Recensioni Trustpilot su Power BI

Il volume di recensioni Trustpilot segue il volume degli ordini. Più ordini, più inviti, più recensioni. Il numero di recensioni e i dati operativi sono quindi due letture della stessa settimana, e tenerli in due strumenti separati è il motivo per cui nessuno si accorge quando non coincidono.

Le metta sulla stessa pagina e il conteggio grezzo smette di essere la metrica. La metrica è il numero di recensioni a una stella ogni mille ordini. Una settimana positiva produce più recensioni a una stella in termini assoluti, e per questo nessuno deve essere svegliato di notte: il rapporto resta stabile durante una settimana positiva e si muove nel momento in cui qualcosa si rompe a livello operativo.

È un'unica misura. Il conteggio delle recensioni Trustpilot con valutazione a una stella, diviso per gli ordini, moltiplicato per mille. Entrambe le tabelle sono già nel modello, quindi il DAX è una DIVIDE e l'avviso è una card con la formattazione condizionale applicata.

Il rivenditore nella visualizzazione gestisce circa 8.400 ordini al giorno e riceve circa 310 recensioni Trustpilot al giorno. Il 2 settembre quel rapporto è passato da 0,9 a 3,4, mentre il conteggio grezzo sembrava ancora una normale giornata di lavoro intenso. Il corriere aveva saltato le finestre di consegna in una regione fin dal lunedì precedente.

Trustpilot non pubblica una media storica. Il TrustScore dà più peso alle recensioni recenti, ed è per questo che un mese negativo pesa più di un vecchio anno negativo, e perché il numero sul suo profilo può scendere mentre la media di sempre si muove appena.

Modelli quindi la finestra temporale, non il dato storico. Una valutazione media mobile su novanta giorni è una CALCULATE, una AVERAGE su Rating e una DATESINPERIOD su ReviewDate. Quattro righe di DAX ordinario su una tabella ordinaria. È una misura, non una richiesta di funzionalità, e nessuno deve aspettare che un fornitore la rilasci.

Metta entrambe le serie in un unico grafico e sarà il divario a parlare. La media storica del rivenditore è ferma a 4,4 da due anni. La sua valutazione media mobile su novanta giorni è 3,9. Il numero storico è quello che finisce nello screenshot della presentazione al consiglio, ed è quello che nasconde il trimestre.

Poi la stessa finestra si scompone. Novanta giorni mobili per regione, per sede, per tag, con la stessa misura e la stessa tabella, perché scomporre i dati è proprio a cosa serve un modello semantico.

Le recensioni Trustpilot vengono modificate, segnalate e rimosse. Un feed che restituisce solo lo stato attuale fa sembrare che non sia successo nulla in entrambi i casi, e il suo report si allontana silenziosamente dal profilo che dovrebbe descrivere.

Il feed trasporta anche un flusso di modifiche. ReviewChanges contiene inserimenti, aggiornamenti e cancellazioni come righe, quindi sia una recensione a una stella che un cliente ha alzato a quattro dopo che ha risolto la consegna, sia una a una stella che Trustpilot ha rimosso in seguito a un ricorso, arrivano al modello come eventi con una marca temporale.

Su Trustpilot questo conta più che altrove. La segnalazione fa parte del funzionamento della piattaforma, la recensione resta pubblica per tutto il tempo in cui è sotto esame, e quante delle sue vengono rimosse è di per sé un numero da tenere d'occhio, non un vuoto nel grafico.

L'aggiornamento incrementale funziona per lo stesso motivo. ReviewDate è un vero datetimeoffset su cui il feed può filtrare, quindi Power Query integra direttamente nella richiesta una finestra RangeStart e RangeEnd. Il primo caricamento porta lo storico, poi il dataset recupera solo la finestra invece di tutto quanto.