Come ottenere un rapido accesso a tutti i KPI dei prodotti importanti per l'e-commerce

Come un grande rivenditore di moda ha creato un sistema di dashboard di prodotto per un rapido accesso ai dati in streaming da OWOX BI.

Per sviluppare un sistema di dashboard, il nostro cliente, un grande rivenditore di moda, aveva bisogno di fare affidamento su dati completi e metriche sulle prestazioni attuali. Poiché il mercato è in rapida evoluzione e i rivenditori devono rispondere rapidamente, in particolare ai cambiamenti critici nella dimensione media degli assegni e nelle unità per transazione (UPT), i dati devono essere disponibili il prima possibile. Tuttavia, chiedere costantemente a un analista di calcolare la stessa cosa richiede tempo ed è costoso. Inoltre, il nostro cliente aveva bisogno non solo di un semplice report, ma di uno strumento che gli consentisse di analizzare le metriche in sezioni diverse in periodi diversi.

Prima di iniziare a creare una dashboard, i nostri analisti, insieme al team di prodotto, hanno identificato le metriche e le sezioni necessarie.

Analisi delle metriche richieste sulle prestazioni per tutti i punti di contatto degli utenti sul sito Web: conversioni nelle fasi chiave della canalizzazione, comprese le aggiunte al carrello e gli ordini; dimensione media dell'assegno; numero di articoli nell'assegno; ARPV; numero di abbonamenti; giorni prima della transazione; e altre metriche importanti per il processo decisionale.

Per le sezioni di dati, gli analisti hanno selezionato sia segmenti di pubblico standard (tipo di dispositivo, regione, origine) sia segmenti specifici calcolati in base ai dati (cliente/non cliente, iscritto a una newsletter via e-mail, ecc.).

Molte sezioni di dati standard sono state unite in concetti di livello superiore. Ad esempio, il team del prodotto non ha bisogno di approfondire fino al livello di una specifica campagna pubblicitaria per analizzare i segmenti in base a varie fonti di acquisizione. Tuttavia, è necessario separare il traffico del brand dal traffico non di marca, dal traffico organico o dal traffico degli SMS.

Il nostro cliente aveva già raccolto dati grezzi sul comportamento degli utenti dal proprio sito Web in Google BigQuery utilizzando OWOX BI. Ma non potevano collegare i dati grezzi al sistema di visualizzazione, quindi avevano bisogno di creare un set di dati separato specifico per i dashboard.

Rendendosi conto che i dashboard sarebbero stati costantemente integrati e il numero di script per la raccolta di set di dati sarebbe aumentato, i loro analisti hanno deciso di costruire un'architettura di dati basata su micro tabelle. Hanno creato tabelle separate per calcolare le caratteristiche della sessione, gli ordini, le canalizzazioni, i livelli e le metriche.

Queste micro tabelle vengono aggiornate quotidianamente e combinate in base a chiavi quali date, sessionid e owox_user_id in un set di dati risultante, che viene trasmesso al sistema di visualizzazione.

Allo stesso tempo, il set di dati contiene dati aggregati per un singolo utente nell'arco della giornata e non ha aggregazioni di alto livello: vengono calcolate nel sistema di visualizzazione. Questo viene fatto in modo che il sistema di filtraggio funzioni in modo accurato.

Questo tipo di architettura di microservizi ha consentito all'azienda di non interrompere ciò che era stato creato in precedenza e di aggiungere rapidamente nuove entità al set di dati risultante.

I dashboard in Google Data Studio sono stati creati in base al principio che le cose più importanti dovrebbero trovarsi nella prima schermata, mentre le informazioni dettagliate dovrebbero trovarsi nelle singole pagine.

Di seguito è riportato un esempio della schermata iniziale del dashboard, che contiene tutti gli indicatori chiave di prestazione del sito Web, una canalizzazione semplificata e altre metriche necessarie per un rapido processo decisionale.

Per impostazione predefinita, la dashboard mostra i dati della settimana precedente rispetto a due settimane fa, ma puoi impostare qualsiasi periodo e analizzare, ad esempio, i dati del trimestre.

La dashboard consente al nostro cliente di filtrare i dati, analizzando solo un segmento di pubblico essenziale. Gli utenti possono applicare più filtri contemporaneamente per perfezionare un gruppo specifico di utenti. Ad esempio, il nostro cliente può scoprire qual è il tasso di conversione per i nuovi utenti da dispositivi mobili che sono entrati nel catalogo di vendita.

Ci sono anche pagine sui primi touchpoint, canalizzazioni dettagliate all'interno del sito web, analisi dei carrelli della spesa e altro ancora.

Nonostante la dashboard sia costruita su un set di dati debolmente aggregato con milioni di righe, le metriche vengono calcolate rapidamente. Quando si utilizzano filtri complessi, i dati vengono visualizzati in 10 secondi.

• Il team di prodotto del cliente ha ricevuto uno strumento utile per un rapido accesso alle metriche più necessarie.
• Ora, qualsiasi conversazione nel team di prodotto sul miglioramento del sito Web inizia con l'utilizzo della dashboard: i colli di bottiglia vengono individuati nella dashboard e i miglioramenti necessari vengono discussi in base ai dati. Ad esempio, un'analisi della canalizzazione ha mostrato che i cali maggiori (rispetto ai benchmark) si verificano nelle fasi tra la visualizzazione della scheda del prodotto e la pagina di pagamento. Questa conoscenza ha fissato l'obiettivo del team del prodotto con sei mesi di anticipo e ha portato a un aumento delle metriche per questi passaggi della canalizzazione.
• Il team di analisi non impiega tempo a calcolare costantemente le stesse metriche, ma è impegnato ad espandere il volume e la profondità delle metriche che vengono calcolate automaticamente e può dedicare più tempo a complesse query ad hoc.