Системний аналіз та створення дашборду трафіку клієнтів інтернет-магазину з соціальних мереж

Abstract

The paper presents a systems analysis of an online store's advertising-analytical ecosystem and proposes a comprehensive Python-based analytical solution for studying customer traffic from social networks. The system under study is decomposed into four subsystems (Facebook Ads, Google Ads, organic traffic, conversion funnel) and four classes of uncertainty are distinguished — algorithmic, seasonal, competitive, and behavioral. Five analytical methods are applied: descriptive statistics, STL time-series decomposition, Spearman correlation analysis, comparative-segmentation analysis, and conversion funnel analysis. A system of analytical dashboards is built to visualize the obtained numerical results and to support data-driven marketing decisions.

У роботі представлено системний аналіз рекламно-аналітичної екосистеми інтернет-магазину та запропоновано комплексне аналітичне рішення на основі мови Python для дослідження трафіку клієнтів із соціальних мереж. Досліджувану систему декомпозовано на чотири підсистеми (Facebook Ads, Google Ads, органічний трафік, конверсійна воронка) та виокремлено чотири класи невизначеності — алгоритмічну, сезонну, конкурентну та поведінкову. Застосовано п"ять методів аналізу: описову статистику, STL-декомпозицію часових рядів, кореляційний аналіз за коефіцієнтом Спірмена, порівняльно-сегментний аналіз та аналіз конверсійної воронки. Побудовано систему з аналітичних дашбордів, що візуалізують отримані числові результати та забезпечують підтримку обґрунтованих маркетингових рішень.