Geschäftszahlen bei Stripe

An Daten mangelt es nicht, denn in jeder Phase werden Kunden- und Zahlungsinformationen erfasst, von der Reaktion auf Werbekampagnen bis zum Kauf. Genaue und praxisnahe Datenanalysen sind für Unternehmen von entscheidender Bedeutung, wenn sie ihre bisherige Leistung nachvollziehen und darüber berichten, fundierte Entscheidungen in der Gegenwart treffen und neue Chancen ermitteln wollen. Eine intelligente strategische Datennutzung bietet Unternehmen folgende Vorteile:

Finanz- und Rechnungswesen: Die finanzielle Leistung evaluieren und prognostizieren, Kosten verwalten, die Effizienz verbessern und Bilanzen schnell und präzise abschließen.
Kunden und Produkte: Detaillierte Einblicke in Kundendemografie und Kundenverhalten etwa zur segmentspezifischen Abwanderung und Kontrolle weiterer Geschäftszahlen zum Produktumsatz, z. B. zum monatlich wiederkehrenden Umsatz (MRR).
Betrieb: Daten können aufschlussreiche Informationen über betrügerische Aktivitäten, Zahlungen und Umsatzvorgänge liefern.

Laut einer IDC-Studie haben die meisten Unternehmen zwar Zugriff auf Daten, können daraus aber aufgrund von Qualitätsmängeln, Silos und fehlenden Datenstandards keine grundlegenden Geschäftsinformationen ableiten.

Bei Stripe erhalten Unternehmen dagegen eine Vielzahl von Daten, Dashboard-Berichte und Produkte, die den Zugriff auf diese Informationen erleichtern. In diesem Leitfaden erfahren Sie, wie Sie Stripe-Daten nutzen können, um Ihre finanzielle Performance zu messen, das Kundenverhalten besser zu verstehen, Ihr Produktangebot zu verfeinern und Ihr Unternehmen effizienter zu führen. Außerdem finden Sie darin SQL-Beispielabfragen, damit Sie die erweiterten Datenanalysetools von Stripe besser nutzen können: Stripe Sigma und Data Pipeline.

In Stripe verfügbare Daten

Wenn Stripe Zahlungen abwickelt, erfassen wir Datenpunkte, die wertvolle Einblicke in die Kunden-Transaktionen liefern. Das Stripe-Schema legt die erfassten Stripe-Daten fest und regelt ihre Benennung, Definition und Organisation. Zu den wichtigsten Datenpunkten gehören die Folgenden:

Transaktionsdaten (Betrag, Währung, Datum, Uhrzeit)
Kundendaten (Name, Ort)
Produkt- bzw. Dienstleistungsdaten (gekaufte Artikel, Menge, Preis)
Angaben zur Zahlungsmethode (Kreditkartentyp, Digital Wallet)
Metadaten (bei Stripe können Transaktionen je nach Unternehmensanforderungen um benutzerdefinierte Metadaten ergänzt werden)
Risiko- und Betrugsindikatoren
Rückerstattungs- und Anfechtungsdaten

Sie können die allgemeine Performance Ihres Unternehmens einsehen, wenn Sie sich im Stripe-Dashboard anmelden. Dort finden Sie mehrere vorgefertigte Berichte mit Angaben zu Gesamtabsatz, Zahlungen, Anfechtungen, Rückerstattungen, Abonnements und Finanzmetriken. Hier sind einige besonders beliebte Berichte, die kostenlos im Stripe-Dashboard abrufbar sind:

Verkaufsübersicht: Hier erhalten Sie einen Überblick über die wichtigsten Verkaufszahlen wie Verkaufsvolumen, Umsatz und Transaktionsanzahl. Damit können Sie Ihre Verkaufsleistung verfolgen und Umsatztrends im Blick behalten.
Finanzberichterstattung: Bei Stripe finden Sie Finanzberichte wie Umsatzaufstellungen, Gebührenaufschlüsselungen und Verkaufssteuerberichte. Diese helfen Ihnen bei der Finanzplanung, Steuerberichterstattung und Kostenanalysen.
Abonnementdaten: In Stripe Billing können Sie die Abonnentenanzahl, die Abwanderungsquote und Kennzahlen zu wiederkehrenden Umsätzen einsehen und sich so einen Überblick über Abonnementerfolg und Kundenbindung verschaffen.

Stripe bietet außerdem zwei erweiterte Datentools mit weiteren Anpassungsmöglichkeiten für Geschäftszahlen und Berichte:

Stripe Sigma ist ein interaktives Tool für Geschäftsanalysen im Dashboard. Sie erhalten sofortige Antworten, wenn Sie eigene SQL-Abfragen verfassen oder eine vorgefertigte Abfrage für gängige Berichtsanforderungen auswählen. Darüber hinaus kann Ihnen unser KI-gestützter Chat-Assistent Sigma Assistant Antworten geben, wenn Sie Fragen in natürlicher Sprache eingeben. Schließlich können Sie Abfrageergebnisse mit einem Klick in dynamische Diagramme umwandeln, um Ihre Daten einfach zu visualisieren.
Stripe Data Pipeline übermittelt alle aktuellen Stripe-Daten an einen externen Speicherort. Die Verbindung kann mit wenigen Klicks eingerichtet werden, sodass Sie Ihre Stripe-Daten mit anderen Geschäftsdaten etwa aus CRM-, ERP- und anderen Systemen konsolidieren können. Anschließend können Sie von Ihrem zentralen Datenspeicher aus Ihre Stripe-Daten zusammen mit anderen Unternehmensdaten abfragen, sodass verschiedene Teams umfassende Informationen sammeln können.

Verfolgung wichtiger Kennzahlen mit Stripe Sigma oder Data Pipeline

Damit Sie die wichtigsten Geschäftseinblicke besser überwachen können, finden Sie hier eine Liste der Kennzahlen, die Nutzer/innen nützlich finden, geordnet nach Geschäftsbereich. Wir stellen Ihnen auch einige Beispiel-SQL-Abfragen zur Verfügung, die sowohl in Stripe Sigma als auch in Data Pipeline verwendet werden können, sowie Eingabeaufforderungen und Vorlagen, die in Stripe Sigma verwendet werden können, um Antworten zu erhalten, ohne eine SQL schreiben zu müssen. Wir bieten auch eine vollständige Liste aller verfügbaren Daten, die Tabellensätze von der Core API, Interchange Plus, Connect und mehr enthält.

Finanz- und Rechnungswesen

Ihre Finanz- und Buchhaltungsabteilungen benötigen Zugriff auf Ihre Stripe-Umsatzzahlen, um Bilanzen zu erstellen, Konten abzugleichen und Prognosen zu erstellen. Viele nutzen Sigma und Data Pipeline, um diese Prozesse zu optimieren.

Kennzahl	Vorteil	SQL-Beispielabfrage	Fragen Sie den Stripe Sigma-Assistenten
Gesamtumsatz	Finden Sie heraus, wie viel Umsatz Ihr Unternehmen in einem bestimmten Zeitraum erwirtschaftet hat, um Ihre geschäftliche Leistung zu ermitteln.	WITH successful_charges AS ( SELECT currency, SUM(amount - amount_refunded) AS net_amount -- subtract the refunded amount FROM charges WHERE status = ’succeeded’ AND created >= DATE_ADD(’month’, -3, CURRENT_DATE) GROUP BY currency ), paid_out_of_band_invoices AS ( -- Include paid out of band invoices in addition to charges SELECT currency, SUM(total) AS total_amount FROM invoices WHERE paid_out_of_band = true AND status = ’paid’ AND date >= DATE_ADD(’month’, -3, CURRENT_DATE) GROUP BY currency ), combined_revenue AS ( SELECT currency, SUM(net_amount) AS total_revenue FROM successful_charges GROUP BY currency UNION ALL SELECT currency, SUM(total_amount) AS total_revenue FROM paid_out_of_band_invoices GROUP BY currency ) SELECT currency, SUM( decimalize_amount_no_display(currency, total_revenue, 2) ) AS total_revenue_past_3_months FROM combined_revenue GROUP BY currency	Wie viel Umsatz habe ich in den letzten drei Monaten erzielt?
Durchschnittlicher Transaktionswert	Bestimmen Sie den Durchschnittswert Ihrer Stripe-Transaktionen, um Preisstrategien und Ausgabeverhalten auszuwerten.	WITH customer_transactions AS ( SELECT c.id AS customer_id, c.address_country AS country, SUM(ch.amount) AS total_amount FROM charges ch JOIN customers c ON ch.customer_id = c.id WHERE ch.status = ’succeeded’ GROUP BY c.id, c.address_country ) SELECT country, AVG(decimalize_amount_no_display(’USD’, total_amount, 2)) AS avg_transaction_value FROM customer_transactions GROUP BY country ORDER BY country;	Wie hoch ist der durchschnittliche Transaktionsbetrag nach Land?
MRR	Ermitteln Sie den monatlich wiederkehrenden Umsatz aus Produkt- und Serviceabonnements.	WITH sparse_mrr_changes AS ( SELECT DATE_TRUNC( ’day’, DATE(local_event_timestamp) ) AS date, currency, SUM(mrr_change) AS mrr_change_on_day FROM subscription_item_change_events GROUP BY 1, 2 ), sparse_mrrs AS ( SELECT date, currency, mrr_change_on_day, SUM(mrr_change_on_day) OVER ( PARTITION BY currency ORDER BY date ASC ) AS mrr FROM sparse_mrr_changes ORDER BY currency, date DESC ), fx AS ( SELECT date - INTERVAL ’1’ DAY AS date, cast( JSON_PARSE(buy_currency_exchange_rates) AS MAP(VARCHAR, DOUBLE) ) AS rate_per_usd FROM exchange_rates_from_usd ), currencies AS ( SELECT DISTINCT(currency) FROM subscription_item_change_events ), date_currency AS ( SELECT date, rate_per_usd, currency FROM fx CROSS JOIN currencies ORDER BY date, currency ), date_currency_mrr AS ( SELECT dpc.date, dpc.currency, dpc.rate_per_usd, mrr_change_on_day, mrr AS _mrr, LAST_VALUE(mrr) IGNORE NULLS OVER ( PARTITION BY dpc.currency ORDER BY dpc.date ASC ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW ) AS mrr FROM date_currency dpc LEFT JOIN sparse_mrrs sm on dpc.date = sm.date AND dpc.currency = sm.currency ), daily_mrrs_pre_fx AS ( SELECT date, currency, rate_per_usd, SUM(mrr) AS mrr FROM date_currency_mrr GROUP BY 1, 2, 3 ORDER BY date DESC ), daily_mrrs AS ( SELECT date, -- change usd below to the currency you want your report in SUM( ROUND( mrr / rate_per_usd [currency] * rate_per_usd [’usd’] ) ) AS total_mrr_in_usd_minor_units FROM daily_mrrs_pre_fx GROUP BY 1 ), months AS ( SELECT date_col - (INTERVAL ’1’ DAY) AS month_end FROM UNNEST( SEQUENCE( CAST(DATE_FORMAT(CURRENT_DATE, ’%Y-%m-01’) AS date) - INTERVAL ’12’ MONTH, CURRENT_DATE, INTERVAL ’1’ MONTH ) ) t (date_col) ), monthly_mrrs AS ( SELECT month_end, -- change usd below to the currency you want your report in DECIMALIZE_AMOUNT_NO_DISPLAY(’usd’, dm.total_mrr_in_usd_minor_units, 2) AS total_mrr_in_usd FROM months m LEFT JOIN daily_mrrs dm ON m.month_end = dm.date ORDER BY month_end DESC ) SELECT * FROM monthly_mrrs	Stripe Sigma-Vorlage: Monatlich wiederkehrender Umsatz (MRR)
Steuerberichterstattung	Erfüllen Sie Ihre steuerlichen Pflichten, indem Sie Ihre Steuerverbindlichkeiten nach Kundenstandort im Blick behalten.	WITH tax_amounts as ( select li.amount, li.amount_tax, li.tax_behavior, li.currency, li.determined_destination_address_state, li.determined_destination_address_country from tax_transaction_line_items li union all select sc.amount, sc.amount_tax, sc.tax_behavior, sc.currency, sc.determined_destination_address_state, sc.determined_destination_address_country from tax_transaction_shipping_costs sc ), tax_liability as ( select determined_destination_address_country as customer_location_country, determined_destination_address_state as customer_location_state, currency as presentment_currency, sum( ( case when tax_behavior = ’inclusive’ then amount - amount_tax else amount end ) ) as total_sales_excluding_tax, sum(amount_tax) as total_tax from tax_amounts group by 1, 2, 3 ) select customer_location_country, customer_location_state, -- Learn more about currencies at Stripe: https://docs.stripe.com/currencies presentment_currency, stringify_amount( presentment_currency, total_sales_excluding_tax, ’.’ ) as total_sales_excluding_tax, stringify_amount(presentment_currency, total_tax, ’.’) as total_tax from tax_liability order by 1, 2, 3	Stripe Sigma-Vorlage: Steuerpflicht nach Kundenstandort
Forderungsalter / Inkasso / Offene Rechnungen	Werden Sie die Altersstruktur Ihrer Forderungen aus, um ausstehende Rechnungen im Blick zu behalten und Zahlungs- und Inkassoprobleme zu erkennen.	WITH outstanding_invoices AS ( SELECT invoices.customer_id, SUM(invoices.amount_due) AS total_outstanding FROM invoices WHERE invoices.status = ’open’ AND invoices.due_date > CURRENT_DATE GROUP BY invoices.customer_id ), ranked_customers AS ( SELECT customer_id, total_outstanding, ROW_NUMBER() OVER (ORDER BY total_outstanding DESC) AS rank FROM outstanding_invoices ) SELECT rc.customer_id, rc.total_outstanding / 100.0 AS total_outstanding_amount, c.email FROM ranked_customers rc JOIN customers c ON rc.customer_id = c.id WHERE rc.rank <= 10 ORDER BY rc.rank;	Bestimmen Sie die zehn Kundinnen oder Kunden mit den höchsten unbezahlten Rechnungen.

Kunden- und Produktteams

Produktteams können die Kennzahlen nutzen, um datengestützte Produktverbesserungen vorzunehmen und Wachstumschancen zu identifizieren. Vertrieb und Marketing können mit einem Verständnis der Kundenprofile effektiver auf Absatzchancen reagieren.

Kennzahl	Vorteil	SQL-Beispielabfrage	Fragen Sie den Stripe Sigma-Assistenten
Kundensegmentierung	Bilden Sie Kundensegmente anhand von Umsatzleistung oder Kaufhäufigkeit, um Kundenprofile zu erstellen. Überwachen Sie die Kundenbindung, um Ihre treuesten Kudinnen und Kunden zu identifizieren und geeignete Strategien zu formulieren.	WITH customer_purchases AS ( SELECT c.id AS customer_id, COUNT(ch.id) AS purchase_count FROM customers c JOIN charges ch ON c.id = ch.customer_id WHERE ch.status = ’succeeded’ GROUP BY c.id ), ranked_customers AS ( SELECT customer_id, purchase_count, RANK() OVER (ORDER BY purchase_count DESC) AS purchase_rank FROM customer_purchases	Nenne mir die zehn Kundinnen und Kunden, die am häufigsten bei mir einkaufen.
Produkt-MRR	Ermitteln Sie wiederkehrende Einnahmen aus bestimmten Produkten.	WITH sparse_mrr_changes AS ( SELECT DATE_TRUNC( ’day’, DATE(local_event_timestamp) ) AS date, currency, product_id, SUM(mrr_change) AS mrr_change_on_day FROM subscription_item_change_events GROUP BY 1, 2, 3 ), sparse_mrrs AS ( SELECT date, currency, product_id, mrr_change_on_day, SUM(mrr_change_on_day) OVER ( PARTITION BY currency, product_id ORDER BY date ASC ) AS mrr FROM sparse_mrr_changes ORDER BY product_id, currency, date DESC ), fx AS ( SELECT date - INTERVAL ’1’ DAY AS date, CAST( JSON_PARSE(buy_currency_exchange_rates) as MAP(VARCHAR, DOUBLE) ) AS rate_per_usd FROM exchange_rates_from_usd ), segments AS ( SELECT DISTINCT(product_id) FROM subscription_item_change_events ), currencies AS ( SELECT DISTINCT(currency) FROM subscription_item_change_events ), date_segment_currency AS ( SELECT date, rate_per_usd, product_id, currency FROM fx CROSS JOIN segments CROSS JOIN currencies ORDER BY date, currency, product_id ), date_segment_currency_mrr AS ( SELECT dsc.date, dsc.product_id, dsc.currency, dsc.rate_per_usd, mrr_change_on_day, mrr AS _mrr, LAST_VALUE(mrr) IGNORE NULLS OVER ( PARTITION BY dsc.product_id, dsc.currency ORDER BY dsc.date ASC ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW ) AS mrr FROM date_segment_currency DSC LEFT JOIN sparse_mrrs sm ON dsc.date = sm.date AND dsc.product_id = sm.product_id AND dsc.currency = sm.currency ), daily_mrrs_pre_fx AS ( SELECT date, product_id, currency, rate_per_usd, SUM(mrr) as mrr FROM date_segment_currency_mrr GROUP BY 1, 2, 3, 4 ), daily_mrrs AS ( SELECT date, product_id, -- change usd below to the currency you want your report in SUM(ROUND(mrr / rate_per_usd [currency] * rate_per_usd [’usd’])) as total_mrr_in_usd_minor_units FROM daily_mrrs_pre_fx GROUP BY 1, 2 ), months AS ( SELECT date_col - (INTERVAL ’1’ DAY) AS month_end FROM UNNEST( SEQUENCE( CAST(DATE_FORMAT(CURRENT_DATE, ’%Y-%m-01’) AS date) - INTERVAL ’12’ MONTH, CURRENT_DATE, INTERVAL ’1’ MONTH ) ) t (date_col) ), monthly_mrrs AS ( SELECT month_end, dm.product_id, -- change usd below to the currency you want your report in DECIMALIZE_AMOUNT_NO_DISPLAY(’usd’, dm.total_mrr_in_usd_minor_units, 2) AS total_mrr_in_usd FROM months m LEFT JOIN daily_mrrs dm ON m.month_end = dm.date ORDER BY 1 DESC, 3 DESC, 2 ) SELECT p.name, * FROM monthly_mrrs mrr JOIN products p ON mrr.product_id = p.id	Stripe Sigma-Vorlage: Monatlich wiederkehrender Umsatz (MRR) nach Produkt
Abwanderung	Messen Sie das Tempo, in dem die Nutzung Ihrer Produkte bzw. Dienstleistungen abnimmt und werten Sie die Abwanderungsquote nach Kundensegment oder Produktkategorie aus, um Problembereiche zu identifizieren.	WITH subscription_starts AS ( SELECT s.customer_id, p.id AS product_id, COUNT() AS subscription_count FROM subscriptions s JOIN subscription_items si ON s.id = si.subscription_id JOIN prices pr ON si.price_id = pr.id JOIN products p ON pr.product_id = p.id WHERE s.status = ’active’ AND s.created >= DATE_ADD(’year’, -1, CURRENT_DATE) GROUP BY s.customer_id, p.id ), subscription_cancellations AS ( SELECT s.customer_id, p.id AS product_id, COUNT() AS cancellation_count FROM subscriptions s JOIN subscription_items si ON s.id = si.subscription_id JOIN prices pr ON si.price_id = pr.id JOIN products p ON pr.product_id = p.id WHERE s.status IN (’canceled’, ’unpaid’) AND s.canceled_at >= DATE_ADD(’year’, -1, CURRENT_DATE) GROUP BY s.customer_id, p.id ), product_churn AS ( SELECT ss.product_id, COALESCE(sc.cancellation_count, 0) AS cancellations, ss.subscription_count AS starts FROM subscription_starts ss LEFT JOIN subscription_cancellations sc ON ss.customer_id = sc.customer_id AND ss.product_id = sc.product_id ), churn_rate_by_product AS ( SELECT p.name AS product_name, SUM(pc.cancellations) AS total_cancellations, SUM(pc.starts) AS total_starts, ROUND(SUM(pc.cancellations) / SUM(pc.starts), 4) AS churn_rate FROM product_churn pc JOIN products p ON pc.product_id = p.id GROUP BY p.name ) SELECT product_name, total_cancellations, total_starts, churn_rate FROM churn_rate_by_product ORDER BY churn_rate DESC;	Stripe Sigma-Vorlagen: Abgewanderter Umsatz pro Tag oder abgewanderte Abonnentinnen und Abonnenten pro Tag
Beliebtheit/Saisonabhängigkeit von Produkten oder Abonnements	Bestimmen Sie die beliebtesten Produkte bzw. Dienstleistungen nach Absatzvolumen oder Umsatz und behalten Sie die Beliebtheit neuer Produkte und Funktionen im Blick.	WITH sales_per_product AS ( SELECT YEAR(c.created) AS sales_year, pr.id AS product_id, COUNT(*) AS total_sales FROM charges c JOIN invoice_line_items ili ON c.invoice_id = ili.invoice_id JOIN prices p ON ili.price_id = p.id JOIN products pr ON p.product_id = pr.id WHERE c.status = ’succeeded’ GROUP BY 1, 2 ), ranked_products AS ( SELECT spp.sales_year, spp.product_id, p.name AS product_name, spp.total_sales, RANK() OVER ( PARTITION BY spp.sales_year ORDER BY spp.total_sales DESC ) AS rank FROM sales_per_product spp JOIN products p ON spp.product_id = p.id ) SELECT sales_year, product_id, product_name, total_sales FROM ranked_products WHERE rank = 1 ORDER BY sales_year ASC;	Welche Produkte waren in welchem Jahr am beliebtesten?
Wirkung von Rabatten und Gutscheinen	Ermitteln Sie die Wirkung bestimmter Rabatte, um Preiselastizität und Preisstrategien zu bestimmen.	WITH discount_transactions AS ( SELECT c.id AS charge_id, c.amount, c.currency, ’With Discount’ AS discount_status FROM charges c JOIN invoice_line_items ili ON c.invoice_id = ili.invoice_id JOIN invoice_line_item_discount_amounts ilida ON ili.id = ilida.invoice_line_item_id WHERE c.status = ’succeeded’ GROUP BY c.id, c.amount, c.currency ), no_discount_transactions AS ( SELECT c.id AS charge_id, c.amount, c.currency, ’Without Discount’ AS discount_status FROM charges c LEFT JOIN invoice_line_items ili ON c.invoice_id = ili.invoice_id LEFT JOIN invoice_line_item_discount_amounts ilida ON ili.id = ilida.invoice_line_item_id WHERE c.status = ’succeeded’ AND ilida.invoice_line_item_id IS NULL GROUP BY c.id, c.amount, c.currency ), unioned AS ( SELECT * FROM discount_transactions UNION ALL SELECT * FROM no_discount_transactions ), aggregated AS ( SELECT discount_status, currency, AVG(amount) AS avg_order_value FROM unioned GROUP BY discount_status, currency ) SELECT discount_status, currency, decimalize_amount_no_display(currency, avg_order_value, 2) AS avg_order_value FROM aggregated ORDER BY discount_status DESC, currency ASC	Wie hoch war der durchschnittliche Transaktionswert mit und ohne Rabattcodes?

Operativer Betrieb

Betriebsteams stehen verschiedene Möglichkeiten offen, die geschäftliche Effizienz zu steigern, etwa mit einer Verbesserung der Betrugs- und Risikoerkennung.

Kennzahl	Vorteil	SQL-Beispielabfrage	Fragen Sie den Stripe Sigma-Assistenten
Tägliche Aktivität (Zahlungen, Rückerstattungen, Anfechtungen ...)	Behalten Sie das Tagesgeschäft im Blick und erkennen Sie Bedrohungen und Komplikationen.	SELECT COUNT(id) AS total_disputes_today FROM disputes WHERE DATE(created) = CURRENT_DATE;	Wie viele Anfechtungen gab es heute?
Betrügerische Transaktionen erkennen	Verhindern Sie Verluste, stärken Sie das Kundenvertrauen und schützen Sie sich vor Rückbuchungen. Sorgen Sie für Datensicherheit und Regeltreue und holen Sie sich wertvolle Analysen zur laufenden Verbesserung Ihrer Betrugsprävention.	WITH fraudulent_transactions AS ( SELECT charges.payment_method_type, COUNT(*) AS total_fraudulent_transactions, SUM(charges.amount) AS total_fraudulent_amount FROM charges INNER JOIN disputes ON charges.id = disputes.charge_id WHERE disputes.reason = ’fraudulent’ GROUP BY charges.payment_method_type ) SELECT payment_method_type, total_fraudulent_transactions, SUM(total_fraudulent_amount) / 100.0 AS total_fraudulent_amount_usd FROM fraudulent_transactions GROUP BY payment_method_type, total_fraudulent_transactions ORDER BY total_fraudulent_transactions DESC	Schlüsseln Sie betrügerische Transaktionen nach Zahlungsmethode auf.
Zahlungskonversionstrichter	Optimieren Sie Umsatzgewinnung und Nutzererfahrung und bestimmen Sie Verbesserungspotenziale. Ermitteln Sie Ihren Werbeerfolg, erkennen Sie ungewöhnliche Vorgänge und Komplikationen und messen Sie Ihre Performance. Mit einer kontinuierlichen Kontrolle und Optimierung des Konversionstrichters kann Ihr Team Wachstum schaffen, die Kundenzufriedenheit erhöhen und Ihr Unternehmen noch erfolgreicher machen.	WITH cart_sessions AS ( SELECT COUNT(*) AS total_sessions FROM checkout_sessions WHERE created >= DATE_TRUNC(’month’, CURRENT_DATE) AND created < DATE_ADD(’month’, 1, DATE_TRUNC(’month’, CURRENT_DATE)) ), successful_transactions AS ( SELECT	Wie lautet die Konversionsrate für erfolgreiche Transaktionen der Karte im laufenden Monat?

Stripe-Daten über Data Pipeline mit anderen Datenquellen kombinieren

Stripe Data Pipeline verbindet Ihr Stripe Konto mit Ihrem Data Warehouse oder Cloudspeicher, wo Sie Stripe Daten zusammen mit Daten aus Ihren anderen Systemen analysieren können. Dort können Sie dann auf weitere Geschäftszahlen zugreifen und folgende Dinge verbessern:

Analysen der Customer Journey

Die Analyse von Kundeninteraktionen, Kaufverhalten und Supportkontakt anhand von CRM-Daten und Stripe-Transaktionsdaten eröffnet eine ganzheitliche Perspektive auf das Kundenerlebnis. So können Sie Muster erkennen, die Kundenbindung verbessern und die Konversionsraten erhöhen.

ChowNow ist eine gebührenfreie Online-Plattform für Essensbestellungen und hat mit Data Pipeline Stripe-Daten mit anderen Geschäftszahlen kombiniert. So ergab sich ein klarer Überblick über die Customer Journey von Restaurants und Restaurantkunden. Detaillierte Einblicke in das Onboarding der Restaurants und die Bestellentscheidungen der Gäste halfen dem Marketingteam von ChowNow dabei, sein Werbebudget zu optimieren und die Kosten für die Kundenakquise zu senken.

Finanzplanung und -berichterstattung

Durch die Analyse von Umsatzdaten und Kennzahlen zu Ausgaben, Cashflow und Rentabilität können Sie den Geschäftsbetrieb verbessern. So können Sie beispielsweise die gesamte finanzielle Leistung effektiver überwachen, Umsatzprognosen erstellen, die Finanzplanung verfeinern und datengestützte Entscheidungen treffen, um das finanzielle Wachstum voranzutreiben.

Als Lime Stripe Data Pipeline einführte und Stripe-Daten mit seinen eigenen Berichten abglich, war es möglich, Rückerstattungen quasi Echtzeit zu verfolgen. Das Finanzteam kann seither zuverlässiger über die Liquiditätslage von Lime berichten.

Operative Effizienz

Die Analyse von Stripe-Transaktionen und Bestandsdaten hilft bei der Optimierung Ihrer Lagerbestände, spart Lagerhaltungskosten und verbessert die allgemeine betriebliche Effizienz – und nicht zuletzt auch die Leistung Ihrer Lieferkette.

Abwanderungsprävention

Durch die Analyse des Kundenverhaltens unter Berücksichtigung von Transaktionsverlauf und Supportinteraktion können Sie abwanderungsgefährdete Kunden identifizieren, Ihre Kundenbindungsstrategien personalisieren und die Kundenbindung verbessern.

Effektivität von Werbekampagnen

Durch die Verbindung von Stripe- und Marketingdaten können Sie die Auswirkungen von Werbekampagnen auf die Kundenakquise, die Gewinnung von Neukunden und den Umsatz analysieren. So können Sie die Rendite Ihrer Werbemaßnahmen messen, erfolgreiche Kampagnen ermitteln, Ihre Inhalte exakt auf die Benutzerprofile mit dem höchsten Kaufinteresse abstimmen und Ressourcen effektiv zur Verbesserung Ihrer Marketingstrategien zuweisen.

Sobald Sie die wichtigsten Kennzahlen für Ihr Unternehmen identifiziert haben, können Sie sie ganz einfach für zukünftige Referenzzwecke speichern – oder sie im Voraus planen, damit Sie die Berichte haben, die Sie benötigen, wenn Sie sie benötigen. Für Stripe Sigma-Nutzer/innen finden Sie auf dieser Dokumentationsseite weitere Informationen zum Planen von Abfragen. Für Data Pipeline-Nutzer/innen finden Sie die Schaltflächen „Speichern“ und „Planen“ ganz einfach in Redshift und Snowflake.

Verbesserte Entscheidungsfindung dank des Dateneinblicks

Stripe ist eine Rundum-Plattform, mit der Sie nicht nur Zahlungen abwickeln, sondern auch wertvolle Erkenntnisse gewinnen können, um Geschäftsabläufe und Geschäftsergebnis zu verbessern. Unsere Tools befähigen unterschiedliche Teams etwa in der Finanz-, Produkt-, Betriebs-, Vertriebs- und Werbeabteilung oder in der Betrugsbekämpfung, im Geschäftsalltag datengestützte Entscheidungen zu treffen.

Mit einer kostenlosen 30-tägigen Testversion von Stripe Sigma oder Data Pipeline können Sie noch heute starten.

Payments

Umsatz

Geldmanagement

Plattformen und Marktplätze