BigQuery e dashboard marketing per analizzare conversioni MQL e SQL
Contesto
Il cliente gestiva campagne advertising su quattro piattaforme diverse e aveva la necessità di confrontare i dati media con le conversioni effettive generate dalle landing page.
Le conversioni non venivano lette solo come semplici compilazioni di form. Una persona le analizzava e le qualificava distinguendole tra MQL (Marketing Qualified Lead) e SQL (Sales Qualified Lead).
Questa classificazione veniva poi riportata giorno per giorno in un Google Sheet, con valori aggregati come, per esempio, 10 MQL e 6 SQL.
Anche i dati delle campagne advertising venivano raccolti in un Google Sheet, tramite un connettore collegato alle diverse piattaforme.
Vincolo strutturale
La dashboard dipendeva dai Google Sheet e dal connettore utilizzato per raccogliere i dati delle campagne.
Questo rendeva il sistema fragile per due motivi:
- i dati adv erano legati alla stabilità del connettore
- le conversioni qualificate venivano gestite in un foglio manuale, separato dal resto del processo
La dashboard funzionava, ma poggiava su una base poco adatta a sostenere un sistema di analisi più ampio, con più piattaforme, più country e più viste operative.
Il limite principale era quindi nella struttura del dato a monte, prima ancora che nella dashboard.
Soluzione progettata e implementata
La soluzione è stata spostare il processo dentro BigQuery.
I dati necessari delle piattaforme advertising sono stati importati direttamente nel database, superando la dipendenza dal Google Sheet usato come punto di raccolta.
Per la parte di conversioni qualificate è stata sviluppata una web app dedicata. L’utente può inserire giorno per giorno il numero di conversioni suddivise tra MQL e SQL, e questi dati vengono salvati in una tabella specifica di BigQuery.
A quel punto BigQuery è diventato il punto di raccordo tra:
- dati delle campagne advertising
- conversioni reali generate dalle landing page
- classificazione manuale tra MQL e SQL
- dimensioni di analisi come piattaforma e country
Da questi dati sono state create tabelle modellate, pensate per alimentare più dashboard di analisi.
Le dashboard non leggono più dati dispersi tra fogli e connettori, ma interrogano tabelle già preparate per l’analisi.
Impatto sul sistema decisionale
Il sistema ha guadagnato stabilità, perché i dati non dipendono più da una catena basata su Google Sheet, connettori e lavorazioni manuali scollegate.
BigQuery ha permesso di costruire una base dati più solida, nella quale le informazioni possono essere raccolte, organizzate e riutilizzate in modo più controllato.
La dashboard è diventata il livello finale di consultazione, mentre la parte di raccolta, normalizzazione e modellazione dei dati è stata portata dentro un vero database.
Questo ha reso possibile costruire analisi più flessibili, per piattaforma advertising e per country, senza dover replicare logiche complesse direttamente dentro gli strumenti di dashboarding.
Prima
Dopo
I dati delle campagne erano raccolti in Google Sheet tramite connettore.
Le conversioni MQL e SQL venivano inserite manualmente in un altro Google Sheet.
La dashboard dipendeva da fogli e connettori.
Le logiche di analisi erano più difficili da governare e riutilizzare.
I dati delle campagne vengono portati in BigQuery.
Le conversioni MQL e SQL vengono inserite tramite una web app dedicata.
Le informazioni vengono salvate in tabelle BigQuery.
Le dashboard leggono tabelle modellate, già preparate per l’analisi.
Il sistema è più stabile, più flessibile e più adatto a sostenere analisi multiple.
Cosa rende strutturale questo intervento
Questo intervento non riguarda solo la costruzione di una dashboard.
Il lavoro ha modificato il modo in cui i dati vengono raccolti, salvati e preparati prima di essere visualizzati.
Google Sheet era diventato un punto di passaggio operativo, ma non era il posto più adatto per gestire un sistema di analisi basato su più fonti, più piattaforme e più livelli di qualificazione della conversione.
BigQuery ha permesso di separare meglio i ruoli:
- le piattaforme advertising producono i dati media
- la web app raccoglie le conversioni qualificate
- BigQuery conserva e modella le informazioni
- le dashboard mostrano dati già coerenti e pronti per essere letti
Il valore dell’intervento sta proprio in questo passaggio: la dashboard non viene trattata come il luogo in cui sistemare tutto, ma come l’interfaccia finale di un sistema dati progettato a monte.
Competenze
In questo intervento ho lavorato su più livelli:
- progettazione del flusso dati tra piattaforme advertising, conversioni qualificate e dashboard
- importazione dei dati adv in BigQuery
- sviluppo di una web app per l’inserimento delle conversioni MQL e SQL
- creazione delle tabelle BigQuery dedicate alla raccolta dei dati
- modellazione delle tabelle usate dalle dashboard
- organizzazione delle viste di analisi per piattaforma e country
- riduzione della dipendenza da Google Sheet e connettori
- progettazione di una base dati più stabile e riutilizzabile
Hai dashboard che dipendono da fogli, connettori e dati difficili da controllare?
Posso aiutarti a progettare una base dati più solida con BigQuery, collegando campagne advertising, conversioni e dati CRM in un sistema più stabile e leggibile.