วิธีค้นหาข้อมูลเชิงลึกเกี่ยวกับธุรกิจด้วย Stripe

ไม่มีการขาดแคลนข้อมูล: ระบบจะเก็บรวบรวมข้อมูลลูกค้าและการชำระเงินในทุกขั้นตอนของวงจรชีวิต ตั้งแต่การมีส่วนร่วมกับแคมเปญทางการตลาดจนถึงการซื้อสินค้า ข้อมูลเชิงลึกที่แม่นยำและนำไปปฏิบัติได้ถือเป็นสิ่งสำคัญที่ธุรกิจต่างๆ จะต้องเข้าใจและรายงานผลการดำเนินงานในอดีต ตัดสินใจอย่างรอบรู้ในปัจจุบัน และระบุโอกาสในอนาคต การแบ่งข้อมูลอย่างชาญฉลาดและมีกลยุทธ์จะข่วยให้ธุรกิจปรับปรุงในด้านต่างๆ ต่อไปนี้

การเงินและการบัญชี ประเมินและคาดการณ์ผลการดำเนินงานทางการเงิน จัดการต้นทุน ปรับปรุงประสิทธิภาพ และปิดบัญชีอย่างรวดเร็วและถูกต้องแม่นยำ
ลูกค้าและผลิตภัณฑ์ รับข้อมูลเชิงลึกที่ละเอียดเกี่ยวกับข้อมูลประชากรและพฤติกรรมของลูกค้า เช่น อัตราการเลิกใช้บริการตามกลุ่มเฉพาะ นอกจากนี้ ให้ตรวจสอบเมตริกรายรับของผลิตภัณฑ์ เช่น รายรับตามแบบแผนล่วงหน้าต่อเดือน (MRR)
การดำเนินงาน: ข้อมูลเชิงลึกสามารถให้ข้อมูลเกี่ยวกับการฉ้อโกง การชำระเงิน และการดำเนินงานด้านรายได้

อย่างไรก็ตาม งานวิจัยของ IDC ระบุว่าแม้ว่าบริษัทส่วนใหญ่จะสามารถเข้าถึงข้อมูลได้ แต่พวกเขาไม่สามารถได้รับข้อมูลเชิงลึกเกี่ยวกับธุรกิจระดับพื้นฐานจากข้อมูลได้ เนื่องจากปัญหาด้านคุณภาพ การปฏิบัติงานแบบแบ่งแยก และการขาดมาตรฐานทางข้อมูล

ธุรกิจที่ใช้ Stripe จะสามารถเข้าถึงข้อมูล รายงานแดชบอร์ด และผลิตภัณฑ์ต่างๆ ที่ช่วยให้เข้าถึงข้อมูลเชิงลึกเหล่านี้ได้อย่างง่ายดาย คู่มือนี้จะแนะนำคุณเกี่ยวกับวิธีใช้ประโยชน์จากข้อมูลของ Stripe เพื่อติดตามผลการดำเนินงานทางการเงิน ทำความเข้าใจลูกค้าของคุณได้ดีขึ้น ปรับแต่งข้อเสนอผลิตภัณฑ์ของคุณ และดำเนินธุรกิจของคุณอย่างมีประสิทธิภาพมากขึ้น นอกจากนี้ เรายังได้เพิ่มตัวอย่างคำขอ SQL เพื่อให้คุณรับข้อมูลที่มีประโยชน์ได้ง่ายขึ้นจากเครื่องมือการวิเคราะห์ข้อมูลขั้นสูงของ Stripe ซึ่งได้แก่ Stripe Sigma และ Data Pipeline

ข้อมูลที่พร้อมใช้งานใน Stripe

เมื่อ Stripe ประมวลผลธุรกรรมการชำระเงิน เราจะเก็บรวบรวมประเด็นข้อมูลที่มีข้อมูลเชิงลึกที่มีประโยชน์เกี่ยวกับธุรกรรมของลูกค้า Stripe Schema เป็นพิมพ์เขียวที่กำหนดข้อมูล Stripe ทั้งหมดที่เก็บรวบรวม ซึ่งรวมถึงวิธีการตั้งชื่อ การกำหนด และการจัดระเบียบ โดยประเด็นข้อมูลที่สำคัญมีดังนี้

รายละเอียดธุรกรรม (จำนวนเงิน สกุลเงิน วันที่ เวลา)
ข้อมูลลูกค้า (ชื่อ ตำแหน่งทางภูมิศาสตร์)
รายละเอียดสินค้าหรือบริการ (สินค้าที่ซื้อ จำนวน ราคา)
รายละเอียดวิธีการชำระเงิน (ประเภทบัตรเครดิต กระเป๋าเงินดิจิทัล)
ข้อมูลเมตา (Stripe ช่วยให้ธุรกิจรวมข้อมูลเมตาที่ออกแบบเองเข้ากับธุรกรรม ซึ่งอาจรวมถึงข้อมูลที่ตรงกับความต้องการของธุรกิจด้วย)
ตัวบ่งชี้ความเสี่ยงและการฉ้อโกง
รายละเอียดการคืนเงินและการโต้แย้งการชำระเงิน

คุณสามารถตรวจสอบผลการดำเนินงานของธุรกิจในระดับสูงได้โดยเข้าสู่ระบบแดชบอร์ด Stripe ซึ่งมีรายงานสำเร็จรูปหลายรายการที่ช่วยให้คุณดูยอดขาย การชำระเงิน การโต้แย้งการชำระเงิน การคืนเงิน การสมัครใช้บริการ และเมตริกทางการเงินโดยรวมได้ ตัวอย่างบางส่วนของรายงานฟรีที่ใช้บ่อยที่สุดในแดชบอร์ด Stripe มีดังนี้

ข้อมูลสรุปการขาย: รายงานเหล่านี้จะให้ภาพรวมเกี่ยวกับเมตริกการขายที่สำคัญ ซึ่งประกอบด้วยยอดขายรวม รายรับ และจำนวนธุรกรรมที่สำเร็จ ข้อมูลนี้จะช่วยคุณการติดตามประสิทธิภาพการขายและตรวจสอบแนวโน้มของรายรับ
การรายงานทางการเงิน: Stripe นำเสนอรายงานทางการเงิน รวมถึงการแจกแจงรายรับ รายละเอียดค่าธรรมเนียม และรายงานภาษีการขาย รายงานเหล่านี้จะช่วยในการวางแผนทางการเงิน การรายงานภาษี และการวิเคราะห์ต้นทุน
ข้อมูลเชิงลึกเกี่ยวกับการชำระเงินตามรอบบิล: ผู้ใช้ Stripe Billing สามารถตรวจสอบจำนวนสมาชิก อัตราการเปลี่ยนแปลงสมาชิก และรายได้ประจำ ซึ่งจะช่วยให้เห็นมุมมองของประสิทธิภาพและการรักษาไว้ซึ่งสมาชิกได้

Stripe ยังมีเครื่องมือข้อมูลขั้นสูงอีก 2 ตัวที่มอบความสามารถในการปรับแต่งเพิ่มเติมเกี่ยวกับถึงเมตริกธุรกิจและการรายงาน ได้แก่

Stripe Sigma เป็นเครื่องมือข้อมูลเชิงลึกทางธุรกิจแบบอินเทอร์แอกทีฟในแดชบอร์ด คุณสามารถรับคำตอบแบบทันทีด้วยการเขียนคำสืบค้น SQL ที่ออกแบบเองหรือเลือกจากเทมเพลตที่มีคำสืบค้นที่เขียนไว้แล้วเพื่อตอบสนองความต้องการด้านการรายงานทั่วไป นอกจากนี้ ผู้ช่วย Stripe Sigma ซึ่งเป็นผู้ช่วยแชทที่ขับเคลื่อนด้วย AI ของเราจะช่วยให้คุณได้รับคำตอบด้วยการพิมพ์คำถามโดยใช้ภาษาธรรมชาติ ท้ายที่สุดแล้ว คุณจะสามารถแปลงผลลัพธ์ของคำสืบค้นเป็นแผนภูมิแบบไดนามิกได้ด้วยการคลิกปุ่มเพื่อแสดงข้อมูลของคุณในแบบรูปภาพ
Stripe Data Pipeline ส่งข้อมูล Stripe ล่าสุดทั้งหมดไปยังปลายทางการจัดเก็บข้อมูลภายนอกของคุณ การเชื่อมต่อนี้สามารถตั้งค่าได้ด้วยการคลิกเพียงไม่กี่ครั้ง ซึ่งจะช่วยให้คุณรวมข้อมูล Stripe กับข้อมูลธุรกิจอื่นๆ จากทั่วทั้งระบบของคุณ เช่น CRM, ERP และอื่นๆ ได้ จากนั้นคุณจะสามารถสืบค้นข้อมูล Stripe พร้อมกับข้อมูลธุรกิจอื่นๆ ได้จากภายในพื้นที่เก็บข้อมูลแบบรวมศูนย์ ซึ่งจะทำให้ทีมต่างๆ รวบรวมข้อมูลเชิงลึกที่ครบถ้วนได้

วิธีติดตามเมตริกที่สำคัญด้วย Stripe Sigma หรือ Data Pipeline

ต่อไปนี้คือคือรายการเมตริกที่จัดตามพื้นที่ทางธุรกิจซึ่งผู้ใช้พบว่ามีประโยชน์ เพื่อช่วยคุณตรวจสอบข้อมูลเชิงลึกของธุรกิจที่สำคัญที่สุด นอกจากนี้เรายังแบ่งปันตัวอย่างบางส่วนของคำสืบค้น SQL ที่สามารถใช้ได้ทั้งใน Stripe Sigma และ Data Pipeline รวมถึงคำแนะนำและเทมเพลตที่สามารถใช้ประโยชน์ได้ใน Stripe Sigma เพื่อรับคำตอบโดยไม่จำเป็นต้องเขียน SQL ใดๆ นอกจากนี้ เรายังมีรายการโดยละเอียดของข้อมูลทั้งหมดที่พร้อมใช้งาน ซึ่งประกอบด้วยชุดตารางจาก Core API, Interchange Plus, Connect และอื่นๆ อีกมากมาย

การเงินและการทำบัญชี

ฝ่ายการเงินและการทำบัญชีต้องมีสิทธิ์เข้าถึงข้อมูลรายรับ Stripe ของธุรกิจเพื่อปิดบัญชี กระทบยอดบัญชี รวมทั้งคาดการณ์และคาดการณ์ได้ ซึ่ง Stripe Sigma และ Data Pipeline ช่วยเพิ่มประสิทธิภาพกระบวนการเหล่านี้ให้กับหลายฝ่าย

เมตริก	ข้อดี	ตัวอย่างคำขอ SQL	ลองถามผู้ช่วย Stripe Sigma ดู
รายรับทั้งหมด	ทำความเข้าใจว่าธุรกิจของคุณมีรายรับเท่าไหร่ในช่วงเวลาที่ระบุเพื่อรับทราบข้อมูลเชิงลึกด้านประสิทธิภาพของธุรกิจ	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	ฉันมีรายรับเท่าไหร่ในช่วง 3 เดือนที่ผ่านมา
มูลค่าธุรกรรมเฉลี่ย	พิจารณามูลค่าเฉลี่ยของธุรกรรมแต่ละรายการที่ประมวลผลผ่าน Stripe เพื่อวิเคราะห์กลยุทธ์การกำหนดค่าบริการและรูปแบบการใช้จ่ายของลูกค้า	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;	ลูกค้าในแต่ละประเทศมีมูลค่าธุรกรรมเฉลี่ยกี่บาท
MRR	วัดรายรับตามแบบแผนล่วงหน้าที่คาดการณ์ได้ซึ่งมาจากผลิตภัณฑ์หรือบริการที่มีการชำระเงินตามรอบบิลตลอดทั้งเดือน	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	เทมเพลต Stripe Sigma: รายรับตามแบบแผนล่วงหน้าต่อเดือน (MRR)
การรายงานภาษี	มั่นใจได้ว่าปฏิบัติตามข้อกำหนดด้านภาษีด้วยการติดตามภาระด้านภาษีตามตำแหน่งที่ตั้งของลูกค้า	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	เทมเพลต Stripe Sigma: ภาระด้านภาษีตามตำแหน่งที่ตั้งของลูกค้า
อายุของหนี้การค้า / การเรียกเก็บเงิน / ใบแจ้งหนี้ที่ยังไม่ได้ชําระ	วิเคราะห์อายุของหนี้การค้าเพื่อติดตามใบแจ้งหนี้ค้างชำระและระบุปัญหาที่อาจเกิดขึ้นกับการเรียกเก็บเงินและการชำระเงินของลูกค้า	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;	ระบุลูกค้าที่มีใบแจ้งหนี้ค้างชำระสูงสุด 10 รายแรก

ลูกค้าและผลิตภัณฑ์

ทีมผลิตภัณฑ์สามารถใช้ตัวชี้วัดเหล่านี้เพื่อปรับปรุงผลิตภัณฑ์โดยขับเคลื่อนด้วยข้อมูลและระบุโอกาสในการเติบโต เมื่อมีความเข้าใจเกี่ยวกับโปรไฟล์ลูกค้า ทีมขายและทีมการตลาดก็จะสามารถเจาะกลุ่มเป้าหมายได้อย่างมีประสิทธิภาพมากขึ้น

เมตริก	ข้อดี	ตัวอย่างคำขอ SQL	ลองถามผู้ช่วย Stripe Sigma ดู
การแบ่งกลุ่มลูกค้า	ระบุกลุ่มลูกค้า เช่น ผู้ที่สร้างรายรับสูงสุดหรือซื้อบ่อยที่สุด เพื่อทำความเข้าใจโปรไฟล์ลูกค้าที่มีความภักดี ติดตามอัตราการรักษาลูกค้าเพื่อระบุลูกค้าที่ภักดีและพัฒนากลยุทธ์เพื่อรักษาคนกลุ่มนี้ไว้	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	แสดงลูกค้าที่ซื้อบ่อยที่สุด 10 อันดับแรก
MRR ตามผลิตภัณฑ์	ติดตามการเติบโตของรายรับตามแบบแผนล่วงหน้าตามผลิตภัณฑ์แต่ละอย่าง	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	เทมเพลต Stripe Sigma: รายรับตามแบบแผนล่วงหน้าต่อเดือนทั้งหมด (MRR) ตามผลิตภัณฑ์
การเลิกใช้บริการ/ซื้อสินค้า	วัดอัตราการเลิกซื้อสินค้าหรือบริการของลูกค้า วิเคราะห์อัตราการเลิกใช้บริการ/ซื้อสินค้าตามกลุ่มลูกค้าหรือหมวดหมู่ผลิตภัณฑ์เพื่อระบุจุดที่น่าเป็นห่วง	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;	เทมเพลต Stripe Sigma: รายรับที่เสียไปจากการเลิกใช้บริการต่อวันหรือผู้สมัครใช้บริการที่เสียไปจากการเลิกใช้บริการต่อวัน
ความนิยม/ความนิยมตามฤดูกาลของผลิตภัณฑ์หรือการสมัครใช้บริการต่างๆ	ระบุผลิตภัณฑ์หรือบริการที่ได้รับความนิยมสูงสุดตามยอดขายหรือรายรับ ติดตามความนิยมของการเปิดตัวผลิตภัณฑ์หรือฟีเจอร์ใหม่	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;	ผลิตภัณฑ์ใดได้รับความนิยมสูงสุดในแต่ละปี
ผลจากส่วนลดและคูปอง	วัดประสิทธิภาพของส่วนลดเฉพาะเจาะจงเพื่อพิจารณาความยืดหยุ่นของราคาและนำข้อมูลนี้ไปใช้ประกอบการสร้างกลยุทธ์การกำหนดราคา	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	มูลค่าคำสั่งซื้อเฉลี่ยของธุรกรรมที่ใช้รหัสส่วนลดเทียบกับธุรกรรมที่ไม่ใช้รหัสส่วนลดเป็นอย่างไร

การปฏิบัติงาน

ทีมปฏิบัติงานสามารถค้นหาวิธีต่างๆ เพื่อดำเนินธุรกิจได้อย่างมีประสิทธิภาพมากขึ้น รวมถึงการปรับปรุงการตรวจจับการฉ้อโกงและความเสี่ยง

เมตริก	ข้อดี	ตัวอย่างคำขอ SQL	ลองถามผู้ช่วย Stripe Sigma ดู
กิจกรรมรายวัน (เช่น การชำระเงิน การคืนเงิน การโต้แย้งการชำระเงินรวมทั้งหมด)	ติดตามสถานะการปฏิบัติงานวันต่อวันเพื่อมองหาภัยคุกคามหรือปัญหาที่อาจเกิดขึ้น	SELECT COUNT(id) AS total_disputes_today FROM disputes WHERE DATE(created) = CURRENT_DATE;	เราได้รับการโต้แย้งการชำระเงินกี่ครั้งในวันนี้
ระบุธุรกรรมที่เป็นการฉ้อโกง	ลดความสูญเสียทางการเงิน รักษาความไว้วางใจของลูกค้า ปกป้องจากการดึงเงินคืน รักษาความปลอดภัยให้กับข้อมูล มั่นใจได้ถึงการปฏิบัติตามข้อกำหนดทางกฎหมาย และรับข้อมูลเชิงลึกอันมีค่าเพื่อการปรับปรุงมาตรการป้องกันการฉ้อโกงอย่างต่อเนื่อง	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	แสดงรายละเอียดแจกแจงธุรกรรมฉ้อโกงตามวิธีการชำระเงิน
ขั้นตอนการเปลี่ยนเป็นผู้ใช้แบบชำระเงินของ Payments	เพิ่มประสิทธิภาพให้กับการสร้างรายรับ ปรับปรุงประสบการณ์ของผู้ใช้ ระบุจุดที่ต้องปรับปรุงกระบวนการ วัดประสิทธิภาพของการทำการตลาด ระบุความผิดปกติหรือปัญหา และเปรียบเทียบประสิทธิภาพการทำงาน การติดตามตรวจสอบและเพิ่มประสิทธิภาพขั้นตอนการเปลี่ยนเป็นผู้ใช้แบบชำระเงินอย่างต่อเนื่องจะช่วยให้ทีมปฏิบัติงานสามารถกระตุ้นการเติบโต เพิ่มความพึงพอใจของลูกค้า และสร้างความสำเร็จให้กับธุรกิจได้สูงสุด	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	อัตราการเปลี่ยนเป็นผู้ใช้แบบชำระเงินจากรถเข็นไปสู่ธุรกรรมที่สำเร็จของเดือนนี้อยู่ที่เท่าใด

วิธีรวมข้อมูล Stripe กับแหล่งข้อมูลอื่นๆ โดยใช้ Data Pipeline

Stripe Data Pipeline เชื่อมต่อบัญชี Stripe ของคุณเข้ากับคลังข้อมูลหรือบัญชีที่จัดเก็บข้อมูลบนคลาวด์ได้อย่างราบรื่น ซึ่งคุณสามารถวิเคราะห์ข้อมูล Stripe ร่วมกับข้อมูลจากระบบอื่นๆ ของคุณได้ จากนั้นคุณจะสามารถเข้าถึงข้อมูลเชิงลึกทางธุรกิจเพิ่มเติมที่สามารถปรับปรุงสิ่งต่อไปนี้ได้:

การวิเคราะห์เส้นทางของลูกค้า

การวิเคราะห์การโต้ตอบของลูกค้า พฤติกรรมการซื้อ และการโต้ตอบด้านการสนับสนุนจากข้อมูล CRM ควบคู่กับข้อมูล Stripe ด้านธุรกรรมจะช่วยให้เห็นภาพรวมประสบการณ์ของลูกค้า คุณสามารถระบุรูปแบบ ยกระดับการมีส่วนร่วมของลูกค้า และเพิ่มอัตราการเปลี่ยนเป็นลูกค้า

ChowNow ซึ่งเป็นแพลตฟอร์มการสั่งอาหารออนไลน์ที่ไม่เสียค่าคอมมิชชัน ใช้ Data Pipeline เพื่อรวมข้อมูลของ Stripe เข้ากับข้อมูลธุรกิจอื่นๆ กระบวนการนี้ช่วยให้เห็นภาพรวมที่ชัดเจนเกี่ยวกับเส้นทางของลูกค้าสำหรับร้านอาหารและลูกค้าที่รับประทานอาหาร ข้อมูลเชิงลึกเกี่ยวกับกระบวนการเริ่มต้นใช้งานสำหรับร้านอาหารและการตัดสินใจสั่งอาหารของลูกค้าช่วยให้ทีมการตลาดของ ChowNow ปรับแต่งการใช้จ่ายด้านการโฆษณาและลดต้นทุนการได้ลูกค้าใหม่

การวางแผนและการรายงานด้านการเงิน

การวิเคราะห์ข้อมูลรายรับควบคู่กับค่าใช้จ่าย กระแสเงินสด และเมตริกความสามารถในการทํากําไร จะช่วยคุณปรับปรุงการดําเนินธุรกิจได้ ตัวอย่างเช่น คุณสามารถตรวจสอบประสิทธิภาพทางการเงินโดยรวมได้อย่างมีประสิทธิภาพมากขึ้น สร้างการคาดการณ์รายได้ ปรับปรุงการวางแผนทางการเงิน และตัดสินใจโดยอิงข้อมูลเพื่อขับเคลื่อนการเติบโตทางการเงิน

เมื่อ Lime นํา Stripe Data Pipeline มาใช้และจับคู่ข้อมูล Stripe กับรายงานของบริษัทเอง พวกเขาก็สามารถติดตามการคืนเงินได้เกือบจะแบบเรียลไทม์ และตอนนี้ทีมการเงินของพวกเขาสามารถรายงานสถานะเงินสดของ Lime ได้อย่างมั่นใจ

ประสิทธิภาพในการดำเนินงาน

การวิเคราะห์ธุรกรรม Stripe ควบคู่ไปกับข้อมูลสินค้าคงคลังช่วยให้คุณสามารถรักษาสต๊อกสินค้าให้อยู่ในระดับที่เหมาะสม ลดต้นทุนสินค้าคงคลัง และปรับปรุงประสิทธิภาพการดำเนินงานโดยรวม รวมถึงปรับปรุงการดำเนินงานด้านห่วงโซ่อุปทานให้มีประสิทธิภาพมากขึ้น

การป้องกันการเลิกใช้บริการ

การวิเคราะห์พฤติกรรมของลูกค้าควบคู่ไปกับประวัติธุรกรรมและการโต้ตอบที่รองรับ ช่วยให้คุณสามารถระบุลูกค้าที่มีความเสี่ยง ปรับแต่งกลยุทธ์การรักษาลูกค้า และเพิ่มความภักดีของลูกค้า

ประสิทธิภาพของแคมเปญการตลาด

การผสานรวมข้อมูล Stripe เข้ากับข้อมูลการตลาดช่วยให้คุณวิเคราะห์ผลกระทบของแคมเปญทางการตลาดต่อการได้มาซึ่งลูกค้า อัตราการเปลี่ยนเป็นผู้ใช้แบบชำระเงิน และรายรับ คุณสามารถวัดผลตอบแทนจากการลงทุน (ROI) ของการดำเนินการทางการตลาดระบุแคมเปญที่ประสบความสำเร็จ กำหนดเนื้อหาเฉพาะบุคคลสำหรับโปรไฟล์ผู้ใช้ที่มีความสนใจในการซื้อผลิตภัณฑ์บางอย่างมากที่สุด และจัดสรรทรัพยากรอย่างมีประสิทธิผลเพื่อปรับปรุงกลยุทธ์ทางการตลาด

เมื่อพบเมตริกที่สำคัญที่สุดสำหรับธุรกิจของคุณแล้ว คุณสามารถบันทึกไว้เพื่อใช้อ้างอิงในอนาคตได้อย่างง่ายดาย หรือจัดกำหนดการไว้ล่วงหน้าเพื่อให้คุณมีรายงานที่ต้องการในเวลาที่ต้องการ ผู้ใช้ Stripe Sigma สามารถดูข้อมูลเพิ่มเติมเกี่ยวกับวิธีกำหนดเวลาคำสืบค้นได้ในหน้า Stripe Docs นี้ ส่วนผู้ใช้ Data Pipeline จะพบปุ่ม "บันทึก" และ "กำหนดเวลา" ได้อย่างง่ายดายใน Redshift และ Snowflake

ปรับปรุงการตัดสินใจด้วยข้อมูลเชิงลึก

Stripe ให้บริการแพลตฟอร์มที่ครอบคลุมซึ่งไม่เพียงแต่ช่วยคุณประมวลผลการชำระเงินเท่านั้น แต่คุณจะได้รับข้อมูลเชิงลึกที่มีคุณค่าเพื่อปรับปรุงการดำเนินงานของธุรกิจและผลกำไรด้วย เครื่องมือของเราช่วยให้ทีมงานต่างๆ ทั่วทั้งองค์กรของคุณ ไม่ว่าจะเป็นทีมการเงิน ทีมผลิตภัณฑ์ ทีมปฏิบัติการ ทีมขาย ทีมการตลาด และทีมป้องกันการฉ้อโกง สามารถตัดสินใจโดยอิงจากข้อมูลได้ทุกวัน

เริ่มทดลองใช้งาน Stripe Sigma หรือData Pipeline วันนี้ได้ฟรีเป็นเวลา 30 วัน

การชำระเงิน

รายรับ

การจัดการเงิน

แพลตฟอร์มและมาร์เก็ตเพลส