> การปรับปรุงกระบวนการอย่างต่อเนื่อง > Lead to Cash > Pipedrive > เทมเพลตข้อมูล

เทมเพลตข้อมูล Lead to Cash ของคุณ

Pipedrive

แอตทริบิวต์ Lead to Cash(20) กิจกรรม Lead to Cash(13) คู่มือการดึงข้อมูล(3)

เทมเพลตข้อมูล Lead to Cash ของคุณ

เทมเพลตนี้ช่วยวางแนวทางรวบรวมข้อมูลสำคัญสำหรับวิเคราะห์กระบวนการ Lead to Cash ใน Pipedrive โดยระบุแอตทริบิวต์ที่จำเป็นและกิจกรรมหลักที่ควรติดตาม พร้อมคำแนะนำที่นำไปใช้ได้จริงในการดึงข้อมูลจากระบบ Pipedrive ของคุณ ใช้เทมเพลตนี้เตรียมข้อมูลสำหรับทำ process mining และปรับปรุงกระบวนการอย่างละเอียด.

แอตทริบิวต์ที่แนะนำให้รวบรวม
กิจกรรมสำคัญที่ควรติดตาม
คำแนะนำการดึงข้อมูลจาก Pipedrive

เพิ่งเริ่มใช้บันทึกเหตุการณ์ใช่ไหม เรียนรู้ วิธีสร้าง event log สำหรับ process mining.

ดาวน์โหลดเทมเพลต

แอตทริบิวต์ Lead to Cash

ฟิลด์ข้อมูลที่แนะนำเหล่านี้จำเป็นต่อการสร้างบันทึกเหตุการณ์ที่มีข้อมูลครบถ้วน เพื่อให้วิเคราะห์กระบวนการ Lead to Cash ได้อย่างละเอียด.

3 จำเป็น 4 แนะนำ 13 ไม่บังคับ

	ชื่อ	คำอธิบาย
	ชื่อกิจกรรม ActivityName	ชื่อของเหตุการณ์ทางธุรกิจหรืองานที่เกิดขึ้นในกระบวนการขาย.
คำอธิบาย แอตทริบิวต์นี้อธิบายขั้นตอนหนึ่งในกระบวนการ Lead to Cash เช่น 'สร้างดีล' 'ส่งข้อเสนอ' หรือ 'ได้รับชำระเงิน' กิจกรรมเป็นองค์ประกอบพื้นฐานที่ใช้แสดงภาพลำดับการทำงานของกระบวนการ. การวิเคราะห์ลำดับและความถี่ของกิจกรรมช่วยระบุเส้นทางกระบวนการที่พบบ่อยที่สุด คอขวดที่ทำให้งานคั่งค้าง และจุดที่เบี่ยงเบนจากขั้นตอนการขายมาตรฐาน ข้อมูลนี้จำเป็นต่อการทำความเข้าใจว่ากระบวนการดำเนินไปจริงอย่างไร. เหตุผลที่สำคัญ แอตทริบิวต์นี้กำหนดขั้นตอนในกระบวนการ ช่วยแสดงภาพและวิเคราะห์ลำดับการทำงาน ระบุคอขวด และตรวจสอบความสอดคล้องกับขั้นตอนที่กำหนด. แหล่งข้อมูล โดยทั่วไปได้จากการจับคู่เหตุการณ์ใน Pipedrive เช่น การเปลี่ยนขั้นของดีลหรือการสร้างออบเจ็กต์ที่เกี่ยวข้องอย่างใบแจ้งหนี้ กับรายการกิจกรรมที่กำหนดไว้. ตัวอย่าง สร้างดีลแล้วส่งข้อเสนอแล้วปิดดีลสำเร็จส่งใบแจ้งหนี้แล้วได้รับชำระเงินแล้ว
	เวลาเกิดเหตุการณ์ EventTime	เวลาที่ระบุว่ากิจกรรมเกิดขึ้นเมื่อใด.
คำอธิบาย เวลาเกิดเหตุการณ์หรือเวลาเริ่มต้นบันทึกวันที่และเวลาที่แน่นอนของกิจกรรมแต่ละรายการ ข้อมูลเวลานี้จำเป็นต่อการเรียงเหตุการณ์ตามลำดับและคำนวณระยะเวลาระหว่างขั้นตอนต่างๆ ของกระบวนการ. ในการวิเคราะห์ จะใช้เวลานี้คำนวณตัวชี้วัดผลการดำเนินงาน เช่น ระยะเวลาของวงจร ระยะเวลาประมวลผล และเวลารอ อีกทั้งยังใช้สร้างแดชบอร์ดตามช่วงเวลาเพื่อติดตามผลการดำเนินงานและระบุความล่าช้าในกระบวนการขาย. เหตุผลที่สำคัญ เวลานี้จำเป็นต่อการเรียงลำดับเหตุการณ์ คำนวณระยะเวลาของกระบวนการ และวิเคราะห์ผลการดำเนินงานเทียบกับเป้าหมายด้านเวลา. แหล่งข้อมูล ดึงข้อมูลจากฟิลด์ เช่น 'add_time' หรือ 'update_time' ในออบเจ็กต์ Deal, Activity หรือออบเจ็กต์ที่เกี่ยวข้องผ่าน Pipedrive API ตัวอย่าง 2023-04-15T10:00:00Z2023-04-16T14:30:00Z2023-05-01T09:05:00Z
	โอกาสการขาย SalesOpportunityId	ตัวระบุเฉพาะของโอกาสการขาย ใช้เป็น Case ID เพื่อติดตามกระบวนการ Lead to Cash ทั้งหมด.
คำอธิบาย Sales Opportunity ID เป็นคีย์หลักที่เชื่อมโยงกิจกรรมที่เกี่ยวข้องทั้งหมด ตั้งแต่การสร้างลูกค้าเป้าหมายไปจนถึงการรับชำระเงินขั้นสุดท้าย โดยใช้แทนโอกาสการขายหนึ่งรายการที่ติดตามใน Pipedrive. ในการวิเคราะห์กระบวนการ ตัวระบุนี้จำเป็นต่อการสร้างเส้นทางตั้งแต่ต้นจนจบของแต่ละดีลขึ้นใหม่ ช่วยจัดกลุ่มเหตุการณ์ต่างๆ เช่น 'สร้างดีล' 'ส่งข้อเสนอ' และ 'ได้รับชำระเงิน' ให้เป็นเคสเดียวกัน เพื่อวิเคราะห์รูปแบบกระบวนการ ระยะเวลาของวงจร และอัตราการเปลี่ยนเป็นลูกค้า. เหตุผลที่สำคัญ ตัวระบุนี้เป็นพื้นฐานของมุมมองกระบวนการ โดยเชื่อมโยงเหตุการณ์ที่เกี่ยวข้องทั้งหมดให้เป็นประวัติเคสที่สมบูรณ์ของแต่ละดีล. แหล่งข้อมูล ดึงข้อมูลจากฟิลด์ 'id' ของออบเจ็กต์ Deal ผ่าน Pipedrive API. ตัวอย่าง 12543125441254512546
	เปอร์เซ็นต์ส่วนลด DiscountPercentage	เปอร์เซ็นต์ส่วนลดที่ใช้กับดีล.
คำอธิบาย แอตทริบิวต์นี้ระบุเปอร์เซ็นต์ส่วนลดที่ให้กับดีล หากมี ซึ่งเป็นปัจจัยสำคัญในการทำความเข้าใจกลยุทธ์ด้านราคาและผลกระทบต่อความสามารถในการทำกำไร. การวิเคราะห์เปอร์เซ็นต์ส่วนลดช่วยประเมินประสิทธิผลของกลยุทธ์การให้ส่วนลด คุณสามารถเปรียบเทียบกับแอตทริบิวต์อื่น เช่น มูลค่าดีล พนักงานขาย หรือสินค้า เพื่อดูว่ามีการให้ส่วนลดกับรายการใดบ่อยที่สุด และส่วนลดช่วยเพิ่มอัตราการปิดดีลสำเร็จหรือเพียงทำให้อัตรากำไรลดลง. เหตุผลที่สำคัญ จำเป็นต่อการวิเคราะห์กลยุทธ์ด้านราคา อัตรากำไรจากการขาย และความสามารถในการทำกำไรโดยรวมของดีล. แหล่งข้อมูล ฟิลด์นี้มักเป็นฟิลด์ที่กำหนดเองในออบเจ็กต์ Deal ของ Pipedrive โปรดดูเอกสารประกอบของ Pipedrive สำหรับวิธีตั้งค่าฟิลด์ที่กำหนดเอง. ตัวอย่าง 0.050.100.150.0
	ผู้รับผิดชอบดีล DealOwner	พนักงานขายที่รับผิดชอบดูแลโอกาสการขาย.
คำอธิบาย ผู้รับผิดชอบดีลคือผู้ใช้ที่ได้รับมอบหมายให้ดูแลดีลนั้น แอตทริบิวต์นี้ช่วยให้เข้าใจการจัดสรรทรัพยากรและผลการดำเนินงานของทีมขาย. แอตทริบิวต์นี้ช่วยวิเคราะห์ผลการดำเนินงานรายบุคคลหรือรายทีม คุณสามารถกรองแดชบอร์ดตามผู้รับผิดชอบดีลเพื่อเปรียบเทียบตัวชี้วัด เช่น ระยะเวลาของวงจรการขาย อัตราการเปลี่ยนเป็นลูกค้า และมูลค่าดีลเฉลี่ย ซึ่งช่วยระบุผู้ที่ทำผลงานได้ดีและจุดที่ควรพัฒนา. เหตุผลที่สำคัญ ช่วยวิเคราะห์ผลการดำเนินงานของพนักงานขายแต่ละคน ระบุผู้ที่ทำผลงานได้ดีและจุดที่ควรปรับปรุง. แหล่งข้อมูล ดึงข้อมูลจากฟิลด์ 'user_id' ของออบเจ็กต์ Deal ซึ่งเชื่อมโยงกับออบเจ็กต์ User ใน Pipedrive API. ตัวอย่าง John SmithJane DoePeter Jones
	มูลค่าดีล DealValue	มูลค่ารวมเป็นเงินของโอกาสการขาย.
คำอธิบาย มูลค่าดีลหมายถึงรายได้ที่คาดว่าจะได้รับหรือได้รับจริงจากโอกาสการขาย เป็นตัวชี้วัดพื้นฐานสำหรับจัดลำดับความสำคัญของดีลและประเมินผลกระทบทางการเงินของโอกาสการขายที่อยู่ระหว่างดำเนินการ. ในการวิเคราะห์กระบวนการ แอตทริบิวต์นี้ใช้แบ่งเคสตามมูลค่า เพื่อเปรียบเทียบวิธีดำเนินกระบวนการของดีลมูลค่าสูงกับดีลมูลค่าต่ำ นอกจากนี้ยังเป็นองค์ประกอบหลักของแดชบอร์ดที่ใช้วิเคราะห์ผลการขาย ประสิทธิผลของส่วนลด และรายได้โดยรวม. เหตุผลที่สำคัญ ช่วยวิเคราะห์ด้านการเงินของกระบวนการขาย จัดลำดับความสำคัญของดีลมูลค่าสูง และทำความเข้าใจผลกระทบต่อรายได้. แหล่งข้อมูล ดึงข้อมูลจากฟิลด์ 'value' ของออบเจ็กต์ Deal ใน Pipedrive API. ตัวอย่าง 5000.0025000.501500.75
	สถานะดีล DealStatus	ผลลัพธ์หรือสถานะปัจจุบันของดีล เช่น won, lost หรือ open.
คำอธิบาย สถานะดีลระบุผลลัพธ์สุดท้ายหรือสถานะโดยรวมปัจจุบันของโอกาสการขาย เป็นมิติหลักสำหรับวิเคราะห์อัตราความสำเร็จในการขายและประสิทธิภาพของกระบวนการ. แอตทริบิวต์นี้เป็นพื้นฐานสำหรับคำนวณอัตราการปิดดีลสำเร็จและไม่สำเร็จ รวมถึงกรองแผนผังกระบวนการเพื่อเปรียบเทียบเส้นทางของดีลที่สำเร็จกับดีลที่ไม่สำเร็จ การเปรียบเทียบนี้มักเผยให้เห็นความแตกต่างสำคัญในการดำเนินกระบวนการที่ส่งผลต่อความสำเร็จหรือความล้มเหลว และให้ข้อมูลสำหรับการปรับปรุงกระบวนการ. เหตุผลที่สำคัญ จำเป็นต่อการคำนวณอัตราการปิดดีลสำเร็จและไม่สำเร็จ รวมถึงเปรียบเทียบลำดับการทำงานของดีลที่สำเร็จกับดีลที่ไม่สำเร็จ. แหล่งข้อมูล ดึงข้อมูลจากฟิลด์ 'status' ของออบเจ็กต์ Deal ใน Pipedrive API. ตัวอย่าง wonlostopen
	ขั้นของดีล DealStage	ขั้นตอนเฉพาะในกระบวนการขายที่ดีลกำลังดำเนินอยู่.
คำอธิบาย ขั้นของดีลหมายถึงขั้นตอนหนึ่งในกระบวนการขายที่บริษัทกำหนดไว้ เช่น 'ผ่านการคัดกรองแล้ว' 'จัดทำข้อเสนอแล้ว' หรือ 'เจรจา' จึงแสดงความคืบหน้าของดีลได้ละเอียดกว่าสถานะดีลโดยรวม. การวิเคราะห์ขั้นของดีลจำเป็นต่อการทำความเข้าใจช่องทางการขายและระบุจุดที่ดีลมักหยุดชะงัก เมื่อติดตามเวลาที่ใช้ในแต่ละขั้น ทีมจะระบุคอขวดและมุ่งปรับปรุงส่วนที่เป็นปัญหามากที่สุดของวงจรการขายได้. เหตุผลที่สำคัญ แสดงความคืบหน้าของดีลในช่องทางการขายอย่างละเอียด ช่วยระบุคอขวดและอัตราการเปลี่ยนผ่านระหว่างขั้น. แหล่งข้อมูล ดึงข้อมูลจากฟิลด์ 'stage_id' ของออบเจ็กต์ Deal ซึ่งเชื่อมโยงกับออบเจ็กต์ Stage ใน Pipedrive API. ตัวอย่าง รับลูกค้าเป้าหมายแล้วติดต่อลูกค้าแล้วกำหนดเวลาสาธิตแล้วจัดทำข้อเสนอแล้วเริ่มเจรจาแล้ว
	เงื่อนไขการชำระเงิน PaymentTerms	เงื่อนไขการชำระเงินที่ตกลงกัน เช่น 'Net 30' หรือ 'Net 60'.
คำอธิบาย เงื่อนไขการชำระเงินกำหนดระยะเวลาที่ลูกค้าควรชำระใบแจ้งหนี้หลังจากได้รับแล้ว แอตทริบิวต์นี้สำคัญต่อการจัดการลูกหนี้การค้าและกระแสเงินสด. ใน process mining แอตทริบิวต์นี้ใช้เป็นเกณฑ์ตั้งต้นในการประเมินผลการชำระเงิน โดยนำไปคำนวณ KPI เช่น อัตราการชำระตรงเวลา ด้วยการเปรียบเทียบวันที่ชำระเงินจริงกับวันครบกำหนดที่คำนวณจากวันที่ออกใบแจ้งหนี้และเงื่อนไขการชำระเงิน. เหตุผลที่สำคัญ ใช้เป็นเกณฑ์ตั้งต้นในการวัดการชำระเงินตรงเวลาและวิเคราะห์ความล่าช้าในกระบวนการเรียกเก็บเงิน. แหล่งข้อมูล โดยทั่วไปข้อมูลนี้เป็นฟิลด์ที่กำหนดเองในออบเจ็กต์ Deal หรือ Organization ของ Pipedrive หรืออาจมาจากระบบบัญชีที่เชื่อมต่อกัน. ตัวอย่าง Net 30Net 60ชำระเมื่อได้รับใบแจ้งหนี้
	ชำระเงินตรงเวลาหรือไม่ IsOnTimePayment	ค่าบูลีนที่ระบุว่าได้รับชำระเงินภายในเงื่อนไขการชำระเงินที่ตกลงกันหรือไม่.
คำอธิบาย แอตทริบิวต์นี้เป็นค่าแบบสองสถานะ (True/False) ที่ระบุว่าชำระเงินตรงเวลาหรือไม่ โดยคำนวณจากการเปรียบเทียบระยะเวลาชำระใบแจ้งหนี้จริงกับเงื่อนไขการชำระเงินที่กำหนด. ค่านี้ช่วยให้วิเคราะห์พฤติกรรมการชำระเงินได้ง่ายขึ้น ใช้คำนวณ KPI อัตราการชำระตรงเวลาและกรองรายการที่ชำระล่าช้า เพื่อวิเคราะห์สาเหตุของความล่าช้าจากลูกค้าหรือประเภทดีลที่เกี่ยวข้องได้ตรงจุด. เหตุผลที่สำคัญ ช่วยให้วิเคราะห์การปฏิบัติตามเงื่อนไขการชำระเงินได้ง่ายขึ้น และใช้คำนวณ KPI อัตราการชำระตรงเวลา. แหล่งข้อมูล คำนวณโดยเปรียบเทียบ 'InvoicePaymentTime' กับแอตทริบิวต์ 'PaymentTerms' ตัวอย่างเช่น หาก PaymentTerms เป็น 'Net 30' และ InvoicePaymentTime ไม่เกิน 30 วัน ค่าที่ได้จะเป็น True. ตัวอย่าง truefalse
	ชื่อองค์กร OrganizationName	ชื่อบริษัทหรือองค์กรของลูกค้าที่เกี่ยวข้องกับดีล.
คำอธิบาย แอตทริบิวต์นี้ระบุลูกค้าองค์กรที่เชื่อมโยงกับโอกาสการขาย และให้บริบทว่ามีบริษัทใดบ้างอยู่ในช่องทางการขาย. การวิเคราะห์ตามชื่อองค์กรช่วยให้เข้าใจพฤติกรรมของลูกค้าและระบุบัญชีลูกค้าสำคัญ คุณสามารถแบ่งการวิเคราะห์กระบวนการเพื่อดูว่ากระบวนการของลูกค้าเชิงกลยุทธ์แตกต่างจากลูกค้ารายเล็กหรือไม่ หรือใช้ติดตามประวัติการขายทั้งหมดของบริษัทใดบริษัทหนึ่ง. เหตุผลที่สำคัญ ระบุลูกค้า ช่วยวิเคราะห์โดยยึดลูกค้าเป็นหลักและแบ่งกลุ่มกระบวนการขายได้. แหล่งข้อมูล ดึงข้อมูลจากฟิลด์ 'org_id' ของออบเจ็กต์ Deal ซึ่งเชื่อมโยงกับออบเจ็กต์ Organization ใน Pipedrive API. ตัวอย่าง ABC CorporationGlobal Tech Inc.Innovate Solutions
	เป็นงานที่ต้องทำซ้ำหรือไม่ IsRework	ค่าที่ระบุกิจกรรมซึ่งเป็นส่วนหนึ่งของวงจรการทำงานซ้ำ.
คำอธิบาย เป็นงานที่ต้องทำซ้ำหรือไม่ คือค่าบูลีนที่โดยทั่วไปเครื่องมือ process mining คำนวณเพื่อแสดงกรณีที่กระบวนการเบี่ยงจากลำดับงานปกติและย้อนกลับไปทำขั้นตอนก่อนหน้าอีกครั้ง ตัวอย่างเช่น ดีลที่เปลี่ยนจาก 'เจรจา' กลับไปเป็น 'ส่งข้อเสนอแล้ว' ถือเป็นการทำงานซ้ำ. การระบุงานที่ต้องทำซ้ำเป็นสิ่งสำคัญต่อการปรับปรุงกระบวนการ เพราะสะท้อนถึงความไม่มีประสิทธิภาพ การเสียเวลา และความสับสนที่อาจเกิดขึ้นกับลูกค้า การวิเคราะห์กิจกรรมที่ถูกระบุว่าต้องทำซ้ำช่วยชี้จุดที่กระบวนการมีปัญหาและกำหนดแนวทางปรับปรุงได้ตรงจุด. เหตุผลที่สำคัญ ช่วยวัดความไม่มีประสิทธิภาพของกระบวนการ โดยระบุและทำเครื่องหมายกิจกรรมที่อยู่ในเส้นทางการทำงานซ้ำหรือวนกลับ. แหล่งข้อมูล ซอฟต์แวร์ process mining คำนวณค่านี้โดยวิเคราะห์ลำดับกิจกรรมภายในแต่ละเคส. ตัวอย่าง truefalse
	ภูมิภาค Region	ภูมิภาคทางภูมิศาสตร์ที่เกี่ยวข้องกับลูกค้าหรือโอกาสการขาย.
คำอธิบาย แอตทริบิวต์นี้จัดกลุ่มดีลตามพื้นที่ เช่น อเมริกาเหนือ EMEA หรือ APAC ช่วยวิเคราะห์ผลการขายและกระบวนการตามสถานที่ตั้ง. เมื่อแบ่งกระบวนการตามภูมิภาค ธุรกิจจะเห็นความแตกต่างของระยะเวลาวงจรการขาย อัตราการปิดดีลสำเร็จ และรูปแบบกระบวนการ ข้อมูลเหล่านี้ช่วยกำหนดกลยุทธ์การขาย จัดสรรทรัพยากร และปรับขั้นตอนให้เป็นมาตรฐานตามความเหมาะสมของแต่ละภูมิภาค. เหตุผลที่สำคัญ ช่วยวิเคราะห์กระบวนการขายตามพื้นที่ และแสดงความแตกต่างด้านผลการดำเนินงานและพฤติกรรมลูกค้าในแต่ละภูมิภาค. แหล่งข้อมูล โดยทั่วไปเป็นฟิลด์ที่กำหนดเองในออบเจ็กต์ Deal หรือ Organization หรืออาจใช้ฟิลด์ที่อยู่ของ Organization เพื่อระบุภูมิภาค. ตัวอย่าง อเมริกาเหนือEMEAAPACละตินอเมริกา
	ระบบต้นทาง SourceSystem	ระบุระบบที่ดึงข้อมูลมา.
คำอธิบาย แอตทริบิวต์นี้ระบุแหล่งที่มาของข้อมูล ซึ่งในกรณีนี้คือ Pipedrive มีประโยชน์เป็นพิเศษเมื่อรวบรวมข้อมูลจากหลายระบบเพื่อให้เห็นภาพกระบวนการโดยรวม. แม้การวิเคราะห์จากระบบเดียวมักใช้ค่าเดิม แอตทริบิวต์นี้ก็ช่วยให้เข้าใจบริบท ตรวจสอบที่มาของข้อมูล และกำกับดูแลข้อมูลได้ โดยยืนยันว่าเหตุการณ์และแอตทริบิวต์มาจาก Pipedrive. เหตุผลที่สำคัญ ให้บริบทสำคัญเกี่ยวกับแหล่งที่มาของข้อมูล ช่วยให้ตรวจสอบย้อนกลับและเข้าใจข้อมูลได้ชัดเจน โดยเฉพาะเมื่อรวมข้อมูลจากหลายระบบ. แหล่งข้อมูล โดยทั่วไปจะกำหนดค่าไว้ตายตัวระหว่างการแปลงข้อมูล. ตัวอย่าง Pipedrive
	ระยะเวลาชำระใบแจ้งหนี้ InvoicePaymentTime	ระยะเวลาตั้งแต่ส่งใบแจ้งหนี้จนถึงได้รับชำระเงิน.
คำอธิบาย ระยะเวลาชำระใบแจ้งหนี้ใช้วัดประสิทธิภาพของกระบวนการจัดการลูกหนี้การค้า โดยติดตามเวลาตั้งแต่กิจกรรม 'ส่งใบแจ้งหนี้แล้ว' จนถึงกิจกรรม 'ได้รับชำระเงินแล้ว' โดยเฉพาะ. ตัวชี้วัดนี้สำคัญต่อการติดตามกระแสเงินสดและระบุความล่าช้าในการเรียกเก็บเงิน การวิเคราะห์ระยะเวลาช่วยให้ธุรกิจเข้าใจพฤติกรรมการชำระเงินของลูกค้าและประสิทธิผลของกลยุทธ์ติดตามทวงถาม ซึ่งส่งผลโดยตรงต่อวงจรตั้งแต่เสนอราคาจนถึงรับชำระเงิน. เหตุผลที่สำคัญ วัดประสิทธิภาพของกระบวนการเรียกเก็บเงินโดยตรง และมีความสำคัญต่อการจัดการกระแสเงินสด. แหล่งข้อมูล คำนวณจากผลต่างระหว่างเวลาของกิจกรรม 'ได้รับชำระเงินแล้ว' กับ 'ส่งใบแจ้งหนี้แล้ว' ในเคสเดียวกัน. ตัวอย่าง 28 วัน45 วัน10 วัน
	เวลาสิ้นสุดเหตุการณ์ EventEndTime	เวลาที่ระบุว่ากิจกรรมซึ่งมีระยะเวลาดำเนินการเสร็จสิ้นเมื่อใด.
คำอธิบาย เวลาสิ้นสุดเหตุการณ์ระบุเวลาที่กิจกรรมซึ่งวัดระยะเวลาได้ เช่น การประชุมหรืองานหนึ่งรายการ เสร็จสิ้น เมื่อใช้ร่วมกับเวลาเริ่มต้น จะคำนวณระยะเวลาที่ใช้ในกิจกรรมแต่ละรายการได้อย่างแม่นยำ. แอตทริบิวต์นี้จำเป็นต่อการคำนวณเวลาประมวลผลของกิจกรรมแต่ละรายการ การวิเคราะห์ระยะเวลาช่วยระบุงานที่ใช้เวลามากที่สุด และหาโอกาสในการปรับปรุง ทำให้เป็นระบบอัตโนมัติ หรือจัดสรรทรัพยากรใหม่. เหตุผลที่สำคัญ ช่วยคำนวณระยะเวลาของกิจกรรมแต่ละรายการได้อย่างแม่นยำ ซึ่งจำเป็นต่อการระบุงานที่ใช้เวลานานและคอขวด. แหล่งข้อมูล ดึงข้อมูลจากฟิลด์ เช่น 'due_date' หรือเวลาที่ทำกิจกรรมเสร็จในออบเจ็กต์ Activity ผ่าน Pipedrive API ตัวอย่าง 2023-04-15T11:00:00Z2023-04-16T15:00:00Z2023-05-01T09:35:00Z
	สกุลเงินของดีล DealCurrency	สกุลเงินที่ใช้ระบุมูลค่าดีล.
คำอธิบาย แอตทริบิวต์นี้ระบุสกุลเงินที่ใช้แสดงมูลค่าดีล เช่น USD, EUR หรือ GBP และให้บริบทที่จำเป็นสำหรับตัวชี้วัดทางการเงินทั้งหมด. เมื่อต้องวิเคราะห์ดีลจากหลายภูมิภาคหรือหลายประเทศ แอตทริบิวต์นี้จำเป็นต่อการรายงานและรวมข้อมูลทางการเงินให้ถูกต้อง โดยช่วยให้แปลงสกุลเงินได้อย่างเหมาะสมก่อนสรุปข้อมูล และป้องกันข้อสรุปที่คลาดเคลื่อน. เหตุผลที่สำคัญ ให้บริบทที่จำเป็นสำหรับมูลค่าดีล ช่วยให้วิเคราะห์และรายงานข้อมูลทางการเงินจากหลายภูมิภาคได้อย่างถูกต้อง. แหล่งข้อมูล ดึงข้อมูลจากฟิลด์ 'currency' ของออบเจ็กต์ Deal ใน Pipedrive API. ตัวอย่าง USDEURGBP
	สินค้า ProductAttached	สินค้าหรือบริการที่เกี่ยวข้องกับโอกาสการขาย.
คำอธิบาย แอตทริบิวต์นี้ระบุสินค้าหรือบริการที่ขายในดีล ช่วยให้วิเคราะห์กิจกรรมการขายของข้อเสนอแต่ละรายการได้ละเอียดขึ้น. เมื่อระบุสินค้า คุณจะแบ่งการวิเคราะห์เพื่อเปรียบเทียบกระบวนการขายของสินค้าแต่ละกลุ่มได้ วิธีนี้ช่วยให้เห็นว่าสินค้าบางรายการมีวงจรการขายยาวกว่า มีอัตราการเปลี่ยนเป็นลูกค้าแตกต่างกัน หรือต้องผ่านขั้นตอนอื่นหรือไม่ แล้วนำข้อมูลไปปรับกลยุทธ์การขายให้เหมาะกับสินค้าแต่ละกลุ่ม. เหตุผลที่สำคัญ ช่วยวิเคราะห์กระบวนการขายแยกตามกลุ่มสินค้า และระบุความแตกต่างของวงจรการขายหรืออัตราความสำเร็จระหว่างข้อเสนอแต่ละรายการ. แหล่งข้อมูล ดึงข้อมูลจากออบเจ็กต์ Product ที่เชื่อมโยงกับ Deal ใน Pipedrive API. ตัวอย่าง การสมัครใช้บริการ SaaS มาตรฐานไลเซนส์แพลตฟอร์มสำหรับองค์กรแพ็กเกจบริการระดับมืออาชีพ
	แหล่งที่มาของลูกค้าเป้าหมาย LeadSource	แหล่งหรือช่องทางที่ได้ลูกค้าเป้าหมายมา.
คำอธิบาย แหล่งที่มาของลูกค้าเป้าหมายระบุว่าพบลูกค้าเป้าหมายครั้งแรกจากช่องทางใด เช่น 'เว็บบินาร์' 'โทรหาลูกค้าโดยไม่ได้นัดหมาย' หรือ 'การแนะนำจากพาร์ตเนอร์' ข้อมูลนี้สำคัญต่อกลยุทธ์การตลาดและการขาย. การวิเคราะห์แหล่งที่มาของลูกค้าเป้าหมายช่วยประเมินประสิทธิผลของช่องทางการตลาดแต่ละประเภท คุณสามารถเปรียบเทียบอัตราการเปลี่ยนเป็นลูกค้าและระยะเวลาของวงจรการขายจากแหล่งต่างๆ เพื่อปรับงบการตลาดและการขายให้เหมาะสม. เหตุผลที่สำคัญ ช่วยวัดประสิทธิผลของช่องทางการตลาดแต่ละประเภท โดยวิเคราะห์อัตราการเปลี่ยนเป็นลูกค้าและผลการดำเนินงานของกระบวนการสำหรับลูกค้าเป้าหมายจากแต่ละแหล่ง. แหล่งข้อมูล ดึงข้อมูลจากฟิลด์ 'source_name' ของออบเจ็กต์ Lead แล้วเชื่อมโยงกับ Deal. ตัวอย่าง การค้นหาทั่วไปโฆษณาบนโซเชียลมีเดียการแนะนำงานแสดงสินค้า
	อัปเดตข้อมูลล่าสุด LastDataUpdate	เวลาที่รีเฟรชข้อมูลจากระบบต้นทางครั้งล่าสุด.
คำอธิบาย แอตทริบิวต์นี้ระบุเวลาล่าสุดที่ดึงข้อมูลและอัปเดตในชุดข้อมูลสำหรับ process mining จึงช่วยให้ทราบว่าข้อมูลที่นำมาวิเคราะห์เป็นข้อมูลใหม่เพียงใด. การวิเคราะห์ทุกประเภทต้องคำนึงถึงความเป็นปัจจุบันของข้อมูล แอตทริบิวต์นี้ช่วยให้ผู้ใช้ทราบว่าข้อมูลเชิงลึกที่เห็นสะท้อนสถานะล่าสุดของกระบวนการหรือไม่ ซึ่งจำเป็นต่อการติดตามการปฏิบัติงานและการตัดสินใจ. เหตุผลที่สำคัญ ระบุความเป็นปัจจุบันของข้อมูล เพื่อให้ผู้ใช้ทราบว่าการวิเคราะห์กระบวนการอ้างอิงข้อมูลล่าสุดเพียงใด. แหล่งข้อมูล ค่านี้สร้างและบันทึกระหว่างการนำเข้าข้อมูลหรือกระบวนการ ETL. ตัวอย่าง 2023-10-27T02:00:00Z2023-10-28T02:00:00Z

จำเป็น แนะนำ ไม่บังคับ

กิจกรรม Lead to Cash

ควรบันทึกขั้นตอนและหมุดหมายสำคัญเหล่านี้ไว้ในบันทึกเหตุการณ์ เพื่อให้ค้นพบกระบวนการได้อย่างแม่นยำและปรับปรุงได้อย่างมีประสิทธิภาพ.

5 แนะนำ 8 ไม่บังคับ

	กิจกรรม	คำอธิบาย
	ได้รับชำระเงินแล้ว	ระบุว่าได้รับชำระเงินจากลูกค้าสำเร็จ ซึ่งเป็นการปิดรอบกระแสเงินสดของโอกาสการขาย นี่คือเหตุการณ์สุดท้ายในกระบวนการ Lead to Cash และมาจากระบบการเงิน.
เหตุผลที่สำคัญ นี่คือขั้นตอนสุดท้ายที่ทำให้เกิดรายได้ และเป็นจุดสิ้นสุดที่แท้จริงของกระบวนการ Lead to Cash ข้อมูลนี้จำเป็นต่อการวัดระยะเวลาตั้งแต่ต้นจนจบและวิเคราะห์ความล่าช้าในการชำระเงิน. แหล่งข้อมูล ข้อมูลนี้มาจากระบบบัญชีหรือระบบประมวลผลการชำระเงิน โดยต้องเชื่อมโยงการยืนยันการชำระเงินกลับไปยังดีลใน Pipedrive. บันทึก ข้อมูลเหตุการณ์จากระบบการเงินภายนอก ซึ่งเชื่อมโยงกับดีลด้วยตัวระบุเฉพาะ. ประเภทเหตุการณ์ explicit
	ปิดดีลไม่สำเร็จ	ระบุว่าปิดดีลไม่สำเร็จ กระบวนการขายสิ้นสุดลงเพราะลูกค้าเลือกคู่แข่ง ไม่สนใจอีกต่อไป หรือมีเหตุผลอื่น.
เหตุผลที่สำคัญ นี่คือจุดสิ้นสุดหลักของดีลที่ไม่สำเร็จ การวิเคราะห์ว่าดีลหลุดไปเมื่อใดและเพราะเหตุใด ช่วยให้ได้ข้อมูลสำคัญสำหรับปรับปรุงกลยุทธ์การขาย การฝึกอบรม และกระบวนการคัดกรองลูกค้าเป้าหมาย. แหล่งข้อมูล เหตุการณ์นี้เกิดขึ้นเมื่อสถานะของดีลเปลี่ยนเป็น 'lost' โดยมีการบันทึกไว้อย่างชัดเจน ฟิลด์ 'lost_time' ในเอนทิตี Deals จะบันทึกเวลาที่เกิดเหตุการณ์. บันทึก ใช้เวลาจากฟิลด์ 'lost_time' ในเอนทิตี Deals. ประเภทเหตุการณ์ explicit
	ปิดดีลสำเร็จ	ระบุว่าปิดดีลได้สำเร็จ เมื่อลูกค้าตกลงด้วยวาจาหรือเป็นลายลักษณ์อักษร นี่คือการเปลี่ยนสถานะที่ชัดเจนและเป็นมาตรฐานใน Pipedrive.
เหตุผลที่สำคัญ นี่คือหมุดหมายความสำเร็จที่สำคัญที่สุด ใช้คำนวณอัตราการปิดการขาย ระยะเวลาของวงจรการขายสำหรับดีลที่สำเร็จ และผลการขายโดยรวม. แหล่งข้อมูล เหตุการณ์นี้เกิดขึ้นเมื่อสถานะของดีลเปลี่ยนเป็น 'won' โดยมีการบันทึกไว้อย่างชัดเจน ฟิลด์ 'won_time' ในเอนทิตี Deals ระบุเวลาที่เกิดเหตุการณ์อย่างแม่นยำ. บันทึก ใช้เวลาจากฟิลด์ 'won_time' ในเอนทิตี Deals. ประเภทเหตุการณ์ explicit
	ส่งข้อเสนอแล้ว	หมายถึงจุดที่ส่งใบเสนอราคาหรือข้อเสนออย่างเป็นทางการให้ลูกค้า โดยมักอนุมานจากการที่ดีลย้ายไปยังขั้นตอนเฉพาะในไปป์ไลน์ เช่น 'จัดทำข้อเสนอแล้ว' หรือ 'ส่งใบเสนอราคาแล้ว'.
เหตุผลที่สำคัญ นี่คือหมุดหมายสำคัญในกระบวนการขาย การวิเคราะห์เวลาตั้งแต่เหตุการณ์นี้จนถึง 'ปิดดีลสำเร็จ' ช่วยให้เข้าใจระยะเวลาของช่วงตัดสินใจและเจรจาต่อรอง. แหล่งข้อมูล อนุมานจากบันทึกการเปลี่ยนแปลงของ Deal เมื่อ 'stage_id' เปลี่ยนไปยังขั้นที่กำหนดไว้สำหรับข้อเสนอ โดยใช้ Timestamp ที่เปลี่ยนขั้นตอนเป็นเวลาของเหตุการณ์. บันทึก ตรวจจับเมื่อ 'stage_id' ของ Deal เปลี่ยนเป็นขั้น 'ข้อเสนอ' ที่กำหนดไว้. ประเภทเหตุการณ์ inferred
	สร้างดีลแล้ว	ระบุจุดเริ่มต้นอย่างเป็นทางการของโอกาสการขาย เหตุการณ์นี้เกิดขึ้นเมื่อมีการสร้างดีลใหม่ด้วยตนเองหรือสร้างขึ้นโดยอัตโนมัติจากลีดที่เปลี่ยนเป็นโอกาสการขายแล้ว.
เหตุผลที่สำคัญ นี่คือกิจกรรมเริ่มต้นหลักของวงจรการขาย การวิเคราะห์เวลาตั้งแต่เหตุการณ์นี้จนถึง 'ปิดดีลสำเร็จ' หรือ 'ปิดดีลไม่สำเร็จ' ช่วยให้เห็นระยะเวลาของวงจรการขายโดยรวม. แหล่งข้อมูล เหตุการณ์นี้บันทึกไว้อย่างชัดเจนในเอนทิตี Deals ของ Pipedrive โดยใช้ Timestamp ที่สร้างดีล ('add_time') เป็นเวลาของเหตุการณ์. บันทึก ใช้ฟิลด์ 'add_time' จากเอนทิตี Deals. ประเภทเหตุการณ์ explicit
	ดำเนินการตามคำสั่งซื้อแล้ว	ระบุว่าสินค้าถูกจัดส่งหรือให้บริการแก่ลูกค้าแล้ว เหตุการณ์นี้มาจากระบบภายนอกที่ใช้จัดการการส่งมอบหรือการปฏิบัติงาน.
เหตุผลที่สำคัญ การติดตามการส่งมอบช่วยให้เข้าใจระยะเวลาตั้งแต่รับคำสั่งซื้อจนถึงส่งมอบสินค้า ความล่าช้าในขั้นตอนนี้ส่งผลโดยตรงต่อความพึงพอใจของลูกค้าและการรับรู้รายได้. แหล่งข้อมูล ข้อมูลนี้มาจากระบบ ERP ระบบสินค้าคงคลัง หรือระบบจัดการบริการภายนอก และต้องเชื่อมโยงกลับไปยังดีลที่เกี่ยวข้องใน Pipedrive. บันทึก ข้อมูลเหตุการณ์จากระบบภายนอก ซึ่งเชื่อมโยงด้วย Deal ID หรือตัวระบุร่วมอื่น. ประเภทเหตุการณ์ explicit
	ติดต่อลูกค้าครั้งแรกแล้ว	หมายถึงการติดต่อที่มีสาระสำคัญครั้งแรกกับลูกค้าเป้าหมายที่เกี่ยวข้องกับดีล โดยทั่วไปจะบันทึกเป็นกิจกรรมที่เสร็จสิ้นแล้ว เช่น การโทร อีเมล หรือการประชุมที่เชื่อมโยงกับดีล.
เหตุผลที่สำคัญ การติดตามข้อมูลนี้ช่วยวัดเวลาจนถึงการติดต่อลูกค้าครั้งแรก และทำให้มั่นใจว่าทีมเข้าถึงลีดได้ทันเวลา อีกทั้งยังช่วยให้เห็นความรวดเร็วในการตอบสนองของทีมขาย. แหล่งข้อมูล ดึงข้อมูลจากเอนทิตีกิจกรรมของ Pipedrive โดยค้นหากิจกรรมที่เสร็จสมบูรณ์รายการแรกสุดซึ่งเชื่อมโยงกับรหัสดีล บันทึก ค้นหากิจกรรมแรกที่เสร็จสมบูรณ์และเชื่อมโยงกับ Deal โดยอ้างอิงฟิลด์ 'done_time'. ประเภทเหตุการณ์ explicit
	ติดตามข้อเสนอแล้ว	บันทึกกิจกรรมการขายที่เกิดขึ้นหลังส่งข้อเสนอให้ลูกค้า เช่น การโทรหรืออีเมล เหตุการณ์นี้แสดงว่าทีมยังติดต่อลูกค้าในช่วงพิจารณาข้อเสนอ.
เหตุผลที่สำคัญ ใช้วัดความรวดเร็วและความถี่ในการติดตาม ซึ่งสำคัญต่อการรักษาความต่อเนื่องและปิดดีล อีกทั้งยังรองรับแดชบอร์ด 'ความตรงเวลาในการติดตามข้อเสนอ'. แหล่งข้อมูล ดึงข้อมูลจากเอนทิตีกิจกรรมของ Pipedrive โดยระบุเป็นกิจกรรมที่เสร็จสมบูรณ์หลังเหตุการณ์ 'ส่งข้อเสนอแล้ว' ของดีลเดียวกัน บันทึก ค้นหากิจกรรมที่เสร็จสมบูรณ์ซึ่งมีค่า 'done_time' หลังการประทับเวลาของกิจกรรม 'Proposal Sent' ประเภทเหตุการณ์ explicit
	เปิดดีลอีกครั้ง	หมายถึงดีลที่เคยระบุว่าไม่สำเร็จ แต่กลับมาเปิดใช้งานเพื่อดำเนินกิจกรรมการขายต่อ เหตุการณ์นี้อนุมานได้เมื่อสถานะของดีลเปลี่ยนจาก 'lost' กลับเป็น 'open'.
เหตุผลที่สำคัญ กิจกรรมนี้แสดงให้เห็นการวนกลับไปทำงานซ้ำและความพยายามติดต่อกลับ การวิเคราะห์กรณีเหล่านี้ช่วยให้เห็นรูปแบบพฤติกรรมของลูกค้าหรือประสิทธิผลของการติดตามการขาย. แหล่งข้อมูล อนุมานจากประวัติการเปลี่ยนแปลงของ Deal โดยตรวจพบเมื่อฟิลด์ 'status' เปลี่ยนจาก 'lost' เป็น 'open'. บันทึก ตรวจหาการเปลี่ยนสถานะจาก 'lost' เป็น 'open' ในประวัติของดีล. ประเภทเหตุการณ์ inferred
	ผ่านการคัดกรองดีลแล้ว	หมายถึงดีลที่ผ่านเกณฑ์ที่กำหนดไว้และถือเป็นโอกาสที่มีแนวโน้มคุ้มค่าต่อการติดตาม โดยทั่วไปอนุมานจากการที่ดีลย้ายจากขั้นต้นของไปป์ไลน์ เช่น 'รับลีดแล้ว' ไปยังขั้นที่ผ่านการคัดกรองมากขึ้น เช่น 'ติดต่อลูกค้าแล้ว' หรือ 'ระบุความต้องการแล้ว'.
เหตุผลที่สำคัญ หมุดหมายนี้ช่วยวิเคราะห์ประสิทธิภาพของกระบวนการคัดกรองลีด และระบุระยะเวลาที่ดีลค้างอยู่ในขั้นต้นที่ยังไม่ผ่านการคัดกรอง. แหล่งข้อมูล อนุมานจากบันทึกการเปลี่ยนแปลงหรือประวัติของ Deal เมื่อฟิลด์ 'stage_id' เปลี่ยนเป็นขั้นที่แสดงว่าผ่านการคัดกรองแล้ว. บันทึก ตรวจหาการเปลี่ยนขั้นตอนในประวัติของดีลไปยังขั้น 'ผ่านการคัดกรอง' ที่กำหนดไว้ล่วงหน้า. ประเภทเหตุการณ์ inferred
	เริ่มเจรจาต่อรองแล้ว	หมายถึงการเริ่มเจรจาเรื่องราคา เงื่อนไข หรือขอบเขตงาน โดยทั่วไปอนุมานจากการที่ดีลย้ายไปยังขั้น 'เจรจาต่อรอง' ในไปป์ไลน์หลังส่งข้อเสนอแล้ว.
เหตุผลที่สำคัญ การแยกช่วงเจรจาต่อรองออกมาช่วยระบุระยะเวลาของช่วงนี้โดยเฉพาะ และค้นหาดีลที่ใช้เวลาเจรจานาน. แหล่งข้อมูล อนุมานจากบันทึกการเปลี่ยนแปลงของ Deal เมื่อ 'stage_id' เปลี่ยนไปยังขั้นที่ระบุชัดเจนว่าเป็นการเจรจาต่อรอง. บันทึก ตรวจหาการเปลี่ยนขั้นตอนในประวัติของดีลไปยังขั้น 'เจรจาต่อรอง' ที่กำหนดไว้ล่วงหน้า. ประเภทเหตุการณ์ inferred
	ส่งใบแจ้งหนี้แล้ว	หมายถึงเวลาที่ส่งใบแจ้งหนี้ให้ลูกค้าเพื่อชำระเงิน โดยปกติเหตุการณ์นี้จะเกิดขึ้นในระบบบัญชีหรือระบบเรียกเก็บเงินภายนอก หลังจากดำเนินการตามคำสั่งซื้อเสร็จสิ้น.
เหตุผลที่สำคัญ เหตุการณ์นี้เป็นจุดเริ่มต้นของรอบการชำระเงิน ระยะเวลาตั้งแต่เหตุการณ์นี้จนถึง 'ได้รับชำระเงิน' เป็นข้อมูลสำคัญสำหรับติดตามลูกหนี้การค้าและกระแสเงินสด. แหล่งข้อมูล ข้อมูลนี้มาจากระบบบัญชีหรือ ERP ภายนอก เช่น Xero หรือ QuickBooks โดยต้องเชื่อมโยงข้อมูลเหตุการณ์กับดีลใน Pipedrive. บันทึก ข้อมูลเหตุการณ์จากระบบเรียกเก็บเงินภายนอก ซึ่งเชื่อมโยงกับดีลผ่านการเชื่อมต่อ API. ประเภทเหตุการณ์ explicit
	สร้างใบสั่งขายแล้ว	หมายถึงการสร้างใบสั่งขายอย่างเป็นทางการในระบบปลายทาง เช่น ERP หรือแพลตฟอร์มบัญชี หลังจากปิดดีลได้สำเร็จ กิจกรรมนี้ไม่มีอยู่ใน Pipedrive โดยตรง แต่ต้องอาศัยข้อมูลจากระบบที่เชื่อมต่อกัน.
เหตุผลที่สำคัญ เหตุการณ์นี้แสดงถึงการส่งต่องานจากฝ่ายขายไปยังฝ่ายปฏิบัติการหรือฝ่ายการเงิน การวิเคราะห์เวลาตั้งแต่ 'ปิดดีลสำเร็จ' จนถึงกิจกรรมนี้ช่วยให้เห็นความล่าช้าที่อาจเกิดขึ้นในขั้นตอนประมวลผลคำสั่งซื้อ. แหล่งข้อมูล โดยทั่วไปข้อมูลนี้มาจากระบบ ERP หรือระบบการเงินที่เชื่อมต่อกัน ต้องนำเข้าข้อมูลและเชื่อมโยงกับ Deal ID ใน Pipedrive. บันทึก ข้อมูลเหตุการณ์ที่ส่งมาจากระบบภายนอกผ่าน API โดยมักอัปเดตฟิลด์ที่กำหนดเองในดีลบน Pipedrive. ประเภทเหตุการณ์ explicit

แนะนำ ไม่บังคับ

คู่มือการดึงข้อมูล

วิธีดึงข้อมูลจาก Pipedrive

ขั้นตอน

เข้าสู่ระบบ Pipedrive: เข้าบัญชี Pipedrive ด้วยโปรไฟล์ผู้ใช้ที่มีสิทธิ์ส่งออกข้อมูล โดยทั่วไปจะเป็นผู้ใช้ระดับผู้ดูแลระบบ
ไปที่การส่งออกข้อมูล: คลิกรูปโปรไฟล์ที่มุมขวาบน แล้วเลือก 'การตั้งค่า' ในเมนูด้านซ้าย ให้ไปที่ส่วน 'เครื่องมือและแอป' แล้วคลิก 'ส่งออกข้อมูล'
ส่งออกข้อมูลดีล: ในมุมมอง 'ส่งออกข้อมูล' ให้เลือก 'ดีล' และเลือกรูปแบบไฟล์ 'CSV' แนะนำให้กรองช่วงวันที่ เช่น 6 เดือนที่ผ่านมา เพื่อให้ไฟล์มีขนาดจัดการได้ คลิก 'ส่งออก' แล้วรอให้ระบบสร้างและดาวน์โหลดไฟล์ ไฟล์นี้จะมีข้อมูลสำคัญของดีล เช่น เวลาที่สร้าง เวลาที่ชนะ และเวลาที่แพ้
ส่งออกข้อมูลกิจกรรม: ทำซ้ำขั้นตอนเดิมสำหรับ 'กิจกรรม' เลือก 'กิจกรรม' เลือกรูปแบบ 'CSV' ใช้ตัวกรองช่วงวันที่เดียวกับดีล แล้วส่งออก ไฟล์นี้มีรายการการโทร อีเมล การประชุม และกิจกรรมที่กำหนดเองซึ่งเชื่อมโยงกับดีล
รวบรวมข้อมูลจากระบบภายนอก: ดึงข้อมูลที่เกี่ยวข้องจากระบบปลายทาง เช่น ERP ระบบบัญชี หรือระบบจัดส่งสินค้า สำหรับเหตุการณ์อย่าง 'สร้างใบสั่งขาย', 'ดำเนินการตามคำสั่งซื้อแล้ว', 'ส่งใบแจ้งหนี้แล้ว' และ 'ได้รับชำระเงินแล้ว' ตรวจสอบว่าไฟล์เหล่านี้มีรหัสร่วมที่จับคู่กลับไปยังรหัสดีลใน Pipedrive ได้
เตรียมสภาพแวดล้อมประมวลผลข้อมูล: ใช้เครื่องมือที่จัดการและรวมไฟล์ CSV หลายไฟล์ได้ เช่น Python กับไลบรารี pandas, Microsoft Excel กับ Power Query หรือเครื่องมือเตรียมข้อมูลอื่น
โหลดและรวมข้อมูล: โหลดไฟล์ Deals.csv และ Activities.csv รวมถึงไฟล์ข้อมูลภายนอกที่รวบรวมไว้ในขั้นตอนก่อนหน้า
สร้างบันทึกเหตุการณ์: เขียนสคริปต์แปลงข้อมูลดิบให้อยู่ในรูปแบบกิจกรรมที่ต้องการ เพื่อสร้างบันทึกเหตุการณ์รวม สำหรับกิจกรรมที่ต้องการทั้ง 13 รายการ ให้สร้างแถวข้อมูลที่เกี่ยวข้อง ตัวอย่างเช่น:
- สร้างเหตุการณ์ 'สร้างดีล' จากคอลัมน์ add_time ในไฟล์ Deals.csv
- สร้างเหตุการณ์ 'ชนะดีล' จากคอลัมน์ won_time ในไฟล์ Deals.csv
- ระบุ 'ติดต่อครั้งแรกแล้ว' จากกิจกรรมที่เสร็จสมบูรณ์รายการแรกสุดของแต่ละดีลในไฟล์ Activities.csv
- อนุมานกิจกรรมอื่น เช่น 'ส่งข้อเสนอแล้ว' หรือ 'เริ่มเจรจาแล้ว' จากหัวข้อหรือประเภทกิจกรรมที่ระบุใน Activities.csv
จับคู่แอตทริบิวต์: ตรวจสอบว่าแต่ละแถวเหตุการณ์มีคอลัมน์ที่จำเป็นครบ ได้แก่ SalesOpportunityId, ActivityName และ EventTime เพิ่มแอตทริบิวต์แนะนำ เช่น DealValue, DealOwner และ DealStatus โดยเชื่อมกับข้อมูลดีล
ส่งออกไฟล์ขั้นสุดท้าย: เมื่อสร้างและตรวจสอบบันทึกเหตุการณ์ครบแล้ว ให้บันทึกตารางสุดท้ายเป็นไฟล์ CSV ไฟล์เดียวที่เข้ารหัส UTF-8 จากนั้นจึงอัปโหลดไฟล์นี้ไปยัง ProcessMind เพื่อวิเคราะห์

การกำหนดค่า

ออบเจ็กต์ที่ต้องส่งออก: ต้องส่งออกอย่างน้อย 'ดีล' และ 'กิจกรรม' คุณอาจต้องส่งออก 'องค์กร' หรือ 'บุคคล' เพิ่ม หากต้องใช้ข้อมูลมิติเพิ่มเติม
รูปแบบไฟล์: เลือก CSV เพื่อให้ใช้ร่วมกับเครื่องมือประมวลผลข้อมูล เช่น Python หรือ Power Query ได้สะดวก
ตัวกรองช่วงวันที่: ใช้ตัวเลือก 'กรองตาม' เพื่อเลือกช่วงเวลา เช่น 'เวลาเพิ่มดีล' อยู่ในช่วง '180 วันที่ผ่านมา' วิธีนี้สำคัญต่อการควบคุมประสิทธิภาพการส่งออกและขนาดไฟล์
สิทธิ์ผู้ใช้: คุณต้องเป็นผู้ใช้ระดับผู้ดูแลระบบ หรือมีชุดสิทธิ์ที่อนุญาตให้ส่งออกข้อมูลจากบัญชี Pipedrive โดยชัดเจน
ประเภทกิจกรรมที่กำหนดเอง: การดึงขั้นตอนกระบวนการ เช่น 'คัดกรองดีลแล้ว' หรือ 'ส่งข้อเสนอแล้ว' ให้สำเร็จขึ้นอยู่กับการใช้ประเภทกิจกรรมที่กำหนดเองใน Pipedrive ขององค์กรคุณเป็นอย่างมาก ตรวจสอบว่าตั้งค่าไว้และทีมขายใช้งานอย่างสม่ำเสมอ

ตัวอย่างคำค้น python

import pandas as pd

class=class="hl-string">"hl-comment"># --- 1. Load Data ---
class=class="hl-string">"hl-comment"># Load Pipedrive exports. Replace class="hl-string">'deals.csv' and class="hl-string">'activities.csv' with your actual file paths.
deals_df = pd.read_csv(class="hl-string">'deals.csv')
activities_df = pd.read_csv(class="hl-string">'activities.csv')

class=class="hl-string">"hl-comment"># Placeholder: Load data from external systems. These files should contain a Deal ID column.
class=class="hl-string">"hl-comment"># Replace with actual file loads from your ERP, Accounting, or Fulfillment systems.
sales_orders_df = pd.DataFrame({class="hl-string">'Deal ID': [], class="hl-string">'Order Created Date': []}) class=class="hl-string">"hl-comment"># Example from ERP
fulfillments_df = pd.DataFrame({class="hl-string">'Deal ID': [], class="hl-string">'Fulfillment Date': []})   class=class="hl-string">"hl-comment"># Example from Fulfillment System
invoices_df = pd.DataFrame({class="hl-string">'Deal ID': [], class="hl-string">'Invoice Sent Date': []})         class=class="hl-string">"hl-comment"># Example from Accounting System
payments_df = pd.DataFrame({class="hl-string">'Deal ID': [], class="hl-string">'Payment Received Date': []})     class=class="hl-string">"hl-comment"># Example from Accounting System

class=class="hl-string">"hl-comment"># --- 2. Prepare and Clean Data ---
class=class="hl-string">"hl-comment"># Rename columns for consistency and convert date columns to datetime objects
deals_df.rename(columns={class="hl-string">'ID': class="hl-string">'SalesOpportunityId', class="hl-string">'Value': class="hl-string">'DealValue', class="hl-string">'Owner name': class="hl-string">'DealOwner', class="hl-string">'Status': class="hl-string">'DealStatus', class="hl-string">'Add time': class="hl-string">'EventTime_Created', class="hl-string">'Won time': class="hl-string">'EventTime_Won', class="hl-string">'Lost time': class="hl-string">'EventTime_Lost'}, inplace=True)
activities_df.rename(columns={class="hl-string">'Deal ID': class="hl-string">'SalesOpportunityId', class="hl-string">'Subject': class="hl-string">'ActivityName', class="hl-string">'Done time': class="hl-string">'EventTime'}, inplace=True)

for col in [class="hl-string">'EventTime_Created', class="hl-string">'EventTime_Won', class="hl-string">'EventTime_Lost']: 
    deals_df[col] = pd.to_datetime(deals_df[col], errors=class="hl-string">'coerce')
activities_df[class="hl-string">'EventTime'] = pd.to_datetime(activities_df[class="hl-string">'EventTime'], errors=class="hl-string">'coerce')


class=class="hl-string">"hl-comment"># --- 3. Extract Activities from Pipedrive Data ---

class=class="hl-string">"hl-comment"># Activity: Deal Created
event_created = deals_df[[class="hl-string">'SalesOpportunityId', class="hl-string">'EventTime_Created']].copy()
event_created.rename(columns={class="hl-string">'EventTime_Created': class="hl-string">'EventTime'}, inplace=True)
event_created[class="hl-string">'ActivityName'] = class="hl-string">'Deal Created'

class=class="hl-string">"hl-comment"># Activity: Deal Won
event_won = deals_df[deals_df[class="hl-string">'EventTime_Won'].notna()][[class="hl-string">'SalesOpportunityId', class="hl-string">'EventTime_Won']].copy()
event_won.rename(columns={class="hl-string">'EventTime_Won': class="hl-string">'EventTime'}, inplace=True)
event_won[class="hl-string">'ActivityName'] = class="hl-string">'Deal Won'

class=class="hl-string">"hl-comment"># Activity: Deal Lost
event_lost = deals_df[deals_df[class="hl-string">'EventTime_Lost'].notna()][[class="hl-string">'SalesOpportunityId', class="hl-string">'EventTime_Lost']].copy()
event_lost.rename(columns={class="hl-string">'EventTime_Lost': class="hl-string">'EventTime'}, inplace=True)
event_lost[class="hl-string">'ActivityName'] = class="hl-string">'Deal Lost'

class=class="hl-string">"hl-comment"># Filter for relevant, completed activities linked to a deal
completed_activities = activities_df[activities_df[class="hl-string">'EventTime'].notna() & activities_df[class="hl-string">'SalesOpportunityId'].notna()].copy()
completed_activities[class="hl-string">'SalesOpportunityId'] = completed_activities[class="hl-string">'SalesOpportunityId'].astype(int)

class=class="hl-string">"hl-comment"># Activity: Initial Contact Made (first completed activity for each deal)
event_initial_contact = completed_activities.sort_values(class="hl-string">'EventTime', ascending=True).drop_duplicates(class="hl-string">'SalesOpportunityId')
event_initial_contact = event_initial_contact[[class="hl-string">'SalesOpportunityId', class="hl-string">'EventTime']].copy()
event_initial_contact[class="hl-string">'ActivityName'] = class="hl-string">'Initial Contact Made'

class=class="hl-string">"hl-comment"># Infer other activities based on activity subject keywords. Adjust keywords as needed.
event_qualified = completed_activities[completed_activities[class="hl-string">'ActivityName'].str.contains(class="hl-string">'qualify|qualification', case=False, na=False)].copy()
event_qualified[class="hl-string">'ActivityName'] = class="hl-string">'Deal Qualified'

event_proposal_sent = completed_activities[completed_activities[class="hl-string">'ActivityName'].str.contains(class="hl-string">'proposal|quote', case=False, na=False)].copy()
event_proposal_sent[class="hl-string">'ActivityName'] = class="hl-string">'Proposal Sent'

class=class="hl-string">"hl-comment"># Proposal Follow-Up: Any call or email activity after a proposal was sent
if not event_proposal_sent.empty:
    merged_followup = pd.merge(completed_activities, event_proposal_sent[[class="hl-string">'SalesOpportunityId', class="hl-string">'EventTime']].rename(columns={class="hl-string">'EventTime':class="hl-string">'ProposalTime'}), on=class="hl-string">'SalesOpportunityId')
    follow_ups = merged_followup[merged_followup[class="hl-string">'EventTime'] > merged_followup[class="hl-string">'ProposalTime']]
    event_follow_up = follow_ups[follow_ups[class="hl-string">'ActivityName'].str.contains(class="hl-string">'call|email|follow-up', case=False, na=False)].copy()
    event_follow_up[class="hl-string">'ActivityName'] = class="hl-string">'Proposal Follow-Up'
else:
    event_follow_up = pd.DataFrame(columns=[class="hl-string">'SalesOpportunityId', class="hl-string">'EventTime', class="hl-string">'ActivityName'])

event_negotiation = completed_activities[completed_activities[class="hl-string">'ActivityName'].str.contains(class="hl-string">'negotiation|negotiate', case=False, na=False)].copy()
event_negotiation[class="hl-string">'ActivityName'] = class="hl-string">'Negotiation Started'

class=class="hl-string">"hl-comment"># Placeholder for Deal Reopened: Logic is complex and not reliably available from standard export.
event_reopened = pd.DataFrame(columns=[class="hl-string">'SalesOpportunityId', class="hl-string">'EventTime', class="hl-string">'ActivityName'])

class=class="hl-string">"hl-comment"># --- 4. Extract Activities from External Data (Placeholders) ---

class=class="hl-string">"hl-comment"># Rename columns and convert dates for external data
class=class="hl-string">"hl-comment"># This section needs to be adapted to your specific file structures
event_so_created = sales_orders_df.rename(columns={class="hl-string">'Deal ID': class="hl-string">'SalesOpportunityId', class="hl-string">'Order Created Date': class="hl-string">'EventTime'}).assign(ActivityName=class="hl-string">'Sales Order Created')
event_fulfilled = fulfillments_df.rename(columns={class="hl-string">'Deal ID': class="hl-string">'SalesOpportunityId', class="hl-string">'Fulfillment Date': class="hl-string">'EventTime'}).assign(ActivityName=class="hl-string">'Order Fulfilled')
event_invoice_sent = invoices_df.rename(columns={class="hl-string">'Deal ID': class="hl-string">'SalesOpportunityId', class="hl-string">'Invoice Sent Date': class="hl-string">'EventTime'}).assign(ActivityName=class="hl-string">'Invoice Sent')
event_payment_received = payments_df.rename(columns={class="hl-string">'Deal ID': class="hl-string">'SalesOpportunityId', class="hl-string">'Payment Received Date': class="hl-string">'EventTime'}).assign(ActivityName=class="hl-string">'Payment Received')


class=class="hl-string">"hl-comment"># --- 5. Combine and Finalize Event Log ---

event_log_frames = [
    event_created,
    event_won,
    event_lost,
    event_initial_contact,
    event_qualified[[class="hl-string">'SalesOpportunityId', class="hl-string">'EventTime', class="hl-string">'ActivityName']],
    event_proposal_sent[[class="hl-string">'SalesOpportunityId', class="hl-string">'EventTime', class="hl-string">'ActivityName']],
    event_follow_up[[class="hl-string">'SalesOpportunityId', class="hl-string">'EventTime', class="hl-string">'ActivityName']],
    event_negotiation[[class="hl-string">'SalesOpportunityId', class="hl-string">'EventTime', class="hl-string">'ActivityName']],
    event_reopened,
    event_so_created,
    event_fulfilled,
    event_invoice_sent,
    event_payment_received
]

event_log = pd.concat(event_log_frames)

class=class="hl-string">"hl-comment"># Merge with deal attributes
final_event_log = pd.merge(event_log, deals_df[[class="hl-string">'SalesOpportunityId', class="hl-string">'DealValue', class="hl-string">'DealOwner', class="hl-string">'Status']], on=class="hl-string">'SalesOpportunityId', how=class="hl-string">'left')

class=class="hl-string">"hl-comment"># Clean up and select final columns
final_event_log.rename(columns={class="hl-string">'Status':class="hl-string">'DealStatus'}, inplace=True)
final_event_log.dropna(subset=[class="hl-string">'EventTime', class="hl-string">'SalesOpportunityId'], inplace=True)

class=class="hl-string">"hl-comment"># Placeholder for DiscountPercentage - Assuming it's a custom field in your deals export
if class="hl-string">'Discount percentage' in deals_df.columns:
    final_event_log = pd.merge(final_event_log, deals_df[[class="hl-string">'SalesOpportunityId', class="hl-string">'Discount percentage']], on=class="hl-string">'SalesOpportunityId', how=class="hl-string">'left')
    final_event_log.rename(columns={class="hl-string">'Discount percentage':class="hl-string">'DiscountPercentage'}, inplace=True)
else:
    final_event_log[class="hl-string">'DiscountPercentage'] = None

class=class="hl-string">"hl-comment"># Reorder columns to match requirements
output_columns = [class="hl-string">'SalesOpportunityId', class="hl-string">'ActivityName', class="hl-string">'EventTime', class="hl-string">'DealValue', class="hl-string">'DealOwner', class="hl-string">'DealStatus', class="hl-string">'DiscountPercentage']
final_event_log = final_event_log[output_columns]

class=class="hl-string">"hl-comment"># --- 6. Save Final Event Log ---
final_event_log.to_csv(class="hl-string">'pipedrive_event_log.csv', index=False, date_format=class="hl-string">'%Y-%m-%d %H:%M:%S')

print(class="hl-string">'Event log created successfully.')

ขั้นตอน

ตั้งค่าสภาพแวดล้อม Python: ตรวจสอบว่าติดตั้ง Python 3.6 ขึ้นไปในระบบ เปิดเทอร์มินัลหรือพรอมต์คำสั่ง แล้วติดตั้งไลบรารี Python ที่จำเป็นด้วยคำสั่งนี้: pip install requests pandas.
ขอข้อมูลรับรอง Pipedrive API: เข้าสู่ระบบบัญชี Pipedrive คลิกรูปโปรไฟล์เพื่อไปที่ Settings แล้วเลือก 'Personal preferences' จากนั้นเปิดแท็บ 'API' และคัดลอก API token ส่วนตัว คุณต้องใช้โดเมนบริษัทด้วย ซึ่งเป็นคำนำหน้าใน URL ของ Pipedrive เช่น your-company ใน your-company.pipedrive.com.
ตั้งค่าสคริปต์ดึงข้อมูล: เปิดสคริปต์ Python ที่ให้มาในโปรแกรมแก้ไขข้อความหรือ IDE ไปที่ส่วนการตั้งค่าด้านบน แล้วแทนค่าตัวอย่างของ API_TOKEN และ COMPANY_DOMAIN ด้วยข้อมูลรับรองของคุณ.
กำหนดช่วงเวลาที่ดึงข้อมูล: ในส่วนการตั้งค่าของสคริปต์ ให้กำหนดตัวแปร START_DATE เป็นวันที่สร้างดีลที่เก่าที่สุดที่ต้องการนำมาวิเคราะห์ โดยใช้รูปแบบ 'YYYY-MM-DD'.
ระบุ Pipeline และ Stage ID: สคริปต์อนุมานกิจกรรมบางรายการจากการเปลี่ยนขั้นตอนของดีล คุณต้องระบุ ID ของ sales pipeline และขั้นตอนสำคัญให้ถูกต้อง ค้นหา ID ได้โดยเปิดขั้นตอนนั้นใน Pipedrive UI แล้วดู URL หรือเรียกใช้ API จากนั้นแก้ตัวแปร PIPELINE_ID, QUALIFIED_STAGE_ID, PROPOSAL_STAGE_ID และ NEGOTIATION_STAGE_ID ในสคริปต์.
เรียกใช้สคริปต์: เรียกใช้สคริปต์จากเทอร์มินัลด้วยคำสั่ง python your_script_name.py สคริปต์จะเริ่มเรียก Pipedrive API เพื่อดึงดีล กิจกรรม และบันทึกการเปลี่ยนแปลง.
ติดตามการทำงาน: สคริปต์จะแสดงความคืบหน้าในคอนโซล พร้อมระบุข้อมูลที่กำลังดึง กระบวนการอาจใช้เวลาหลายนาที ขึ้นอยู่กับปริมาณข้อมูลและข้อจำกัดอัตราการเรียก API.
เพิ่มการดึงข้อมูลจากระบบภายนอก: สำหรับกิจกรรมอย่าง 'Sales Order Created' และ 'Payment Received' สคริปต์มีฟังก์ชันตัวอย่างไว้ให้ คุณต้องแก้ไขฟังก์ชันเหล่านี้เพื่อเชื่อมต่อกับระบบภายนอก เช่น ERP หรือแพลตฟอร์มบัญชี แล้วดึงข้อมูลเหตุการณ์ที่เกี่ยวข้อง จับคู่ SalesOpportunityId ของ Pipedrive กับระเบียนในระบบอื่นเหล่านี้.
ตรวจสอบผลลัพธ์: เมื่อสคริปต์ทำงานเสร็จ จะสร้างไฟล์ CSV ชื่อ pipedrive_event_log.csv ซึ่งมีบันทึกเหตุการณ์ที่จัดโครงสร้างแล้วและกิจกรรมทั้งหมดที่ดึงมา.
เตรียมอัปโหลด: เปิดไฟล์ CSV เพื่อตรวจสอบว่าสร้างถูกต้อง คอลัมน์ควรมี SalesOpportunityId, ActivityName, EventTime และแอตทริบิวต์อื่นที่แนะนำ ไฟล์นี้พร้อมอัปโหลดไปยัง ProcessMind เพื่อวิเคราะห์.

การกำหนดค่า

ข้อมูลรับรอง API: สคริปต์ต้องใช้ API_TOKEN ที่ถูกต้องและ COMPANY_DOMAIN ของคุณเพื่อยืนยันตัวตนกับ Pipedrive API ตรวจสอบว่าผู้ใช้ที่เชื่อมโยงกับโทเค็นมีสิทธิ์อ่านดีล กิจกรรม และผู้ใช้อย่างเพียงพอ.
ช่วงวันที่: ตัวแปร START_DATE ใช้กรองดีลที่สร้างตั้งแต่วันที่ระบุเป็นต้นไป สำหรับการวิเคราะห์เบื้องต้น แนะนำให้ใช้ข้อมูลย้อนหลัง 3 ถึง 6 เดือน เพื่อให้จัดการปริมาณข้อมูลได้สะดวก.
Pipeline และ Stage ID: หากต้องการอนุมานขั้นตอนกระบวนการ เช่น 'Deal Qualified' หรือ 'Proposal Sent' ให้ถูกต้อง ต้องตั้งค่า ID ตัวเลขของ PIPELINE_ID สำหรับ sales pipeline หลัก และค่า STAGE_ID ของแต่ละหมุดหมายสำคัญให้ตรงกัน หาก ID ไม่ตรง กิจกรรมบางรายการจะหายไป.
ประสิทธิภาพและการจำกัดอัตราการเรียก: สคริปต์หน่วงเวลาสั้น ๆ ระหว่างการเรียก API เพื่อให้เป็นไปตามข้อจำกัดของ Pipedrive หากองค์กรมีดีลจำนวนมาก อาจต้องปรับเวลาหน่วงหรือใช้กลยุทธ์ backoff ที่เหมาะสมขึ้นเพื่อป้องกันข้อผิดพลาดจาก API.
การจับคู่ฟิลด์ที่กำหนดเอง: หากใช้ฟิลด์ที่กำหนดเองกับแอตทริบิวต์สำคัญ เช่น DiscountPercentage คุณต้องค้นหา API key ของฟิลด์นั้น ซึ่งเป็นสตริง hash ยาว ไม่ใช่ชื่อที่แสดง แล้วอ้างอิงในตรรกะการแปลงข้อมูล.
การเชื่อมต่อระบบภายนอก: การดึงเหตุการณ์จากนอก Pipedrive เช่น การออกใบแจ้งหนี้หรือการจัดส่งสินค้า ใช้ฟังก์ชันตัวอย่าง คุณต้องปรับแต่งส่วนเหล่านี้เพื่อเชื่อมต่อกับแหล่งข้อมูลภายนอกของคุณ.

ตัวอย่างคำค้น python

import requests
import pandas as pd
import time
import datetime

class=class="hl-string">"hl-comment"># --- CONFIGURATION ---
class=class="hl-string">"hl-comment"># Replace with your Pipedrive API token and company domain
API_TOKEN = class="hl-string">'YOUR_API_TOKEN'
COMPANY_DOMAIN = class="hl-string">'YOUR_COMPANY_DOMAIN' class=class="hl-string">"hl-comment"># e.g., class="hl-string">'your-company-name'

class=class="hl-string">"hl-comment"># Set the start date for deal extraction (YYYY-MM-DD)
START_DATE = class="hl-string">'2023-01-01'

class=class="hl-string">"hl-comment"># Configure your specific Pipeline and Stage IDs
class=class="hl-string">"hl-comment"># Find these in your Pipedrive URL or via the API /stages endpoint
PIPELINE_ID = 1 class=class="hl-string">"hl-comment"># Replace with your main sales pipeline ID
QUALIFIED_STAGE_ID = 2 class=class="hl-string">"hl-comment"># Replace with your class="hl-string">'Qualified' stage ID
PROPOSAL_STAGE_ID = 3 class=class="hl-string">"hl-comment"># Replace with your class="hl-string">'Proposal Sent' stage ID
NEGOTIATION_STAGE_ID = 4 class=class="hl-string">"hl-comment"># Replace with your class="hl-string">'Negotiation' stage ID

class=class="hl-string">"hl-comment"># --- SCRIPT --- 

BASE_URL = fclass="hl-string">'https://{COMPANY_DOMAIN}.pipedrive.com/api/v1'

def get_paginated_data(endpoint, params={}):
    class="hl-string">"""Fetches all pages of data from a Pipedrive API endpoint."""
    all_data = []
    start = 0
    limit = 500
    while True:
        request_params = {
            class="hl-string">'start': start,
            class="hl-string">'limit': limit,
            class="hl-string">'api_token': API_TOKEN
        }
        request_params.update(params)
        
        try:
            response = requests.get(fclass="hl-string">"{BASE_URL}/{endpoint}", params=request_params)
            response.raise_for_status()
            data = response.json()

            if not data.get(class="hl-string">'data'):
                break

            all_data.extend(data[class="hl-string">'data'])

            if not data.get(class="hl-string">'additional_data', {}).get(class="hl-string">'pagination', {}).get(class="hl-string">'more_items_in_collection'):
                break
            
            start += limit
            time.sleep(0.2) class=class="hl-string">"hl-comment"># Respect API rate limits
        except requests.exceptions.RequestException as e:
            print(fclass="hl-string">"Error fetching {endpoint}: {e}")
            break
            
    return all_data

def get_deal_flow(deal_id):
    class="hl-string">"""Fetches the change history (flow) for a single deal."""
    params = {class="hl-string">'api_token': API_TOKEN}
    try:
        response = requests.get(fclass="hl-string">"{BASE_URL}/deals/{deal_id}/flow", params=params)
        response.raise_for_status()
        data = response.json()
        return data.get(class="hl-string">'data', [])
    except requests.exceptions.RequestException as e:
        print(fclass="hl-string">"Error fetching flow for deal {deal_id}: {e}")
        return []

class=class="hl-string">"hl-comment"># Placeholder functions for external data
def get_sales_order_data(deal_ids):
    print(class="hl-string">"Placeholder: Fetching sales order data from external ERP/CRM...")
    class=class="hl-string">"hl-comment"># Example: Connect to your ERP, query for orders linked to deal_ids
    class=class="hl-string">"hl-comment"># Return a list of dicts: [{class="hl-string">'SalesOpportunityId': id, class="hl-string">'ActivityName': class="hl-string">'Sales Order Created', class="hl-string">'EventTime': timestamp}, ...]
    return []

def get_fulfillment_data(deal_ids):
    print(class="hl-string">"Placeholder: Fetching order fulfillment data...")
    return []

def get_invoice_data(deal_ids):
    print(class="hl-string">"Placeholder: Fetching invoice data from accounting system...")
    return []

def get_payment_data(deal_ids):
    print(class="hl-string">"Placeholder: Fetching payment data from financial system...")
    return []


class=class="hl-string">"hl-comment"># --- MAIN EXTRACTION LOGIC ---
if __name__ == class="hl-string">'__main__':
    print(class="hl-string">"Starting Pipedrive data extraction...")
    events = []

    class=class="hl-string">"hl-comment"># 1. Fetch all deals created after the START_DATE and in the specified pipeline
    print(class="hl-string">"Fetching deals...")
    deals = get_paginated_data(class="hl-string">'deals', {class="hl-string">'start_date': START_DATE, class="hl-string">'pipeline_id': PIPELINE_ID})
    if not deals:
        print(class="hl-string">"No deals found for the specified criteria. Exiting.")
        exit()

    deal_ids = [d[class="hl-string">'id'] for d in deals]
    print(fclass="hl-string">"Found {len(deals)} deals.")

    class=class="hl-string">"hl-comment"># 2. Fetch all activities related to the deals
    print(class="hl-string">"Fetching activities...")
    all_activities = get_paginated_data(class="hl-string">'activities', {class="hl-string">'user_id': 0}) class=class="hl-string">"hl-comment"># Get for all users
    deal_activities = [act for act in all_activities if act.get(class="hl-string">'deal_id') in deal_ids and act[class="hl-string">'done']]

    activities_by_deal = {}
    for act in deal_activities:
        if act[class="hl-string">'deal_id'] not in activities_by_deal:
            activities_by_deal[act[class="hl-string">'deal_id']] = []
        activities_by_deal[act[class="hl-string">'deal_id']].append(act)

    class=class="hl-string">"hl-comment"># 3. Process each deal to create events
    print(class="hl-string">"Processing deals and activities to generate event log...")
    for deal in deals:
        deal_id = deal[class="hl-string">'id']
        deal_owner_name = deal.get(class="hl-string">'owner_name', class="hl-string">'')
        base_attributes = {
            class="hl-string">'SalesOpportunityId': deal_id,
            class="hl-string">'DealValue': deal.get(class="hl-string">'value', 0),
            class="hl-string">'DealOwner': deal_owner_name,
            class="hl-string">'DealStatus': deal.get(class="hl-string">'status', class="hl-string">'open'),
            class="hl-string">'DiscountPercentage': deal.get(class="hl-string">'discount_percentage', 0)
        }

        class=class="hl-string">"hl-comment"># Activity: Deal Created
        events.append({**base_attributes, class="hl-string">'ActivityName': class="hl-string">'Deal Created', class="hl-string">'EventTime': deal[class="hl-string">'add_time']})

        class=class="hl-string">"hl-comment"># Activity: Deal Won / Lost
        if deal[class="hl-string">'status'] == class="hl-string">'won' and deal[class="hl-string">'won_time']:
            events.append({**base_attributes, class="hl-string">'ActivityName': class="hl-string">'Deal Won', class="hl-string">'EventTime': deal[class="hl-string">'won_time']})
        elif deal[class="hl-string">'status'] == class="hl-string">'lost' and deal[class="hl-string">'lost_time']:
            events.append({**base_attributes, class="hl-string">'ActivityName': class="hl-string">'Deal Lost', class="hl-string">'EventTime': deal[class="hl-string">'lost_time']})

        class=class="hl-string">"hl-comment"># Activity: Initial Contact Made & Proposal Follow-Up
        proposal_sent_time = None
        if deal_id in activities_by_deal:
            sorted_activities = sorted(activities_by_deal[deal_id], key=lambda x: x[class="hl-string">'marked_as_done_time'])
            if sorted_activities:
                first_activity = sorted_activities[0]
                events.append({**base_attributes, class="hl-string">'ActivityName': class="hl-string">'Initial Contact Made', class="hl-string">'EventTime': first_activity[class="hl-string">'marked_as_done_time']})
            
            class=class="hl-string">"hl-comment"># Find proposal follow-ups (requires proposal time)
            class=class="hl-string">"hl-comment"># This part is revisited after stage changes are processed

        class=class="hl-string">"hl-comment"># Activities from Stage Changes: Qualified, Proposal Sent, Negotiation, Reopened
        time.sleep(0.2) class=class="hl-string">"hl-comment"># Rate limit for flow endpoint
        flow = get_deal_flow(deal_id)
        if not flow:
            continue

        lost_then_reopened = False
        was_lost = False

        for change in sorted(flow, key=lambda x: x[class="hl-string">'add_time']):
            class=class="hl-string">"hl-comment"># Deal Reopened
            if change.get(class="hl-string">'field_key') == class="hl-string">'status' and change.get(class="hl-string">'old_value') == class="hl-string">'lost' and change.get(class="hl-string">'new_value') == class="hl-string">'open':
                events.append({**base_attributes, class="hl-string">'ActivityName': class="hl-string">'Deal Reopened', class="hl-string">'EventTime': change[class="hl-string">'add_time']})
            
            if change.get(class="hl-string">'field_key') != class="hl-string">'stage_id':
                continue

            stage_change_time = change[class="hl-string">'add_time']

            class=class="hl-string">"hl-comment"># Deal Qualified
            if change[class="hl-string">'new_value'] == QUALIFIED_STAGE_ID:
                events.append({**base_attributes, class="hl-string">'ActivityName': class="hl-string">'Deal Qualified', class="hl-string">'EventTime': stage_change_time})

            class=class="hl-string">"hl-comment"># Proposal Sent
            if change[class="hl-string">'new_value'] == PROPOSAL_STAGE_ID:
                events.append({**base_attributes, class="hl-string">'ActivityName': class="hl-string">'Proposal Sent', class="hl-string">'EventTime': stage_change_time})
                proposal_sent_time = stage_change_time

            class=class="hl-string">"hl-comment"># Negotiation Started
            if change[class="hl-string">'new_value'] == NEGOTIATION_STAGE_ID:
                events.append({**base_attributes, class="hl-string">'ActivityName': class="hl-string">'Negotiation Started', class="hl-string">'EventTime': stage_change_time})

        class=class="hl-string">"hl-comment"># Re-check for Proposal Follow-Up now that we have proposal_sent_time
        if proposal_sent_time and deal_id in activities_by_deal:
            for act in activities_by_deal[deal_id]:
                if act[class="hl-string">'marked_as_done_time'] > proposal_sent_time:
                    events.append({**base_attributes, class="hl-string">'ActivityName': class="hl-string">'Proposal Follow-Up', class="hl-string">'EventTime': act[class="hl-string">'marked_as_done_time']})
                    break class=class="hl-string">"hl-comment"># Only capture the first follow-up

    class=class="hl-string">"hl-comment"># 4. Add events from external systems (placeholders)
    print(class="hl-string">"Adding data from external system placeholders...")
    events.extend(get_sales_order_data(deal_ids))
    events.extend(get_fulfillment_data(deal_ids))
    events.extend(get_invoice_data(deal_ids))
    events.extend(get_payment_data(deal_ids))

    class=class="hl-string">"hl-comment"># 5. Create and export the final event log
    if not events:
        print(class="hl-string">"No events were generated. The output file will be empty.")
    else:
        print(class="hl-string">"Creating CSV file...")
        df = pd.DataFrame(events)
        class=class="hl-string">"hl-comment"># Ensure required columns are present
        df = df[[class="hl-string">'SalesOpportunityId', class="hl-string">'ActivityName', class="hl-string">'EventTime', class="hl-string">'DealValue', class="hl-string">'DealOwner', class="hl-string">'DealStatus', class="hl-string">'DiscountPercentage']]
        df.sort_values(by=[class="hl-string">'SalesOpportunityId', class="hl-string">'EventTime'], inplace=True)
        
        output_filename = class="hl-string">'pipedrive_event_log.csv'
        df.to_csv(output_filename, index=False)
        print(fclass="hl-string">"Extraction complete. Event log saved to {output_filename}")

ขั้นตอน

เลือกและซื้อไลเซนส์บริการ ETL หรือระบบอัตโนมัติเชิงพาณิชย์ที่รองรับตัวเชื่อมต่อ Pipedrive เช่น Fivetran หรือ Make ตรวจสอบว่าผลิตภัณฑ์ที่เลือกดึงข้อมูลดีล กิจกรรม ประวัติขั้นตอนดีล การเปลี่ยนสถานะดีล บุคคล องค์กร และฟิลด์ที่กำหนดเองได้ รวมถึงเขียนข้อมูลไปยังคลังข้อมูลหรือ data lake ปลายทางของคุณได้.
สร้างการเชื่อมต่อ Pipedrive ที่มีสิทธิ์อ่าน โดยใช้วิธียืนยันตัวตนที่ตัวเชื่อมต่อรองรับ ตั้งค่าบัญชีต้นทาง เวิร์กสเปซ หรือองค์กรตามเครื่องมือที่เลือก อย่าสมมติว่าเมนูหรือ API endpoint จะอยู่ตำแหน่งเดิม เพราะรายละเอียดแตกต่างกันตามผลิตภัณฑ์และเวอร์ชันของตัวเชื่อมต่อ.
ตั้งค่าการเชื่อมต่อปลายทางและสร้างพื้นที่พักข้อมูลสำหรับออบเจ็กต์ต้นทางที่ซิงค์ ใช้ชื่อตารางหรือคอลเลกชันที่ตัวเชื่อมต่อสร้างให้ หรือแก้ชื่อในสคริปต์ให้ตรงกับชื่อที่ใช้ในสภาพแวดล้อมของคุณ เก็บตัวระบุต้นทาง เวลา ค่าและสถานะ ขั้นตอน ตัวระบุผู้รับผิดชอบ มูลค่าเงิน และฟิลด์ที่กำหนดเองไว้.
ตั้งค่าการซิงค์แบบเพิ่มเฉพาะข้อมูลในช่วงวันที่ต้องการ โดยทั่วไปคือ 3 ถึง 6 เดือนก่อนหน้า และกำหนดช่วงเวลาซ้อนทับหากตัวเชื่อมต่อรองรับ รวมระเบียนย้อนหลังที่จำเป็นต่อการระบุดีลที่เปิดใหม่ และรวมประวัติขั้นตอนหรือสถานะ ไม่ใช่เฉพาะภาพข้อมูลดีลปัจจุบัน.
ซิงค์ออบเจ็กต์ Pipedrive และออบเจ็กต์จากระบบปลายทางที่เชื่อมต่อ ซึ่งจำเป็นต่อกิจกรรม Sales Order Created, Order Fulfilled, Invoice Sent และ Payment Received กิจกรรมทั้งสี่รายการนี้ไม่ใช่เหตุการณ์ที่มีอยู่ใน Pipedrive โดยตรง จึงต้องใช้ข้อมูลจาก ERP ระบบจัดส่งสินค้า บัญชี วางบิล หรือระบบการเงิน หากตัวเชื่อมต่อไม่มีออบเจ็กต์เหล่านี้ ให้โหลดข้อมูลผ่านตัวเชื่อมต่ออื่นที่รองรับไปยังปลายทาง.
สร้างวิวหรือตารางที่ปรับรูปแบบข้อมูลให้เป็นมาตรฐาน และจับคู่ผลลัพธ์จากตัวเชื่อมต่อกับออบเจ็กต์ต้นทางเชิงตรรกะที่สคริปต์อ้างอิง แทนชื่อ table ตัวอย่างแต่ละรายการในสคริปต์ด้วยตารางหรือวิวที่เกี่ยวข้องในปลายทาง ตั้งค่าชื่อขั้นตอน ค่า status ประเภทกิจกรรม และคีย์เชื่อมโยงกับระบบภายนอกตามส่วนการตั้งค่าที่ระบุ.
เรียกใช้สคริปต์ดึงข้อมูล สคริปต์จะสร้างแถวสำหรับ Deal Created, Initial Contact Made, Deal Qualified, Proposal Sent, Proposal Follow-Up, Negotiation Started, Deal Won, Sales Order Created, Order Fulfilled, Invoice Sent, Payment Received, Deal Lost และ Deal Reopened โดยจะสร้างเหตุการณ์ที่อนุมานจากประวัติขั้นตอนหรือสถานะเฉพาะเมื่อประวัติต้นทางมีการเปลี่ยนแปลงที่จำเป็น ProcessMind จะไม่อนุมานเหตุการณ์ที่ขาดหายหลังอัปโหลด.
ตรวจสอบว่ามีค่า SalesOpportunityId, ActivityName และ EventTime ครบถ้วน ปรับเวลาให้อยู่ในเขตเวลาเดียวกัน และจัดการระเบียนต้นทางที่ซ้ำโดยใช้ตัวระบุเหตุการณ์ต้นทางกับเวลาเกิดเหตุการณ์ ตรวจสอบแอตทริบิวต์ที่แนะนำ และคงค่า NULL ไว้เมื่อไม่มีข้อมูลจากต้นทาง.
ส่งออกผลลัพธ์เป็น CSV แบบแบนหรือรูปแบบบันทึกเหตุการณ์อื่นที่ ProcessMind รองรับ ใช้ SalesOpportunityId เป็นตัวระบุเคส ActivityName เป็นคอลัมน์กิจกรรม และ EventTime เป็นเวลาเกิดเหตุการณ์ เพิ่ม DealValue, DealOwner, DealStatus และ DiscountPercentage เป็นแอตทริบิวต์ จากนั้นอัปโหลดไฟล์หรือเชื่อมต่อชุดข้อมูลปลายทางใน ProcessMind แล้วตรวจสอบว่าชื่อกิจกรรมตรงกับป้ายกำกับที่กำหนดทุกประการ.

การกำหนดค่า

ตัวเชื่อมต่อต้นทาง: ตั้งค่าตัวเชื่อมต่อ Pipedrive ที่รองรับในบริการ ETL หรือระบบอัตโนมัติที่เลือก ความสามารถของตัวเชื่อมต่อ โหมดซิงค์ ชื่อตารางที่สร้าง และตัวเลือกยืนยันตัวตนแตกต่างกันตามผลิตภัณฑ์และเวอร์ชัน.
ข้อมูลต้นทางที่จำเป็น: รวมดีล กิจกรรม ประวัติขั้นตอนดีล ประวัติสถานะดีล ผู้รับผิดชอบหรือผู้ใช้ และฟิลด์ที่ใช้ระบุลีดที่เปลี่ยนเป็นลูกค้า รวมข้อมูลคำสั่งซื้อ การจัดส่ง ใบแจ้งหนี้ และการชำระเงินจากระบบที่เชื่อมต่อด้วย.
ออบเจ็กต์ปลายทาง: แทนที่ [Your deals table], [Your activities table], [Your deal stage history table], [Your deal status history table], [Your sales orders table], [Your fulfillment table], [Your invoices table] และ [Your payments table] ด้วยชื่อตารางที่ตัวเชื่อมต่อสร้างหรือวิวข้อมูลที่จัดเตรียมไว้.
ช่วงวันที่: เริ่มจากข้อมูลย้อนหลัง 3 ถึง 6 เดือน ขยายช่วงเวลาเมื่อวงจรกระบวนการยาวกว่าเดิม เมื่อต้องวิเคราะห์ดีลที่เปิดใหม่ หรือเมื่อต้องใช้ประวัติการเปลี่ยนขั้นตอนและสถานะ.
พารามิเตอร์วันที่: กำหนด [Start date] และ [End date] ในรูปแบบวันที่ที่ปลายทางรองรับ ใช้ช่วงเวลาซ้อนทับสำหรับการโหลดข้อมูลแบบเพิ่ม เพื่อเก็บการอัปเดตที่มาล่าช้า เวลาแก้ไข และธุรกรรมปลายทางที่ล่าช้า.
การตั้งค่าขั้นตอน: กำหนดชื่อขั้นตอนหรือหมวดหมู่ขั้นตอนมาตรฐานให้ตรงกับค่าที่ใช้ในบัญชี Pipedrive สำหรับการคัดกรองข้อเสนอ การนำเสนอ และการเจรจา อย่าใช้ชื่อตัวอย่างหากไม่ตรงกับค่าจากต้นทาง.
การตั้งค่ากิจกรรม: กำหนดประเภทกิจกรรมที่เสร็จสมบูรณ์ให้ตรงกับค่าที่ผ่านการปรับมาตรฐานจากตัวเชื่อมต่อ ซึ่งใช้แทนการติดต่อลูกค้าครั้งแรกและการติดตามข้อเสนอ เช่น การโทร อีเมล หรือการประชุม.
การเชื่อมโยงกับระบบภายนอก: กำหนดคีย์ความสัมพันธ์ที่เชื่อมคำสั่งซื้อจากระบบปลายทางกับดีลใน Pipedrive หากระบบปลายทางใช้คีย์อื่น ให้สร้างวิวสำหรับจับคู่ก่อนเรียกใช้การดึงข้อมูล.
ตัวกรอง: ใช้ตัวกรองบริษัท องค์กร pipeline ทีม สกุลเงิน หรือหน่วยธุรกิจเฉพาะเมื่อจำเป็น บันทึกตัวกรองแต่ละรายการไว้ เพราะตัวกรองมีผลต่อความครบถ้วนของเคสและเหตุการณ์.
ประสิทธิภาพ: สำหรับชุดข้อมูลขนาดใหญ่ ให้ใช้การซิงค์แบบเพิ่มเฉพาะข้อมูล ตัวกรองวันที่ที่ต้นทาง ตารางปลายทางแบบแบ่งพาร์ทิชัน และคอลัมน์เคสกับเวลาที่ทำดัชนีหรือจัดกลุ่ม หลีกเลี่ยงการสแกนตารางประวัติทั้งหมดซ้ำหลายครั้ง.
การจัดการข้อมูลซ้ำ: เก็บตัวระบุเหตุการณ์ต้นทางที่คงที่ไว้เมื่อมี หากไม่มี ให้ลบข้อมูลซ้ำโดยใช้ตัวระบุเคส ชื่อกิจกรรม เวลาเกิดเหตุการณ์ และตัวระบุระเบียนต้นทาง พร้อมเก็บกิจกรรมที่เกิดซ้ำจริง เช่น การติดตามหลายครั้ง.
ข้อกำหนดเบื้องต้น: ต้องมีไลเซนส์ตัวเชื่อมต่อ สิทธิ์เข้าถึง Pipedrive สิทธิ์เขียนข้อมูลปลายทาง การเข้าถึงประวัติดีลและกิจกรรม รวมถึงข้อมูลจาก ERP ระบบจัดส่งสินค้า บัญชี วางบิล หรือระบบการเงิน ฟิลด์ที่กำหนดเองและข้อมูลการเปลี่ยนแปลงย้อนหลังอาจต้องใช้สิทธิ์หรือฟีเจอร์เพิ่มเติมของผลิตภัณฑ์.

ตัวอย่างคำค้น python

import os
from datetime import datetime, timezone
import pandas as pd
from sqlalchemy import create_engine, text

CONNECTION_STRING = os.getenv(class="hl-string">"DESTINATION_CONNECTION_STRING", class="hl-string">"[Connection string]")
START_DATE = os.getenv(class="hl-string">"START_DATE", class="hl-string">"[Start date]")
END_DATE = os.getenv(class="hl-string">"END_DATE", class="hl-string">"[End date]")

DEALS_TABLE = class="hl-string">"[Your deals table]"
ACTIVITIES_TABLE = class="hl-string">"[Your activities table]"
DEAL_STAGE_HISTORY_TABLE = class="hl-string">"[Your deal stage history table]"
DEAL_STATUS_HISTORY_TABLE = class="hl-string">"[Your deal status history table]"
SALES_ORDERS_TABLE = class="hl-string">"[Your sales orders table]"
FULFILLMENT_TABLE = class="hl-string">"[Your fulfillment table]"
INVOICES_TABLE = class="hl-string">"[Your invoices table]"
PAYMENTS_TABLE = class="hl-string">"[Your payments table]"

engine = create_engine(CONNECTION_STRING)

sql = fclass="hl-string">"""
WITH
base_deals AS (
    SELECT
        CAST(d.id AS VARCHAR(255)) AS SalesOpportunityId,
        d.id AS deal_source_id,
        d.add_time AS deal_created_time,
        d.value AS DealValue,
        d.owner_name AS DealOwner,
        d.status AS DealStatus,
        d.discount_percentage AS DiscountPercentage
    FROM {DEALS_TABLE} d
    WHERE d.add_time >= :start_date
      AND d.add_time < :end_date
),
completed_activities AS (
    SELECT
        CAST(a.deal_id AS VARCHAR(255)) AS SalesOpportunityId,
        a.id AS activity_source_id,
        a.done AS activity_done,
        a.activity_type,
        a.subject,
        a.done_time AS activity_time,
        a.add_time AS activity_created_time
    FROM {ACTIVITIES_TABLE} a
    WHERE a.deal_id IS NOT NULL
      AND COALESCE(a.done_time, a.add_time) >= :start_date
      AND COALESCE(a.done_time, a.add_time) < :end_date
      AND a.done = TRUE
),
stage_history AS (
    SELECT
        CAST(h.deal_id AS VARCHAR(255)) AS SalesOpportunityId,
        h.stage_name,
        h.changed_at,
        LAG(h.stage_name) OVER (PARTITION BY h.deal_id ORDER BY h.changed_at, h.id) AS previous_stage
    FROM {DEAL_STAGE_HISTORY_TABLE} h
    WHERE h.changed_at >= :start_date
      AND h.changed_at < :end_date
),
status_history AS (
    SELECT
        CAST(h.deal_id AS VARCHAR(255)) AS SalesOpportunityId,
        LOWER(h.status) AS status,
        LOWER(LAG(h.status) OVER (PARTITION BY h.deal_id ORDER BY h.changed_at, h.id)) AS previous_status,
        h.changed_at
    FROM {DEAL_STATUS_HISTORY_TABLE} h
    WHERE h.changed_at >= :start_date
      AND h.changed_at < :end_date
),
external_sales_orders AS (
    SELECT
        CAST(o.deal_id AS VARCHAR(255)) AS SalesOpportunityId,
        o.created_at AS event_time,
        o.order_value AS DealValue,
        o.owner_name AS DealOwner,
        o.status AS DealStatus,
        o.discount_percentage AS DiscountPercentage
    FROM {SALES_ORDERS_TABLE} o
    WHERE o.deal_id IS NOT NULL
      AND o.created_at >= :start_date
      AND o.created_at < :end_date
),
external_fulfillment AS (
    SELECT
        CAST(f.deal_id AS VARCHAR(255)) AS SalesOpportunityId,
        f.fulfilled_at AS event_time,
        f.order_value AS DealValue,
        f.owner_name AS DealOwner,
        f.status AS DealStatus,
        f.discount_percentage AS DiscountPercentage
    FROM {FULFILLMENT_TABLE} f
    WHERE f.deal_id IS NOT NULL
      AND f.fulfilled_at >= :start_date
      AND f.fulfilled_at < :end_date
),
external_invoices AS (
    SELECT
        CAST(i.deal_id AS VARCHAR(255)) AS SalesOpportunityId,
        i.sent_at AS event_time,
        i.invoice_value AS DealValue,
        i.owner_name AS DealOwner,
        i.status AS DealStatus,
        i.discount_percentage AS DiscountPercentage
    FROM {INVOICES_TABLE} i
    WHERE i.deal_id IS NOT NULL
      AND i.sent_at >= :start_date
      AND i.sent_at < :end_date
),
external_payments AS (
    SELECT
        CAST(p.deal_id AS VARCHAR(255)) AS SalesOpportunityId,
        p.received_at AS event_time,
        p.payment_value AS DealValue,
        p.owner_name AS DealOwner,
        p.status AS DealStatus,
        p.discount_percentage AS DiscountPercentage
    FROM {PAYMENTS_TABLE} p
    WHERE p.deal_id IS NOT NULL
      AND p.received_at >= :start_date
      AND p.received_at < :end_date
),
events AS (
    SELECT b.SalesOpportunityId, 'Deal Created' AS ActivityName, b.deal_created_time AS EventTime, b.DealValue, b.DealOwner, b.DealStatus, b.DiscountPercentage
    FROM base_deals b
    WHERE b.deal_created_time IS NOT NULL
    UNION ALL
    SELECT a.SalesOpportunityId, 'Initial Contact Made', COALESCE(a.activity_time, a.activity_created_time), b.DealValue, b.DealOwner, b.DealStatus, b.DiscountPercentage
    FROM completed_activities a
    JOIN base_deals b ON b.SalesOpportunityId = a.SalesOpportunityId
    WHERE LOWER(COALESCE(a.activity_type, '')) IN ('call', 'email', 'meeting')
       OR LOWER(COALESCE(a.subject, '')) LIKE '%initial contact%'
    UNION ALL
    SELECT h.SalesOpportunityId, 'Deal Qualified', h.changed_at, b.DealValue, b.DealOwner, b.DealStatus, b.DiscountPercentage
    FROM stage_history h
    JOIN base_deals b ON b.SalesOpportunityId = h.SalesOpportunityId
    WHERE LOWER(COALESCE(h.stage_name, '')) IN ('contact made', 'needs defined', 'qualified')
      AND LOWER(COALESCE(h.previous_stage, '')) IN ('lead in', 'lead', 'new')
    UNION ALL
    SELECT h.SalesOpportunityId, 'Proposal Sent', h.changed_at, b.DealValue, b.DealOwner, b.DealStatus, b.DiscountPercentage
    FROM stage_history h
    JOIN base_deals b ON b.SalesOpportunityId = h.SalesOpportunityId
    WHERE LOWER(COALESCE(h.stage_name, '')) IN ('proposal made', 'quote sent', 'proposal sent')
    UNION ALL
    SELECT a.SalesOpportunityId, 'Proposal Follow-Up', COALESCE(a.activity_time, a.activity_created_time), b.DealValue, b.DealOwner, b.DealStatus, b.DiscountPercentage
    FROM completed_activities a
    JOIN base_deals b ON b.SalesOpportunityId = a.SalesOpportunityId
    WHERE LOWER(COALESCE(a.activity_type, '')) IN ('call', 'email', 'meeting')
      AND COALESCE(a.activity_time, a.activity_created_time) > COALESCE((SELECT MIN(h.changed_at) FROM stage_history h WHERE h.SalesOpportunityId = a.SalesOpportunityId AND LOWER(COALESCE(h.stage_name, '')) IN ('proposal made', 'quote sent', 'proposal sent')), TIMESTAMP '1900-01-01')
    UNION ALL
    SELECT h.SalesOpportunityId, 'Negotiation Started', h.changed_at, b.DealValue, b.DealOwner, b.DealStatus, b.DiscountPercentage
    FROM stage_history h
    JOIN base_deals b ON b.SalesOpportunityId = h.SalesOpportunityId
    WHERE LOWER(COALESCE(h.stage_name, '')) IN ('negotiation', 'negotiating')
      AND EXISTS (SELECT 1 FROM stage_history p WHERE p.SalesOpportunityId = h.SalesOpportunityId AND LOWER(COALESCE(p.stage_name, '')) IN ('proposal made', 'quote sent', 'proposal sent') AND p.changed_at <= h.changed_at)
    UNION ALL
    SELECT h.SalesOpportunityId, 'Deal Won', h.changed_at, b.DealValue, b.DealOwner, b.DealStatus, b.DiscountPercentage
    FROM status_history h
    JOIN base_deals b ON b.SalesOpportunityId = h.SalesOpportunityId
    WHERE h.status = 'won' AND COALESCE(h.previous_status, '') <> 'won'
    UNION ALL
    SELECT o.SalesOpportunityId, 'Sales Order Created', o.event_time, COALESCE(o.DealValue, b.DealValue), COALESCE(o.DealOwner, b.DealOwner), COALESCE(o.DealStatus, b.DealStatus), COALESCE(o.DiscountPercentage, b.DiscountPercentage)
    FROM external_sales_orders o
    LEFT JOIN base_deals b ON b.SalesOpportunityId = o.SalesOpportunityId
    UNION ALL
    SELECT f.SalesOpportunityId, 'Order Fulfilled', f.event_time, COALESCE(f.DealValue, b.DealValue), COALESCE(f.DealOwner, b.DealOwner), COALESCE(f.DealStatus, b.DealStatus), COALESCE(f.DiscountPercentage, b.DiscountPercentage)
    FROM external_fulfillment f
    LEFT JOIN base_deals b ON b.SalesOpportunityId = f.SalesOpportunityId
    UNION ALL
    SELECT i.SalesOpportunityId, 'Invoice Sent', i.event_time, COALESCE(i.DealValue, b.DealValue), COALESCE(i.DealOwner, b.DealOwner), COALESCE(i.DealStatus, b.DealStatus), COALESCE(i.DiscountPercentage, b.DiscountPercentage)
    FROM external_invoices i
    LEFT JOIN base_deals b ON b.SalesOpportunityId = i.SalesOpportunityId
    UNION ALL
    SELECT p.SalesOpportunityId, 'Payment Received', p.event_time, COALESCE(p.DealValue, b.DealValue), COALESCE(p.DealOwner, b.DealOwner), COALESCE(p.DealStatus, b.DealStatus), COALESCE(p.DiscountPercentage, b.DiscountPercentage)
    FROM external_payments p
    LEFT JOIN base_deals b ON b.SalesOpportunityId = p.SalesOpportunityId
    UNION ALL
    SELECT h.SalesOpportunityId, 'Deal Lost', h.changed_at, b.DealValue, b.DealOwner, b.DealStatus, b.DiscountPercentage
    FROM status_history h
    JOIN base_deals b ON b.SalesOpportunityId = h.SalesOpportunityId
    WHERE h.status = 'lost' AND COALESCE(h.previous_status, '') <> 'lost'
    UNION ALL
    SELECT h.SalesOpportunityId, 'Deal Reopened', h.changed_at, b.DealValue, b.DealOwner, b.DealStatus, b.DiscountPercentage
    FROM status_history h
    JOIN base_deals b ON b.SalesOpportunityId = h.SalesOpportunityId
    WHERE h.status = 'open' AND h.previous_status = 'lost'
)
SELECT SalesOpportunityId, ActivityName, EventTime, DealValue, DealOwner, DealStatus, DiscountPercentage
FROM events
WHERE SalesOpportunityId IS NOT NULL
  AND EventTime IS NOT NULL
ORDER BY SalesOpportunityId, EventTime, ActivityName
"""

with engine.connect() as connection:
    event_log = pd.read_sql(text(sql), connection, params={class="hl-string">"start_date": START_DATE, class="hl-string">"end_date": END_DATE})

event_log[class="hl-string">"EventTime"] = pd.to_datetime(event_log[class="hl-string">"EventTime"], utc=True, errors=class="hl-string">"coerce")
event_log = event_log.dropna(subset=[class="hl-string">"SalesOpportunityId", class="hl-string">"ActivityName", class="hl-string">"EventTime"])
event_log = event_log.sort_values([class="hl-string">"SalesOpportunityId", class="hl-string">"EventTime", class="hl-string">"ActivityName"])
event_log.to_csv(class="hl-string">"processmind_lead_to_cash_event_log.csv", index=False)
print(event_log.to_string(index=False))
print(fclass="hl-string">"Exported {len(event_log)} event rows to processmind_lead_to_cash_event_log.csv")

พร้อมเริ่มต้นหรือยัง?

ใช้เทมเพลตนี้เตรียมข้อมูล Lead to Cash ได้อย่างมีประสิทธิภาพ แล้วเริ่มค้นหาข้อมูลเชิงลึกเกี่ยวกับกระบวนการ ปรับปรุงการปฏิบัติการใน Pipedrive ของคุณได้วันนี้.

กลับไปยังคู่มือการปรับปรุง

ดาวน์โหลดเทมเพลต

เพิ่มอัตราการปิดการขาย: ปรับกระบวนการ Lead to Cash ใน Pipedrive วันนี้

เพิ่มอัตราการปิดการขาย 20% และลดระยะเวลาการขาย เริ่มต้นได้เลย.

เริ่มทดลองใช้ฟรี

ไม่ต้องใช้บัตรเครดิต ทดลองใช้ฟรี 14 วัน.

เทมเพลตข้อมูล Lead to Cash ของคุณ

เทมเพลตข้อมูล Lead to Cash ของคุณ

แอตทริบิวต์ Lead to Cash

กิจกรรม Lead to Cash

คู่มือการดึงข้อมูล

ส่งออกข้อมูลจาก Pipedrive เป็น CSV/Excel โดยตรง

ขั้นตอน

การกำหนดค่า

ตัวอย่างคำค้น python

ดึงข้อมูลด้วยสคริปต์ Python ผ่าน Pipedrive REST API

ขั้นตอน

การกำหนดค่า

ตัวอย่างคำค้น python

ใช้เครื่องมือ ETL จากผู้ให้บริการภายนอกที่มีตัวเชื่อมต่อ Pipedrive

ขั้นตอน

การกำหนดค่า

ตัวอย่างคำค้น python

พร้อมเริ่มต้นหรือยัง?

เพิ่มอัตราการปิดการขาย: ปรับกระบวนการ Lead to Cash ใน Pipedrive วันนี้