광산 회사를 위한 고급 분석 설정 – Hiveon 성공 사례

채굴 생태계 회사인 Hiveon이 OWOX 제품 및 OWOX 팀의 도움을 받아 신속한 마케팅 분석을 위한 저렴하고 유연한 도구를 구축한 방법을 공유합니다.

2017년에 설립된 Hiveon은 전 세계적으로 200만 명의 사용자를 보유한 최고의 올인원 암호화폐 채굴 솔루션을 제공합니다. Hiveon 생태계는 현재 Hiveon OS, Hiveon Pool, Hiveon ASIC 펌웨어 및 Hiveon ASIC Hub를 포함합니다. 모든 Hiveon 제품은 시너지, 안전 및 안정성을 중심으로 구축됩니다.

Hiveon OS는 암호화폐 채굴을 위한 최초의 운영 체제 중 하나입니다. 사용자를 위해 기술적으로 복잡한 솔루션을 단순화하여 블록체인을 액세스하고 이해할 수 있도록 만드는 회사의 목표에 따라 만들어졌습니다. 이것이 Hiveon이 피드백과 이니셔티브로 제품을 개선하는 데 도움이 되는 대규모 충성도 높은 커뮤니티를 구축하는 데 도움이 된 것입니다.

Hiveon에서는 다음을 위한 저렴하고 유연한 도구가 필요했습니다.

• 트래픽 소스를 빠르게 분석합니다. 예, 유료 광고가 많지는 않지만 틈새 시장에 특정한 트래픽 소스가 아니기 때문에 주요 트래픽 소스는 아닙니다. 유기적, 직접적, (특히) 소셜 미디어 트래픽에 대한 퍼널을 분석하는 것이 중요했습니다. 우리는 대규모 커뮤니티를 보유하고 있으며 예를 들어 Twitter에서 많은 활동이 이루어집니다.
• 행동 분석 — 웹 사이트 및 제품 내 퍼널과 관련된 모든 것. 이것은 우리 비즈니스가 UX를 개선하고 제품 퍼널의 격차를 식별하고 수정하기 위해 받고 사용하는 매우 귀중한 지식입니다.

또한 통찰력과 패턴을 찾기에 충분한 후향적 데이터를 보유하고 있으며 이 지식을 사용하여 회사의 향후 발전을 계획합니다. Google Analytics에는 데이터 처리 기능이 제한되어 있습니다. 따라서 데이터 액세스 측면에서 분석가의 손을 자유롭게 하기 위해 Google BigQuery를 사용하기로 결정했습니다.

우리 제품은 복잡하고 현재 교차 도메인 추적을 설정하기 어려운 여러 도메인이 있습니다. 사용자가 한 도메인에서 다른 도메인으로 이동하면 원래 client_id가 손실되었습니다.

또 다른 문제는 하루에 50,000건의 거래라는 Google Analytics 한도에 도달하는 것이었습니다. Google Analytics의 거래 보고서에서 한도에 도달한 후 해당 transaction_id 대신 '(기타)' 값이 나타납니다.

성능 보고서를 생성하기 위해 OWOX BI와 Google BigQuery를 사용하기로 결정했습니다.

데이터 수집 및 저장을 위해 Google BigQuery를 선택한 이유:

• 사용 사례에 대한 설정의 상대적 용이성
• GBQ 작업에 대한 분석가의 기존 전문 지식
• 시각화 도구와 통합 가능성

Google Big Query에서 보고서용 데이터를 결합하는 방법:

1. OWOX BI Streaming의 도움으로 웹사이트에서 샘플링되지 않은 원시 사용자 행동 데이터를 수집하여 BigQuery로 전송합니다.
2. 웹사이트의 거래 데이터는 측정 프로토콜을 통해 OWOX BI Streaming으로 전송됩니다.
3. 수집된 데이터는 Google BigQuery에서 처리되며 내장된 커넥터를 사용하여 Google Looker Studio 및 Tableau의 대시보드에 표시됩니다.

OWOX의 동료들이 교차 도메인 추적을 설정하는 방법을 보여주었습니다. 데이터 수집 외에도 OWOX 팀은 몇 가지 흥미로운 분석 작업을 도와주었습니다.

우리의 경우 새 사용자를 정의하기 위해 사용자 수준에서 트랜잭션이 포함된 보조 테이블을 구성합니다. 즉, 사용자 수준에서 해당 거래 배열이 있습니다. 이 보조 테이블에서 첫 번째 지불이 이루어진 세션을 선택하고 해당 상태(0 또는 1)를 설정할 수 있습니다. 그런 다음 스트리밍 데이터의 기본 테이블을 세션 ID로 트랜잭션의 보조 테이블과 연결합니다. 다음으로 공식을 사용하여 첫 결제를 한 사용자 수를 계산할 수 있습니다. 첫 번째 결제 세션이 있는 경우 순 사용자(client_id) 수를 계산합니다.

프로젝트에는 온라인 지갑 충전, 서비스 요금 지불 및 사용자 수입 인출이 포함되므로 이러한 거래 금액을 별도로 분석하는 것이 좋습니다. 이를 위해 Hiveon 팀은 각 거래에 제품 속성을 추가했으며, 보고서를 준비할 때 OWOX 팀은 이 속성을 필터로 사용하고 각 소득 유형에 대해 서로 다른 메트릭을 생성할 수 있었습니다.

구현된 솔루션 덕분에 우리는 다음을 관리했습니다.

• 사용자가 서로 다른 도메인을 사용하는 방식과 도메인 간에 이동하는 방식을 더 잘 이해합니다.
• 사이트에 대한 사용자의 첫 로그인을 결정하는 정확도를 높입니다.
• 사용자의 첫 번째 지불을 특정 트래픽 소스에 연결
• 첫 결제 시점을 기준으로 사용자 유형 결정
• 고유한 OWOX 사용자 ID를 수신하여 다양한 웹사이트 페이지뿐만 아니라 다양한 단계에서 보다 정확하게 전환을 결정합니다.
• OWOX BI Streaming으로 트랜잭션이 모두 기록되므로 하루 50,000건의 Google Analytics 한도를 초과합니다.

OWOX BI와 Google BigQuery 덕분에 우리는 이제 신속한 분석을 위한 저렴하고 유연한 도구를 갖게 되었으며, 이를 통해 변화에 신속하게 대응할 수 있습니다.

보고서의 주요 사용자는 사이트 운영 및 트래픽 성능에 대한 결론을 도출하는 분석가입니다. 이 보고서는 신규 사용자와 복귀 사용자의 실제 구성을 이해하는 데 도움이 됩니다. 물론 구글 애널리틱스에서도 이러한 정보를 제공하고 있지만 사용자에 대한 보다 정확한 정의로 인해 구조가 변경되었습니다. 이제 새로운 고유 OWOX 사용자 ID로 결정되는 전환 지표와 소스별 트래픽 구조도 변경되었습니다.

그러나 위에서 언급한 것처럼 우리는 조금 더 나아가 약간의 수정을 거쳐 보고서를 Tableau로 전송했습니다(Tableau는 우리의 주요 BI 도구이고모든 보고서를 하나의 리소스에 보관할 수 있어서편리하기 때문입니다). OWOX 덕분에 보고서를 우리의 필요에 맞게 조정할 수 있었습니다.

OWOX의 솔루션 덕분에 우리는 다음을 관리했습니다.

• 데이터 수집 및 처리 시간을 절약하십시오. Google BigQuery의 도움으로 작성된 보고서를 사용하면 웹 트래픽, 사용자 활동 및 특정 유형의 마케팅 활동의 변화를 보다 쉽게 ​​모니터링할 수 있습니다.
• 결과의 신뢰성과 인사이트 검색 능력에 직접적인 영향을 미치는 사용자 행동을 상세하게 분석합니다. 사이트의 특정 요소가 처음으로 분석되어 보다 사려 깊고 효과적으로 페이지 디자인에 접근할 수 있게 되었습니다.

앞으로 Google 애널리틱스 4로 전환할 예정입니다. 즉, GA 유니버설과 GA 4의 데이터 스키마가 크게 다르기 때문에 Google 태그 관리자에서 모든 추적을 재구성해야 합니다. 우리는 OWOX의 동료들에게 이에 대한 도움을 요청할 것으로 기대합니다.