Вход
Регистрация
Разбирает Николай Головатский, co-founder ANALYTIX
Почти каждый СЕО или инвестор в iGaming говорит, что хочет построить Data-Driven компанию. На практике же около 80% крупных проектов продолжают принимать решения, опираясь на пресловутую чуйку или хаотичный набор отчетов из админки. Аналитика в таких компаниях существует отдельно от бизнеса — что-то считает, но не влияет на прибыль.
Чтобы аналитика приносила деньги, нужна система, а не отдельный сотрудник с доступом к базе. Разберу три основные ошибки, которые повторяются из проекта в проект.
Ошибка 1. Аналитика без контекста
Часто аналитики в iGaming работают в вакууме. Они не знают, какой оффер сейчас крутит медиабаинг, какие фичи выкатил продукт, какие цели стоят у C-Level на квартал. Если аналитик не погружен в бизнес-контекст, он просто выдает цифры по запросу. Это роль калькулятора, который зафиксирует прошлое, но не поможет выстроить будущее.
Типичный сценарий выглядит так. Retention просел — на графике это видно. Но никто не связывает просадку с тем, что неделю назад выкатили новую бонусную механику, изменили промо или провайдер скорректировал RTP. Аналитика узнает о проблеме постфактум, от заказчиков, когда уже нужно тушить пожар. Если бы специалист был в контексте, он бы спрогнозировал риски еще на этапе планирования.
В компаниях с неправильным подходом флоу принятия решений выглядит так:
- Бизнес-решение (запуск акции или смена провайдеров).
- Падение метрик (факт зафиксирован через неделю).
- Реакция аналитики (попытка понять, что случилось).
Правильный флоу, который делает бизнес устойчивым, строится иначе:
- Бизнес-решение (запуск акции или смена провайдеров).
- Совместная проработка и проверка гипотез. Перед принятием решения аналитика оценивает потенциальное влияние на LTV и GGR. Выставляются таргеты, что ожидают увидеть в цифрах после релиза.
- Контроль влияния. Аналитика мониторит метрики в реальном времени и сразу сигнализирует об отклонениях.
В первом случае аналитика всегда опаздывает и работает в режиме скорой помощи. В БД о втором — участвует в решении до того, как оно принято, помогает сформулировать гипотезу, определить метрики успеха и заранее настроить мониторинг.
Ошибка 2. Аналитика без инфраструктуры
Распространенная ошибка стартапов и даже зрелых компаний — начинать построение Data-функции с найма аналитика. Логика такая: «Возьмем толкового парня, дадим доступы к базе, он соберет отчеты, и Data-Driven готов».
Но это не сработает. Без инженеров данных нет инфраструктуры. Без инфраструктуры нет нормальных данных. Без данных нет никакой ценности от аналитики, только имитация деятельности.
Чтобы данные были качественными, нужна архитектура. Вот из чего состоит современный стек iGaming-проекта:
- Источники данных — транзакционные базы (RDBMS), логи с фронтенда через Kafka и данные от партнеров или рекламных кабинетов через API.
- Data Lake — сюда стекаются сырые данные в разных форматах (JSON, CSV, Parquet). Обычно это облачные хранилища, например, Amazon S3.
- DWH — здесь данные очищаются и структурируются. Управляет процессами переноса данных (ETL/ELT) инструмент типа Apache Airflow.
- Слой визуализации — вот здесь и появляется аналитик, который на основе готовых витрин данных в DWH строит дашборды в Tableau, Power BI или Superset.
Если этой цепочки нет, возникают системные проблемы:
- Цифры в разных отчетах не совпадают, и никто не понимает, какие правильные.
- Дашборды регулярно ломаются или показывают устаревшие данные.
- Любая, даже простая задача занимает несколько дней.
- К данным нет доверия, поэтому решения все равно принимаются по ощущениям.
Пока нет Data Lake, DWH, настроенных пайплайнов и контроля качества данных, аналитик будет тратить 80% времени не на анализ, а на добычу и сборку данных вручную.
Ошибка 3. Аналитика без культуры
Даже с крутым DWH и опытными аналитиками бизнес будет буксовать, если в компании нет культуры «единого источника правды» . В iGaming это проявляется ярче всего при подсчете ключевых метрик.
Маркетинг считает свой GGR, финансы свой. У продакт-команды растет LTV, а у CRM одновременно падает Retention. На встречах C-Level спорят не о том, как поднять выручку, а чьи цифры правильные.
Самый показательный пример — расчет NGR (Net Gaming Revenue). Вот реальные варианты формул, которые я встречал в компаниях:
Вторая формула — отдельная история. NGR, посчитанный от разницы депозитов и выплат с фиксированным коэффициентом, не отражает реальную экономику бизнеса вообще никак. Это другая метрика, которая не имеет отношения к чистой игровой выручке.
Правильная формула учитывает именно отыгранные бонусы (Wagered Bonuses), а не все выданные (Issued Bonuses), и вычитает все реальные комиссии и партнерские выплаты. Только такой расчет дает понимание того, сколько бизнес реально зарабатывает.
Аналитическая культура — прежде всего договоренность о правилах. Единый источник правды строится на трех вещах:
- централизованное хранилище (DWH)
- единые методологии расчета метрик
- согласованные бизнес-правила, которые зафиксированы и понятны всем
Тогда команды начнут работать в единой системе координат, а аналитика станет основой для эффективных решений.
Как перестать наступать на грабли
Функция данных — это не один человек с доступом к базе, а система. В нее входят инфраструктура, процессы, роли, архитектура, контроль качества данных, единые методологии и, самое важное, культура работы с данными внутри компании.
Рынок наступает на одни и те же грабли. Нанимают аналитика «посчитать цифры», строят BI без фундамента, живут в нескольких версиях реальности — и потом искренне удивляются, почему Data-Driven не работает.
Чтобы аналитика действительно стала инструментом роста, начните с головы. Наймите сильного Head of Data или внешнего эксперта, который понимает специфику iGaming. Сильный руководитель понимает, как должна выглядеть архитектура данных, как выстраивать процессы, кого нанимать первым и как все это связать с реальными бизнес-задачами.
Когда Data-функцию выстраивает человек с экспертизой, в компании появляются порядок, скорость и единая правда. И только тогда аналитика из калькулятора превратится в инструмент, на который можно опираться.
