Modelowanie danych marketingowych

Surowe tabele konektorów są nieuporządkowane: mają niespójne nazwy kolumn, mieszane waluty, różny poziom szczegółowości i specyfikę poszczególnych platform. Bezpośrednie odpytywanie takich tabel prowadzi do nieprawidłowych i niemożliwych do odtworzenia wyników.

Modelowanie danych to dyscyplina polegająca na przekształcaniu surowych wierszy w czyste, spójne i gotowe do użycia przez biznes tabele. To tutaj ROAS, konwersja i przychód są definiowane raz i poprawnie, dzięki czemu każdy raport pokazuje te same wartości.

Dominującym modelem analitycznym jest schemat gwiazdy: centralna tabela faktów zawierająca mierzalne zdarzenia, otoczona tabelami wymiarów, które je opisują. Fakty przechowują liczby (wydatki, kliknięcia, przychody), a wymiary — kontekst (kampania, data, kanał, klient).

Taki układ jest intuicyjny dla marketerów i wydajny dla narzędzi BI, które łączą jedną tabelę faktów z kilkoma wymiarami, aby analizować metryki według dowolnego atrybutu.

Tabela faktów jest długa i addytywna: zawiera jeden wiersz na zdarzenie lub na dzień i kampanię, wraz z liczbowymi miarami, które można sumować. Tabela wymiarów jest szeroka i opisowa: zawiera jeden wiersz na kampanię lub klienta oraz atrybuty, według których można filtrować i grupować dane.

Prosta zasada jest następująca: jeśli daną wartość można zsumować za pomocą SUM, jest faktem; jeśli można według niej grupować za pomocą GROUP BY, jest wymiarem. Wydatki są faktem, a nazwa kampanii — wymiarem.

Ziarnistość określa, co reprezentuje jeden wiersz tabeli faktów. Zadeklarowanie jej w pierwszej kolejności jest najważniejszą decyzją w modelowaniu danych. Mieszanie poziomów szczegółowości — na przykład wierszy dziennych z sumami narastającymi — prowadzi do podwójnego zliczania i zniekształca każdą kolejną metrykę.

Należy opisać ziarnistość prostym językiem: jeden wiersz na kampanię na dzień. Każda kolumna musi być wtedy prawdziwa na tym poziomie szczegółowości, a każde ładowanie musi go respektować.

Przed utworzeniem faktów i wymiarów należy zbudować modele stagingowe: po jednym dla każdej tabeli źródłowej, zmieniając nazwy kolumn na standardowe, rzutując typy i ujednolicając jednostki (centy na dolary, daty w UTC). Jeden model stagingowy odwzorowuje jedną tabelę surową — i nic więcej.

Staging jest warstwą oczyszczania danych. Izoluje specyfikę źródeł, dzięki czemu modele warstwy biznesowej nie muszą wiedzieć, że Meta nazywa tę wartość wydatkami, a Google — kosztem.

Każda platforma reklamowa raportuje dane w inny sposób, ale po przejściu przez staging mają one wspólny kształt. Następny model łączy je w jedną tabelę faktów dotyczących wydatków we wszystkich kanałach — podstawę zagregowanego raportowania.

To właśnie ta jedna tabela umożliwia obliczanie całkowitego ROAS. Ponieważ każdy kanał ma te same kolumny, jedno zapytanie może jednocześnie zsumować wydatki w Google, Meta i TikTok.

W analizie obejmującej wiele kanałów wymiary muszą być ujednolicone: wspólne dim_date i dim_channel, z którymi każda tabela faktów łączy się w identyczny sposób. Wtedy „przychód według miesiąca i kanału” oznacza to samo niezależnie od tego, czy źródłem są reklamy, e-mail czy witryna.

Ujednolicone wymiary pozwalają umieścić wydatki i przychody obok siebie na jednym wykresie. Bez nich złączenia nie pasują do siebie, a sumy po cichu przestają być zgodne.

Atrybucja przypisuje punktom styku zasługę za konwersję. Atrybucja ostatniego kliknięcia jest najprostsza: ostatnie źródło marketingowe przed konwersją otrzymuje pełną zasługę. Modele pierwszego kliknięcia, liniowy i pozycyjny rozdzielają tę zasługę w inny sposób.

W hurtowni danych atrybucję implementuje się jako model, a nie jako czarną skrzynkę platformy. Korzystając z danych o zdarzeniach GA4, można uporządkować punkty styku dla każdego użytkownika za pomocą funkcji okienkowych, zastosować dowolną regułę, a następnie rzetelnie porównać wyniki różnych modeli.

Atrybuty wymiarów zmieniają się z czasem: zmienia się osoba odpowiedzialna za budżet kampanii, a poziom klienta zostaje podniesiony. Wolno zmieniający się wymiar typu 2 zachowuje historię, dodając nowy wiersz z datami obowiązywania zamiast nadpisywać poprzedni.

Ma to znaczenie dla poprawnego raportowania w określonym momencie. Aby wiedzieć, w jakim segmencie znajdował się klient w chwili konwersji, potrzebna jest wersja wymiaru obowiązująca w tamtym czasie, a nie wersja dzisiejsza.

Modele są kodem, dlatego należy je testować. Narzędzia takie jak dbt pozwalają sprawdzać, czy klucze są unikatowe i niepuste, czy wartości kanałów należą do dozwolonego zbioru oraz czy relacje między tabelami są poprawne.

Testy wykrywają dryf schematu i nieprawidłowe złączenia, zanim problemy dotrą do pulpitu. W połączeniu z automatycznie generowaną dokumentacją i informacjami o pochodzeniu danych sprawiają, że model jest godny zaufania i łatwy do wdrożenia, zamiast pozostawać podatną na awarie czarną skrzynką.

Najwyższą warstwę stanowią marty: gotowe dla biznesu tabele dostosowane do konkretnych odbiorców, takie jak mart marketing_performance, który już łączy wydatki z przychodami i oblicza ROAS dla każdego kanału i dnia.

Narzędzia BI odczytują dane wyłącznie z martów. Dzięki wcześniejszemu łączeniu i agregowaniu danych w tej warstwie pulpity pozostają szybkie i tanie, a każdy analityk korzysta z tych samych poprawnych definicji.

Modelowanie przekształca nieuporządkowane surowe tabele w wiarygodne dane gotowe do wykorzystania w biznesie, korzystając z warstw: staging oczyszcza i ujednolica każde źródło, tabele faktów i ujednolicone wymiary tworzą schemat gwiazdy, a marty wykonują wstępne złączenia na potrzeby BI.

Najpierw należy określić ziarno danych, łączyć kanały za pomocą UNION, aby uzyskać zagregowane metryki, implementować atrybucję i historię SCD Type 2 w SQL oraz testować każdy model, tak aby błędne liczby były wyraźnie sygnalizowane, zamiast trafiać do dashboardu.