Voltar para o blog

Connector Reviews.io: traga reviews, UGC e dados de pesquisa para o seu warehouse com a Erathos

Sincronize reviews, UGC, respostas de pesquisa da Reviews.io no seu data warehouse. Sync em full-refresh e pipelines para BigQuery, Redshift e mais.

New Connector - Reviews.io

Os dados da Reviews.io estão entre os feedbacks de clientes mais valiosos comercialmente que uma marca de ecommerce possui: avaliações verificadas de produtos e da empresa, fotos e vídeos gerados por usuários, respostas de pesquisas e o histórico de convites por trás de cada taxa de coleta. O problema é que esses dados vivem dentro do dashboard e da API da REVIEWS.io, enquanto o restante do stack analítico (pedidos, investimento em marketing, tickets de suporte, receita) vive no data warehouse. Conectar os dois geralmente começa como um script rápido contra a API da REVIEWS.io e se transforma em um passivo permanente de manutenção.

Um pipeline caseiro contra a API da Reviews.io parece simples no primeiro dia: uma chave de API, alguns endpoints, um dump de JSON em uma tabela. O custo aparece depois, e segue um padrão previsível.

A sincronização em full-refresh tem um custo real. A maioria dos datasets da Reviews.io é extraída em full refresh, o que significa que cada execução relê todo o histórico de avaliações. Um pipeline caseiro que ignora isso começa lento e fica mais lento a cada mês, até que os backfills levem horas e o agendamento silenciosamente atrase.

Payloads aninhados achatar mal. As avaliações carregam autor, atributos, fotos, vídeos, tags e respostas como JSON aninhado. Sem um modelamento deliberado, isso chega como colunas JSON opacas nas quais analistas não conseguem fazer join, ou pior, é achatado incorretamente e descarta registros aninhados em silêncio.

Relacionamentos se perdem no caminho. Review nuggets pertencem a uma avaliação pai, respostas de pesquisa pertencem a uma pesquisa pai. Se o seu script customizado não carregar as foreign keys, o data warehouse acaba com linhas órfãs que tornam impossível a análise entre entidades.

Cargas parciais silenciosas. Respostas da API que chegam paginadas ou parcialmente completas nem sempre geram erros. Uma execução que retorna 200 em cada request ainda pode entregar metade do histórico de avaliações, e nada alerta você até que um número de um dashboard pareça bater.

Sem lineage, sem observabilidade. Quando uma métrica muda, um script em um cron job não oferece histórico de execuções, nem contagem de registros por endpoint, nem como responder "o que mudou ontem à noite?" sem abrir janelas de terminal e ler logs que ninguém mantém.

O pior modo de falha não é o pipeline que quebra com barulho. É o pipeline que roda com sucesso e entrega dados errados, enquanto suas métricas de conversão e satisfação são calculadas sobre uma base de avaliações incompleta.

Uma vez que avaliações, UGC e respostas de pesquisas estão modeladas no seu data warehouse ao lado de pedidos, clientes e dados de marketing, análises que nenhum dashboard de plataforma de avaliações consegue produzir tornam-se possíveis. Alguns casos concretos:

  • Correlacionar volume e notas de avaliações com receita. Faça join da tabela de reviews com dados de pedidos por order_id e sku para medir como a cobertura de avaliações e a nota média por produto afetam conversão, taxas de devolução e receita por SKU, por categoria, por canal.
  • Medir o funil de coleta de ponta a ponta. Com company_invitations e product_invitations no warehouse, você pode calcular a conversão de convite em avaliação por segmento, ver quais lembretes foram enviados e reenviados, e identificar quais coortes de clientes nunca respondem. Isso exige registros no nível de convite com join na sua própria base de pedidos, não uma taxa agregada em um dashboard.
  • Enriquecer perfis de clientes com dados de pesquisas. As respostas de pesquisa carregam tempo de conclusão, país, contagem de pedidos, preço total e o payload completo de respostas. Com join na sua tabela de CRM ou de clientes, elas respondem quais canais de aquisição produzem os clientes mais satisfeitos e onde a fricção se concentra na jornada.
  • Encontrar os produtos que o UGC de fato vende. O endpoint ugc rastreia produtos marcados, notas, conteúdo em vídeo e respostas. No warehouse você pode ranquear SKUs pelo volume e qualidade do conteúdo de clientes e alimentar de volta esse ranking em merchandising, mídia paga e segmentação de e-mail.
  • Rastrear sinais operacionais escondidos no feedback. Os atributos e respostas das avaliações permitem quantificar reclamações sobre entrega, suporte e devoluções ao longo do tempo, e cruzá-las com seus dados de tickets de suporte e logística para capturar regressões operacionais antes que apareçam no NPS.
  • Construir um arquivo histórico de reputação. Sincronizados continuamente, reviews e notas de produto se acumulam em uma série temporal que permite medir a trajetória das notas após uma mudança de catálogo, um movimento de preço ou uma troca de fornecedor, algo que um snapshot na interface da plataforma não entrega.

O connector entrega 10 endpoints, materializados como tabelas no seu data warehouse de destino:

Endpoint

O que contém

reviews

Avaliações de empresa e produto com nota, título, comentários, autor, order_id, sku, atributos, fotos, fotos não publicadas, vídeos, tags e respostas

review_nuggets

Frases de destaque extraídas das avaliações, vinculadas à avaliação pai por review_id, com tipo, texto e nota

product_ratings

Nota média agregada e contagem de avaliações por SKU de produto

company_invitations

Convites de avaliação enviados para avaliações de empresa: cliente, pedido, status do e-mail, data de envio, status e contagem de reenvios

product_invitations

Convites de avaliação para avaliações de produto, com os mesmos metadados de convite mais o payload do produto

surveys

Definições de pesquisas com título, contagem de perguntas, contagem de respostas e status de ativação

survey_responses

Respostas individuais de pesquisas como filhas das pesquisas, com tempo de conclusão, navegador, país, contagem de pedidos, preço total e o payload completo de respostas

ugc

Conteúdo gerado por usuários com tipo, origem, nota, comentários, autor, URLs de mídia, produtos marcados, atributos e respostas

unsubscribed_users

E-mails que optaram por sair das comunicações de avaliação

webhooks

Endpoints de webhook configurados com id, tipo e URL de destino

Os relacionamentos entre entidades chegam preservados no destino: surveys são o pai de survey_responses, e reviews são o pai de review_nuggets, então joins entre entidades de feedback funcionam de imediato. Todos os endpoints rodam em modo full-refresh, o que se encaixa no volume moderado e de mudança lenta dos dados de avaliações e garante um snapshot consistente a cada execução.

O connector exige duas credenciais, ambas encontradas dentro do dashboard da REVIEWS.io:

  • Store: o identificador da sua loja na Reviews.io, usado para selecionar de qual loja os dados serão extraídos. Anote o nome/identificador da loja exatamente como está configurado na sua conta Reviews.io.
  • API key: a chave que autentica todas as requests para a API da Reviews.io. Encontre-a no dashboard da REVIEWS.io em Settings, depois API Keys, na seção Integrations. Copie a chave existente ou gere uma nova lá.

Cole o identificador da loja no campo Store e a chave no campo API key ao criar a conexão na plataforma Erathos, e depois salve. O processo completo de configuração está documentado em https://docs.erathos.com/connectors/apis/reviews-io.

A premissa é simples: manter a ingestão não deveria ser o trabalho do seu time de dados. Paginação, lógica de retry, rate limits, mudanças de schema, alertas de falha e backfills são responsabilidade da plataforma de ingestão, não suas. Com o connector configurado, a Erathos entrega:

Visibilidade de ponta a ponta de cada execução

Tempo de extração por endpoint, contagem de registros por janela, quais janelas foram processadas e onde ocorreram retries. Quando um número se move em um dashboard e alguém abre um ticket, você tem o rastro completo de execução para encontrar a causa raiz em vez de fazer engenharia reversa de um script de cron.

Alertas configurados de fábrica

Falhas de execução, quedas de volume por endpoint e janelas atrasadas são detectadas e roteadas pelas integrações de alertas que seu time já usa, como Slack e e-mail. Você não escreve esse código de monitoramento, e não fica sabendo de um pipeline quebrado por um stakeholder.

Reprocessamento como operação suportada

Quando você precisa recarregar uma janela, após alterar a lógica de um modelo ou corrigir um período afetado por um problema de credencial, o reprocessamento é uma operação da plataforma, não uma sequência improvisada de DELETE mais INSERT escrita sob pressão no warehouse.

O connector da Reviews.io está disponível com os seguintes destinos:

Crie sua conta Erathos em https://app.erathos.com/signup?slug=blog&button=cta&utm_campaign=reviews-io_release e conecte a Reviews.io ao seu data warehouse em minutos. Com o identificador da sua loja e a API key, seus primeiros dados chegam ao destino com zero código de pipeline para escrever, manter ou monitorar.

Os dados de feedback de clientes gerados todos os dias não deveriam ficar presos dentro de um SaaS, desconectados do resto do seu modelo analítico. Ou pior: presos em um pipeline caseiro que continuará custando a atenção do seu time todos os meses, para sempre.

Veja a documentação completa do connector em https://docs.erathos.com/connectors/apis/reviews-io.