Modelando dados de marketing

As tabelas brutas dos conectores são desorganizadas: têm nomes de colunas inconsistentes, moedas misturadas, granularidades diferentes e particularidades específicas de cada plataforma. Consultá-las diretamente produz números incorretos e irreproduzíveis.

A modelagem de dados é a prática de transformar linhas brutas em tabelas limpas, consistentes e prontas para o negócio. É onde ROAS, conversão e receita são definidos uma única vez, corretamente, para que todos os relatórios concordem.

O modelo analítico dominante é o esquema em estrela: uma tabela fato central de eventos mensuráveis cercada por tabelas dimensão que os descrevem. Os fatos contêm números, como gastos, cliques e receita; as dimensões contêm contexto, como campanha, data, canal e cliente.

Esse formato é intuitivo para profissionais de marketing e eficiente para ferramentas de BI, que relacionam um fato a várias dimensões para segmentar métricas por qualquer atributo.

Uma tabela fato é extensa e aditiva: tem uma linha por evento ou por combinação de dia e campanha, com medidas numéricas que você soma. Uma tabela dimensão é ampla e descritiva: tem uma linha por campanha ou cliente, com atributos pelos quais você filtra e agrupa.

O teste é o seguinte: se você usaria SUM para agregá-lo, ele é um fato; se você usaria GROUP BY para agrupá-lo, ele é uma dimensão. Gasto é um fato; nome da campanha é uma dimensão.

A granularidade é o que uma linha de uma tabela fato representa. Declará-la primeiro é a decisão de modelagem mais importante. Misturar granularidades, como linhas diárias com totais de todo o período, faz com que todos os indicadores posteriores sejam contados em duplicidade e corrompidos.

Declare a granularidade em linguagem simples: uma linha por campanha por dia. Todas as colunas devem então ser verdadeiras nessa granularidade, e todas as cargas devem respeitá-la.

Antes dos fatos e das dimensões, crie modelos de preparação: um para cada tabela de origem, renomeando as colunas de acordo com um padrão, convertendo os tipos e padronizando as unidades, como centavos para dólares e datas em UTC. Um modelo de preparação corresponde a uma tabela bruta, nada além disso.

A preparação é a camada de limpeza. Ela isola as particularidades da fonte para que seus modelos posteriores nunca precisem saber que a Meta chama isso de gasto e o Google chama isso de custo.

Cada plataforma de anúncios gera relatórios de uma maneira diferente, mas depois da preparação todas compartilham um formato comum. O próximo modelo as combina em uma única tabela fato de gastos multicanal, a base dos relatórios combinados.

É essa tabela única que torna possível calcular o ROAS total. Com todos os canais padronizados nas mesmas colunas, uma única consulta soma simultaneamente os gastos do Google, da Meta e do TikTok.

Para análises multicanal, as dimensões precisam ser conformadas: uma dim_date e uma dim_channel compartilhadas às quais todos os fatos se relacionem da mesma forma. Assim, “receita por mês por canal” significa a mesma coisa, seja a fonte anúncios, e-mail ou web.

As dimensões conformadas permitem colocar gastos e receita lado a lado em um único gráfico. Sem elas, os relacionamentos ficam desalinhados e os totais silenciosamente divergem.

A atribuição distribui o crédito por uma conversão entre os pontos de contato. A atribuição de último clique é a mais simples: a fonte de marketing final antes da conversão recebe todo o crédito. Atribuições de primeiro clique, linear e baseada em posição distribuem o crédito de maneiras diferentes.

Em um armazém, você implementa a atribuição como um modelo, não como uma caixa-preta da plataforma. Com dados detalhados de eventos do GA4, você pode aplicar funções de janela aos pontos de contato de cada usuário e usar qualquer regra, comparando os resultados entre os modelos de forma honesta.

Os atributos das dimensões mudam com o tempo: o responsável pelo orçamento de uma campanha muda, o nível de um cliente aumenta. Uma dimensão que muda lentamente do Tipo 2 mantém o histórico adicionando uma nova linha com datas de validade, em vez de substituir a anterior.

Isso é importante para relatórios precisos em um momento específico. Para saber em qual segmento um cliente estava quando converteu, você precisa da versão da dimensão que era válida naquele momento, não da versão de hoje.

Os modelos são código, portanto devem ser testados. Ferramentas como o dbt permitem verificar se as chaves são únicas e não nulas, se os valores de canal pertencem a um conjunto aceito e se os relacionamentos entre as tabelas são válidos.

Os testes detectam deriva do esquema e relacionamentos incorretos antes que cheguem a um painel. Juntamente com a documentação e a linhagem geradas automaticamente, eles tornam o modelo confiável e facilitam a integração de novos membros, em vez de deixá-lo como uma caixa-preta frágil.

A camada superior é formada pelas tabelas analíticas: tabelas prontas para o negócio, estruturadas para públicos específicos, como uma tabela marketing_performance que já combina os gastos com a receita e calcula o ROAS por canal e por dia.

As ferramentas de BI leem apenas as tabelas analíticas. Ao fazer as combinações e agregações previamente nessa camada, os painéis continuam rápidos e econômicos, e todos os analistas passam a usar as mesmas definições corretas.

Você está criando uma tabela de fatos para o desempenho de anúncios e precisa evitar a contagem dupla. Qual é a única coisa mais importante que você deve declarar antes de escrever qualquer coluna?

A modelagem transforma tabelas brutas desorganizadas em dados confiáveis e prontos para o negócio por meio de camadas: a preparação limpa e padroniza cada origem, os fatos e as dimensões conformadas formam um esquema em estrela, e os data marts fazem as junções previamente para o BI.

Declare primeiro a granularidade, una os canais para obter métricas combinadas, implemente a atribuição e o histórico SCD Tipo 2 em SQL e teste cada modelo para que números incorretos gerem erros visíveis, em vez de chegarem a um painel.