Modern Warships — AAA-мобильная игра про военно-морские сражения, кроссплатформенная (iOS/Android/PC). Более 3 млн активных игроков ежедневно, модель free-to-play.
Запрос клиента
Оптимизировать структуру базы данных с действиями пользователей в Google BigQuery и переработать дашборд для анализа игровой активности.
Исходная ситуация
Команде не хватало игровых инсайтов для роста выручки. Базовый дашборд в Google Data Studio показывал только общие метрики (DAU, retention, ARPU), но не давал понимания, почему игроки не покупают, на каких уровнях отваливаются, какие игровые механики работают лучше.
Главная проблема
Из-за огромных потоков данных о действиях пользователей (каждое действие 3+ млн игроков ежедневно) и неоптимизированной структуры запросов в Google BigQuery стоимость инфраструктуры достигала $2000-4000/мес. Каждое открытие дашборда запускало полное сканирование таблиц с миллионами строк, что съедало бюджет.
В процессе работы команда доверила нам все аналитические задачи на время поиска штатного аналитика, которое заняло более 9 месяцев.
При анализе структуры данных в Google BigQuery обнаружили, что запросы из Google Data Studio сканировали полные таблицы с десятками миллионов строк вместо обращения к нужным партициям и сегментам. Каждое открытие дашборда инициировало полное сканирование таблицы event_log за весь период → расходы $2000-4000/мес только на запросы к данным.
Второе открытие изменило всю монетизацию игры: углубленный анализ геолокации показал, что 70% пользователей с IP-адресами “США” на самом деле оказались игроками из Китая, использующими VPN для доступа к игре.
Клиент настраивал цены на внутриигровые покупки, офферы и промо-акции под платежеспособность американской аудитории ($9.99, $19.99 за паки), но реальная аудитория была китайской со значительно более низкой платежеспособностью.
Оптимизировали аналитическую инфраструктуру в Google BigQuery и разработали систему специализированных дашбордов для разных ролей:
Оптимизация инфраструктуры BigQuery:
- Создали материализованные представления (materialized views) в BigQuery, которые обращались только к нужным партициям данных вместо полного сканирования таблиц
- Оптимизировали структуру SQL-запросов с использованием партиционирования по дате и кластеризации по user_id
- Настроили инкрементальную загрузку данных из Firebase в BigQuery (каждый час вместо ежедневного полного обновления)
Разработка дашбордов в Google Data Studio:
- Маркетинговый дашборд: источники трафика, стоимость привлечения игрока (CPI), окупаемость по когортам, ROI рекламных кампаний по каналам (Facebook Ads, Google UAC, Unity Ads)
- Продуктовый дашборд: поведение игроков по уровням, воронки прохождения уровней, точки оттока, retention (Day 1, Day 7, Day 30), анализ игровых сессий
- Управленческий дашборд: ключевые метрики для руководства (DAU/MAU, ARPU, ARPPU, LTV по когортам, выручка по странам)
Работа с инсайтом про географию:
После обнаружения реального происхождения аудитории клиент перестроил монетизацию: снизил цены на базовые паки, увеличил частоту офферов, адаптировал промо под китайские праздники (Новый год по лунному календарю, День холостяка 11.11).
Технические системы: Google Firebase, Google BigQuery (оптимизация структуры данных, materialized views, партиционирование), Google LookerStudio
Ключевая сложность: работа с огромными объемами данных (миллионы событий ежедневно от 3+ млн DAU) требовала глубокой экспертизы в оптимизации BigQuery и понимания специфики игровой аналитики (retention cohorts, LTV calculation, игровые воронки).
Сократили затраты на аналитическую инфраструктуру в 10 раз и увеличили выручку на 12% благодаря найденным аналитическим инсайтам о реальной географии игроков.
Измеримые улучшения:
✅ Затраты на BigQuery с $2000-4000/мес до $300/мес — экономия $32,000+/год за счет оптимизации структуры запросов и использования materialized views
✅ Выручка +12% за счет перестройки монетизации под реальную аудиторию (китайские игроки вместо “американских”)
✅ 3 специализированных дашборда — маркетинг, продукт и руководство видят нужные им метрики (CPI/LTV/retention для маркетинга, воронки прохождения для продукта, финансовые метрики для CEO)
Команда получила систему для принятия продуктовых и маркетинговых решений на основе данных, а не предположений. Открытие про реальную географию аудитории (70% китайцев с VPN) позволило перестроить всю монетизационную стратегию и существенно увеличить конверсию в покупки.
Предложим оптимальный подход для решения ваших задач.
Можете смело рассчитывать на нашу экспертизу.
Адрес
Москва, ул.Бутырская, д.62
По любым вопросам:
hello@dpmn.ru
