كيفية استخدام التحليل الجماعي للعملاء لقياس أداء الإعلان

في الوقت الحاضر ، تعمل الشركات في عالم رقمي ، حيث تمتلك كميات هائلة من بيانات العملاء لجمعها وحفظها والمضي قدمًا في التدقيق في التفاصيل. إنه ليس خيارًا سهلاً حتى بالنسبة للشركات الصغيرة ، ناهيك عن الشركات الكبيرة. مع تطور الأعمال ، فإنه يأتي أيضًا إلى فهم أنه من الممكن الإعلان بشكل أكثر فاعلية وتحسين ميزانية الإعلان.

في هذه الحالة ، نصف الحل الذي قدمه فريق OWOX BI لشركة كبيرة توفر مجموعة متكاملة من المنتجات للأعمال. يشتمل الجناح على أدوات لإدارة المشاريع ، والتوثيق ، وإدارة علاقات العملاء ، والاتصالات الهاتفية ، والتقويمات ، والمزيد. واجه هذا العميل تحديات في إنفاق ميزانية الإعلان بشكل أكثر كفاءة إلى جانب إجراء تحليل مجموعة العملاء.

نظرًا لأن التحدي الرئيسي أمام متخصصي التسويق كان الوصول إلى المزيد من العملاء ، فقد تم عمل كل شيء للحصول على أكبر عدد ممكن من تسجيلات الخدمة. بعد اكتساب الكثير من العملاء النشطين في قاعدة البيانات ، ظهرت ضرورة لتحسين دورة حياة العميل. أراد خبراء التسويق إنفاق مواردهم الإعلانية فقط على الجمهور المستهدف المستعد لشراء منتجاتهم نظرًا لزيادة تكاليف اكتساب العملاء جنبًا إلى جنب مع المنافسة التجارية. وفقًا لذلك ، تبدأ معظم الجهود الإعلانية في السداد بعد شهرين أو أكثر من الشراء ، حيث يدفع معظم العملاء مقابل اشتراكهم على أساس شهري.

لهذا السبب ، من أجل إنفاق ميزانية الإعلان بشكل أكثر كفاءة ، تقرر إجراء تحليل مجموعة العملاء. المجموعة النموذجية هي مجموعة من المستخدمين يتشاركون بعض الخصائص المشتركة. من خلال تجميع المستخدمين في مجموعات بناءً على وقت تسجيلهم الأول ، كان المسوقون يتطلعون إلى الحصول على معلومات أكثر تفصيلاً حول ما يفعله عملاؤهم بعد التسجيل على موقع الويب. يساعد التحليل الجماعي أيضًا في حساب الإيرادات من كل مجموعة ، وتقييم فعالية حملات اكتساب العملاء ، وتحسين تكاليف الإعلان. بالإضافة إلى ذلك ، تساعد مقارنة البيانات السلوكية للمجموعات عبر مصادر وقنوات وحملات مختلفة في فهم الحملات التي تعمل بشكل أفضل لاكتساب العملاء وأي منها تعمل على تحسين معدل الاستبقاء وتحفيز المستخدمين على تسجيل بوابات متعددة.

نظرًا لوجود حاجة إلى توفير تحليل جماعي فعال ، يجب دمج جميع البيانات في نظام واحد. كان التحدي الآخر هو مواجهة أخذ عينات البيانات باستمرار أثناء العمل مع إصدار Google Analytics المجاني. أراد المحللون تجنب أخذ عينات البيانات أو على الأقل تقليلها دون الحاجة إلى تصدير البيانات يوميًا.

أيضًا ، يلزم تضمين عدد من المقاييس المحددة في تقرير التحليل الجماعي:

• عدد التسجيلات - عدد البوابات المسجلة.
• MAU - عدد المستخدمين النشطين شهريًا.
• CR إلى MAU - عدد المستخدمين النشطين شهريًا مقارنة بعدد المستخدمين المسجلين.
• اليوم الثاني للاحتفاظ - عدد العملاء الذين عادوا في اليوم الثاني بعد تسجيل بوابة جديدة.
• نسبة الاحتفاظ في اليوم الثاني - النسبة المئوية للعملاء الذين عاودوا زيارة الموقع في اليوم الثاني بعد التسجيل.
• المستخدمون الذين يدفعون - عدد العملاء الذين يدفعون.
• السجل التجاري للدفع - عدد المستخدمين الذين يدفعون مقابل عدد المستخدمين المسجلين.
• مجموع الإيرادات - إجمالي الإيرادات الناتجة عن مجموعة نموذجية.
• معدل الخضخضة - النسبة المئوية من زبد العميل.
• ROMI - العائد على الاستثمار التسويقي ، محسوبًا كإيرادات / تكاليف × 100٪.

تم تحقيق الهدف باستخدام قاعدة بيانات Google BigQuery السحابية بالطريقة التالية:

1. تكوين استيراد بيانات سلوك العميل وبيانات تكاليف التسويق إلى Google BigQuery باستخدام OWOX BI Pipeline.
2. إرسال بيانات المستخدم والمعاملات إلى Google BigQuery عبر Measurement Protocol.
3. تجميع المستخدمين حسب المجموعات النموذجية في Google BigQuery واختيار جميع المقاييس اللازمة.
4. إرسال البيانات من Google BigQuery إلى جداول بيانات Google وإنشاء تقارير التحليل الجماعي.

يوضح المخطط أدناه تدفق البيانات:

الآن دعونا نلقي نظرة على كل خطوة بالتفصيل.

بعد النظر في جميع الأنظمة الأساسية البديلة ، اختارت الشركة Google BigQuery لدمج البيانات. تم استيراد بيانات سلوك مستخدم الويب إلى Google BigQuery باستخدام OWOX BI Pipeline. فيما يلي مزايا هذا الحل:

• لا توجد عينات بيانات وقيود على عدد الأبعاد والمقاييس في تقارير Google Analytics. يمكن العثور على مزيد من المعلومات حول القيود هنا.
• تظهر البيانات من موقع الويب في Google BigQuery في غضون 5 دقائق فقط.
• يمكن مقارنة الإيرادات وتكاليف الإعلان من خلال الجلسات والمستخدمين ، مما يوفر رؤى أفضل حول ربحية المجموعة. يتيح OWOX BI Pipeline معرفة مقدار الأموال التي تم إنفاقها لاكتساب كل مستخدم ، من خلال توزيع تكاليف الإعلان على جلسات المستخدم.

أيضًا بمساعدة OWOX BI Pipeline ، يتم استيراد البيانات من الخدمات الإعلانية أولاً إلى Google Analytics ثم إلى Google BigQuery. الاستثناء هو AdWords لأن Google Analytics لديه تكامل أصلي معه.

يتم جمع البيانات حول العملاء في نظام CRM. لذلك ، يتم تصدير بيانات المستخدمين الذين أعادوا زيارة الموقع في اليوم الثاني بعد تسجيل البوابة إلى Google BigQuery. يتم أيضًا تصدير البيانات المتعلقة بالمستخدمين النشطين والمعاملات إلى Google BigQuery عبر Measurement Protocol.

مع كل البيانات الضرورية التي تم جمعها في Google BigQuery ، تم إنشاء المجموعات النموذجية وتم حساب المقاييس المختارة لكل مجموعة.

نظرًا لأن العملاء يدفعون مقابل المنتجات شهريًا ، تم تعيين الفترة الزمنية للتحليل على شهر. تم إنشاء المجموعات النموذجية بناءً على وقت التسجيل الأول. هذا يعني أن جميع المستخدمين الذين سجلوا ، دعنا نقول في يوليو ، ينتمون إلى نفس المجموعة النموذجية. باستخدام المقاييس المحسوبة في Google BigQuery ، يحتوي الجدول على البنية التالية:

نظرًا لتصدير البيانات من Google BigQuery (عبر الوظيفة الإضافية OWOX BI BigQuery Reports) ، تم تصورها في جداول بيانات Google. يتم تحديث هذه البيانات تلقائيًا كل يوم ويمكن تصفيتها حسب القناة والمصدر والحملة ومحتوى الإعلان.

يوضح التقرير أن المبادرات الإعلانية لا تساعد في اكتساب عملاء جدد فحسب ، بل تزيد أيضًا من قيمة عمر العميل ، مما يعيد العملاء المكتسبين بالفعل والذين يتطلعون إلى إضافة بوابة أخرى.

في معظم الحالات ، تبدأ الاستثمارات الإعلانية تؤتي ثمارها في غضون ثلاثة أشهر.

على الرغم من أن إنشاء التقرير كان مهمة صعبة مع الكثير من العوامل المتغيرة ، إلا أن النتيجة كانت تستحق العناء بالتأكيد. تم إنشاء مجموعة من التقارير الآلية المنتظمة لقسم التسويق. قبل ذلك ، كان على المتخصصين في التسويق إنشاء مثل هذه التقارير يدويًا ، والتحقق مرة أخرى من كل شيء ، وقضاء الكثير من الوقت والجهد.

بسبب التقارير الجديدة ، حدثت أيضًا بعض الاكتشافات المثيرة للاهتمام. على سبيل المثال ، وجد أن الإعلان لا يعمل فقط لاكتساب العملاء ولكنه يساهم أيضًا في الاحتفاظ بالعملاء ويساعد في الحصول على المزيد من التسجيلات من نفس العميل.

• تمتلك الشركة الآن مجموعة من التقارير الآلية بالكامل التي تساعد في قياس أداء القنوات الإعلانية والمصادر والحملات عبر مجموعات العملاء على أساس شهري.
• من خلال معرفة مدى جودة أداء إعلاناتهم ، يمكن لمتخصصي التسويق الآن تحسين التكاليف من أجل زيادة إجمالي الإيرادات من كل مجموعة وتقليل معدل التغيير.
• بمساعدة التحليل الجماعي ، أصبح من الممكن الآن تحديد المصادر التي تجلب العملاء الأكثر ولاءً. يمكن أيضًا استخدام هذه البيانات لتجديد النشاط التسويقي.