Informes sobre eventos eCommerce Order Placed en el generador de paneles

Crea gráficos personalizados de ingresos y pedidos a partir de eventos recomendados ecommerce.order_placed guardando consultas SQL en el generador de consultas y visualizando los resultados en el generador de paneles.

Acerca de este ejemplo

Flash & Thread, una marca ficticia de comercio minorista de ropa, registra los pedidos con eventos recomendados de comercio electrónico. Su equipo de marketing quiere ver los ingresos diarios, el valor medio de pedido (AOV) y el volumen de pedidos en un solo panel, y no solo en la vista predefinida de atribución de último contacto.

Este escenario usa el Generador de consultas para consultar ecommerce.order_placed desde las tablas de eventos compartidas de Snowflake y, después, añade la consulta guardada como un mosaico de Consultas personalizadas en el Generador de paneles. Puedes repetir el flujo de trabajo para otras métricas (compradores nuevos frente a recurrentes, categorías de productos o ingresos a nivel de Segment).

Usa este enfoque cuando los paneles de comercio electrónico integrados no cubran la combinación de métricas que necesitas. Para los ingresos atribuidos al último contacto, consulta el panel Revenue - Last Touch Attribution.

Consideraciones

• Implementación de eventos: ecommerce.order_placed debe estar implementado y enviando total_value (y datos de producto cuando sea necesario) antes de que las consultas devuelvan datos. Si usas el conector de Shopify, es posible que los eventos recomendados ya estén disponibles.
• Acceso al Generador de consultas: Necesitas el permiso de usuario “Ver PII” para usar el Generador de consultas.
• Retención de datos: El Generador de consultas devuelve datos de los últimos 60 días de forma predeterminada. Con Snowflake Data Sharing, puedes consultar hasta dos años de datos retenidos. Consulta el Generador de consultas.
• Tiempos de espera: Las consultas que se ejecutan durante más de seis minutos agotan el tiempo de espera. Si un informe falla, reduce el intervalo de fechas, filtra por TIME o reduce el tamaño de la audiencia. Las tablas de eventos están agrupadas por TIME, así que es preferible filtrar por el momento en que ocurrió el evento.
• Campo de ingresos: Las consultas de ejemplo suman total_value a partir de las properties del evento. Los ingresos de comercio electrónico estandarizados de Braze en los informes de producto suelen derivarse del price y la quantity de cada producto. Alinea total_value con las partidas de tus productos o ajusta el SQL para que coincida con tu esquema.
• Etiquetas de columna: Escribe los nombres de las columnas de visualización entre comillas dobles (por ejemplo, "Date", "Total Revenue") para que el Generador de paneles muestre encabezados de ejes y tablas legibles.
• Pruebas: El SQL de este artículo se proporciona como ejemplo. Valida las consultas en tu espacio de trabajo antes de compartir los paneles de forma amplia.

Configuración

Paso 1: Crea una consulta SQL para los ingresos diarios

1. Ve a Análisis > Generador de consultas.
2. Selecciona Crear consulta SQL y, a continuación, Editor SQL.
3. Ponle un nombre a la consulta (por ejemplo, Flash Thread — daily eCommerce revenue).
4. Pega y adapta la siguiente consulta para obtener los ingresos totales por día natural durante los últimos 60 días:

1
2
3
4
5
6
7
8
9

SELECT
  DATE_TRUNC('day', TO_TIMESTAMP_NTZ(TIME))::DATE AS "Date",
  SUM(PARSE_JSON(PROPERTIES):total_value::NUMBER(18, 2)) AS "Total Revenue"
FROM USERS_BEHAVIORS_CUSTOMEVENT_SHARED
WHERE NAME = 'ecommerce.order_placed'
  AND TO_TIMESTAMP_NTZ(TIME) >= DATEADD(day, -60, CURRENT_TIMESTAMP())
  AND TO_TIMESTAMP_NTZ(TIME) <= CURRENT_TIMESTAMP()
GROUP BY 1
ORDER BY 1;

5. Selecciona Ejecutar consulta y, a continuación, Guardar.

Para obtener más información sobre la configuración del Generador de consultas, consulta Ejecutar informes en el Generador de consultas.

Paso 2: Añade la consulta a un mosaico del Generador de paneles

1. Ve a Análisis > Generador de paneles.
2. Selecciona Crear panel (o abre un panel existente).
3. Como origen de datos, selecciona Consultas personalizadas.
4. Selecciona + Añadir mosaico y, a continuación, elige la consulta que guardaste en el paso 1.
5. Selecciona el icono del lápiz para editar el mosaico:
   • Establece el tipo de gráfico en Gráfico de líneas.
   • Establece el Eje X en Date.
   • Establece el Eje Y en Total Revenue.
6. Cambia el tamaño del mosaico según sea necesario y, a continuación, selecciona Guardar.
7. Selecciona Ver panel > Ejecutar panel.

La generación del panel puede tardar unos minutos. Consulta Crear un panel personalizado.

Paso 3: Añade métricas adicionales de Order Placed (opcional)

Crea consultas guardadas por separado y, a continuación, añade cada una como su propio mosaico (hasta 10 mosaicos por panel).

Valor medio del pedido y número de pedidos por día

1
2
3
4
5
6
7
8
9
10

SELECT
  DATE_TRUNC('day', TO_TIMESTAMP_NTZ(TIME))::DATE AS "Date",
  AVG(PARSE_JSON(PROPERTIES):total_value::NUMBER(18, 2)) AS "Average Order Value",
  COUNT(*) AS "No. of Orders"
FROM USERS_BEHAVIORS_CUSTOMEVENT_SHARED
WHERE NAME = 'ecommerce.order_placed'
  AND TO_TIMESTAMP_NTZ(TIME) >= DATEADD(day, -60, CURRENT_TIMESTAMP())
  AND TO_TIMESTAMP_NTZ(TIME) <= CURRENT_TIMESTAMP()
GROUP BY 1
ORDER BY 1;

Usa un gráfico de líneas o de barras con Date en el eje X y ambas métricas en el eje Y (desmarca las columnas que no quieras mostrar).

Compradores nuevos frente a recurrentes por día

Este escenario compara el día del primer ecommerce.order_placed de cada usuario con los días de compra posteriores. Es más preciso cuando la ventana del Generador de consultas abarca todo el periodo del informe (por ejemplo, la ventana predeterminada de 60 días).

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33

WITH order_days AS (
  SELECT DISTINCT
    USER_ID,
    DATE_TRUNC('day', TO_TIMESTAMP_NTZ(TIME))::DATE AS purchase_day
  FROM USERS_BEHAVIORS_CUSTOMEVENT_SHARED
  WHERE NAME = 'ecommerce.order_placed'
),
first_purchase AS (
  SELECT
    USER_ID,
    MIN(purchase_day) AS first_day
  FROM order_days
  GROUP BY USER_ID
),
per_day_purchasers AS (
  SELECT DISTINCT
    USER_ID,
    purchase_day
  FROM order_days
)
SELECT
  p.purchase_day AS "Date",
  COUNT(DISTINCT CASE
    WHEN f.first_day = p.purchase_day THEN p.USER_ID
  END) AS "New Purchasers",
  COUNT(DISTINCT CASE
    WHEN f.first_day < p.purchase_day THEN p.USER_ID
  END) AS "Returning Purchasers"
FROM per_day_purchasers AS p
INNER JOIN first_purchase AS f
  ON p.USER_ID = f.USER_ID
GROUP BY 1
ORDER BY 1;

Categoría de producto a partir de las líneas del pedido

Aplana la matriz products y filtra por tu campo de categoría. Sustituye metadata.category si usas una clave de metadatos de producto diferente.

1
2
3
4
5
6
7
8
9
10
11

SELECT
  f.value:metadata:category::STRING AS "Product Category",
  COUNT(*) AS "Line Items"
FROM USERS_BEHAVIORS_CUSTOMEVENT_SHARED,
  LATERAL FLATTEN(INPUT => PARSE_JSON(PROPERTIES):products) f
WHERE NAME = 'ecommerce.order_placed'
  AND f.value:metadata:category::STRING IS NOT NULL
  AND TRIM(f.value:metadata:category::STRING) != ''
  AND LOWER(TRIM(f.value:metadata:category::STRING)) != 'undefined'
GROUP BY 1
ORDER BY 2 DESC;

Compras e ingresos por Segment (análisis de Segment)

Esto requiere el seguimiento de análisis de Segment en los Segments sobre los que informas. Usa variables SQL para los selectores de fecha.

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

WITH event_conversions AS (
  SELECT
    user_id,
    time,
    TRY_CAST(GET_PATH(PARSE_JSON(PROPERTIES), 'total_value')::string AS FLOAT) AS price,
    id AS purchase_event_id,
    f.value::string AS user_segment_membership_id
  FROM USERS_BEHAVIORS_CUSTOMEVENT_SHARED,
    LATERAL FLATTEN(input => user_segment_membership_ids) AS f
  WHERE NAME = 'ecommerce.order_placed'
    AND time > {{start_date.${Start Date}}}
    AND time < {{end_date.${End Date}}}
)
SELECT
  user_segment_membership_id AS "Segment Analytics Id",
  COUNT(DISTINCT purchase_event_id) AS "Total Purchases",
  ROUND(SUM(price), 2) AS "Total Revenue"
FROM event_conversions
GROUP BY 1
ORDER BY 3 DESC;

Otros informes integrados de comercio electrónico

Artículos relacionados

• Eventos recomendados de comercio electrónico
• Generador de consultas
• Variables SQL en el Generador de consultas
• Generador de paneles
• Ingresos - Atribución por último contacto
• Referencia de tablas SQL
• Seguimiento de análisis de Segment