tableau utilizzando un connettore integrato.

I colleghi di OWOX ci hanno mostrato come impostare il monitoraggio interdominio. Oltre alla raccolta dei dati, il team OWOX ci ha aiutato con diversi compiti analitici interessanti.

Nel nostro caso, per definire un nuovo utente, formiamo una tabella ausiliaria con le transazioni a livello di utente. Cioè, a livello di utente, abbiamo un corrispondente array di transazioni. Possiamo selezionare da questa tabella ausiliaria le sessioni durante le quali è stato effettuato un primo pagamento e impostare il loro stato corrispondente (0 o 1). Successivamente, colleghiamo la tabella principale dei dati in streaming con la tabella ausiliaria delle transazioni per ID di sessione. Successivamente, possiamo contare il numero di utenti che hanno effettuato un primo pagamento utilizzando una formula. Contiamo il numero di utenti unici (client_id) se abbiamo una sessione con il primo pagamento.

Poiché il progetto include il rifornimento di un portafoglio online, il pagamento delle commissioni di servizio e il prelievo delle entrate degli utenti, è consigliabile analizzare separatamente gli importi di queste transazioni. Per questo, il team di Hiveon ha aggiunto un attributo di prodotto a ciascuna transazione e, durante la preparazione del report, il team di OWOX è stato in grado di utilizzare questo attributo sia come filtro sia per creare metriche diverse per ogni tipo di reddito.

Grazie alla soluzione implementata, siamo riusciti a:

• Formare una migliore comprensione di come gli utenti utilizzano domini diversi e di come si spostano tra di essi
• Aumentare la precisione nel determinare il primo accesso di un utente al sito
• Collega il primo pagamento dell'utente a una sorgente di traffico specifica
• Determina il tipo di utente in base all'ora del primo pagamento
• Determina in modo più accurato le conversioni in diverse fasi e su diverse pagine del sito Web ricevendo un ID utente OWOX univoco
• Supera il limite di Google Analytics di 50.000 transazioni al giorno, poiché le transazioni vengono registrate per intero con OWOX BI Streaming

Grazie a OWOX BI e Google BigQuery, ora disponiamo di uno strumento conveniente e flessibile per un'analisi rapida, che a sua volta ci consente di rispondere rapidamente ai cambiamenti.

I principali utenti del rapporto sono analisti che traggono conclusioni sul funzionamento del sito e sulle prestazioni del traffico. Questo rapporto ci aiuta a capire la vera composizione di nuovi utenti e utenti di ritorno. Naturalmente, anche Google Analytics fornisce tali informazioni, ma a causa della definizione più precisa dell'utente, la nostra struttura è cambiata. Sono cambiati anche gli indicatori di conversione, che ora sono determinati dal nuovo User ID univoco OWOX, e la struttura del traffico per sorgente.

Tuttavia, come accennato in precedenza, siamo andati un po' oltre e, con alcune modifiche, abbiamo trasferito il report su Tableau (poiché è il nostro principale strumento di BI ed è comodopoter avere tutti i nostri report in un'unica risorsa). Grazie a OWOX, siamo stati in grado di adattare il report alle nostre esigenze.

Grazie alla soluzione di OWOX, siamo riusciti a:

• Risparmia tempo nella raccolta e nell'elaborazione dei dati. Utilizzando i report creati con l'aiuto di Google BigQuery, è diventato più facile monitorare i cambiamenti nel traffico web, l'attività degli utenti e alcuni tipi di attività di marketing.
• Analizza in dettaglio il comportamento degli utenti, che ha influenzato direttamente l'affidabilità dei risultati e la capacità di cercare approfondimenti. Alcuni elementi del sito sono stati analizzati per la prima volta, permettendoci di avvicinarci al design delle pagine in modo più ponderato ed efficace.

In futuro, passeremo a Google Analytics 4, il che significa riconfigurare tutto il tracciamento in Google Tag Manager perché gli schemi di dati in GA Universal e GA 4 sono significativamente diversi. Ci aspettiamo di chiedere aiuto ai nostri colleghi di OWOX.