Branża: Telekomunikacja
Klient: Play (Warszawa, Polska)
Strona: www.play.pl

Punkt wyjścia

Play jest jednym z największych operatorów telekomunikacyjnych w Polsce, a działania marketingowe prowadzone na dużą skalę wymagają precyzyjnego i spójnego raportowania. W szczególności kluczowe było rzetelne mierzenie skuteczności kampanii Google Ads oraz jasne przypisywanie konwersji do odpowiednich punktów styku w ścieżce użytkownika.

Przed rozpoczęciem współpracy klient korzystał z autorskiego modelu atrybucji stworzonego w BigQuery.

Problem polegał jednak na tym, że model ten znacząco różnił się od modelu atrybucji działającego w GA4. W efekcie pojawiał się rozdźwięk pomiędzy danymi raportowanymi w GA4 a raportami opartymi o BigQuery, co utrudniało udowodnienie realnej skuteczności prowadzonych kampanii.

Dodatkowym wyzwaniem były bardzo wysokie koszty przetwarzania danych. Zapytania związane z modelem atrybucji generowały duży wolumen przetwarzanych danych w BigQuery, co bezpośrednio przekładało się na koszty po stronie klienta.

Wyzwania

Najważniejsze problemy, z jakimi mierzył się Play, można było podsumować w trzech punktach:

• brak spójności pomiędzy modelem atrybucji w GA4 a modelem opartym o BigQuery,
• trudność w jednoznacznym wykazaniu skuteczności kampanii Google Ads,
• bardzo wysokie koszty przetwarzania danych w BigQuery wynikające z dotychczasowych zapytań.

Kluczowym celem było więc stworzenie rozwiązania, które z jednej strony zapewni wiarygodne i porównywalne dane, a z drugiej znacząco zoptymalizuje koszty.

Nasze podejście

W ramach współpracy zaprojektowaliśmy i wdrożyliśmy nowy, autorski model atrybucji w BigQuery. Jego założeniem było jak najdokładniejsze odtworzenie modelu atrybucji data‑driven znanego z GA4.

Dzięki temu raporty oparte o dane z BigQuery zaczęły znacznie lepiej pokrywać się z wynikami widocznymi w GA4, co dało zespołowi Play większą pewność co do prezentowanych danych i wniosków biznesowych.

Równolegle skupiliśmy się na optymalizacji technicznej rozwiązania. Wdrożony przez nas mechanizm aktualizacji danych w tabelach opiera się na przetwarzaniu inkrementalnym – zmieniane są wyłącznie te dane, które faktycznie uległy zmianie w tabeli źródłowej. Do tego celu wykorzystaliśmy Dataform.

Przy okazji przygotowany kod tworzy dodatkowe tabele pomocnicze, które mogą być wykorzystywane w innych zapytaniach SQL. Pozwala to na dalsze ograniczanie kosztów przetwarzania danych w BigQuery bez utraty dokładności modelu.

Efekty

Wdrożenie nowego modelu atrybucji przyniosło wymierne rezultaty:

• redukcja wolumenu przetwarzanych danych w BigQuery aż o 90% dla zapytań związanych z modelem atrybucji,
• spójność raportów pomiędzy GA4 a BigQuery, co wyeliminowało wcześniejsze rozbieżności,
• możliwość raportowania danych za poprzedni dzień o kilka godzin wcześniej niż wcześniej,
• pełna modyfikowalność modelu pod niestandardowe potrzeby biznesowe.

Obecnie Play wykorzystuje customowy model atrybucji równolegle z modelem last click udostępnianym przez Google, co pozwala na jeszcze lepszą analizę danych i porównywanie wyników.

Opinia Play.pl na temat przeprowadzonego projektu

Zdaniem Play nasz zespół wykazał się wysokim poziomem profesjonalizmu i innowacyjności. Zastosowanie nowego podejścia do modelowania atrybucji pozwoliło zwiększyć wiarygodność raportów i obniżyć koszty.

Podsumowanie

Projekt dla Play pokazuje, że dobrze zaprojektowany model atrybucji to nie tylko dokładniejsze raportowanie, ale także realne oszczędności technologiczne.

Odtworzenie modelu data‑driven GA4 w BigQuery, połączone z inkrementalnym przetwarzaniem danych, pozwoliło jednocześnie zwiększyć wiarygodność danych i znacząco obniżyć koszty zapytań.

The post Play.pl – Redukcji kosztów zapytań o 90% dzięki odtworzeniu modelu atrybucji w BigQuery first appeared on Conversion.