Desafío

Blaze confía en Stripe para impulsar pagos y facturación de suscripciones. Debido a que la empresa creció, rápidamente superó los informes estándar del Dashboard y necesitaba una visibilidad más profunda de ingresos, pérdida de clientes y retención.

El análisis de estos datos recayó en gran medida en John Snyder, jefe de análisis de Blaze, un equipo de un producto de soporte, marketing, finanzas y el equipo ejecutivo. Con un ancho de banda limitado, Snyder necesitaba centrar su tiempo en el análisis, pero, en cambio, dedicaba gran parte de él a la preparación manual de datos. Esto incluía la exportación de datos, la unión de datos de varios sistemas y el ingreso manual en el almacén de datos Snowflake de Blaze. Estos flujos de trabajo que consumían mucho tiempo ralentizaban la obtención de información y planteaban problemas de fiabilidad de los datos.

Con el lanzamiento de nuevos productos y una base de usuarios en rápido crecimiento, Blaze necesitaba una forma más rápida y escalable de explorar sus datos y garantizar que las decisiones se basaran en información precisa. La empresa necesitaba una solución que pudiera gestionar sus crecientes necesidades de datos sin aumentar la carga de su pequeño equipo de análisis.

Solución

Blaze decidió implementar Stripe Sigma y Data Pipeline.

Blaze usa Stripe Sigma para realizar consultas rápidas de datos de Stripe Billing y crear informes personalizados mediante SQL directamente en el Dashboard. Snyder suele empezar con las plantillas SQL prediseñadas de Stripe Sigma, como el crecimiento activo de suscriptores, el crecimiento MRR con el tiempo y la tasa de pérdida de suscriptores, y las personaliza cortando datos en diferentes dimensiones para comprender qué está afectando el rendimiento. Estas plantillas le dan un punto de partida rápido para el análisis y, debido a que Stripe Sigma ejecuta consultas directamente contra la fuente de referencia de Stripe, el equipo puede confiar en la precisión de cada informe.

Para eliminar el movimiento manual de datos, Blaze implementó Data Pipeline para sincronizar de manera automática los datos de Stripe con Snowflake de forma continua. En 24 horas, Snyder completó la configuración y se pudo acceder a todos los datos de Stripe de Blaze en su almacén de datos, sin necesidad de trabajo de ingeniería continuo.

“Nuestros datos recientes de Stripe siempre están disponibles para el acceso, lo que es muy importante para nosotros, ya que operamos con mucha urgencia y nos gusta movernos lo más rápido posible. Data Pipeline también me da confianza en nuestros datos: todo se sincroniza a la perfección y es seguro”, dijo Snyder.

Además de automatizar la entrega de datos, Data Pipeline proporciona a Blaze tablas listas para análisis y conjuntos de datos seleccionados exclusivos para Data Pipeline, lo que acelera la elaboración de informes y el análisis. Snyder confía, en gran medida, en el conjunto de datos de eventos de cambio de partidas de suscripción, que proporciona una visión limpia y estructurada del cambio de MRR de cada partida de suscripción.

Resultados

Stripe Sigma y Data Pipeline ayudan a identificar perfiles de clientes ideales y a reducir el costo de adquisición en un 25 %

Al usar Stripe Sigma y Data Pipeline juntos, Snyder ahora puede identificar las cohortes de clientes de mayor valor de Blaze. Comienza este análisis en Stripe Sigma, usando la tasa de pérdida de suscriptores a lo largo del tiempo y plantillas SQL prediseñadas ARPU. Después de modificar estas plantillas, pega las consultas en Snowflake y las enriquece con datos adicionales de Stripe entregados a través de Data Pipeline, junto con datos del cliente de otros sistemas.

Al unificar estos conjuntos de datos, Snyder ha calculado la conversión de prueba a pago, la retención y LTV en diferentes cohortes, lo que revela qué clientes ofrecen el valor más a largo plazo. Esta información ayudó a Blaze a definir sus perfiles de clientes ideales y optimizar su posicionamiento en marketing y productos, lo que, en última instancia, impulsó una reducción del 25 % en el costo de adquisición de clientes.

Los conjuntos de datos de suscripciones seleccionados generan información más detallada sobre productos e ingresos

Con los conjuntos de datos seleccionados y listos para análisis de Data Pipeline, como la tabla de eventos de cambio de ítems de suscripción, ahora Stripe puede analizar el comportamiento de las suscripciones y los cambios de ingresos con mucha más rapidez. El conjunto de datos le permitió medir con facilidad la retención de suscripciones mes a mes y diagnosticar el rendimiento del nuevo producto Autopilot de Blaze, donde identificó una mejora del 30 % en la retención. También utilizó este conjunto de datos para comprender qué estaba impulsando los cambios de ingresos, si el crecimiento provino de nuevas suscripciones, de la reducción de la pérdida de clientes o de ambos, y descubrió que una parte significativa de los nuevos ingresos provino de clientes que compraban varias suscripciones.

El análisis del ciclo de vida del cliente muestra información para mejorar el nuevo producto Autopilot de Blaze

Al centralizar los datos de Stripe con el consumo de productos, el marketing y los conjuntos de datos de CRM en Snowflake, Snyder creó una visión unificada de cómo progresan los usuarios a través del nuevo producto Autopilot de Blaze, desde el registro de prueba gratuita hasta la conversión, la retención y la pérdida de clientes. Esto le permitió analizar el ciclo de vida del cliente y comprender qué comportamientos se correlacionaban con mejores resultados de suscripción.

Se elimina un día completo de trabajo mensual con informes financieros automatizados

Con Data Pipeline asegurándose de que los datos de Stripe de Blaze estén continuamente disponibles en Snowflake y centralizados con todos los demás datos de la empresa, Snyder creó un informe automatizado de ingresos mensuales para que el equipo de contabilidad calculara ingresos diferidos, junto con otros informes financieros. Lo que antes requería un día completo de trabajo manual cada mes ahora se ejecuta de forma automática, lo que libera su tiempo para centrarse en el trabajo de mayor impacto.

Visibilidad más rápida y clara de los factores que afectan las métricas clave de SaaS

Stripe Sigma le ofrece a Blaze una forma más rápida de explorar y comprender qué está influyendo en los MRR, la pérdida de clientes y la retención. Por ejemplo, Snyder utilizó la plantilla SQL prediseñada «Métricas de suscripción por día (prórroga de MRR)» para ver los MRR diarios y los cambios de suscriptores y, luego, modificó la consulta para desglosar los datos por producto, cohorte y otras dimensiones. Esto ayudó a identificar qué productos estaban impulsando nuevas suscripciones y cuáles estaban contribuyendo a la pérdida de clientes y a informar las estrategias de crecimiento y reducción de la pérdida de clientes de Blaze.