Stripe でビジネスインサイトを引き出す方法

このガイドでは、Stripe のレポート、データインサイト、ツールを使用して業務を改善する方法について説明します。

Sigma

ビジネスデータを簡単に活用できます。

もっと知る 
  1. はじめに
  2. Stripe で利用できるデータ
  3. Stripe Sigma または Data Pipeline で主要指標を追跡する方法
    1. 財務・会計
    2. 顧客と製品
    3. 運用
  4. Data Pipeline を使用して Stripe データを他のデータソースと組み合わせる方法
    1. カスタマージャーニー分析
    2. 財務計画と報告
    3. 運用効率
    4. 解約防止
    5. マーケティングキャンペーンの効果
  5. データインサイトで意思決定を改善

使用可能なデータは十分に揃っています。顧客情報と支払い情報は、マーケティングキャンペーンの実施から購入まで、ライフサイクルのあらゆる段階で取得されます。正確で実用的なデータインサイトは、企業が過去の業績を把握して報告し、現在の意思決定を的確に行い、将来のビジネスチャンスを見極めるための重要な鍵となります。効率的かつ戦略的な方法でデータの一部を切り取って分析することで、企業は以下を改善できます。

  • 財務と会計: 財務パフォーマンスの評価と予測、コストの管理、効率の向上、迅速かつ正確な決済処理が可能になります。
  • 顧客と製品: 特定のセグメントごとの解約など、顧客の属性と行動に関する詳細な分析情報を取得します。さらに、月間経常収益 (MRR) などの製品収益指標を監視します。
  • 運用: データインサイトは、不正利用、支払い、レベニューオペレーションに関する有益な情報を提供します。

しかし、IDC の調査によると、ほとんどの企業はデータにアクセスできるものの、基本的なビジネスインサイトを引き出すことができません。その原因は、データに関する品質の問題、運用のサイロ化、データ標準の欠如です。

Stripe のビジネスは、さまざまなデータ、ダッシュボードレポート、製品にアクセスして、これらのインサイトに簡単にアクセスできます。このガイドでは、Stripe のデータを活用した財務パフォーマンスの追跡、顧客情報の把握、提供する商品の改善、会社運営の効率化に関する方法をご説明します。また、Stripe の高度なデータ分析ツールから価値ある情報を簡単に取得できるように、SQL クエリの例もご紹介します。Sigma とデータパイプライン。

Stripe で利用できるデータ

Stripe が決済取引を処理する際、顧客取引に関する貴重なインサイトを提供するデータポイントを取得します。Stripe スキーマは、収集されるすべての Stripe データを定義する (名前付け、定義、整理の方法など) 設計図です。主なデータポイントは次のとおりです。

  • 取引の詳細 (金額、通貨、日付、時刻)
  • 顧客情報 (氏名、地域)
  • 製品またはサービスの詳細 (購入した品目、数量、価格)
  • 支払い方法の詳細 (クレジットカードの種類、デジタルウォレット)
  • メタデータ (Stripe を使用すると、企業は取引にカスタムメタデータを紐づけ、ビジネスのニーズに固有のデータを含めることができます)
  • リスクと不正利用の指標
  • 返金と不審請求の申し立ての詳細

Stripe ダッシュボードにログインすると、業績の概要を監視できます。ダッシュボードには、売上、支払い、不審請求の申し立て、返金、サブスクリプション、財務指標の全体像を把握できる定型レポートがいくつか用意されています。Stripe ダッシュボードで取得できる無料レポートのうち、最も多く利用されているレポートには以下のようなものがあります。

  • 売上概要: これらのレポートには、販売総額、売上、成功した取引数など、主要な販売指標の概要が表示されます。この情報は、販売実績を追跡し、売上の傾向を監視するのに役立ちます。
  • 財務報告: Stripe は、売上の内訳、手数料の詳細、売上税レポートなどの財務レポートを提供しています。これらのレポートは、財務計画、税務報告、コスト分析に役立ちます。
  • サブスクリプションに関するインサイト: Stripe Billing ユーザーは、サブスクリプション登録者の数、チャーンレート、経常収益の指標を監視して、サブスクリプションのパフォーマンスと維持率を把握できます。

Stripe は、ビジネス指標とレポートに関して、より多くのカスタマイズ機能を備えた 2 つの高度なデータツールも提供しています。

  • Stripe Sigma は、ダッシュボード上で利用できる、インタラクティブなビジネス分析ツールです。カスタム SQL クエリを記述するか、テンプレートから選択して、すぐに回答を得ることができます。テンプレートには、一般的なレポート作成のニーズに合わせたクエリが事前入力されています。さらに、AI 搭載のチャットアシスタントである Sigma アシスタントを利用すると、自然言語を使用して質問を入力するだけで回答を得ることができます。最後に、ボタンをクリックすると、クエリ結果を動的なグラフに変換し、データを簡単に視覚化できます。
  • Stripe Data Pipeline は、すべての最新の Stripe データを外部データ保存先に送信します。この接続は数回クリックするだけで設定可能であり、Stripe データを CRM や ERP など既存システムの他のビジネスデータと統合できます。その後、一元化されたデータストレージ内から、他のビジネスデータとともに Stripe データをクエリできるため、さまざまなチームで豊富なインサイトの収集が可能となります。

Stripe Sigma または Data Pipeline で主要指標を追跡する方法

最も重要なビジネスインサイトを監視できるように、ユーザーが役に立ったと感じた指標をビジネス分野別にリストにまとめました。また、Stripe SigmaData Pipeline の両方で使用できるサンプル SQL クエリや、Sigma で SQL を記述せずに回答を得ることができるプロンプトとテンプレートもご紹介します。このほか、利用可能なすべてのデータ (Core API、Interchange Plus、Connect などのテーブルセットを含む) を網羅したリストもご用意しております。

財務・会計

財務および会計チームは、決算、勘定の照合、予測と見通しを行うために、ビジネスの Stripe 売上データにアクセスする必要があります。多くの企業は、これらのプロセスを効率化するために Sigma と Data Pipeline を使用します。

指標
メリット
SQL クエリの例
Sigma アシスタントに質問してみる
総収入
特定の期間にビジネスが獲得した収入を把握して、業績の分析情報を取得します。
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

        
        
          
        
過去 3 カ月間に獲得した収入はいくらですか?
平均取引額
Stripe を通じて処理された各取引の平均額を特定して、料金体系戦略と顧客の支出パターンを分析します。
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;

        
        
          
        
国別の顧客の平均取引額はどのようになっていますか?
MRR
サブスクリプションベースの商品やサービスによって 1 カ月間に生み出される予測可能な経常収益を測定します。
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

        
        
          
        
Sigma テンプレート: 月間経常収益 (MRR) 合計額
納税申告
顧客の場所別の仮受消費税を追跡して納税義務を遵守します。
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

        
        
          
        
Sigma テンプレート: 顧客の場所別の仮受消費税
売掛金年齢表 / 回収 / 未払いの請求書
売掛金年齢表を分析して未払いの請求書をモニタリングし、顧客の支払いと回収に関する問題が発生する可能性を特定します。
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;

        
        
          
        
未払いの請求書の金額が高い上位 10 位の顧客を特定します。

顧客と製品

製品チームは、これらの指標を使用して、データに基づく製品の改善を実行し、成長機会を見極めることができます。営業チームとマーケティングチームは、顧客プロファイルを理解することで、より効果的に商談を絞り込むことができます。

指標
メリット
SQL クエリの例
Sigma アシスタントに質問してみる
顧客セグメント
最も売上の大きい顧客セグメントや最も購入頻度の高い顧客セグメントなどを特定して、ロイヤルティの高い顧客のプロフィールを把握します。顧客維持率をモニタリングしてロイヤルティの高い顧客を特定し、そのような顧客を維持するための戦略を策定できるようにします。
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

        
        
          
        
購入頻度が高い上位 10 位の顧客を見せてください。
製品別の MRR
製品別の経常収益成長率を追跡します。
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

        
        
          
        
Sigma テンプレート: 製品別の月間経常収益 (MRR) 合計額
解約
製品やサービスの利用をやめた顧客の割合を測定します。顧客セグメントや商品カテゴリ別のチャーンレートを分析して、懸念のある領域を特定します。
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;

        
        
          
        
Sigma テンプレート: 1 日あたりの解約された売上、または 1 日あたりのサブスクリプション解約者数
各製品やサブスクリプションの人気度 / 季節性
販売量や収入に基づいて最も人気があった商品やサービスを特定します。新しい製品や機能のリリースの人気度を追跡します。
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;

        
        
          
        
それぞれの年で最も人気があった製品は何ですか?
割引とクーポンの効果
特定の割引の有効性を測定して料金の弾力性を判定し、料金体系戦略の参考にします。
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

        
        
          
        
割引コードを使用した取引と使用しなかった取引の平均注文額を比較するとどのようになっていますか?

運用

運用チームは、不正利用やリスク検出の改善など、ビジネスをより効率的に運営するための複数の方法を見つけることができます。

指標
メリット
SQL クエリの例
Sigma アシスタントに質問してみる
毎日のアクティビティー (支払い、返金、不審請求の申し立ての各合計件数など)
日々の運用のステータスをモニタリングして、潜在的な脅威や問題を特定します。
SELECT COUNT(id) AS total_disputes_today FROM disputes WHERE DATE(created) = CURRENT_DATE;

        
        
          
        
今日発生した不審請求の申し立ては何件ですか?
不正取引を特定する
金銭的な損失を最小限に抑え、顧客の信頼を維持しながら、チャージバック対策を行います。また、データセキュリティの維持、法令遵守を確実に行い、不正利用防止策の継続的な改善に役立つ価値ある分析情報を入手できます。
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

        
        
          
        
決済手段別の不正取引の内訳を提示します。
決済の購入完了ファネル
収益創出の最大化、ユーザー体験の向上、プロセス改善が可能な領域の特定、マーケティングの有効性の測定、異常や問題の発見、パフォーマンスのベンチマーキングを行います。購入完了ファネルを継続的にモニタリングして効率を最大限に高めることによって、ビジネスの成長促進、顧客満足度の向上を図り、ビジネスで大きな成功を収めることができます。
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

        
        
          
        
カートから取引成功に至った今月の購入完了率はどのくらいですか?

Data Pipeline を使用して Stripe データを他のデータソースと組み合わせる方法

Stripe Data Pipeline は、Stripe アカウントをデータウェアハウスまたはクラウドストレージアカウントにシームレスに紐づけます。このため、企業は Stripe データを他のシステムのデータと組み合わせて分析できます。そこから、追加のビジネスインサイトにアクセスして、以下の改善に役立てることが可能です。

カスタマージャーニー分析

CRM データと Stripe の取引データから顧客とのやり取り、購買行動、サポートのやり取りを分析することで、顧客体験の全体像を把握できます。パターンを特定し、顧客エンゲージメントを向上させ、購入完了率を高めることができます。

ChowNowは、手数料無料のオンライン食品注文プラットフォームで、Data Pipeline を使用して Stripe データを他のビジネスデータと組み合わせました。これにより、レストランと外食客のカスタマージャーニーの概要が明確になりました。ChowNow のマーケティングチームは、レストランのアカウント登録プロセスと顧客の注文決定に関する詳細なインサイトにより、広告費を微調整し、顧客獲得コストを削減することができました。

財務計画と報告

売上データを経費、キャッシュフロー、収益性の指標とともに分析することで、事業運営を強化できます。たとえば、全体的な財務パフォーマンスをより効果的に監視して、売上予測の作成、財務計画の見直し、データに基づいた意思決定を行うことで、財務の成長を促進することができます。

Lime が Stripe Data Pipeline を採用し、Stripe データを自社のレポートと照合したところ、ほぼリアルタイムで返金を追跡できるようになりました。財務チームは、Lime のキャッシュ状況を自信を持って報告できるようになりました。

運用効率

在庫データとともに Stripe 取引を分析することで、最適な在庫レベルの維持や在庫コストの削減に加え、サプライチェーンの業務運営の効率化など、全体的な運用効率を向上させることができます。

解約防止

顧客の行動を、取引履歴やサポートとのやり取りと併せて分析することで、解約の可能性がある顧客を特定して、維持戦略をパーソナライズし、顧客ロイヤルティを高めることができます。

マーケティングキャンペーンの効果

Stripe のデータをマーケティングデータと統合することで、マーケティングキャンペーンが顧客獲得、購入完了率、売上に与える影響を分析できます。マーケティング活動に対する投資収益率 (ROI) を測定して、成功したキャンペーンを把握できるようになります。また、特定の製品の購入に最も関心のあるユーザープロファイルに合わせたコンテンツを提供し、マーケティング戦略を強化するためにリソースを効果的に割り当てることが可能となります。

ビジネスにとって最も重要な指標を特定したら、後で参照できるように簡単に保存したり、事前に設定したスケジュールに合わせて必要なときに必要なレポートを作成したりできます。Sigma ユーザーは、クエリのスケジュールを設定する方法の詳細をこのドキュメントページでご覧ください。Data Pipeline ユーザーは、Redshift と Snowflake で「保存」ボタンと「スケジュール」ボタンを簡単に見つけることができます。

データインサイトで意思決定を改善

Stripe は、支払いを処理するだけでなく、ビジネス運営と収益を改善するための貴重なインサイトを得るのに役立つ包括的なプラットフォームを提供します。当社のツールを利用することで、財務、製品、運用、営業、マーケティング、不正利用のチームを含め、組織のより多くのチームがデータに基づく意思決定を日々行えるようになります。

Sigma または Data Pipeline の 30 日間無料トライアルを今すぐご利用ください。

今すぐ始めましょう

アカウントを作成し、支払いの受け付けを開始しましょう。契約や、銀行情報の提出などの手続きは不要です。貴社ビジネスに合わせたカスタムパッケージのご提案については、営業担当にお問い合わせください。

Sigma

Stripe のデータをすばやく分析し、チームがいち早くインサイトを得られるよう Stripe Sigma が開発されました。

Sigma ドキュメント

組織に属するアカウント全体のデータをクエリします。
Morty Proxy This is a proxified and sanitized view of the page, visit original site.