Arcane Future — это агентство маркетинговой и продуктовой аналитики

Предоставим информацию в real time дашбордах и графиках

Отследим что снижает и что увеличивает ваши KPI

Увеличим прибыль

Arcane Future — это агентство маркетинговой
и продуктовой аналитики

Отследим что снижает
и что увеличивает ваши KPI
Tilda Publishing
Делать продвинутую аналитику для сайтов и приложений.
Строить надежные аналитические решения используя
математические методы теории вероятностей и статистики,
соединяя их с современными подходами в визуализации данных
и машинном обучении.
Наша миссия
Также мы читаем курсы и делимся знаниями на платформе
Dataroot University, чтобы показать, как использовать аналитику
в бизнесе.
Цель Arcane Future - делать продвинутую аналитику.
Делать продвинутую аналитику для сайтов
и приложений. Строить надежные аналитические решения используя математические методы теории вероятностей и статистики, соединяя
их с современными подходами в визуализации данных и машинном обучении.
Также мы читаем курсы и делимся знаниями
на платформе Dataroot University, чтобы показать, как использовать аналитику в бизнесе.
Делать продвинутую аналитику для сайтов и приложений. Строить надежные аналитические решения используя математические методы теории вероятностей
и статистики, соединяя
их с современными подходами в визуализации данных
и машинном обучении.
Также мы читаем курсы
и делимся знаниями
на платформе Dataroot University, чтобы показать, как использовать аналитику
в бизнесе.
Tilda Publishing

Arcane Future — это агентство маркетинговой и продуктовой аналитики.

С 2018-го, мы строим дашборды, проводим АБ-тесты, пишем код алгоритмов машинного обучения и собираем аналитические отчеты, чтобы наши клиенты оперативно принимали бизнес решения, основываясь на корректных и понятных данных.

Предоставим информацию в real time дашбордах и графиках

Нужная информация в нужный момент - это то, что получают наши клиенты. Их сотрудники, менеджеры и они сами часто принимают бизнес решения. Правильность решений зависит от опыта и доступной информации.
Поэтому, чтобы обеспечить их актуальной информацией мы строим дашборды доставляющие информацию в реальном времени.

Отследим что снижает и что увеличивает ваши KPI

Если, какая-то часть вашего продукта или маркетинга сломалась, то мы оперативно узнаем об этом по изменениям KPI. А когда вы запускаете новые кампании или добавляете новые функции, то мы поможем оценить их влияние. Поэтому чем больше вы используете аналитику, тем больше понимаете какие действия дают результат, а какие нет.

Увеличим прибыль

Как сократить затраты? Как увеличить прибыль? Мы отвечаем на эти вопросы используя ваши данные. Для этого разбираемся какие данных есть, а каких не хватает. Строим систему KPI, по которой удобно отслеживать прогресс. Когда сбор данных настроен, мы анализируем части вашей бизнес системы, и находим конкретные точки роста и предлагаем улучшения.
Arcane Future —
это агентство маркетинговой
и продуктовой аналитики.
С 2018-го, мы строим дашборды, проводим АБ-тесты, пишем код алгоритмов машинного обучения и собираем аналитические отчеты, чтобы наши клиенты оперативно принимали бизнес решения, основываясь на корректных и понятных данных.
Нужная информация в нужный момент - это то, что получают наши клиенты. Их сотрудники, менеджеры и они сами часто принимают бизнес решения. Правильность решений зависит от опыта и доступной информации.
Поэтому, чтобы обеспечить их актуальной информацией мы строим дашборды доставляющие информацию в реальном времени.
Если, какая-то часть вашего продукта
или маркетинга сломалась, то мы оперативно узнаем об этом по изменениям KPI. А когда
вы запускаете новые кампании или добавляете новые функции, то мы поможем оценить их влияние. Поэтому чем больше вы используете аналитику, тем больше понимаете какие действия дают результат, а какие нет.
Arcane Future —
это агентство маркетинговой
и продуктовой аналитики.
С 2018, мы строим дашборды, проводим АБ-тесты, пишем
код алгоритмов машинного обучения и собираем аналитические отчеты, чтобы наши клиенты оперативно принимали бизнес решения, основываясь на корректных
и понятных данных.
Предоставим информацию
в real time дашбордах
и графиках
Нужная информация в нужный момент - это то, что получают наши клиенты. Их сотрудники, менеджеры и они сами часто принимают бизнес решения. Правильность решений зависит от опыта и доступной информации. Поэтому, чтобы обеспечить их актуальной информацией мы строим дашборды доставляющие информацию в реальном времени.
Если, какая-то часть вашего продукта или маркетинга сломалась, то мы оперативно узнаем об этом по изменениям KPI. А когда вы запускаете новые кампании или добавляете новые функции,
то мы поможем оценить их влияние. Поэтому чем больше вы используете аналитику,
тем больше понимаете какие действия дают результат,
а какие нет.
Как сократить затраты?
Как увеличить прибыль?
Мы отвечаем на эти вопросы используя ваши данные.
Для этого разбираемся
какие данные есть, а каких
не хватает. Строим систему KPI, по которой удобно отслеживать прогресс.
Когда сбор данных настроен, мы анализируем части вашей бизнес системы, и находим конкретные точки роста
и предлагаем улучшения.
Нужная информация в нужный момент - это то, что получают наши клиенты. Их сотрудники, менеджеры и они сами часто принимают бизнес решения. Правильность решений зависит от опыта и доступной информации. Поэтому, чтобы обеспечить их актуальной информацией мы строим дашборды доставляющие информацию в реальном времени.
Tilda Publishing
Как мы работаем?

Как строим дашборды?

Мы строим дашборды в Tableau и Power BI. Эти программы - лидеры рынка визуализации данных. Они похожи на админ-панель, через которую разработчик дашбордов управляет правами доступа к информации, делит дашборды по категориям, чтобы их было легко найти. Это полезно когда
у вас много сотрудников и каждому нужны разные данные.
Обычный бизнес отслеживает десятки, а иногда сотни KPI. Если их поместить на одном дашборде, то легко запутаться. Поэтому, часть дашбордов мы делаем с верхнеуровневыми KPI, такими как: ROI, LTV, ARPU, Retention Rate, Conversion. Такие дашборды полезны менеджменту. Другую часть дашбордов мы делаем
с низкоуровневыми KPI. На них собраны метрики полезные отдельным отделам или сотрудникам.

Как проектируем базы данных?

Где сейчас хранятся данные вашего бизнеса? Обычно, они разбросаны
по разным рекламным площадкам, а часть храниться во внутренней
CRM, CMS или базе данных. Поэтому когда нужно проанализировать
их целиком, то это требует огромных усилий и времени на сбор информации.
Чтобы такой анализ проходил легче мы проектируем и строим хранилища
в которые собираем данные из всех источников.
Строим хранилища в Google Cloud и Amazon Web Services. Потому что
их аналитические базы данных Google Big Query и Amazon Redshift
поддерживают денормализацию данных, быстро выполняют запросы
и имеют встроенную поддержку аналитических функций.
Основываясь на своем опыте мы разработали систему названий
и разделения данных на словари и таблицы, чтобы любой аналитик
мог легко найти нужную информацию, даже когда данных много.
Мы понимаем ценность данных, поэтому всю инфраструктуру закрепляем
за клиентом, чтобы он мог управлять правами доступа к информации.
И чтобы анализировать его данные мы подписываем с ним договор
о неразглашении (NDA).

Как проводим АБ тесты?

После теста мы рассчитываем полученные значения случайной величины
и групповые дисперсии. Для этого мы написали код, который автоматически
рассчитывает критерии Хи-квадрат, Z-score а если выборка маленькая, то T-score.
Этого достаточно в 99% случаев, но когда нужно рассчитать что-то еще,
то мы делаем это в Excel или SPSS.

Как пишем аналитические отчеты?

Когда нужно ответить на вопрос, ответа на который нет в дашбордах,
мы проводим аналитические исследования. Для этого пишем SQL-запросы,
считаем метрики и строим графики. Результаты исследования и наши
рекомендации записываем в Confluence. Поэтому ими удобно делиться
и использовать для презентаций. Они сохраняться навсегда, и их можно
перечитать в любой момент.
Мы проводим тесты по методологии, чтобы получить правильные выводы.
Поэтому до теста мы проверяем, что выборки однородны и их размер
достаточен для обнаружения изменений. Рассчитываем силу теста
и выбираем случайную величину за которой будем следить.

Как создаем алгоритмы машинного обучения?

Мы пишем нейронные сети и ансамбли деревьев принятия решений
на Python. Каждый алгоритм учим на ваших данных. Для этого создаем
массив из векторов признаков, на которых алгоритм учится. И выбираем
данные на которых он прогнозирует. Когда алгоритм начинает
прогнозировать хорошо мы запускаем его как API в Docker контейнере.
Наши алгоритмы работают на CPU и на GPU. А когда большая выборка
замедляет работу модели, мы применяем PCA или энкодеры, чтобы уменьшить
размерность пространства, но сохранить информативность выборки.
Наши алгоритмы прогнозируют LTV, ROI, ARPU пользователей, чтобы
понимать сколько денег они принесут. Считают Churn Rate отдельных
пользователей и когорт, чтобы понимать кто из пользователей
склонен уйти. Выбирают какие push-нотификации отправить пользователю.
Следят за метриками и KPI, обнаруживают аномалии и автоматически
отправляют отчеты через email, Slack, Telegram.
Где сейчас хранятся данные вашего бизнеса? Обычно,
они разбросаны по разным рекламным площадкам, а часть храниться во внутренней CRM, CMS или базе данных.
Поэтому когда нужно проанализировать их целиком, то это требует огромных усилий и времени на сбор информации.
Чтобы такой анализ проходил легче мы проектируем и строим хранилища в которые собираем данные из всех источников.
Строим хранилища в Google Cloud и Amazon Web Services.
Потому что их аналитические базы данных Google Big Query
и Amazon Redshift поддерживают денормализацию данных, быстро выполняют запросы и имеют встроенную поддержку аналитических функций.
Основываясь на своем опыте мы разработали систему названий и разделения данных на словари и таблицы, чтобы любой аналитик мог легко найти нужную информацию, даже когда данных много.
Мы понимаем ценность данных, поэтому всю инфраструктуру закрепляем за клиентом, чтобы он мог управлять правами доступа к информации. И чтобы анализировать его данные
мы подписываем с ним договор о неразглашении (NDA).
Мы проводим тесты по методологии, чтобы получить правильные выводы. Поэтому до теста мы проверяем,
что выборки однородны и их размер достаточен
для обнаружения изменений. Рассчитываем силу теста
и выбираем случайную величину за которой будем следить.
После теста мы рассчитываем полученные значения случайной величины и групповые дисперсии. Для этого
мы написали код, который автоматически рассчитывает критерии Хи-квадрат, Z-score а если выборка маленькая,
то T-score. Этого достаточно в 99% случаев, но когда нужно рассчитать что-то еще, то мы делаем это в Excel или SPSS.
Когда нужно ответить на вопрос, ответа на который нет
в дашбордах, мы проводим аналитические исследования. Для этого пишем SQL-запросы, считаем метрики и строим графики. Результаты исследования и наши рекомендации записываем в Confluence. Поэтому ими удобно делиться
и использовать для презентаций. Они сохраняться навсегда, и их можно перечитать в любой момент.
Мы пишем нейронные сети и ансамбли деревьев принятия решений на Python. Каждый алгоритм учим на ваших данных. Для этого создаем массив из векторов признаков, на которых алгоритм учится. И выбираем данные
на которых он прогнозирует. Когда алгоритм начинает
прогнозировать хорошо мы запускаем его как API в Docker контейнере. Наши алгоритмы работают на CPU и на GPU.
А когда большая выборка замедляет работу модели,
мы применяем PCA или энкодеры, чтобы уменьшить
размерность пространства, но сохранить
информативность выборки.
Наши алгоритмы прогнозируют LTV, ROI, ARPU пользователей, чтобы понимать сколько денег они принесут. Считают Churn Rate отдельных пользователей
и когорт, чтобы понимать кто из пользователей
склонен уйти. Выбирают какие push-нотификации отправить пользователю. Следят за метриками и KPI, обнаруживают аномалии и автоматически отправляют отчеты через email, Slack, Telegram.
Мы строим дашборды в Tableau и Power BI.
Эти программы - лидеры рынка визуализации данных. Они похожи на админ-панель, через которую разработчик дашбордов управляет правами доступа к информации, делит дашборды по категориям, чтобы их было легко найти. Это полезно когда у вас много сотрудников и каждому нужны разные данные.
Обычный бизнес отслеживает десятки,
а иногда сотни KPI. Если их поместить на одном дашборде, то легко запутаться. Поэтому, часть дашбордов мы делаем с верхнеуровневыми
KPI, такими как: ROI, LTV, ARPU, Retention Rate, Conversion. Такие дашборды полезны менеджменту. Другую часть дашбордов
мы делаем с низкоуровневыми KPI. На них собраны метрики полезные отдельным
отделам или сотрудникам.
Где сейчас хранятся данные вашего бизнеса? Обычно, они разбросаны по разным рекламным площадкам, а часть храниться во внутренней CRM, CMS или базе данных. Поэтому когда нужно проанализировать их целиком, то это требует огромных усилий и времени на сбор информации. Чтобы такой анализ проходил легче мы проектируем и строим хранилища
в которые собираем данные из всех источников.
Строим хранилища в Google Cloud и Amazon Web Services. Потому что их аналитические базы данных Google Big Query и Amazon Redshift поддерживают денормализацию данных, быстро выполняют запросы и имеют встроенную поддержку аналитических функций.
Основываясь на своем опыте мы разработали систему названий и разделения данных на словари и таблицы, чтобы любой аналитик мог легко найти нужную информацию, даже когда данных много.
Мы понимаем ценность данных, поэтому
всю инфраструктуру закрепляем за клиентом,
чтобы он мог управлять правами доступа
к информации. И чтобы анализировать
его данные мы подписываем с ним договор
о неразглашении (NDA).
Мы проводим тесты по методологии, чтобы получить правильные выводы. Поэтому до теста мы проверяем, что выборки однородны и их размер достаточен для обнаружения изменений. Рассчитываем силу теста и выбираем случайную величину за которой будем следить.
После теста мы рассчитываем полученные значения случайной величины и групповые дисперсии. Для этого мы написали код, который автоматически рассчитывает критерии
Хи-квадрат, Z-score а если выборка маленькая,
то T-score. Этого достаточно в 99% случаев,
но когда нужно рассчитать что-то еще, то мы делаем это в Excel или SPSS.
Когда нужно ответить на вопрос, ответа
на который нет в дашбордах, мы проводим аналитические исследования. Для этого пишем SQL-запросы, считаем метрики и строим графики. Результаты исследования и наши рекомендации записываем в Confluence. Поэтому ими удобно делиться и использовать для презентаций.
Они сохраняться навсегда, и их можно перечитать в любой момент.
Мы пишем нейронные сети и ансамбли деревьев принятия решений на Python. Каждый алгоритм учим на ваших данных. Для этого создаем массив из векторов признаков, на которых алгоритм учится. И выбираем данные на которых
он прогнозирует. Когда алгоритм начинает
прогнозировать хорошо мы запускаем его как API в Docker контейнере. Наши алгоритмы работают на CPU и на GPU. А когда большая выборка замедляет работу модели, мы применяем PCA
или энкодеры, чтобы уменьшить размерность пространства, но сохранить информативность выборки.
Наши алгоритмы прогнозируют LTV, ROI, ARPU пользователей, чтобы понимать сколько денег они принесут. Считают Churn Rate отдельных пользователей и когорт, чтобы понимать кто
из пользователей склонен уйти. Выбирают какие push-нотификации отправить пользователю. Следят за метриками и KPI, обнаруживают аномалии и автоматически отправляют отчеты через email, Slack, Telegram.
Мы строим дашборды в Tableau и Power BI. Эти программы - лидеры рынка визуализации данных. Они похожи на админ-панель, через которую разработчик дашбордов управляет правами доступа
к информации, делит дашборды по категориям, чтобы их было легко найти. Это полезно когда
у вас много сотрудников и каждому нужны разные данные.
Обычный бизнес отслеживает десятки, а иногда сотни KPI. Если их поместить на одном дашборде, то легко запутаться. Поэтому, часть дашбордов
мы делаем с верхнеуровневыми
KPI, такими как: ROI, LTV, ARPU, Retention Rate, Conversion. Такие дашборды полезны менеджменту. Другую часть дашбордов мы делаем
с низкоуровневыми KPI. На них собраны метрики полезные отдельным отделам или сотрудникам.
Где сейчас хранятся данные вашего бизнеса? Обычно,
они разбросаны по разным рекламным площадкам, а часть храниться во внутренней CRM, CMS или базе данных. Поэтому когда нужно проанализировать их целиком, то это требует огромных усилий и времени
на сбор информации. Чтобы такой анализ проходил легче
мы проектируем и строим хранилища в которые собираем данные из всех источников.
Строим хранилища в Google Cloud и Amazon Web Services. Потому что их аналитические базы данных Google Big Query и Amazon Redshift поддерживают денормализацию данных, быстро выполняют запросы
и имеют встроенную поддержку аналитических функций.
Основываясь на своем опыте
мы разработали систему названий и разделения данных на словари и таблицы, чтобы любой аналитик мог легко найти нужную информацию, даже когда данных много.
Мы понимаем ценность данных, поэтому всю инфраструктуру закрепляем за клиентом,
чтобы он мог управлять правами доступа к информации. И чтобы анализировать его данные мы подписываем с ним договор
о неразглашении (NDA).
Мы проводим тесты
по методологии, чтобы получить правильные выводы. Поэтому
до теста мы проверяем, что выборки однородны и их размер достаточен для обнаружения изменений. Рассчитываем силу теста и выбираем случайную величину за которой будем следить.
После теста мы рассчитываем полученные значения
случайной величины
и групповые дисперсии. Для этого мы написали код, который автоматически рассчитывает критерии Хи-квадрат, Z-score
а если выборка маленькая,
то T-score. Этого достаточно
в 99% случаев, но когда нужно рассчитать что-то еще, то мы делаем это в Excel или SPSS.
Когда нужно ответить на
вопрос, ответа на который нет
в дашбордах, мы проводим аналитические исследования. Для этого пишем SQL-запросы, считаем метрики и строим графики. Результаты исследования и наши рекомендации записываем
в Confluence. Поэтому ими удобно делиться и использовать для презентаций. Они сохраняться навсегда, и их можно перечитать в любой момент.
Мы пишем нейронные сети и ансамбли деревьев принятия решений на Python. Каждый алгоритм учим на ваших данных. Для этого создаем массив из векторов признаков, на которых алгоритм учится. И выбираем данные на которых он прогнозирует. Когда алгоритм начинает прогнозировать хорошо мы запускаем его как API в Docker контейнере. Наши алгоритмы работают на CPU и на GPU. А когда большая выборка замедляет работу модели, мы применяем PCA или энкодеры, чтобы уменьшить размерность пространства, но сохранить информативность выборки.
Наши алгоритмы прогнозируют LTV, ROI, ARPU пользователей, чтобы понимать сколько денег они принесут. Считают Churn Rate отдельных пользователей
и когорт, чтобы понимать
кто из пользователей склонен уйти. Выбирают какие push-нотификации отправить пользователю. Следят за метриками и KPI, обнаруживают аномалии и автоматически отправляют отчеты через email, Slack, Telegram.
Tilda Publishing
Сценарии, когда мы вам поможем
Если вы просите разработчиков делать выгрузки данных, а графики
и расчеты делаете в Excel, то мы сделаем эти расчеты быстрее, перейдя
на Tableau или PowerBI.
Если у вас больше 2 источников данных. Данные в разных источниках отличаются,
дублируются или сохраняются с ошибками. А чтобы увидеть полную картину,
нужно их соединить. То мы очистим данные и соберем их в аналитическом хранилище,
которое удобно использовать для расчетов.
Мы помогаем маркетологам, объединять данные из Facebook, Instagram, Google Ads
и других источников трафика. Строим воронки и настраиваем вклад каждого канала
в атрибуцию пользователей. Следим за качеством лидов, анализируем статистику
по каналам и советуем как увеличить продажи, отталкиваясь от ваших цифр.
Мы помогаем продакт-менеджерам, настроить систему трекинга событий.
Чтобы отслеживать, как пользователи используют ваш продукт, сайт или приложение.
Узнать какие функции им нравятся. Получить информацию, помогающую
приоритизировать задачи.
Если у вас несколько отделов и вы хотите, чтобы каждый сотрудник понимал как
он влияет на KPI и принимал правильные бизнес решения. Но для этого нужно
обеспечить его информацией. То мы разработаем систему сбора и доставки данных.
Научим сотрудников, как анализировать метрики и читать дашборды
Если вы просите разработчиков делать выгрузки данных, а графики и расчеты делаете в Excel, то мы сделаем эти расчеты быстрее, перейдя на Tableau или PowerBI.
Если у вас больше 2 источников данных. Данные в разных источниках отличаются, дублируются или сохраняются
с ошибками. А чтобы увидеть полную картину, нужно
их соединить. То мы очистим данные и соберем
их в аналитическом хранилище, которое удобно использовать для расчетов.
Мы помогаем маркетологам, объединять данные из Facebook, Instagram, Google Ads и других источников трафика. Строим воронки и настраиваем вклад каждого канала в атрибуцию пользователей. Следим за качеством лидов, анализируем статистику по каналам и советуем как увеличить продажи, отталкиваясь от ваших цифр.
Мы помогаем продакт-менеджерам, настроить систему трекинга событий. Чтобы отслеживать, как пользователи используют ваш продукт, сайт или приложение.
Узнать какие функции им нравятся. Получить информацию, помогающую приоритизировать задачи.
Если у вас несколько отделов и вы хотите, чтобы каждый сотрудник понимал как он влияет на KPI и принимал правильные бизнес решения. Но для этого нужно
обеспечить его информацией. То мы разработаем систему сбора и доставки данных. Научим сотрудников, как анализировать метрики и читать дашборды
Если у вас больше 2 источников данных. Данные в разных источниках отличаются, дублируются или сохраняются с ошибками. А чтобы увидеть полную картину, нужно их соединить. То мы очистим данные и соберем их в аналитическом хранилище, которое удобно использовать для расчетов.
Мы помогаем маркетологам, объединять данные из Facebook, Instagram, Google Ads и других источников трафика. Строим воронки и настраиваем вклад каждого канала в атрибуцию пользователей. Следим за качеством лидов, анализируем статистику по каналам и советуем как увеличить продажи, отталкиваясь от ваших цифр.
Мы помогаем продакт-менеджерам, настроить систему трекинга событий. Чтобы отслеживать, как пользователи используют ваш продукт, сайт или приложение. Узнать какие функции им нравятся. Получить информацию, помогающую приоритизировать задачи.
Если у вас несколько отделов и вы хотите,
чтобы каждый сотрудник понимал как он влияет на KPI и принимал правильные бизнес решения. Но для этого нужно обеспечить его информацией. То мы разработаем систему сбора и доставки данных. Научим сотрудников, как анализировать метрики и читать дашборды
Если вы просите разработчиков делать выгрузки данных, а графики и расчеты делаете в Excel, то мы сделаем эти расчеты быстрее, перейдя на Tableau или PowerBI.
Если у вас больше 2 источников данных. Данные в разных источниках отличаются, дублируются или сохраняются
с ошибками. А чтобы увидеть полную картину, нужно их соединить. То мы очистим данные и соберем их в аналитическом хранилище, которое удобно использовать для расчетов.
Мы помогаем маркетологам, объединять данные из Facebook, Instagram, Google Ads и других источников трафика. Строим воронки и настраиваем вклад каждого канала в атрибуцию пользователей. Следим за качеством лидов, анализируем статистику по каналам и советуем как увеличить продажи, отталкиваясь от ваших цифр.
Мы помогаем продакт-менеджерам, настроить систему трекинга событий. Чтобы отслеживать, как пользователи используют ваш продукт, сайт или приложение. Узнать какие функции им нравятся. Получить информацию, помогающую приоритизировать задачи.
Если у вас несколько отделов
и вы хотите, чтобы каждый сотрудник понимал как он влияет на KPI и принимал правильные бизнес решения. Но для этого нужно обеспечить его информацией. То мы разработаем систему сбора
и доставки данных. Научим сотрудников, как анализировать метрики
и читать дашборды
Оставьте свои контакты и мы с вами свяжемся
Оставьте свои контакты и мы
с вами свяжемся
Оставьте свои данные
Нажимая на кнопку отправить вы соглашаетесь на обработку персональных данных