Specyfikacja techniczna: budowa systemu analitycznego (GA4 + LIS → BigQuery → Superset) dla marketingu laboratorium medycznego

1. Cel projektu

Stworzyć jednolity system analityczny, który:

• łączy dane z analityki internetowej (strona) oraz wewnętrznego systemu (LIS);

• pozwala analizować efektywność marketingu poprzez rzeczywisty przychód;

• wyświetla dane w formie zarządzającego (CMO) dashboardu;

• jest gotowy do skalowania (płatności online, połączenia, reklama, konkurenci).

2. Obecna infrastruktura

Na chwilę obecną istnieje:

• Google Analytics 4 — skonfigurowany

• Google Ads — połączony z GA4

• Google Search Console — połączony

• Google Business Profile — używany

• Microsoft Clarity — połączony

• LOOQME — monitorowanie reputacji (nie połączony) tutaj trzeba przenieść dashboard

• LIS — już połączony z Superset (dane dostępne)

• płatności online — brak (będzie później)

• Binotel / śledzenie połączeń — w trakcie łączenia

3. Architektura systemu

Docelowy schemat:

GA4 → BigQuery

LIS → (już dostępny / lub przez BigQuery)



 ↓



 Apache Superset



 ↓



 CMO Dashboard

4. Zakres prac (etap MVP)

4.1. Integracja GA4 → BigQuery

Potrzebne:

• skonfigurować eksport z GA4 do BigQuery;

• sprawdzić poprawność danych:

  • użytkownicy

  • sesje

  • zdarzenia

  • źródło ruchu;

• opisać strukturę tabel.

4.2. Analiza i przygotowanie danych LIS

Potrzebne:

• przeanalizować strukturę danych LIS w Superset;

• określić kluczowe pola:

  • data zamówienia

  • kwota (przychód)

  • usługa

  • oddział

  • klient (jeśli jest ID)

• przygotować dane do analitycznego wyglądu (oczyszczenie, standaryzacja nazw);

• stworzyć przygotowany zestaw danych do analizy.

4.3. (Kluczowe) Połączenie GA4 i LIS (poziom podstawowy)

Potrzebne do zrealizowania logiki powiązania:

• po dacie;

• po usługach (jeśli to możliwe);

• po źródłach (częściowo, przez UTM lub heurystyki).

❗ Ważne:
na tym etapie pełne powiązanie na poziomie użytkownika może nie być dostępne, dlatego dopuszczalny jest model agregowany:

• ruch → zamówienia → przychód według dni / kanałów.

4.4. Konfiguracja zdarzeń w GA4

Potrzebne do skonfigurowania / sprawdzenia:

• click_phone

• click_book

• click_address

• open_service_page

• scroll_75

• click_cta

Przekazywanie parametrów:

• page

• service (jeśli to możliwe)

4.5. Rozwój / dopracowanie Apache Superset

Potrzebne:

• sprawdzić istniejący Superset;

• połączyć BigQuery;

• połączyć źródła:

  • GA4

  • LIS

• skonfigurować zestawy danych;

• optymalizować wydajność.

4.6. Stworzenie jednolitego modelu analitycznego

Potrzebne do stworzenia podstawowych tabel / widoków:

ruch

• data

• źródło / medium

• użytkownicy

• sesje

zdarzenia

• data

• typ zdarzenia

• liczba

sprzedaż (z LIS)

• data

• przychód

• liczba zamówień

• oddział

• usługi

4.7. Opracowanie CMO Dashboard

Potrzebne do stworzenia 1 głównego dashboardu:

1. Metryki biznesowe

• Przychód

• Liczba zamówień

• Średni koszyk

2. Ruch

• Użytkownicy

• Sesje

• Dynamika

3. Źródła ruchu

• Źródło / Medium

• Udział kanałów

4. Lejek (podstawowy)

• Użytkownicy → Zdarzenia → Zamówienia

5. Mikrokonwersje

• kliknięcia na telefon

• kliknięcia na rejestrację

6. Efektywność według dni

• ruch vs przychód

• trendy

7. Oddział (jeśli są dane)

• przychód według punktów

• liczba zamówień

4.8. Podstawowe metryki

Potrzebne do realizacji:

• Wskaźnik konwersji (zdarzenia → zamówienia)

• Przychód na użytkownika

• Zamówienia na sesję

• Średni koszyk

• Użytkownicy → zamówienia %

4.9. Dokumentacja

Potrzebne:

• opis struktury danych;

• opis dashboardu;

• jak dodawać nowe źródła;

• jak edytować metryki.

5. Wymagania dotyczące architektury

• możliwość skalowania;

• czysta struktura danych;

• minimum „ręcznych” rozwiązań;

• możliwość podłączenia nowych źródeł.

6. Następne etapy (uwzględnić w architekturze)

• płatności online (zakup, przychód)

• Binotel (połączenia)

• wydatki reklamowe

• bot monitorujący ceny

• CRM

7. Oczekiwany rezultat

1. GA4 → BigQuery działa

2. LIS przygotowany do analizy

3. Dane połączone (na poziomie agregowanym)

4. Superset pokazuje jednolity dashboard

5. Jest podstawowy lejek

6. Jest dokumentacja

8. Kryteria akceptacji

• dane poprawnie się wyświetlają;

• przychód z LIS zgadza się z rzeczywistością;

• dashboard jest aktualizowany;

• metryki są liczone poprawnie;

• system jest skalowalny.

9. Wymagania dotyczące wykonawcy

W odpowiedzi proszę podać:

1. Doświadczenie w pracy z GA4 + BigQuery

2. Doświadczenie w pracy z Superset

3. Doświadczenie w pracy z SQL / modelowaniem danych

4. Przykłady dashboardów BI

5. Koszt

6. Terminy

7. Czy mogą Państwo wspierać system w przyszłości