Desenvolveremos um dashboard estratégico de marketing com o objetivo de monitorar uma campanha de publicidade paga durante o mês de julho de 2021. Apresentaremos indicadores relevantes para a validação estratégica do negócio.
Os dados foram disponibilizados em dois arquivos JSON (Tabela_dispositivos e Tabela_idade_e_genero). Como prefiro analisar os dados em SQL ou Python, utilizei o DAX Studio para exportar os dados diretamente no SQL SERVER para poder realizar uma análise exploratória com uma melhor percepção e também não afetar o processamento do PowerBI com várias Etapas.
Com os dados no banco de dados eu realizei o entendimento inicial e a limpeza dos dados com uma Stored Procedure que funcionaria para limpar os próximos meses também:
Tabela de Dispositivos
- ☑️ Correção das colunas com valores nulos e vazios
- ☑️ Alteração dos nomes com _ e inicial minúscula
- ☑️ Alcance, Impressões, Cliques em links, Visualizações por página, Compras no website, Adicionados ao carrinho, Checkouts iniciados e Compras - Número inteiro
- ☑️ Quantia gasta (BRL), Valor de conversão adicionado ao carrinho e Valor de conversão de compras ajustado -Moeda
Tabela de Idades e Gêneros
- ☑️ Exclusão da coluna sem dados
- ☑️ Correção dos valores nulos e vazios
- ☑️Quantia gasta (BRL), Valor de conversão adicionado ao carrinho e Valor de conversão de compras ajustado - Moeda
- ☑️ Alcance, Impressões, Quantia gasta (BRL), Cliques no link, Visualizações por página, Compras no website, Compras no facebook, Adicionados ao carrinho, Checkouts Iniciados, Valor de conversão de checkouts iniciados e Compras - Número inteiro
Conectado com o banco de dados e importado a procedure no PowerBI (salva na pasta também junto com os arquivos em formato csv e json).
Criei uma tabela no PowerBI chamada Calendário para adicionar nas análises:
Coluna | Fórmula |
---|---|
Data (2021 completo) | Calendario = CALENDAR(DATE(2021, 1, 1), DATE(2021, 12, 31)) |
Ano | Ano = YEAR(Calendario[Data]) |
Mês | Mês = MONTH(Calendario[Data]) |
Dia | Dia = DAY(Calendario[Data]) |
Semana | Semana = WEEKNUM(Calendario[Data],1) |
Dia da Semana | Dia da Semana = WEEKDAY(Calendario[Data]) |
Nome do Dia | Nome do Dia = SWITCH(Calendario[Dia da Semana],1,"Domingo",2,"Segunda",3,"Terça",4,"Quarta",5,"Quinta",6,"Sexta", 7, "Sábado") |
- 🧠 Qual foi o total de compras efetuadas?
Fórmula | Resultado |
---|---|
Total Investido / Compras | ![]() |
- 🧠 Qual foi o CPA?
Fórmula | Resultado |
---|---|
Sum[Compras] | ![]() |
- 🧠 Qual foi o valor total investido?
Fórmula | Resultado |
---|---|
Sum[Quantia Gasta (BRL)] | ![]() |
- 🧠 Qual foi o Total em Conversão de Compras?
Fórmula | Resultado |
---|---|
Sum[Valor de Conversão de Compra] | ![]() |
- 🧠 Qual foi o Custo por Clique?
Fórmula | Resultado |
---|---|
SUM('Idades e Gêneros'[Quantia gasta (BRL)])/SUM('Idades e Gêneros'[Cliques no link]) | ![]() |
- 🧠 Qual foi a taxa de conversão?
Fórmula | Resultado |
---|---|
SUM('Idades e Gêneros'[Compras])/SUM('Idades e Gêneros'[Visualizações por página]) * 100 | ![]() |
- 🧠 Compras por gênero
Fórmula | Resultado |
---|---|
Legenda: Gênero - Valores: Compras | ![]() |
- 🧠 Ticket médio por plataforma do dispositivo
Fórmula | Resultado |
---|---|
Eixo: Plataforma do Dispositivo - Valores: Ticket Medio | ![]() |
Ticket Medio |
---|
SUM(Dispositivos[Quantia gasta (BRL)]) / SUM(Dispositivos[Compras]) |
- 🧠 Total de conversão de compras por dia
Fórmula | Resultado |
---|---|
Eixo: Nome do dia - Valores: Total de conversão de compras | ![]() |
Total de conversão de compras |
---|
SUM('Idades e Gêneros'[Valor de conversão de compras]) |
- 🧠 Jornada de Compra
Fórmula | Resultado |
---|---|
Valores: Visualização por página, Adicionados ao carrinho, checkouts realizados, Compras | ![]() |
- Manipulação de dados e limpeza de dados utilizando o SQL SERVER
- Análise e criação de visualizações de dados no Powerbi
- Aplicação de métricas focadas no Marketing Digital:
- CPA - Custo por Aquisição: O quanto custou para a empresa cada aquisição.
- Taxa de conversão: A porcentagem de pessoas convertidas após ver o anúncio.
- Custo por Clique: O quanto que foi cobrado pelas plataformas de anúncio por clique.
- Jornada de compra: O caminho que um potencial cliente percorre antes de realizar uma compra.
- Roas: Gasto que a empresa tem sobre os anúncios pagos e o seu retorno.
- Ticket Médio: representa o valor médio gasto por cliente.