Аналитическая система

Контент-аналитика маркетплейса

Система A/B-тестирования и отчётности для маркетплейса с миллионами SKU

5M+

SKU обрабатывается ежедневно

< 2 ч

задержка данных в дашборде

30+

параллельных A/B-тестов

−60%

время на подготовку отчётов

AirflowClickHousePythonA/B testing

Задача

Миллионы SKU — и никто не знал, что работает

Команда маркетплейса обновляла карточки товаров вслепую: меняли фото, тексты, цены — и не могли достоверно измерить эффект. Отчёты готовились вручную в Excel, данные устаревали на 2–3 дня, A/B-тесты не масштабировались.

Боли клиента

Аналитические отчёты готовились 2–3 дня вручную в Excel
A/B-тесты для контента велись через внешние инструменты без интеграции с продуктом
Невозможно было сравнить эффективность изменений на уровне категории или бренда
Данные теряли актуальность — решения принимались по «ощущениям»
Нет единой метрики качества контента по всему каталогу

Решение

Data pipeline + A/B платформа на Airflow и ClickHouse

Построили аналитический стек с нуля: инфраструктуру сбора данных на Apache Airflow, OLAP-хранилище в ClickHouse, A/B-фреймворк для контентных тестов и интерактивные дашборды в Superset.

⚙️

Airflow DAG-пайплайны

Ежедневная обработка 5M+ SKU: обогащение, нормализация, расчёт метрик качества контента. Мониторинг через Grafana.

⚡

ClickHouse OLAP

Аналитические запросы по всему каталогу за секунды. Партиционирование по дате и категории, материализованные представления.

🧪

A/B-фреймворк

Статистически корректное сравнение вариантов контента: p-value, MDE, размер выборки. Автоматическая остановка при достижении значимости.

📈

Дашборды Apache Superset

Self-service аналитика для product-менеджеров без SQL: срезы по категориям, брендам, типам контента.