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.