Аналитика по YouTube от «А» до «Я»
Цель:
— Потратить минимум времени на решение задачи 1 раз, чтобы экономить время в дальнейшем
— Сделать качественное решение, которое быстро, удобно и наглядно решает конкретную задачу (отвечает на конкретную задачу)
Давайте разберем методологии управления проектами:
— Классическая каскадная методология
— Гибкие методологии управления проектами (стильный-модный Agile)
— RAD (Rapid Application Development)
Наш опыт подсказывает, что при реализации проектов по автоматизации отчетности с использованием Tableau:
— RAD подходит лучше всего (небольшие проекты, небольшая проектная команда, много неопределенности, тесное взаимодействие с заказчиком)
— Каскадная методология допустима, если заказчик готов потратить время на полноценное написание ТЗ + заказчик знает чего хочет (как правило, задачи переноса готовых отчетов из других система в формате 1:1)
— Agile может быть полезен в случае крупных проектов
Общий алгоритм решения аналитических задач:
шаг 1. Выясняем задачу заказчика (вопрос, на который нужен ответ)
шаг 2. Формируем набор показателей и срезов, которые решают задачу
шаг 3. Ищем данные и реализуем процессы подготовки данных
шаг 4. Делаем эскиз дашборда
шаг 5. Согласовываем эскиз с заказчиком
шаг 6. Вносим правки по необходимости (возвращаемся на шаг 5. при необходимости)
шаг 7. Собираем дашборд
шаг 8. Готовый дашборд и счастливый заказчик
Шаг 1. Выясняем задачу заказчика (вопрос, на который нужен ответ)
Итак, задачи:
— Необходимо мониторить, что происходит с YouTube каналом Академия Аналитики
— Мониторить типичные показатели (подписчики, количество видео, просмотры, лайки и так далее)
— Нужно получить не только факт показателей на день, но и добавить контекст для сравнения факта и прироста (предыдущие дни и недели)
— Если что-то идет не так (просадки в приросте) — идем на другие дашборды и копаем «вглубь»
— Если все хорошо, то не тратим время на другие отчеты по YouTube
— Доступная аналитика на YouTube не помогает решить эти задачи
Вопрос заказчика: Есть ли просадки в приростах основных показателей по YouTube каналу Академии Аналитики на конкретную дату по сравнению с предыдущим периодами и каковы значения показателей на конкретную дату?*
* Далеко не всегда заказчик формулирует свой вопрос так точно, задача исполнителя — сделать четкую формулировку вопроса на стадии интервью с заказчиком
Шаг 2.Формируем набор показателей и срезов, которые решают задачу.
Основная идея: ничего не забываем, почаще задаем вопрос «зачем?»
Срезы:
— Дата: последние X дней, последние X недель
Показатели:
— Подписчики канала: подписчики канала (N чел.), абсолютный прирост подписчиков канала за период (+ N чел.), относительный прирост подписчиков канала к пред. периоду (+N%)
— Количество видео на канале: количество видео на канале (N видео), абсолютный прирост видео на канале за период (+N видео), относительный прирост видео на канале к пред. периоду (+N%)
— Кол-во просмотров видео: количество просмотров видео (N просмотров), абсолютный прирост просмотров видео за период (+N просмотров), относительный прирост просмотров видео к пред. периоду (+N%)
— Кол-во комментариев
— Кол-во лайков
— Кол-во дизлайков
Шаг 3. Ищем данные и реализуем процессы подготовки данных
YouTube предоставляет несколько API для выгрузки данных:
— Analytics API
— Reporting API
Нужно найти наиболее простой способ получения данных, используя любой из API. На GitHub огромное количество библиотек, написанных на Python, которые позволяют взаимодействовать с API YouTube и выгружать данные. Нужно лишь подобрать ту, которая наиболее удобна для вас. Далее пишем небольшой скрипт с использованием этой библиотеки, который на выходе формирует 1 или несколько Dataframe pandas с нужными таблицами.
Как мы решили задачу с данными?
Шаг 4. Создание эскиза дашборда:
Не важно как создавать (PowerPoint / Figma / салфетка + ручка). Главное — чтобы:
— Он существовал
— Был сделан быстро
— Наглядно демонстрировал идеи решения задачи
— Заказчик и разработчик понимали его одинаково
— Был реализуем в BI-платформе
Так выглядел, наш эскиз дашборда:
Шаг 5. Согласовываем эскиз с заказчиком
Заказчик согласовал эскиз дашборда без правок.
Шаг 6. Вносим правки по необходимости (возвращаемся на шаг 5. при необходимости)
Шаг 7. Собираем дашборд
Детали дашборда: минимизируем количество визов
— Не стоит рисовать клетки отдельными визуализациями — это ухудшает производительность и усложняет поддержку дашборда
— Красными рамками выделены имеющиеся визуализации на дашборде (12 штук)
— Благодаря технологии Query Fusion в Tableau минимизируется количество запросов к источнику данных, если на нескольких визуализациях применены одни и те же наборы фильтров + у визуализаций одинаковый перечень Dimensions
— Дашборд очень шустро отрисовывается в Live (3 секунды)
Детали: оптимизируем расчеты показателей
— Большая часть вычислений сделана при помощи Table Calculations
— Чтобы у последней недели и дня корректно работали Table Calc’и нужно отрисовать дополнительную неделю/день и скрыть это (Hide)
Детали: в 1 удаве 38 попугаев
— Как сделать единую раскраску? У разных показателей разные порядки значений
— Красный — общий прирост за период — день или неделю (результат этого периода / результат прошлого периода – 1, форматирование в %)
Решение: делаем раскраску по среднедневному приросту за период (желтый)
— В случае дней мы и так имеем среднедневной прирост, остается рассчитать его для недель
— Делить на 7 прирост в процентах за период для недель нельзя J
— На помощь приходит формула расчета сложного процента (сумма банковского вклада под определенную процентную ставку спустя N лет)
SUM = X * (1 + %)n => n = SUM1/n / X1/n — 1
Шаг 8. Готовый дашборд и счастливый заказчик
Обучение анализу данных
Академия Аналитики — онлайн-образовательный проект, созданный командой АНАЛИТИКА ПЛЮС для того, чтобы компании быстро и успешно внедряли решения для анализа данных, а их сотрудники профессионально росли. На нашей платформе Академия Аналитики множество обучающих видео-курсов, которые будут полезны и аналитикам, и ИТ-специалистам.
Особенно рекомендуем:
Аналитик данных Здесь мы РЕГУЛЯРНО публикуем новые бесплатные видео-уроки, которые будут полезны аналитикам данных и тем, кто хочет научиться управлять на основе данных. Мы делимся нашими наработками и дашбордами в следующих областях: продажи, клиентская аналитика, реклама, логистика, склад, производство, финансы, кадры и др. На практических примерах из реальной жизни показываем и рассказываем как анализировать данные, зачем строить сложные отчеты и как ими пользоваться.
Инженер данных Здесь мы РЕГУЛЯРНО публикуем новые бесплатные видео-уроки, которые будут полезны инженерам данных. Стек технологий Airflow, ClickHouse. Мы делимся результатами наших проектов по выгрузке «сырых» данных из Яндекс.Метрика, LogsAPI Яндекс Appmetrica, CRM систем, 1С и др. , по обработке данных, созданию аналитических хранилищ данных. Рассказываем о проблемах, с которыми сталкиваемся и как их решаем.
Подписывайтесь в Телеграм @analytixacademy_chat, чтобы не пропустить новые видео-уроки, курсы, обсуждения, ответы на вопросы.