
Автор: Ольга Глузская, Head of Analytics.
Как собрать данные из четырех систем аналитики в одно место и получить инструмент, отвечающий на любой вопрос о пользователях без помощи разработчиков?
Мы построили для SaaS-платформы систему аналитики на базе BigQuery и Looker Studio. Теперь бизнес видит полный пользовательский путь от регистрации до оттока, считает потери в деньгах, сравнивает каналы привлечения по конверсиям и LTV, самостоятельно выделяет аудитории для маркетинговых активаций. Все данные в одном хранилище, история сохранена, а 8 сегментов и 10+ фильтров доступны без разработчиков.
Мы расскажем в этом кейсе, как заменили ручную сводку таблиц системой, где продукт, продажи, маркетинг и менеджмент видят одни и те же цифры и принимают решения на основе данных, а не ощущений.
Услуга: Построение аналитической инфраструктуры на базе BigQuery и Looker Studio
Клиент: SaaS-платформа для трейдеров — предоставляет доступ к инструментам анализа рынка через десктопное приложение по модели подписки. База – десятки тысяч пользователей из разных стран.
Задача: Построить систему, которая позволит бизнесу самостоятельно получать ответы на любые вопросы о поведении пользователей – без обращения к разработчикам.
Результат: Построенный событийный стриминг Админка → BigQuery, реализованы SQL-трансформации для объединения исторических и live-данных, созданы интерактивные дашборды в Looker Studio с 8 сегментами и 10+ фильтрами согласно ТЗ клиента.

Все данные бизнеса из разных источников синхронизированы и построены в одном месте.
Чуть подробнее об инструментах
BigQuery — облачное хранилище данных от Google, позволяющее обрабатывать миллиарды событий и выполнять сложные SQL-запросы в секунды. Именно сюда стекаются все данные о действиях пользователей, и здесь происходит их трансформация в готовые для анализа таблицы.
Looker Studio — инструмент визуализации данных, превращающий таблицы из BigQuery в интерактивные дашборды. Бизнес-пользователь работает с готовым отчетом: фильтрует, сравнивает периоды, строит срезы — без единой строки кода или обращения к разработчикам.
Вместе эти два инструмента образуют связи «хранилище + витрина»: BigQuery отвечает за обработку и хранение, Looker Studio – за то, чтобы данные были понятны и доступны для кого-либо в команде.
Проблема
К моменту начала работы у клиента уже была админ-панель с отчетами, разработанными программистами. Данные обновлялись, но система имела критические ограничения.
Технические ограничения:
- Данные отображались только в разрезе месяцев – выбрать произвольный период было невозможно;
- Любой нестандартный срез (по стране, тарифу, каналу, сегменту пользователей) требовал обращения к разработчикам;
- История действий пользователя перезаписывалась — данные за прошедшие периоды утрачивались.
Операционная нагрузка:
- Маркетолог вручную сводил данные из разных источников в таблице;
- Эта задача отнимала регулярное время и была склонна к человеческому фактору.
Итог: бизнес имел данные, но не имел возможности самостоятельно задавать вопросы и получать на них ответы.
Сложности на старте
— Клиент одновременно использовал 4 разных инструмента аналитики (Админка, Amplitude, GA4, Kibana) — и ни один из них не давал полной картины.
— GA4 была установлена некорректно и собирала данные только с части сайтов.
— Исторические данные клиента нужно было интегрировать без разрыва непрерывности.
Подключить услугу «НАСТРОЙКА АНАЛИТИКИ» от ADINDEX →
Решение

1. Аудит существующих систем аналитики
Перед началом работ был проведён полный аудит текущего состояния аналитики проекта. На момент аудита клиент использовал четыре инструмента одновременно:
- Админка — основной источник данных по бэкенду. Она стала приоритетным источником истины, поскольку содержит полный набор событий напрямую с сервера, без потерь и ограничений, возникающих при сборе данных на клиентской стороне (блокировщики рекламы, cookie-баннеры, различные настройки конфиденциальности пользователей);
- Amplitude — собирала данные преимущественно с бэкенда, имела внутреннюю визуализацию;
- Google Analytics 4 — установлена некорректно, собирала данные только с части сайтов;
- Kibana — использовалась для анализа логов.
Ключевые проблемы, обнаруженные во время аудита:
- Разногласия в данных между всеми системами из-за разных способов сбора событий;
- GA4 установлена не на всех сайтах и собирала не полную картину трафика;
- Отсутствует единая карта событий со стандартизированным неймингом – каждая система «понимала» одни и те же действия по-разному;
- Невозможность построить полный путь пользователя от входа на сайт до покупки.

Заключение аудита: ни один из инструментов не давал полной картины. Требуется единственное хранилище данных, объединяющее все источники.

2. Интеграция Админка → BigQuery
Для разработчиков клиента было подготовлено ТЗ на событийный стриминг: каждое ключевое действие пользователя – регистрация, запуск платформы, активация триала, покупка – передается напрямую в BigQuery как отдельное событие в реальном времени.
Вместе с событиями регистрации и покупки в Админке передаются и UTM-метки источника трафика. Это позволяет отслеживать эффективность каналов привлечения (маркетинговый, партнерский и т.п.) без необходимости обращаться в GA4.
Для валидации данных клиент предоставил доступ к трем отчетам из Админки – они использовались как эталон при сверке с данными в Looker Studio.
3. SQL-трансформации и подготовки данных
Технически самый сложный этап – объединить разнородные данные в единую модель.
Данные из Админки поступают в BigQuery в одну сырую таблицу (_raw).
Шаг 1 — Унификация.
SQL-скрипт парсит сырые данные отправленные из админки и приводит их к единой структуре соединяя с историческими данными.
На этом же этапе происходит дедубликация событий — SQL-логика отсеивает повторные записи одного и того же действия пользователя, которые могли поступать из админки, чтобы каждое событие учитывалось в расчетах ровно один раз.
Шаг 2 — Подготовка сегментов.
На основе унифицированных данных создаются отдельные таблицы под каждый сегмент пользователей BigQuery (_prod и dashboard). Именно в эти таблицы обращается Looker Studio при построении дашбордов.
Обновление происходит ежедневно по расписанию — модель Today-for-Yesterday.
4. Дашборды в Looker Studio
Финальный этап – визуализация данных в виде интерактивных дашбордов с 10+ фильтрами (страна, язык, тариф, канал, домен и т.п.).
Согласно ТЗ было реализовано 8 сегментов:

Схема показывает последовательные этапы жизненного цикла пользователя
Сегмент 1. Новые пользователи — воронка от регистрации до первого входа в платформу. Атрибуция по дате регистрации.

Скрин: Пример дашборда сегмента “Новые пользователи”
Сегмент 2. Первая покупка — путь пользователя от регистрации до первой оплаты. Конверсия на каждом шагу.
Сегмент 3.1. Renewals — пользователи, продолжившие подписку. Динамика повторных оплат.
Сегмент 3.2. Restored customers — пользователи, которые были в состоянии оттока и вернулись.

Скрин: Пример дашборда сегмента “Restored customers”
Сегмент 4. Пользователи с лицензией — активная база: состояние лицензий, сроки, тарифы.
Сегмент 5. Потерянные пользователи — анализ оттока: причины, динамика, потерянный revenue.

Скрин: Пример дашборда сегмента “Потерянные пользователи”
Сводка по всем пользователям — общая картина базы с возможностью сравнения периодов.
Ключевые бизнес-метрики — Revenue, ARPPU, Churn Rate, LTV в едином дашборде для стейкхолдеров.
Подключить услугу «НАСТРОЙКА АНАЛИТИКИ» от ADINDEX →
Результат
Проект длился более 5 месяцев – в процессе работы задача существенно расширилась. Сначала речь шла о том, чтобы убрать ручной свод данных в таблицы из работы маркетолога. Но уже на этапе аудита стало ясно, что частичное решение не закроет реальную потребность бизнеса. Клиент сформировал новое расширенное ТЗ: не просто автоматизировать сбор данных, а построить полноценную систему дашбордов с сегментацией пользователей. Финальный результат – это уже ответ именно на эту расширенную задачу.
До внедрения любой нестандартный срез данных требовал отдельного запроса в техническую команду. Теперь бизнес самостоятельно получает ответы на свои вопросы через интерактивные дашборды.
Что теперь может видеть и отслеживать бизнес:
Полный путь пользователя — от первого входа на сайт до покупки, продолжения или оттока. Каждый шаг зафиксирован и доступен для анализа.
Состояние базы в любом разрезе — сколько активных пользователей, на каком тарифе, из какой страны, по какому каналу – за несколько кликов без участия разработчиков.
Динамику оттока в деньгах — не просто количество ушедших пользователей, а сколько revenue это означает для бизнеса.
Возврат пользователей — отдельный сегмент Restored customers показывает вернувшихся после оттока и их ценность.
Эффективность каналов привлечения — сравнение маркетингового и партнерского трафика в разрезе конверсий и LTV.
Историю без потерь — все исторические данные были сохранены и доступны для сравнения с любым текущим периодом.
Готовые сегменты для действий — мгновенное выделение нужной аудитории для маркетинговых активаций без дополнительной разработки.
Система масштабируется — новые дашборды и сегменты можно добавлять на основе уже собранных данных без дополнительной интеграции.
Выводы
Этот кейс – о SaaS-платформе, но описанная проблема универсальна.
Если в вашем бизнесе есть данные, но нет удобного способа их анализировать – вы теряете время и деньги. Маркетолог сводит таблицы вручную. Любой нестандартный вопрос идет к разработчику. Решения принимаются на основе ощущений, а не фактов.
Эта ситуация одинакова и для SaaS-платформы с подписками, и для интернет-магазина с тысячами товаров, и для сервисного бизнеса с клиентской базой.
Построенная нами система дает бизнесу:
- Единое место, где находятся все данные;
- Возможность самостоятельно получать ответы на любые вопросы;
- Базу для быстрых маркетинговых решений – без очереди к разработчикам;
- Единую картину данных для всех стейкхолдеров – продукт, продажи, маркетинг и менеджмент видят одни и те же цифры, а не разные версии правды.
Если вы узнали свою ситуацию – мы готовы разобраться с вашими данными.
FAQ
Что такое аналитика SaaS-платформы?
Это система сбора, обработки и визуализации данных о поведении пользователей – от регистрации до оплаты, продления подписки или оттока. Она позволяет бизнесу самостоятельно получать ответы на любые вопросы о клиентской базе без участия разработчиков.
Зачем SaaS-платформе BigQuery?
BigQuery — облачное хранилище способно обрабатывать миллиарды событий и выполнять сложные SQL-запросы за секунды. Это позволяет объединить данные из разных источников (бэкенд, исторические данные) в единую модель, вместо того чтобы держать их разрозненно в нескольких системах.
Почему BigQuery соединили с Looker Studio?
Это связка «хранилище + витрина»: BigQuery отвечает за обработку и хранение данных, а Looker Studio превращает эти данные в интерактивные дашборды – бизнес-пользователь работает с готовым отчетом без единой строки кода.
Можно ли объединить исторические и новые данные в BigQuery?
Да. SQL-трансформации унифицируют данные из нового событийного стриминга с историческими данными клиента, обеспечивая непрерывность – вся история доступна в одной модели, без потерь.
Какие метрики SaaS можно отслеживать?
Revenue, ARPPU, LTV, Churn Rate, конверсию в оплату, динамику продлений подписки (renewal rate), возврат ушедших пользователей, а также состояние активных лицензий в разрезе тарифов и стран.
Можно ли анализировать churn в Looker Studio?
Да. Отдельный сегмент «Потерянные пользователи» показывает не только количество оттока, но и сколько revenue это означает для бизнеса, с разбивкой по месяцам тарифам.
Можно ли сегментировать пользователей без участия разработчиков?
Да, это и есть основная цель построенной системы. Через готовые фильтры в дашбордах бизнес самостоятельно выделяет нужную аудиторию для любых маркетинговых активаций за несколько кликов.
Подходит ли такая система для других типов бизнеса?
Да. Хотя кейс описывает SaaS-платформу, сама проблема – разрозненные данные без удобного способа их анализировать – универсальна для любого бизнеса с клиентской базой: интернет-магазинов, сервисных компаний и других.
Комментарий project-менеджера
Проект стал для нас примером того, как аналитика может перейти из технического задания к реальному инструменту управления маркетингом. Прекрасно, что команда клиента активно включалась в процесс: мы много обсуждали логику показателей, тестировали разные подходы к структуре данных и вместе формировали формат отчетности, который будет удобен для маркетологов в ежедневной работе.
В таких проектах важно не просто построить дашборд, а понять бизнес-логику и превратить сырые данные в понятную систему показателей. Именно благодаря этому клиент получил не просто отчет, а инструмент, помогающий принимать решения по рекламным кампаниям на основе цифр.
Этот кейс – пример того, как сильная аналитическая экспертиза команды и открытая коммуникация с клиентом позволяют превратить данные в реальную ценность для бизнеса.

Команда проекта
