Как использовать аналитику для оптимизации процессов в ecommerce проекте — кейс «Touch.com.ua»

Аналитика для бизнесов ecommerce критически важна — благодаря ей компании определяют самые популярные товары, отслеживают пути клиентов к покупке и выявляют, на каких этапах и вследствие чего покупатели теряют интерес.

Это позволяет улучшать ассортимент, персонализировать предложения, а также эффективнее управлять запасами и маркетинговыми кампаниями.

Кто наш партнер

Touch.com.ua — украинский интернет-магазин, предлагающий товары для дома, электронику, гаджеты и аксессуары. Компания обеспечивает клиентов качественной продукцией по доступным ценам и широким выбором товаров для различных нужд. Благодаря быстрому обслуживанию, удобной доставке Touch.com.ua динамично растет и входит в число перспективных игроков украинского ecommerce.

Цели сотрудничества

Партнер обратился к Netpeak Ukraine с запросом исследовать, от каких товаров покупатели чаще всего отказываются и почему. Для Touch.com.ua это важно, ведь компания стремится улучшить клиентский опыт. Подробная статистика позволяет оптимизировать ассортимент, выявлять проблемы с доставкой или качеством товаров и делать покупки более удобными.

Анализ причин отказов помогает компании быстро реагировать на изменения рынка, корректировать стратегии продаж и снижать количество отмененных заказов. Это положительно влияет на прибыль и повышает уровень удовлетворенности клиентов.

Стратегия проекта

Для Touch.com.ua мы разработали стратегию с поэтапным внедрением ключевых решений для лучшего понимания потребностей партнера и эффективной интеграции аналитики. Первым шагом команда создала схему аналитического решения, это помогло определить основные этапы работы:

Действия команды

Начали мы с серии консультаций, чтобы детально понять специфические требования Touch.com.ua по аналитике отмененных заказов. После определения ключевых бизнес-процессов наша команда сосредоточилась на достижении конкретных результатов.

Первым вызовом стала работа с SFTP-сервером, в частности сбор больших объемов данных. Мы настроили интеграцию для автоматической загрузки списков товаров, номенклатуры и сопутствующей информации. Это стало основой для дальнейшей аналитики и агрегации данных и позволило поддерживать актуальный ассортимент.

Особенности работы с данными SFTP-сервера

Чтобы построить сквозную аналитику, необходимо обеспечить передачу данных из ERP-системы (система планирования ресурсов предприятия). Один из способов это реализовать — передавать данные из ERP на SFTP-сервер, откуда они уже загружаются в Google BigQuery. Этот подход универсален и работает с любой ERP, что особенно полезно для индивидуальных решений без стандартных интерфейсов интеграции.

Однако есть определенные вызовы, главный из них — быстрое получение данных с SFTP без перегрузки ERP. Мы решили это распараллеливанием потоков, благодаря чему оптимизировали импорт, сбалансировали нагрузку и существенно ускорили передачу данных.

Функция получает параметры через события Pub/Sub — это специальный механизм, позволяющий автоматически запускать функцию по расписанию или через определенное событие. Это удобно для регулярного импорта данных без ручного вмешательства.

Google также рекомендует переход на другой способ запуска — HTTP-триггеры. Они работают аналогично, но имеют несколько преимуществ. Это дешевле, поскольку облачные ресурсы используются эффективнее. Также HTTP-триггеры легче интегрировать с другими сервисами, и система становится гибче.

Если Pub/Sub можно сравнить с рассылкой уведомлений в мессенджере, то HTTP-триггеры — как сайт, который вы открываете по необходимости. Он не занимает ресурсы, пока его не запустят, что экономит деньги и дает больше возможностей для управления процессами.

Увеличив количество потоков до 10 и реализовав параллельную обработку файлов, мы существенно повысили производительность функции. Теперь она работает быстрее и обрабатывает одновременно несколько файлов, что обеспечивает эффективную работу с большими объемами данных.

Функция сама определяет, как обрабатывать файл, ориентируясь на его название. Чтобы добавить новый тип файлов, достаточно обновить настройки — менять код не нужно.

Перед загрузкой в BigQuery данные проходят несколько этапов подготовки:

• форматируются числовые значения;
• добавляются стандартные значения для отсутствующих полей;
• данные приводятся к нужному формату, в частности, конвертируются даты.

Это гарантирует, что даже файлы с незначительными неточностями будут загружены в BigQuery корректно.

Функция позволяет выбирать период обработки данных — по конкретной дате, диапазону или исключительно за предыдущий день. Это удобно для восстановления пропущенных данных и регулярного обновления.

Особенности работы с данными из CRM-системы

Работа с CRM-системами имеет свои особенности, в частности выбор библиотеки для интеграции. Она должна поддерживать считывание, передачу и обработку данных, но не все библиотеки имеют необходимый функционал.

Обычно данные в популярных CRM передаются через API, что удобнее получения с сервера. API помогает быстро перезаписывать данные в случае ошибок или изменений. При этом возможности зависят от функционала API, поэтому важно тщательно изучать документацию и адаптировать интеграцию при необходимости.

Этот коннектор использует асинхронную обработку, что ускоряет запросы к CRM и загрузку в BigQuery. Благодаря этому все процессы работают параллельно, значительно сокращая время обработки больших объемов данных.

Мы столкнулись с тем, что большие объемы данных медленно собирались. Чтобы оптимизировать процесс, реализовали асинхронность для запуска параллельных потоков. Это значительно ускорило интеграцию и предотвратило перегрузку системы.

Для соответствия стандартам конфиденциальности коннектор исключает определенные поля перед загрузкой в BigQuery. Например, поля ADDITIONAL_INFO и COMMENTS не передаются, что соответствует требованиям GDPR.

Агрегация данных в Google BigQuery

Ключевая цель первого этапа работ — анализ времени выполнения операций. Мы рассчитали среднее количество дней между различными стадиями процесса доставки, что помогает оценивать эффективность и скорость выполнения.

Второй блок сосредоточен на определении статусов продуктов и сделок. Логика запросов автоматически классифицирует данные по статусам типа «Успешный», «Недоступный» или «В работе». Это упрощает управление данными на всех этапах обработки.

Главным вызовом стало внедрение логики обработки статусов с несколькими уровнями сложных проверок для определения конечного результата записи. Цель — четкая классификация данных по бизнес-правилам и точный учет статусов на каждом этапе.

Как это работает

Сначала система определяет, входит ли статус в заданный диапазон. Например, он может принадлежать к группе промежуточных этапов, требующих уточнения. Когда статус соответствует начальным условиям и является первым в группе, система проверяет наличие завершающих этапов для объекта.

Также учитываются количественные показатели, определяющие готовность объекта к дальнейшей работе.

Эта логика обеспечивает точность и контроль: каждая запись получает статус по четким правилам. Система распознает нетипичные ситуации, оставляя возможность для дальнейшего анализа. Благодаря этому бизнес может легко отследить, на каком этапе находится объект и нуждается ли он в дополнительном внимании.

Такой подход помогает классифицировать данные с учетом всех возможных сценариев, упрощает управление и анализ. Четкая структура записей помогает удобно контролировать статусы на каждом этапе процесса.

Результаты сотрудничества

Аналитическая работа строится на проверке наших гипотез по следующим критериям:

1. Точность данных — чтобы аналитика отражала реальную картину.
2. Возможность регулярного обновления — для обеспечения актуальности данных.

Благодаря настройке кастомной аналитики мы:

Этот отчет — мощный инструмент для быстрого анализа ключевых показателей, отслеживания изменений в динамике продаж и оперативного принятия решений на основе самых свежих данных с ежедневными обновлениями.

Учтя все критерии, мы создали не только эффективное, но и оптимизированное и высокотехнологичное решение, позволяющее решать задачи на качественно новом уровне.

Этот кейс подтверждает, что инвестиции в аналитику — это не просто о цифрах, а о более глубоком понимании бизнеса, повышении конкурентоспособности и устойчивом развитии в динамичной среде ecommerce.

Touch.com.ua, СЕО

Демчук Владимир, Data Analyst в Netpeak Ukraine