Bir madencilik şirketi için gelişmiş analitik kurma – Hiveon başarı öyküsü

Bir madencilik ekosistem şirketi olan Hiveon, OWOX ürünleri ve OWOX ekibinin yardımıyla hızlı pazarlama analizi için uygun fiyatlı ve esnek bir aracı nasıl oluşturduklarını paylaşıyor.

2017 yılında kurulan Hiveon, dünya çapında 2 milyon kullanıcıyla lider, hepsi bir arada kripto para madenciliği çözümü sunuyor. Hiveon ekosistemi şu anda Hiveon OS, Hiveon Pool, Hiveon ASIC Firmware ve Hiveon ASIC Hub'ı içermektedir. Tüm Hiveon ürünleri sinerji, güvenlik ve istikrar üzerine inşa edilmiştir.

Hiveon OS, kripto para madenciliği için ilk işletim sistemlerinden biridir. Şirketin teknik olarak karmaşık çözümleri kullanıcılar için basitleştirme, blok zincirini erişilebilir ve anlaşılır hale getirme hedefine uygun olarak oluşturulmuştur. Bu, Hiveon'un geri bildirimleri ve inisiyatifleriyle şirketin ürünlerini geliştirmesine yardımcı olan büyük, sadık bir topluluk oluşturmasına yardımcı olan şeydir.

Hiveon'da aşağıdakiler için uygun fiyatlı ve esnek bir araca ihtiyacımız vardı:

• Trafik kaynaklarını hızlı bir şekilde analiz edin. Evet, çok fazla ücretli reklamımız yok ama bizim için ana trafik kaynağı değil çünkü nişimize özgü bir trafik kaynağı değil. Dönüşüm hunisini organik, doğrudan ve (özellikle) sosyal medya trafiği açısından analiz etmek önemliydi. Büyük bir topluluğumuz var ve örneğin Twitter'da pek çok etkinlik gerçekleşiyor.
• Davranış analitiği — web sitesi ve ürün içi hunilerle ilgili her şey. Bu, işletmemizin aldığı ve UX'i iyileştirmek ve ürün hunisindeki boşlukları belirleyip düzeltmek için kullandığı inanılmaz derecede değerli bir bilgidir.

Ek olarak, içgörüleri ve kalıpları araştırmak için yeterli geçmişe dönük veriye sahibiz ve bu bilgiyi şirketin gelecekteki gelişimini planlamak için kullanırız. Google Analytics, sınırlı veri işleme yeteneklerine sahiptir. Bu nedenle, veri erişimi açısından analistlerimizin ellerini serbest bırakmak için Google BigQuery'yi kullanmaya karar verdik.

Ürünümüz karmaşık ve şu anda alanlar arası izleme kurmanın zor olduğu birkaç alanımız var. Kullanıcılar bir etki alanından diğerine taşındığında orijinal client_id kayboluyordu.

Diğer bir sorun da Google Analytics'in günlük 50.000 işlem sınırına ulaşmasıydı. Google Analytics'teki işlem raporunda, sınıra ulaşıldıktan sonra ilgili işlem_kimliği yerine '(diğer)' değeri görünür.

Performans raporumuzu oluşturmak için OWOX BI ve Google BigQuery kullanmaya karar verdik.

Veri toplama ve depolama için neden Google BigQuery'yi seçtik:

• Kullanım durumumuz için göreceli kurulum kolaylığı
• Analistlerin GBQ ile çalışma konusundaki mevcut uzmanlığı
• Görselleştirme araçlarıyla entegrasyon imkanı

Google Big Query'deki raporlar için verileri nasıl birleştiriyoruz:

1. OWOX BI Streaming'in yardımıyla web sitesinden ham, örneklenmemiş kullanıcı davranışı verilerini topluyor ve BigQuery'ye aktarıyoruz.
2. Web sitesinden alınan işlem verileri, Measurement Protocol aracılığıyla OWOX BI Streaming'e gönderilir.
3. Toplanan veriler, Google BigQuery'de işlenir ve yerleşik bir bağlayıcı kullanılarak Google Looker Studio ve Tableau'daki kontrol panellerinde görüntülenir.

OWOX'tan meslektaşlarımız, alanlar arası izlemeyi nasıl kuracağımızı bize gösterdi. Veri toplamaya ek olarak, OWOX ekibi birkaç ilginç analitik görevde bize yardımcı oldu.

Bizim durumumuzda, yeni bir kullanıcı tanımlamak için kullanıcı düzeyinde işlemler içeren bir yardımcı tablo oluşturuyoruz. Yani, kullanıcı düzeyinde, karşılık gelen bir işlem dizimiz var. Bu yardımcı tablodan ilk ödemenin yapıldığı oturumları seçebilir ve karşılık gelen durumlarını (0 veya 1) ayarlayabiliriz. Bundan sonra, ana veri akışı tablosunu, oturum kimliğine göre yardımcı işlem tablosuna bağlarız. Ardından, bir formül kullanarak ilk ödemeyi yapan kullanıcıların sayısını sayabiliriz. İlk ödemeyle bir oturumumuz varsa, benzersiz kullanıcı sayısını (client_id) sayarız.

Proje bir çevrim içi cüzdanı yenilemeyi, hizmet bedellerini ödemeyi ve kullanıcıların gelirlerini çekmeyi içerdiğinden, bu işlemlerin tutarlarının ayrı ayrı analiz edilmesi tavsiye edilir. Bunun için Hiveon ekibi her işleme bir ürün özelliği eklemiş ve raporu hazırlarken OWOX ekibi bu özelliği hem filtre olarak hem de her gelir türü için farklı metrikler oluşturmak için kullanabilmiştir.

Uygulanan çözüm sayesinde şunları başardık:

• Kullanıcıların farklı alanları nasıl kullandığını ve bunlar arasında nasıl hareket ettiğini daha iyi anlayın
• Bir kullanıcının siteye ilk girişini belirleme doğruluğunu artırın
• Kullanıcının ilk ödemesini belirli bir trafik kaynağına bağlayın
• İlk ödeme zamanına göre kullanıcı türünü belirleyin
• Benzersiz bir OWOX Kullanıcı Kimliği alarak, farklı aşamalardaki ve farklı web sitesi sayfalarındaki dönüşümleri daha doğru bir şekilde belirleyin
• İşlemler OWOX BI Akışı ile eksiksiz olarak kaydedildiğinden, Google Analytics günlük 50.000 işlem sınırını aşın

OWOX BI ve Google BigQuery sayesinde artık hızlı analiz için uygun maliyetli ve esnek bir araca sahibiz ve bu da değişikliklere hızla yanıt vermemizi sağlıyor.

Raporun ana kullanıcıları, sitenin işleyişi ve trafik performansı hakkında sonuçlar çıkaran analistler. Bu rapor, yeni kullanıcıların ve geri gelen kullanıcıların gerçek bileşimini anlamamıza yardımcı olur. Elbette Google Analytics de bu tür bilgileri sağlıyor, ancak kullanıcının daha kesin tanımı nedeniyle yapımız değişti. Artık yeni benzersiz OWOX Kullanıcı Kimliği tarafından belirlenen dönüşüm göstergeleri ve kaynağa göre trafiğin yapısı da değişti.

Ancak, yukarıda bahsedildiği gibi, biraz daha ileri gittik ve bazı değişikliklerle raporu Tableau'ya aktardık (çünkü bu bizim ana BI aracımız vetüm raporlarımızı tek bir kaynakta alabilmekuygun). OWOX sayesinde raporu kendi ihtiyaçlarımıza göre uyarlayabildik.

OWOX'un çözümü sayesinde şunları başardık:

• Veri toplama ve işlemede zamandan tasarruf edin. Google BigQuery'nin yardımıyla oluşturulan raporları kullanarak, web trafiğindeki, kullanıcı etkinliğindeki ve belirli pazarlama etkinliklerindeki değişiklikleri izlemek daha kolay hale geldi.
• Sonuçların güvenilirliğini ve içgörü arama yeteneğini doğrudan etkileyen kullanıcı davranışını ayrıntılı olarak analiz edin. Sitenin belirli unsurları ilk kez analiz edildi ve bu da sayfaların tasarımına daha düşünceli ve etkili bir şekilde yaklaşmamızı sağladı.

Gelecekte Google Analytics 4'e geçeceğiz, bu da GA Universal ve GA 4'teki veri şemalarının önemli ölçüde farklı olması nedeniyle Google Etiket Yöneticisi'ndeki tüm izlemenin yeniden yapılandırılması anlamına geliyor. OWOX'taki meslektaşlarımızdan bu konuda yardım istemeyi umuyoruz.