วิธีเข้าถึง KPI ของผลิตภัณฑ์ทั้งหมดที่สำคัญต่ออีคอมเมิร์ซอย่างรวดเร็ว

ผู้ค้าปลีกแฟชั่นรายใหญ่สร้างระบบแดชบอร์ดผลิตภัณฑ์เพื่อการเข้าถึงข้อมูลการสตรีมจาก OWOX BI อย่างรวดเร็วได้อย่างไร

ในการพัฒนาระบบแดชบอร์ด ลูกค้าของเรา ซึ่งเป็นผู้ค้าปลีกแฟชั่นรายใหญ่ จำเป็นต้องพึ่งพาข้อมูลที่สมบูรณ์และเมตริกประสิทธิภาพปัจจุบัน เนื่องจากตลาดมีการเปลี่ยนแปลงอย่างรวดเร็วและผู้ค้าปลีกจำเป็นต้องตอบสนองอย่างรวดเร็ว โดยเฉพาะอย่างยิ่งการเปลี่ยนแปลงที่สำคัญในขนาดเช็คเฉลี่ยและหน่วยต่อธุรกรรม (UPT) ข้อมูลจึงต้องพร้อมใช้งานโดยเร็วที่สุด อย่างไรก็ตาม การขอให้นักวิเคราะห์คำนวณสิ่งเดียวกันอย่างต่อเนื่องต้องใช้เวลาและมีค่าใช้จ่ายสูง นอกจากนี้ ลูกค้าของเราไม่ต้องการเพียงรายงานง่ายๆ แต่ต้องการเครื่องมือที่ช่วยให้พวกเขาวิเคราะห์เมตริกในส่วนต่าง ๆ ในช่วงเวลาต่าง ๆ

ก่อนที่จะเริ่มสร้างแดชบอร์ด นักวิเคราะห์ของเราร่วมกับทีมผลิตภัณฑ์ได้ระบุเมตริกและส่วนที่จำเป็น

การวิเคราะห์เมตริกประสิทธิภาพที่จำเป็นสำหรับจุดสัมผัสของผู้ใช้ทั้งหมดบนเว็บไซต์: การแปลงที่ขั้นตอนสำคัญของช่องทาง ซึ่งรวมถึงการเพิ่มไปยังรถเข็นและคำสั่งซื้อ ขนาดตรวจสอบเฉลี่ย จำนวนรายการในเช็ค เออาร์พีวี; จำนวนการสมัคร; วันก่อนการทำธุรกรรม และตัวชี้วัดอื่น ๆ ที่สำคัญสำหรับการตัดสินใจ

สำหรับการแบ่งส่วนข้อมูล นักวิเคราะห์จะเลือกทั้งกลุ่มเป้าหมายมาตรฐาน (ประเภทอุปกรณ์ ภูมิภาค แหล่งที่มา) และกลุ่มเฉพาะที่คำนวณจากข้อมูล (ลูกค้า/ไม่ใช่ลูกค้า การสมัครรับจดหมายข่าวทางอีเมล ฯลฯ)

ชิ้นส่วนข้อมูลมาตรฐานจำนวนมากถูกรวมเข้ากับแนวคิดระดับสูง ตัวอย่างเช่น ทีมผลิตภัณฑ์ไม่จำเป็นต้องเจาะลึกถึงระดับของแคมเปญโฆษณาเฉพาะเพื่อวิเคราะห์กลุ่มตามแหล่งการได้มาต่างๆ ถึงกระนั้นก็จำเป็นต้องแยกการเข้าชมของแบรนด์ออกจากการเข้าชมที่ไม่ใช่แบรนด์ การเข้าชมที่เกิดขึ้นเอง หรือการเข้าชมจาก SMS

ลูกค้าของเราได้รวบรวมข้อมูลพฤติกรรมผู้ใช้ดิบจากเว็บไซต์ของพวกเขาใน Google BigQuery โดยใช้ OWOX BI แล้ว แต่ไม่สามารถเชื่อมต่อข้อมูลดิบกับระบบการแสดงภาพได้ ดังนั้นพวกเขาจึงต้องสร้างชุดข้อมูลแยกต่างหากสำหรับแดชบอร์ดโดยเฉพาะ

เมื่อตระหนักว่าแดชบอร์ดจะได้รับการเสริมอย่างต่อเนื่องและจำนวนของสคริปต์สำหรับการรวบรวมชุดข้อมูลจะเพิ่มขึ้น นักวิเคราะห์ของพวกเขาจึงตัดสินใจสร้างสถาปัตยกรรมข้อมูลตามตารางขนาดเล็ก พวกเขาสร้างตารางแยกต่างหากเพื่อคำนวณลักษณะเซสชัน คำสั่งซื้อ ช่องทาง เลเยอร์ และเมตริก

ตารางขนาดเล็กเหล่านี้ได้รับการอัปเดตทุกวันและรวมกันตามคีย์ เช่น วันที่ รหัสเซสชัน และ owox_user_id เป็นชุดข้อมูลผลลัพธ์ชุดเดียว ซึ่งจะถูกส่งไปยังระบบแสดงภาพ

ในขณะเดียวกัน ชุดข้อมูลมีข้อมูลรวมสำหรับผู้ใช้แต่ละรายภายในวัน และไม่มีการรวมระดับสูง ข้อมูลเหล่านี้จะถูกคำนวณในระบบการแสดงภาพ เพื่อให้ระบบการกรองทำงานได้อย่างถูกต้อง

สถาปัตยกรรมไมโครเซอร์วิสประเภทนี้ทำให้บริษัทไม่ทำลายสิ่งที่สร้างขึ้นก่อนหน้านี้ และเพิ่มเอนทิตีใหม่ลงในชุดข้อมูลผลลัพธ์ได้อย่างรวดเร็ว

แดชบอร์ดใน Google Data Studio สร้างขึ้นบนหลักการที่ว่าสิ่งที่สำคัญที่สุดควรอยู่ในหน้าจอแรก ในขณะที่ข้อมูลโดยละเอียดควรอยู่ในแต่ละหน้า

ด้านล่างนี้คือตัวอย่างหน้าจอหลักของแดชบอร์ด ซึ่งมีตัวบ่งชี้ประสิทธิภาพหลักทั้งหมดของเว็บไซต์ ช่องทางแบบง่าย และเมตริกอื่นๆ ที่จำเป็นสำหรับการตัดสินใจที่รวดเร็ว

ตามค่าเริ่มต้น แดชบอร์ดจะแสดงข้อมูลของสัปดาห์ก่อนหน้าเทียบกับสองสัปดาห์ที่ผ่านมา แต่คุณสามารถตั้งค่าช่วงเวลาใดก็ได้และวิเคราะห์ เช่น ข้อมูลสำหรับไตรมาส

แดชบอร์ดช่วยให้ลูกค้าของเราสามารถกรองข้อมูล วิเคราะห์เฉพาะกลุ่มผู้ชมที่สำคัญ ผู้ใช้สามารถใช้ตัวกรองหลายตัวพร้อมกันเพื่อปรับแต่งกลุ่มผู้ใช้ที่ต้องการ ตัวอย่างเช่น ลูกค้าของเราสามารถค้นหาว่าอัตราการแปลงเป็นเท่าใดสำหรับผู้ใช้ใหม่จากอุปกรณ์เคลื่อนที่ที่เข้ามาในแคตตาล็อกการขาย

นอกจากนี้ยังมีหน้าเว็บในจุดสัมผัสแรก ช่องทางโดยละเอียดภายในเว็บไซต์ การวิเคราะห์ตะกร้าสินค้า และอื่นๆ

แม้ว่าแดชบอร์ดจะถูกสร้างขึ้นจากชุดข้อมูลที่รวมไว้อย่างอ่อนแอซึ่งมีบรรทัดนับล้าน แต่เมตริกก็ได้รับการคำนวณอย่างรวดเร็ว เมื่อใช้ตัวกรองที่ซับซ้อน ข้อมูลจะแสดงเป็นภาพภายใน 10 วินาที

• ทีมผลิตภัณฑ์ของลูกค้าได้รับเครื่องมือที่สะดวกสำหรับการเข้าถึงเมตริกที่จำเป็นที่สุดอย่างรวดเร็ว
• ตอนนี้ การสนทนาใดๆ ในทีมผลิตภัณฑ์เกี่ยวกับการปรับปรุงเว็บไซต์เริ่มต้นด้วยการใช้แดชบอร์ด: พบคอขวดในแดชบอร์ด และการปรับปรุงที่จำเป็นจะถูกโต้แย้งตามข้อมูล ตัวอย่างเช่น การวิเคราะห์ช่องทางแสดงให้เห็นว่าการลดลงที่ใหญ่ที่สุด (เมื่อเทียบกับเกณฑ์มาตรฐาน) ปรากฏในขั้นตอนระหว่างการดูการ์ดผลิตภัณฑ์และหน้าชำระเงิน ความรู้นี้กำหนดจุดสนใจของทีมผลิตภัณฑ์ล่วงหน้าหกเดือน และนำไปสู่การเพิ่มเมตริกสำหรับขั้นตอนช่องทางเหล่านี้
• ทีมวิเคราะห์ไม่ได้ใช้เวลาในการคำนวณเมตริกเดิมๆ อย่างต่อเนื่อง แต่มีส่วนร่วมในการขยายปริมาณและความลึกของเมตริกที่คำนวณโดยอัตโนมัติ และสามารถอุทิศเวลาให้กับการค้นหาเฉพาะกิจที่ซับซ้อนได้มากขึ้น