Obtention d’informations sur l’entreprise avec Stripe

Les données ne manquent pas : les informations relatives aux clients et aux paiements sont saisies à chaque étape du cycle de vie, depuis l’engagement dans des campagnes de marketing jusqu’à la réalisation d’un achat. Des données précises et exploitables sont essentielles pour permettre aux entreprises de comprendre et de rendre compte des performances passées, de prendre des décisions éclairées au jour le jour et de cerner les possibilités futures. Grâce à une analyse de données intelligente et stratégique, les entreprises peuvent améliorer les éléments suivants :

Finance et comptabilité : Évaluez et prévoyez les performances financières, gérez les coûts, améliorez l’efficacité et clôturez les comptes rapidement et avec précision.
Client et produit : Obtenez des informations détaillées sur les caractéristiques démographiques et le comportement des clients, comme le taux d’attrition par segment spécifique. Surveillez également les indicateurs de revenus des produits, tels que les revenus récurrents mensuels (RRM).
Opérations : Les données peuvent fournir des informations révélatrices sur la fraude, les paiements et les opérations financières.

Cependant, selon une étude de l’IDC, bien que la plupart des entreprises ont accès aux données, elles ne sont pas en mesure d’en tirer des informations commerciales fondamentales en raison de problèmes de qualité, de cloisonnements opérationnels et d’un manque de normes en matière de données.

Les entreprises qui utilisent Stripe ont accès à une gamme de données, de rapports de Dashboard et de produits qui facilitent l’accès à ces informations. Ce guide vous explique comment exploiter les données Stripe pour suivre vos performances financières, mieux comprendre vos clients, affiner vos offres de produits et gérer votre entreprise plus efficacement. Nous avons également inclus des exemples de requêtes SQL pour vous aider à extraire plus facilement des informations précieuses avec les outils d’analyse de données avancés de Stripe : Sigma et Data Pipeline.

Données disponibles dans Stripe

Lorsque Stripe traite des transactions de paiement, nous recueillons des points de données qui fournissent des informations précieuses sur les transactions des clients. Le schéma Stripe est un plan qui définit toutes les données Stripe collectées, y compris la façon dont elles sont nommées, définies et organisées. Les principaux points de données sont les suivants :

Informations sur la transaction (montant, devise, date, heure)
Informations sur le client (nom, zone géographique)
Informations sur le produit ou le service (articles achetés, quantité, prix)
Les informations sur le mode de paiement (type de carte de crédit, portefeuille numérique)
Métadonnées (Stripe permet aux entreprises de joindre des métadonnées personnalisées aux transactions, qui peuvent inclure des données propres aux besoins de l’entreprise)
Indicateurs de risque et de fraude
Informations sur les remboursements et les litiges

Vous pouvez surveiller les performances de votre entreprise à un niveau élevé en vous connectant à votre Dashboard Stripe. Le Dashboard contient plusieurs rapports prédéfinis qui vous donnent une visibilité sur vos ventes globales, vos paiements, vos litiges, vos remboursements, vos abonnements et vos indicateurs financiers. Voici quelques-uns des rapports gratuits les plus utilisés et qui sont disponibles dans le Dashboard Stripe :

Récapitulatif des ventes : Ce rapport fournit une vue d’ensemble des principaux indicateurs de vente, notamment le volume total des ventes, les revenus et le nombre de transactions effectuées. Ces informations peuvent vous aider à suivre les performances de vos ventes et à surveiller l’évolution de vos revenus.
Rapports financiers : Stripe offre des rapports financiers, y compris la répartition des revenus, les frais détaillés et les rapports sur la taxe de vente. Ces rapports facilitent la planification financière, la déclaration fiscale et l’analyse des coûts.
Informations sur les abonnements : Les utilisateurs de Stripe Billing peuvent surveiller le nombre d’abonnés, le taux d’attrition et les indicateurs de revenus récurrents, ce qui leur donne une vue d’ensemble de la performance des abonnements et de la fidélisation.

Stripe propose également deux outils de données avancés qui offrent davantage de possibilités de personnalisation en ce qui concerne les indicateurs et les rapports :

Stripe Sigma est un outil interactif d’analyse commerciale dans le Dashboard. Vous pouvez obtenir des réponses instantanées grâce à des requêtes SQL personnalisées ou à des modèles qui contiennent des requêtes prédéfinies pour les besoins courants en matière de production de rapports. De plus, l’assistant Sigma, notre assistant de clavardage alimenté par l’IA, peut vous aider à obtenir des réponses après avoir simplement saisi des questions en langage naturel. Enfin, vous pouvez transformer les résultats des requêtes en graphiques dynamiques par un simple clic et ainsi visualiser facilement vos données.
Stripe Data Pipeline envoie toutes vos données Stripe à jour vers votre destination de stockage de données externe. Cette connexion peut être établie en quelques clics, ce qui vous permet de consolider vos données Stripe avec d’autres données d’entreprise issues de vos systèmes, comme les logiciels de gestion de la relation client, les progiciels de gestion intégrés et autres. Ensuite, à partir de votre stockage de données centralisé, vous pouvez interroger vos données Stripe ainsi que d’autres données d’entreprise, ce qui permet à un grand nombre d’équipes d’obtenir des informations détaillées.

Suivi des indicateurs clés avec Stripe Sigma ou Data Pipeline

Pour vous aider à surveiller les informations commerciales les plus importantes, voici une liste d’indicateurs (classés par secteur d’activité) que les utilisateurs ont trouvés utiles. Nous présentons également quelques exemples de requêtes SQL qui peuvent être utilisées dans Stripe Sigma et Data Pipeline, ainsi que des instructions et des modèles qui peuvent être exploités dans Sigma pour obtenir des réponses sans avoir besoin d’écrire de code SQL. Nous disposons également d’une liste exhaustive de toutes les données disponibles, qui comprend des ensembles provenant de tables de l’API Core, Interchange Plus, Connect et plus encore.

Finance et comptabilité

Les équipes financières et comptables ont besoin d’accéder aux données sur les revenus Stripe de leur entreprise pour clôturer leurs comptes, rapprocher leurs comptes et faire des prévisions et des projections. Nombre d’entre elles s’appuient sur Sigma et Data Pipeline pour simplifier ces processus.

Indicateur	Avantage	Exemple de requête SQL	Demandez à l'assistant Sigma
Total des revenus	Découvrez les revenus que votre entreprise a générés sur une période précise afin de mieux connaître ses performances.	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	Quels sont mes revenus générés au cours des 3 derniers mois?
Valeur moyenne des transactions	Déterminez la valeur moyenne de chaque transaction traitée par Stripe afin d'analyser des stratégies de tarification et les habitudes de dépense des clients.	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;	Quelle est la valeur moyenne des transactions en dollars pour les clients par pays?
RRM	Évaluez les revenus prévisibles et récurrents générés par les produits ou services par abonnement sur un mois.	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	Modèle Sigma : Revenu récurrent mensuel (RRM) total
Déclaration fiscale	Conformez-vous aux exigences fiscales en surveillant vos obligations fiscales par territoire.	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	Modèle Sigma : Obligations fiscales par territoire
Ancienneté des comptes débiteurs/recouvrements/factures impayées	Analysez l'ancienneté des comptes débiteurs pour suivre les factures impayées et identifier des problèmes potentiels avec les paiements des clients.	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;	Identifiez les 10 clients ayant le plus de factures impayées.

Client et produit

Les équipes responsables des produits peuvent utiliser ces indicateurs pour améliorer les produits en fonction des données et déterminer les possibilités de croissance. Les équipes de vente et de marketing peuvent cibler plus efficacement les possibilités grâce à une meilleure compréhension des profils des clients.

Indicateur	Avantage	Exemple de requête SQL	Demandez à l'assistant Sigma
Segmentation de la clientèle	Identifiez des segments de clients (comme ceux qui génèrent le plus de revenus ou ceux qui achètent le plus fréquemment) pour connaître les profils des clients fidèles. Suivez le taux de rétention de la clientèle pour identifier les clients fidèles et élaborer des stratégies permettant de les conserver.	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	Montrez-moi les 10 clients qui achètent le plus fréquemment.
RRM par produit	Suivez l'augmentation des revenus récurrents par produits distincts.	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	Modèle Sigma : Revenu récurrent mensuel (RRM) total par produit
Attrition	Évaluez le rythme auquel les clients cessent d'utiliser vos produits ou services. Analysez le taux d'attrition par segment de clientèle ou par catégorie de produits afin de cerner les problèmes.	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;	Modèles Sigma : perte de revenus par jour ou perte d'abonnés par jour
Popularité/saisonnalité de différents produits ou abonnements	Identifiez les produits ou services les plus populaires en fonction du volume de ventes ou des revenus. Suivez la popularité des lancements de nouveaux produits ou de nouvelles fonctionnalités.	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;	Quels sont les produits les plus populaires chaque année?
Incidence des remises et bons de réduction	Évaluez l'efficacité de certaines remises afin de déterminer une fourchette de prix et d'éclairer votre stratégie de tarification.	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	Quelle est la valeur de commande moyenne pour les transactions qui utilisent des codes promotionnels par rapport à celles qui n'en utilisent pas?

Opérations

Les équipes responsables des opérations peuvent trouver plusieurs moyens de gérer leur entreprise plus efficacement, notamment en améliorant la détection de la fraude et des risques.

Indicateur	Avantage	Exemple de requête SQL	Demandez à l'assistant Sigma
Activité quotidienne (p. ex., paiements totaux, remboursements, litiges)	Suivez l'état de vos opérations quotidiennes pour identifier des menaces ou problèmes potentiels.		Combien de litiges avons-nous reçus aujourd'hui?
Identification des transactions frauduleuses	Réduisez les pertes financières, conservez la confiance de votre clientèle, protégez-vous contre les contestations de paiement, assurez la sécurité des données, respectez les exigences de conformité et obtenez des informations précieuses pour améliorer constamment vos mesures de prévention de la fraude.	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	Fournissez une analyse des transactions frauduleuses par mode de paiement.
Tunnel de conversion des paiements	Optimisez la génération de revenus, améliorez l'expérience utilisateur, identifiez des domaines d'amélioration des processus, évaluez l'efficacité de votre marketing, identifiez des anomalies ou des problèmes, et comparez vos performances. En suivant et en optimisant en permanence le tunnel de conversion, votre équipe chargée de l'exploitation peut doper la croissance, améliorer la satisfaction des clients et maximiser la réussite de l'entreprise.		Quel est le taux de conversion des paniers en transactions réussies ce mois-ci?

Combinaison des données Stripe avec d’autres sources de données à l’aide de Data Pipeline

Stripe Data Pipeline connecte votre compte Stripe à votre entrepôt de données ou à votre compte de stockage dans le nuage, dans lequel vous pouvez analyser les données Stripe avec celles de vos autres systèmes. Ainsi, vous pouvez accéder à des informations commerciales supplémentaires susceptibles d’améliorer les éléments suivants :

Analyse du parcours client

L’analyse des interactions avec les clients, du comportement d’achat et des interactions avec le service d’assistance à partir des données de gestion de la relation client et des données transactionnelles de Stripe permet d’obtenir une vue globale de l’expérience client. Vous pouvez identifier des tendances, améliorer l’engagement des clients et augmenter les taux de conversion.

ChowNow, une plateforme de commande de nourriture en ligne sans frais, a utilisé Data Pipeline pour combiner les données Stripe avec d’autres données commerciales. Le résultat est une vue d’ensemble claire du parcours client de ses restaurants et de ses clients. Des informations détaillées sur le processus d’inscription des restaurants et les décisions des clients en matière de commande ont permis à l’équipe marketing de ChowNow de réduire les dépenses publicitaires et de diminuer les coûts d’acquisition des clients.

Planification financière et rapports financiers

L’analyse des données relatives aux revenus, aux dépenses, au flux de trésorerie et aux indicateurs de rentabilité permet d’améliorer les activités de l’entreprise. Par exemple, vous pouvez surveiller plus efficacement les performances financières globales, créer des prévisions de revenus, affiner la planification financière et prendre des décisions fondées sur des données pour stimuler la croissance financière.

Lorsque Lime a adopté Stripe Data Pipeline et a comparé les données Stripe avec ses propres rapports, l’entreprise a pu suivre les remboursements en temps quasi réel. L’équipe financière de Lime peut désormais produire en toute confiance des rapports sur l’état de la trésorerie de l’entreprise.

Efficacité opérationnelle

L’analyse des transactions Stripe et des données d’inventaire vous permet de maintenir des niveaux de stock optimaux, de réduire les coûts liés à ces stocks et d’améliorer l’efficacité opérationnelle globale, y compris la rationalisation de la performance de la chaîne d’approvisionnement.

Prévention de l’attrition

En analysant le comportement des clients ainsi que l’historique des transactions et les interactions avec le service d’assistance, vous pouvez identifier les clients à risque, personnaliser les stratégies de fidélisation et renforcer la fidélité des clients.

Efficacité des campagnes marketing

L’intégration des données Stripe aux données marketing vous permet d’analyser l’impact des campagnes marketing sur l’acquisition de clients, les taux de conversion et les revenus. Vous pouvez mesurer le rendement du capital investi (RCI) des démarches de marketing, identifier les campagnes réussies, cibler un contenu personnalisé pour les profils d’utilisateurs les plus intéressés par l’achat de certains produits et allouer de manière efficace les ressources pour améliorer les stratégies marketing.

Une fois que vous avez identifié les indicateurs les plus importants pour votre entreprise, vous pouvez facilement les enregistrer pour les consulter ultérieurement ou les programmer à l’avance afin de disposer des rapports dont vous avez besoin, au moment où vous en avez besoin. Pour les utilisateurs Sigma, cette page de documentation contient des informations supplémentaires sur la planification des requêtes. Pour les utilisateurs de Data Pipeline, vous pouvez facilement trouver les boutons « enregistrer » et « planifier » dans Redshift et Snowflake.

Améliorer la prise de décision grâce aux données

Stripe offre une plateforme complète qui vous aide non seulement à traiter les paiements, mais également à obtenir des informations précieuses qui vous permettront d’améliorer vos opérations commerciales et vos résultats. Nos outils permettent à un plus grand nombre d’équipes au sein de votre organisation, notamment les équipes responsables des finances, des produits, des opérations, des ventes, du marketing et de la fraude, de prendre chaque jour des décisions fondées sur des données.

Démarrez dès aujourd’hui avec un essai gratuit de 30 jours de Sigma ou Data Pipeline.

Paiements internationaux

Gestion des fonds

Automatisation des revenus et des finances

Plus

Par étape

Par cas d'usage

Par secteur d'activité

Écosystème

Démarrer

Guides