
Автор: Ольга Глузська, Head of Analytics.
Як зібрати дані з чотирьох систем аналітики в одне місце й отримати інструмент, який відповідає на будь-яке питання про користувачів без допомоги розробників?
Ми побудували для SaaS-платформи систему аналітики на базі BigQuery та Looker Studio. Тепер бізнес бачить повний шлях користувача від реєстрації до відтоку, рахує втрати в грошах, порівнює канали залучення за конверсіями та LTV і самостійно виділяє аудиторії для маркетингових активацій. Усі дані в одному сховищі, історія збережена, а 8 сегментів і 10+ фільтрів доступні без розробників.
Ми розповімо у цьому кейсі, як замінили ручне зведення таблиць системою, де продукт, продажі, маркетинг і менеджмент бачать одні й ті самі цифри та ухвалюють рішення на основі даних, а не відчуттів.
Послуга: Побудова аналітичної інфраструктури на базі BigQuery та Looker Studio
Клієнт: SaaS-платформа для трейдерів – надає доступ до інструментів аналізу ринку через десктопний застосунок за моделлю підписки. База – десятки тисяч користувачів з різних країн.
Задача: Побудувати систему, яка дозволить бізнесу самостійно отримувати відповіді на будь-які питання про поведінку користувачів – без звернення до розробників.
Результат: Побудовано подієвий стрімінг Адмінка → BigQuery, реалізовано SQL-трансформації для об’єднання історичних та live-даних, створено інтерактивні дашборди в Looker Studio з 8 сегментами та 10+ фільтрами згідно з ТЗ клієнта.

Усі дані бізнесу з різних джерел синхронізовані та зведені в одному місці.
Трохи детальніше про інструменти
BigQuery – хмарне сховище даних від Google, яке дозволяє обробляти мільярди подій та виконувати складні SQL-запити за секунди. Саме сюди стікаються всі дані про дії користувачів, і саме тут відбувається їх трансформація в готові для аналізу таблиці.
Looker Studio – інструмент візуалізації даних, який перетворює таблиці з BigQuery на інтерактивні дашборди. Бізнес-користувач працює з готовим звітом: фільтрує, порівнює періоди, будує зрізи – без єдиного рядка коду чи звернення до розробників.
Разом ці два інструменти утворюють зв’язку «сховище + вітрина»: BigQuery відповідає за обробку та зберігання, Looker Studio – за те, щоб дані були зрозумілими та доступними для будь-кого в команді.
Проблема
На момент початку роботи у клієнта вже існувала адмін-панель зі звітами, розробленими програмістами. Дані оновлювались, але система мала критичні обмеження.
Технічні обмеження:
- Дані відображались лише в розрізі місяців – обрати довільний період було неможливо;
- Будь-який нестандартний зріз (за країною, тарифом, каналом, сегментом користувачів) вимагав звернення до розробників;
- Історія дій користувача перезаписувалась – дані за минулі періоди втрачались
Операційне навантаження:
- Маркетолог вручну зводив дані з різних джерел у таблиці;
- Це завдання забирало регулярний час і було схильне до людського фактору;
Підсумок: бізнес мав дані, але не мав можливості самостійно ставити запитання та отримувати на них відповіді.
Складності на старті
– Клієнт одночасно використовував 4 різні інструменти аналітики (Адмінка, Amplitude, GA4, Kibana) – і жоден з них не давав повної картини.
– GA4 була встановлена некоректно й збирала дані лише з частини сайтів.
– Історичні дані клієнта потрібно було інтегрувати без розриву безперервності.
Підключити послугу «НАЛАШТУВАННЯ АНАЛІТИКИ» від ADINDEX →
Рішення

1. Аудит існуючих систем аналітики
Перед початком робіт було проведено повний аудит поточного стану аналітики проєкту. На момент аудиту клієнт використовував чотири інструменти одночасно:
- Адмінка – основне джерело даних з бекенду. Вона стала пріоритетним джерелом істини, оскільки містить повний набір подій напряму з сервера, без втрат і обмежень, які виникають при зборі даних на клієнтській стороні (блокувальники реклами, cookie-банери, різні налаштування приватності користувачів);
- Amplitude – збирала дані переважно з бекенду, мала внутрішню візуалізацію;
- Google Analytics 4 – встановлена некоректно, збирала дані лише з частини сайтів;
- Kibana – використовувалась для аналізу логів.
Ключові проблеми, виявлені під час аудиту:
- Розбіжності в даних між усіма системами через різні способи збору подій;
- GA4 встановлена не на всіх сайтах і не збирала повну картину трафіку;
- Відсутня єдина карта подій із стандартизованим неймінгом – кожна система «розуміла» одні й ті самі дії по-різному;
- Неможливість побудувати повний шлях користувача від входу на сайт до покупки.

Висновок аудиту: жоден з інструментів окремо не давав повної картини. Потрібне єдине сховище даних, яке об’єднує всі джерела.

2. Інтеграція Адмінка → BigQuery
Для розробників клієнта було підготовлено ТЗ на подієвий стрімінг: кожна ключова дія користувача – реєстрація, запуск платформи, активація триалу, покупка – передається напряму в BigQuery як окрема подія в реальному часі.
Разом з подіями реєстрації та покупки в Адмінку передаються й UTM-мітки джерела трафіку. Це дозволяє відстежувати ефективність каналів залучення (маркетинговий, партнерський тощо) без потреби звертатись до GA4.
Для валідації даних клієнт надав доступ до трьох звітів з Адмінки – вони використовувались як еталон при звірці з даними в Looker Studio.
3. SQL-трансформації та підготовка даних
Технічно найскладніший етап – об’єднати різнорідні дані в єдину модель.
Дані з Адмінки надходять в BigQuery в одну сиру таблицю (_raw).
Крок 1 – Уніфікація.
SQL-скрипт парсить сирі дані надіслані напряму з адмінки та приводить їх до єдиної структури та з’єднує з історичними даними.
На цьому ж етапі відбувається дедублікація подій – SQL-логіка відсіює повторні записи однієї й тієї самої дії користувача, які могли надходити з адмінки, щоб кожна подія враховувалась у розрахунках рівно один раз.
Крок 2 – Підготовка сегментів.
На основі уніфікованих даних створюються окремі таблиці під кожен сегмент користувачів в BigQuery (_prod та dashboard). Саме до цих таблиць звертається Looker Studio при побудові дашбордів.
Оновлення відбувається щодня за розкладом – модель Today-for-Yesterday.
4. Дашборди в Looker Studio
Фінальний етап – візуалізація даних у вигляді інтерактивних дашбордів з 10+ фільтрами (країна, мова, тариф, канал, домен тощо).
Згідно з ТЗ було реалізовано 8 сегментів:

Схема показує послідовні етапи життєвого циклу користувача
Сегмент 1. Нові користувачі – воронка від реєстрації до першого входу в платформу. Атрибуція за датою реєстрації.

Скрин: Приклад дашборда сегменту “Нові користувачі”
Сегмент 2. Перша покупка – шлях користувача від реєстрації до першої оплати. Конверсія на кожному кроці.
Сегмент 3.1. Renewals – користувачі, які продовжили підписку. Динаміка повторних оплат.
Сегмент 3.2. Restored customers – користувачі, які були в стані відтоку і повернулись.

Скрин: Приклад дашборда сегменту “Restored customers”
Сегмент 4. Користувачі з ліцензією – активна база: стан ліцензій, терміни, тарифи.
Сегмент 5. Втрачені користувачі – аналіз відтоку: причини, динаміка, втрачений revenue.

Скрин: Приклад дашборда сегменту “Втрачені користувачі”
Зведення по всіх користувачах – загальна картина бази з можливістю порівняння періодів.
Ключові бізнес-метрики – Revenue, ARPPU, Churn Rate, LTV у єдиному дашборді для стейкхолдерів.
Підключити послугу «НАЛАШТУВАННЯ АНАЛІТИКИ» від ADINDEX →
Результат
Проєкт тривав понад 5 місяців – і в процесі роботи задача суттєво розширилась. Спочатку йшлося про те, щоб прибрати з маркетолога ручне зведення даних у таблиці. Але вже на етапі аудиту стало зрозуміло, що часткове рішення не закриє реальну потребу бізнесу – і клієнт сформував нове, розширене ТЗ: не просто автоматизувати збір даних, а побудувати повноцінну систему дашбордів із сегментацією користувачів. Фінальний результат – це вже відповідь саме на цю розширену задачу.
До впровадження будь-який нестандартний зріз даних вимагав окремого запиту до технічної команди. Тепер бізнес самостійно отримує відповіді на свої запитання через інтерактивні дашборди.
Що тепер може бачити та відстежувати бізнес:
Повний шлях користувача – від першого входу на сайт до покупки, продовження або відтоку. Кожен крок зафіксований і доступний для аналізу.
Стан бази в будь-якому розрізі – скільки активних користувачів, на якому тарифі, з якої країни, з якого каналу – за кілька кліків без участі розробників.
Динаміку відтоку в грошах – не просто кількість користувачів що пішли, а скільки revenue це означає для бізнесу.
Повернення користувачів – окремий сегмент Restored customers показує тих, хто повернувся після відтоку, та їхню цінність.
Ефективність каналів залучення – порівняння маркетингового та партнерського трафіку в розрізі конверсій та LTV.
Історію без втрат – всі історичні дані були збережені та доступні для порівняння з будь-яким поточним періодом.
Готові сегменти для дій – миттєве виділення потрібної аудиторії для маркетингових активацій без додаткової розробки.
Система масштабується – нові дашборди та сегменти можна додавати на основі вже зібраних даних без додаткової інтеграції.
Висновки
Цей кейс – про SaaS-платформу, але описана проблема універсальна.
Якщо у вашому бізнесі є дані, але немає зручного способу їх аналізувати – ви втрачаєте час і гроші. Маркетолог зводить таблиці вручну. Будь-яке нестандартне питання йде до розробника. Рішення приймаються на основі відчуттів, а не фактів.
Ця ситуація однакова і для SaaS-платформи з підписками, і для інтернет-магазину з тисячами товарів, і для сервісного бізнесу з клієнтською базою.
Побудована нами система дає бізнесу:
- Єдине місце де знаходяться всі дані.
- Можливість самостійно отримувати відповіді на будь-які запитання.
- Базу для швидких маркетингових рішень – без черги до розробників.
- Єдину картину даних для всіх стейкхолдерів – продукт, продажі, маркетинг і менеджмент бачать одні й ті ж цифри, а не різні версії правди
Якщо ви впізнали свою ситуацію – ми готові розібратись з вашими даними.
FAQ
Що таке аналітика SaaS-платформи?
Це система збору, обробки та візуалізації даних про поведінку користувачів – від реєстрації до оплати, продовження підписки чи відтоку. Вона дозволяє бізнесу самостійно отримувати відповіді на будь-які питання про клієнтську базу, без участі розробників.
Навіщо SaaS-платформі BigQuery?
BigQuery – хмарне сховище, здатне обробляти мільярди подій та виконувати складні SQL-запити за секунди. Це дозволяє об’єднати дані з різних джерел (бекенд, історичні дані) в єдину модель, замість того щоб тримати їх розрізнено в кількох системах.
Чому BigQuery поєднали з Looker Studio?
Це зв’язка «сховище + вітрина»: BigQuery відповідає за обробку та зберігання даних, а Looker Studio перетворює ці дані на інтерактивні дашборди – бізнес-користувач працює з готовим звітом без єдиного рядка коду.
Чи можна об’єднати історичні та нові дані в BigQuery?
Так. SQL-трансформації уніфікують дані з нового подієвого стрімінгу з історичними даними клієнта, забезпечуючи безперервність – вся історія доступна в одній моделі, без втрат.
Які метрики SaaS можна відстежувати?
Revenue, ARPPU, LTV, Churn Rate, конверсію в оплату, динаміку продовжень підписки (renewal rate), повернення відтіклих користувачів, а також стан активних ліцензій у розрізі тарифів і країн.
Чи можна аналізувати churn у Looker Studio?
Так. Окремий сегмент «Втрачені користувачі» показує не лише кількість відтоку, а й скільки revenue це означає для бізнесу, з розбивкою по місяцях тарифах.
Чи можна сегментувати користувачів без участі розробників?
Так, це і є основна мета побудованої системи. Через готові фільтри в дашбордах бізнес самостійно виділяє потрібну аудиторію для будь-яких маркетингових активацій за кілька кліків.
Чи підходить така система для інших типів бізнесу?
Так. Хоча кейс описує SaaS-платформу, сама проблема – розрізнені дані без зручного способу їх аналізувати – універсальна для будь-якого бізнесу з клієнтською базою: інтернет-магазинів, сервісних компаній та інших.
Коментар project-менеджера
Проєкт став для нас прикладом того, як аналітика може перейти з технічного завдання до реального інструменту управління маркетингом. Чудово, що команда клієнта активно включалася у процес: ми багато обговорювали логіку показників, тестували різні підходи до структури даних та разом формували формат звітності, який буде зручним для маркетологів у щоденній роботі.
У таких проєктах важливо не просто побудувати дашборд, а зрозуміти бізнес-логіку та перетворити «сирі» дані на зрозумілу систему показників. Саме завдяки цьому клієнт отримав не просто звіт, а інструмент, що допомагає приймати рішення щодо рекламних кампаній на основі цифр.
Цей кейс є прикладом того, як сильна аналітична експертиза команди та відкрита комунікація з клієнтом дозволяють перетворити дані на реальну цінність для бізнесу.

Команда проєкту
