Ниша: Здоровье/фитнес

Системы визуализации данных: Yandex Datalens

Источники данных: Сloud Payments

Стек технологий: Python 3, PostgreSQL

Точка А:

Продажи подписок на сайте работают и обрабатываются на стороне CMS-системы.

Решения без автоматизации:

Можно ежедневно в ручном режиме выгружать в Excel, на основании сложных формул считать необходимые показатели.

При большом потоке платежей Excel ломается. Сложно анализировать исторические данные

Предложенное решение:

Развернуть аналитическую базу данных, в которую в автоматическом режиме по API собирать данные по платежам из платежной системы.

На уровне БД рассчитывать нужные показатели. Итоговые значения выводить в удобном виде в Yandex Datalens.

Проблема:

Отсутствует аналитика продаж, не рассчитывается LTV клиента, отвалы.

В результате работы было сделано:

1

На основании данной информации можно делать выводы об эффективности работы маркетинга и удержании клиента. Проводить оценку LTV (Срок жизни клиента) клиента.

а. Первый платеж - Если клиент впервые купил подписку
b. Автопродление - Если клиент совершает второй или последующий платеж подряд (без пропусков)
c. Возвратный платеж - Если клиент купил подписку после перерыва оплат

2

Выводится таблица со списком оплат, в которой сразу же считается какая это по счету оплата клиента. Так можно оперативно определять, клиент обратился впервые или же уже оплачивал подписку ранее.

Построен график, с помощью которого можно наглядно оценивать сезонность, эффективность рекламных акций, соотношение разных типов оплат.

На дашборде рассчитывается средняя сумма и количество платежей на одного клиента. По данным метрикам можно судить о том как долго клиент остается на подписке, сколько денег в среднем приносит компании.

В итоге был получен удобный и универсальный инструмент, который работает автоматически и обновляет данные ежедневно. С его помощью менеджмент компании может быстро и наглядно оценивать финансовое положение компании, принимать решения на основе данных