Проект: Разработка системы анализа влияния купонов на продажи в разрезе общего трафика
Проблема: Заказчик активно использовал маркетинговые каналы трафика для раскрутки сервиса продаж игрушек. Некоторые данные по каналам были представлены в таких системах как Google Analytics(GA) и Big Query(BQ), в то время, как некоторые каналы оставались неохваченными. Данные по ним хранились в других базах данных и не поддерживали интеграцию с GA, более того, GA не предоставлял всей требуемой функциональности для полного анализа данных по каналам. Главной проблемой являлось то, что некоторые специфические каналы могли входить в суперпозицию со стандартными каналами трафика, представленными в GA. Для увеличения эффективности маркетинговых программ и снижения «стоимости» клиента за счет более детального анализа трафика, заказчик решил расширить свои аналитические инструменты, чтобы иметь возможность анализировать более полный набор данных с помощью таких сложных алгоритмов как, например – анализ марковскими цепями.
Решение: Мы сформировали инфраструктуру взаимодействия BQ с хранилищем данных по атрибуции и реализовали математические модели атрибутирования каналов. После мы создали и отладили интерфейс для генерации отчетов по атрибуции, который позволяет формировать отчеты атрибуции каналов трафика по нужным срезам купонов и скачивать их в формате MS Excel. В веб-интерфейсе пользователь имеет возможность настройки нужной ему модели атрибуции, среза по купонам, временного отрезка для построения отчета и агрегации результатов.
Результаты:
- С помощью генерируемых отчетов клиент может исследовать определенную многоканальную модель атрибуции и это, предположительно, помогает сократить и оптимизировать маркетинговые расходы
- Главным достижением является то, что правильное распределение маркетинговых бюджетов на каналах, очевидно, помогает избежать расходов на бесполезных каналах
- Клиент доволен результатами нашей работы
Технологии: Python 2.7, Python 3, Django, PostgreSQL, SQLite, Big Query, Google Analytics.