Business Intelligence

Tutto ciò che la tua biglietteria sa, in quattro dataset pronti per l'analisi.

Noi conosciamo la biglietteria. Tu conosci il tuo business. Questa API unisce le due cose, nel tuo data warehouse e secondo le tue definizioni.

La parte più preziosa non è il numero, ma le persone dietro di esso. Ogni riga di biglietto riporta chi ha acquistato e chi lo ha usato: campi di registrazione, gruppo statistico, legittimazione, campagna, risposte ai sondaggi. Non vedi solo quando vengono le persone: vedi quando vengono quali persone, suddiviso per ogni attributo che raccogli.

È costruita per l'estrazione, non per le consultazioni puntuali: ricevi le righe, e modellazione, metriche e storico restano tuoi. Nessun aggregato, nessun raggruppamento lato server, niente che tu debba aspettare che costruiamo noi. Parla OData v4 standard: Power BI, Tableau, Azure Data Factory e Fivetran si collegano senza codice personalizzato.

Per team dati e BI. Se stai integrando un checkout, ti serve uno degli altri dieci moduli.

In breve

Dati in tempo realeogni richiesta legge lo stato attuale: nessun job di export né snapshot in mezzo

Costo di paginazione costantebasato su keyset, quindi l'ultima pagina costa quanto la prima

OData v4letto da Power BI, Tableau, ADF e Fivetran senza codice personalizzato

500 colonnein 4 dataset: biglietti, scansioni, gruppi statistici, sondaggi

Schema dalla build$metadata è generato dall'istanza in esecuzione e non può divergere

Machine-to-machineOAuth 2.0 client credentials, nessun CORS, il tuo secret resta lato server

Business case

A ogni domanda qui sotto il tuo team dati risponde a partire dall'estratto, con la sezione di riferimento che mostra come.

Quante persone sono venute davvero?

Biglietti venduti e persone ammesse sono numeri diversi, e lo scarto è spesso il dato più interessante dell'intero evento. Determina catering, personale, pianificazione degli spazi e il prezzo della prossima edizione.

È anche il numero che la maggior parte dei report sbaglia. Un biglietto mai scansionato non ha alcuna riga di scansione: la popolazione che vuoi misurare scompare nel momento in cui qualcuno scrive un inner join.

Recipes →

Quali segmenti di visitatori sono cresciuti o diminuiti rispetto all'anno precedente?

Per articolo, gruppo statistico, legittimazione e ogni campo di registrazione che richiedi — settore, ruolo, dimensione aziendale, paese — attraverso le edizioni dello stesso marchio. Non quanti sono venuti, ma chi: è il numero che finisce nel dossier per il consiglio.

How ticketing data works → Counting visitors →

Quale campagna ha venduto davvero?

Ogni vendita porta con sé i parametri UTM, così puoi mettere il costo per biglietto venduto a confronto con ogni canale invece di riferire che una campagna “è andata bene”.

Un'avvertenza da conoscere prima di costruire la dashboard: gli inviti degli espositori non portano alcuna campagna e vengono riscattati a un tasso molto più basso. Inclusi nella media, abbassano ogni valore di conversione che calcoli.

Recipes →

Che cosa ha fatto ogni espositore con la sua quota?

Quanti inviti ha distribuito, quanti sono stati riscattati e da chi. È la base per aumentare, ridurre o prezzare una quota l'anno prossimo, e una conversazione da avere con ogni espositore singolarmente.

Datasets → Tickets →

Quando è affollato ciascun ingresso?

Ogni scansione ha un timestamp, riporta ingresso e terminale e si collega al biglietto dietro di essa. Così vedi non solo quando un ingresso è affollato, ma chi arriva quando: quali gruppi statistici nella prima ora, quali tipi di visitatore nell'ultima. Code e personale smettono di essere stime e diventano misurazioni.

Datasets → Ticket usages →

Quanto vale un visitatore?

Ricavo lordo e netto per biglietto, per articolo, per canale, per evento, con la valuta accanto a ogni importo, perché nei dati ce n'è più di una.

Recipes →

Che cosa ti hanno detto i tuoi visitatori, e chi erano?

Le risposte ai sondaggi si ricollegano al biglietto, quindi tutto ciò che un visitatore ti ha detto può essere segmentato per tutto ciò che il biglietto sa di lui: quale articolo ha comprato, da dove veniva, come è stato emesso il biglietto, quale legittimazione ha mostrato.

Le risposte smettono di essere un conteggio anonimo e diventano qualcosa su cui puoi agire per segmento.

Datasets → Surveys →

I numeri che entrano nel rapporto certificato.

Gli organizzatori tedeschi dichiarano le presenze secondo le regole di certificazione FKM, e quelle regole non coincidono con un conteggio ingenuo delle righe. Sono contenute nei gruppi statistici, così la vista certificata esce dallo stesso estratto invece di essere ricostruita a mano ogni anno.

How ticketing data works → Counting visitors →

MCP

Lo stesso servizio risponde alle domande anche direttamente via MCP, con le stesse credenziali e lo stesso perimetro dati, per quando vuoi la risposta e non il dataset. Chiedici l'accesso.

Accesso

L'accesso viene attivato per ogni sistema cliente. Parla con il tuo referente ADITUS per ottenere client e secret, poi inizia da Business Intelligence → Getting started.

Come procede l'estrazione stessa, pagina per pagina: Business Intelligence → Building the extract