การตั้งค่าการวิเคราะห์ขั้นสูงสำหรับบริษัทขุด – เรื่องราวความสำเร็จของ Hiveon

Hiveon บริษัทระบบนิเวศการขุด แบ่งปันวิธีที่พวกเขาสร้างเครื่องมือราคาไม่แพงและยืดหยุ่นสำหรับการวิเคราะห์การตลาดอย่างรวดเร็วด้วยความช่วยเหลือของผลิตภัณฑ์ OWOX และทีม OWOX

Hiveon ก่อตั้งขึ้นในปี 2560 นำเสนอโซลูชันการขุด cryptocurrency แบบ all-in-one ชั้นนำ โดยมีผู้ใช้ 2 ล้านคนทั่วโลก ปัจจุบันระบบนิเวศของ Hiveon ประกอบด้วย Hiveon OS, Hiveon Pool, Hiveon ASIC Firmware และ Hiveon ASIC Hub ผลิตภัณฑ์ Hiveon ทั้งหมดสร้างขึ้นจากการทำงานร่วมกัน ความปลอดภัย และความเสถียร

Hiveon OS เป็นหนึ่งในระบบปฏิบัติการแรกสำหรับการขุด cryptocurrency ถูกสร้างขึ้นตามเป้าหมายของบริษัทเพื่อลดความซับซ้อนของโซลูชันทางเทคนิคที่ซับซ้อนสำหรับผู้ใช้ ทำให้บล็อกเชนสามารถเข้าถึงได้และเข้าใจได้ นี่คือสิ่งที่ช่วยให้ Hiveon สร้างชุมชนขนาดใหญ่ที่ภักดีซึ่งช่วยให้บริษัทปรับปรุงผลิตภัณฑ์ด้วยคำติชมและความคิดริเริ่ม

ที่ Hiveon เราต้องการเครื่องมือราคาไม่แพงและยืดหยุ่นสำหรับ:

• วิเคราะห์แหล่งที่มาของการเข้าชมอย่างรวดเร็ว ใช่ เราไม่มีโฆษณาแบบชำระเงินจำนวนมาก แต่มันไม่ใช่แหล่งที่มาหลักของการเข้าชมสำหรับเรา เพราะไม่ใช่แหล่งที่มาของการเข้าชมเฉพาะสำหรับช่องของเรา การวิเคราะห์ช่องทางสำหรับการเข้าชมแบบออร์แกนิก ทางตรง และ (โดยเฉพาะ) โซเชียลมีเดียเป็นสิ่งสำคัญ เรามีชุมชนขนาดใหญ่และมีกิจกรรมมากมายเกิดขึ้น เช่น บน Twitter
• การวิเคราะห์พฤติกรรม — ทุกอย่างที่เกี่ยวข้องกับเว็บไซต์และช่องทางในผลิตภัณฑ์ นี่เป็นความรู้ที่มีค่าอย่างเหลือเชื่อที่ธุรกิจของเราได้รับและใช้เพื่อปรับปรุง UX ตลอดจนระบุและแก้ไขช่องว่างในช่องทางผลิตภัณฑ์

นอกจากนี้ เรามีข้อมูลย้อนหลังเพียงพอที่จะค้นหาข้อมูลเชิงลึกและรูปแบบ และเราใช้ความรู้นี้เพื่อวางแผนการพัฒนาบริษัทในอนาคต Google Analytics มีความสามารถในการประมวลผลข้อมูลที่จำกัด ดังนั้น เพื่อให้นักวิเคราะห์ของเรามีอิสระในการเข้าถึงข้อมูล เราจึงตัดสินใจใช้ Google BigQuery

ผลิตภัณฑ์ของเรามีความซับซ้อนและขณะนี้เรามีหลายโดเมนซึ่งเป็นเรื่องยากที่จะตั้งค่าการติดตามผลแบบข้ามโดเมน เมื่อผู้ใช้ย้ายจากโดเมนหนึ่งไปอีกโดเมนหนึ่ง client_id เดิมจะสูญหายไป

ปัญหาอีกประการหนึ่งคือการทำธุรกรรมถึงขีดจำกัดของ Google Analytics ที่ 50,000 รายการต่อวัน ในรายงานธุรกรรมใน Google Analytics เมื่อถึงขีดจำกัดแล้ว ค่า '(อื่นๆ)' จะปรากฏขึ้นแทน transaction_id ที่เกี่ยวข้อง

ในการสร้างรายงานประสิทธิภาพ เราตัดสินใจใช้ OWOX BI และ Google BigQuery

เหตุผลที่เราเลือก Google BigQuery สำหรับการรวบรวมและจัดเก็บข้อมูล:

• ความง่ายในการติดตั้งสำหรับกรณีการใช้งานของเรา
• ความเชี่ยวชาญที่มีอยู่ของนักวิเคราะห์ในการทำงานกับ GBQ
• ความเป็นไปได้ในการรวมเข้ากับเครื่องมือสร้างภาพ

วิธีที่เรารวมข้อมูลสำหรับรายงานใน Google Big Query:

1. ด้วยความช่วยเหลือของ OWOX BI Streaming เรารวบรวมข้อมูลพฤติกรรมผู้ใช้ดิบที่ไม่ได้สุ่มตัวอย่างจากเว็บไซต์และโอนไปยัง BigQuery
2. ข้อมูลการทำธุรกรรมจากเว็บไซต์จะถูกส่งไปยัง OWOX BI Streaming ผ่าน Measurement Protocol
3. ข้อมูลที่รวบรวมได้รับการประมวลผลใน Google BigQuery และแสดงบนแดชบอร์ดใน Google Looker Studio และ Tableau โดยใช้ตัวเชื่อมต่อในตัว

เพื่อนร่วมงานจาก OWOX แสดงวิธีตั้งค่าการติดตามผลแบบข้ามโดเมนให้เราดู นอกจากการรวบรวมข้อมูลแล้ว ทีม OWOX ยังช่วยเราในงานวิเคราะห์ที่น่าสนใจหลายอย่าง

ในกรณีของเรา เพื่อกำหนดผู้ใช้ใหม่ เราสร้างตารางเสริมที่มีธุรกรรมในระดับผู้ใช้ นั่นคือในระดับผู้ใช้ เรามีธุรกรรมที่สอดคล้องกัน เราสามารถเลือกจากเซสชันของตารางเสริมนี้ในระหว่างที่มีการชำระเงินครั้งแรกและตั้งค่าสถานะที่เกี่ยวข้อง (0 หรือ 1) หลังจากนั้นเราจะเชื่อมต่อตารางหลักของข้อมูลการสตรีมกับตารางธุรกรรมเสริมตามรหัสเซสชัน ต่อไป เราสามารถนับจำนวนผู้ใช้ที่ชำระเงินครั้งแรกโดยใช้สูตร เราจะนับจำนวนผู้ใช้ที่ไม่ซ้ำ (client_id) หากเรามีเซสชันที่มีการชำระเงินครั้งแรก

เนื่องจากโครงการประกอบด้วยการเติมกระเป๋าเงินออนไลน์ การชำระค่าบริการ และการถอนรายได้ของผู้ใช้ จึงแนะนำให้วิเคราะห์จำนวนเงินของธุรกรรมเหล่านี้แยกกัน ด้วยเหตุนี้ ทีม Hiveon จึงเพิ่มแอตทริบิวต์ของผลิตภัณฑ์ในแต่ละธุรกรรม และเมื่อจัดทำรายงาน ทีม OWOX สามารถใช้แอตทริบิวต์นี้เป็นทั้งตัวกรองและสำหรับสร้างตัวชี้วัดที่แตกต่างกันสำหรับรายได้แต่ละประเภท

ด้วยโซลูชันที่นำมาใช้ เราจึงจัดการเพื่อ:

• สร้างความเข้าใจที่ดีขึ้นเกี่ยวกับวิธีที่ผู้ใช้ใช้โดเมนต่างๆ และวิธีการที่พวกเขาย้ายไปมา
• เพิ่มความแม่นยำในการระบุการเข้าสู่ระบบครั้งแรกของผู้ใช้ไปยังไซต์
• ผูกการชำระเงินครั้งแรกของผู้ใช้กับแหล่งที่มาของการเข้าชมที่เฉพาะเจาะจง
• กำหนดประเภทผู้ใช้ตามเวลาที่ชำระเงินครั้งแรก
• ระบุคอนเวอร์ชันได้แม่นยำยิ่งขึ้นในขั้นตอนต่างๆ รวมถึงบนหน้าเว็บไซต์ต่างๆ โดยได้รับรหัสผู้ใช้ OWOX ที่ไม่ซ้ำใคร
• ก้าวข้ามขีดจำกัดของ Google Analytics ที่ 50,000 ธุรกรรมต่อวัน เนื่องจากธุรกรรมได้รับการบันทึกเต็มรูปแบบด้วยการสตรีม OWOX BI

ขอบคุณ OWOX BI และ Google BigQuery ตอนนี้เรามีเครื่องมือราคาไม่แพงและยืดหยุ่นสำหรับการวิเคราะห์อย่างรวดเร็ว ซึ่งจะทำให้เราตอบสนองต่อการเปลี่ยนแปลงได้อย่างรวดเร็ว

ผู้ใช้หลักของรายงานคือนักวิเคราะห์ที่สรุปผลการดำเนินการของไซต์และประสิทธิภาพการเข้าชม รายงานนี้ช่วยให้เราเข้าใจองค์ประกอบที่แท้จริงของผู้ใช้ใหม่และผู้ใช้ที่กลับมา แน่นอนว่า Google Analytics ก็ให้ข้อมูลดังกล่าวเช่นกัน แต่เนื่องจากคำจำกัดความของผู้ใช้ที่แม่นยำยิ่งขึ้น โครงสร้างของเราจึงเปลี่ยนไป ตัวบ่งชี้การแปลงซึ่งขณะนี้กำหนดโดยรหัสผู้ใช้ OWOX ใหม่ที่ไม่ซ้ำกัน และโครงสร้างของการรับส่งข้อมูลตามแหล่งที่มาก็เปลี่ยนไปเช่นกัน

อย่างไรก็ตาม ดังที่กล่าวไว้ข้างต้น เราได้ดำเนินการเพิ่มเติมอีกเล็กน้อย และด้วยการปรับเปลี่ยนบางอย่าง โอนรายงานไปยัง Tableau (เนื่องจากเป็นเครื่องมือ BI หลักของเรา และสะดวกที่จะรวมรายงานทั้งหมดไว้ในแหล่งข้อมูลเดียว) ขอบคุณ OWOX เราสามารถปรับรายงานให้ตรงกับความต้องการของเราได้

ด้วยโซลูชันจาก OWOX เราจึงสามารถ:

• ประหยัดเวลาในการรวบรวมและประมวลผลข้อมูล การใช้รายงานที่สร้างขึ้นด้วยความช่วยเหลือของ Google BigQuery ทำให้ง่ายต่อการตรวจสอบการเปลี่ยนแปลงของการเข้าชมเว็บ กิจกรรมของผู้ใช้ ตลอดจนกิจกรรมทางการตลาดบางประเภท
• วิเคราะห์พฤติกรรมของผู้ใช้โดยละเอียด ซึ่งส่งผลโดยตรงต่อความน่าเชื่อถือของผลลัพธ์และความสามารถในการค้นหาข้อมูลเชิงลึก องค์ประกอบบางอย่างของไซต์ได้รับการวิเคราะห์เป็นครั้งแรก ทำให้เราสามารถเข้าใกล้การออกแบบเพจได้อย่างรอบคอบและมีประสิทธิภาพมากขึ้น

ในอนาคต เราจะเปลี่ยนไปใช้ Google Analytics 4 ซึ่งหมายถึงการกำหนดค่าการติดตามทั้งหมดใน Google Tag Manager ใหม่ เนื่องจากสคีมาข้อมูลใน GA Universal และ GA 4 แตกต่างกันอย่างมาก เราคาดหวังที่จะขอความช่วยเหลือจากเพื่อนร่วมงานของเราจาก OWOX