Skip to content

Query recipes ​

SQL di bawah menggunakan tabel production saat audit. Download lalu jalankan di Metabase (BigQuery Core). Contoh tidak membuat tabel atau mengubah data. Tanggal/ID dibuat eksplisit supaya mudah diperiksa sebelum dijadikan parameter dashboard.

Recipe 1 — Article → PDP → WA → message ​

Download SQL: article-pdp-funnel.sql

Pertanyaan: dari session yang membuka artikel tanggal 19–20 September WIB, berapa yang kemudian membuka PDP, menekan WA dari PDP, dan memiliki matched message?

Unit: session Butics, bukan jumlah orang. Urutan harus artikel < PDP < klik. Query mengamati event sampai sebelum 22 September WIB untuk memberi ruang session yang melewati tengah malam. Ini batas ekstraksi contoh, bukan window universal. Query memakai page_view eksplisit; visit tanpa page_view tidak masuk cohort dan harus dipahami sebagai coverage limitation.

Output day, stage, sessions. Pilih satu hari sebelum membuat Funnel Chart, atau buat dua kartu untuk membandingkan hari. Nol di tahap akhir tetap ditampilkan. Jangan menjumlahkan session beberapa hari lalu menyebutnya unique customers.

Recipe 2 — Specific banner → next observed PDP ​

Download SQL: banner-to-pdp.sql

Ganti REPLACE_WITH_BANNER_TRACKING_ID dengan Tracking ID tombol banner dari CMS. Query menghitung klik dan kunjungan halaman lain berikutnya dalam session yang sama, maksimal 30 menit setelah klik. Hasil membedakan click count dan distinct browser count.

Untuk item dalam satu section, gunakan entity_id bila tersedia. Position dapat berubah ketika urutan banner diedit, sehingga tidak ideal menjadi satu-satunya identitas campaign. Banner impression ID bisa berbeda dari button ID; untuk CTR per banner Anda perlu mapping item/record yang benar, bukan join semua impression ke semua click.

Next observed page bukan bukti kausalitas atau direct navigation yang sempurna: browser bisa memiliki banyak tab. Tracker belum memiliki tab_id atau explicit navigation-parent ID. Jika perlu jaminan direct click→destination lintas tab, kontrak tracking perlu diperluas; SQL saja tidak bisa membuat bukti yang tidak dikumpulkan.

Recipe 3 — Paid orders after an article/PDP chat ​

Download SQL: paid-orders-after-pdp-chat.sql

Ini model eksplorasi cohort, bukan model attribution canonical main_marketing. Pilih chat eligible terbaru dalam cohort artikel→PDP tersebut untuk setiap order, pembayaran setelah chat dan kurang dari 7 hari, paid=true serta refund=false. Order didedup berdasarkan company + transaction number sebelum revenue dijumlahkan.

Karena pemenang dipilih hanya dari cohort yang dipilih, mengganti rentang cohort bisa mengubah pemenang. Jangan menjumlahkan hasil beberapa cohort yang diproses terpisah tanpa dedup lintas cohort. Untuk laporan finance/marketing resmi, gunakan model kredit yang disepakati dan full lookback, termasuk channel lain.

paid_at adalah TIMESTAMP. chat_time adalah DATETIME pada model Yellow; query contoh memakai timezone Asia/Jakarta, sesuai transformasi Yellow DATETIME(w.chat_time, 'Asia/Jakarta'). Konfirmasi timezone bila upstream berubah, jangan menambahkan +7 jam dua kali. Joins menjelaskan kenapa order_context tidak boleh langsung dianggap website revenue.

Hasil kosong berarti belum ada order yang memenuhi semua bukti/filter pada snapshot tersebut, bukan berarti seluruh bisnis tidak bertransaksi.

Recipe 4 — Compare GA and Butics coverage ​

sql
SELECT DATE(b.occurred_at,'Asia/Jakarta') day,
  COUNT(*) butics_events,
  COUNTIF(l.event_id IS NOT NULL) ga_matched_events,
  SAFE_DIVIDE(COUNTIF(l.event_id IS NOT NULL),COUNT(*)) match_rate
FROM `bumame-software-development.core_butics.fact_base_events` b
LEFT JOIN (
  SELECT DISTINCT event_id
  FROM `bumame-software-development.core_master_analytics.fact_enrichment_event_links`
  WHERE ga_event_name IS NOT NULL
) l USING(event_id)
WHERE b.occurred_at>=TIMESTAMP('2026-09-19','Asia/Jakarta')
  AND b.occurred_at<TIMESTAMP('2026-09-21','Asia/Jakarta')
GROUP BY 1 ORDER BY 1;

Ini mirror match rate, bukan perbandingan GA standard page_view dengan Butics page_view. Tunggu freshness kedua jalur, bandingkan hari lengkap, dan segmentasikan per event/device bila ada gap. Jangan memakai INNER JOIN sebagai denominator.

Before saving a dashboard ​

  • Nama metric menyebut unit dan cohort/date basis.
  • Urutan dan conversion window terdokumentasi.
  • Test traffic ditangani dengan string kosong serta NULL.
  • Tidak mencampur GA standard events dan mirror untuk page views.
  • LEFT JOIN digunakan jika unmatched population perlu tetap terlihat.
  • Revenue dihitung pada grain transaksi atau satu model credit yang jelas.
  • Data terbaru diberi status partial/unmatured bila window belum selesai.

Bumame Engineering · Butics — Butech Analytics