كيفية قياس تأثير ROPO لبائع التجزئة متعدد القنوات

تريد جميع الشركات معرفة القيمة الحقيقية لقنواتها الإعلانية ومن المستحيل تمامًا تحقيقها دون تتبع العلاقة بين سلوك العملاء عبر الإنترنت وغير المتصل. على سبيل المثال ، من خلال تعطيل الإعلانات التي لا تؤتي ثمارها للوهلة الأولى ، تخاطر الشركة بخفض مبيعاتها.

في هذه الحالة ، نصف الحل الذي قدمه فريق OWOX BI لسلسلة بيع بالتجزئة للأجهزة الإلكترونية الاستهلاكية والأجهزة المنزلية التي واجهت تحديات في قياس تأثير ROPO.

عادةً ما يشتري عملاء بائعي التجزئة متعددة القنوات المنتجات بثلاث طرق فريدة:

• الطلب عبر الإنترنت فقط في مواقع الويب. تمثل الإيرادات من موقع الويب حوالي 20 ٪ من إجمالي مبيعات الشركة.
• الشراء دون اتصال بالإنترنت في سلسلة متاجر الشركة.
• البحث عن المنتجات على موقع الويب وشرائها من المتاجر غير المتصلة بالإنترنت. يُعرف هذا السلوك باسم ROPO Effect - البحث عبر الإنترنت والشراء في وضع عدم الاتصال.

كان المسوقون يتطلعون إلى تقييم تأثير القنوات عبر الإنترنت على المبيعات خارج الإنترنت. سيسمح لهم ذلك بحساب عائد الاستثمارات الإعلانية بشكل أكثر دقة وبناء إستراتيجية تسويق أفضل بناءً على البيانات الكاملة. كانت هناك مهمة أخرى تتمثل في تحسين تجربة العملاء عبر الإنترنت ، من خلال اكتشاف الأسباب التي تجعلهم يختارون الشراء في المتاجر غير المتصلة بالإنترنت بعد زيارة موقع الويب. لتحقيق هذين الهدفين ، تقرر دمج البيانات المتعلقة بنقاط الاتصال عبر الإنترنت وغير المتصلة للمستخدمين الذين قاموا بتسجيل الدخول (حوالي 12٪ من إجمالي عدد زوار الموقع).

تقوم الشركة بجمع وتخزين ومعالجة جميع البيانات في أنظمة مختلفة:

• يتم جمع البيانات حول تفاعلات المستخدم مع الموقع في Google Analytics 360.
• يتم جمع البيانات حول عمليات الشراء غير المتصلة بالإنترنت ومرتجعات الطلبات في نظام CRM للشركة (SAP). هيكل وخوارزمية جمع هذه البيانات مختلفة تمامًا عن Google Analytics.

لتحليل تأثير القنوات عبر الإنترنت على إجمالي إيرادات الشركة ، احتاج المسوقون إلى دمج جميع البيانات في نظام واحد. لا يناسب Google Analytics المهمة ، لأنه لا يدعم إعادة معالجة البيانات: بمجرد معالجتها ، لا يمكن تعديل البيانات إذا تم إلغاء الطلب أو إرجاعه لأي سبب من الأسباب. علاوة على ذلك ، فإن استيراد جميع البيانات حول المعاملات التي تتم دون اتصال بالإنترنت للمستخدمين الذين لم يسبق لهم زيارة موقع الويب ، من شأنه أن يؤدي إلى تشويه كبير في دقة إحصاءات Google Analytics. قد يفشل Google Analytics أيضًا في تتبع بعض بيانات الشراء على صفحات موقع الويب لأن جافا سكريبت لم يتم تحميلها في المتصفح.

من أجل تحقيق أهدافهم ، قرر المسوقون اتخاذ الخطوات التالية:

1. اجمع البيانات حول تفاعلات المستخدم مع موقع الويب وعمليات الشراء في وضع عدم الاتصال ومعدلات إتمام الطلب.
2. ادمج البيانات حول عمليات الشراء دون اتصال مع البيانات المتعلقة بالجلسات عبر الإنترنت.
3. تصور البيانات لتحليل متعمق.

فيما يلي مخطط انسيابي لهذه العملية برمتها:

يتم إرسال البيانات المتعلقة بجميع إجراءات المستخدم وطلباته الموضوعة على موقع الويب إلى مستودع بيانات سحابة Google BigQuery ، باستخدام التكامل الأصلي المتاح لحسابات Google Analytics 360. لذلك ، قرر متخصصو الشركة استخدام Google BigQuery لجمع جميع البيانات الأخرى.

لنقل البيانات حول عمليات الشراء دون اتصال بالإنترنت وإتمام الطلبات من CRM إلى Google BigQuery ، يقوم المتخصصون بإعداد عمليات تحميل البيانات اليومية التلقائية عبر FTP.

قام محللو OWOX BI بدمج ومعالجة البيانات التي تم جمعها. أولاً ، تم استكمال البيانات المتعلقة بالطلبات عبر الإنترنت بحالات كل طلب باستخدام استعلام SQL. يدمج الاستعلام البيانات بناءً على القيم المطابقة من جدولين ، مع معرف المعاملة (معرف الطلب) المستخدم كمفتاح.

بعد ذلك ، قام المحللون بدمج البيانات حول عمليات الشراء في وضع عدم الاتصال وسلوك موقع الويب لنفس العملاء. لهذا الغرض ، استخدموا معرّف المستخدم في Google Analytics. معرف المستخدم هو معرف فريد يتم تعيينه لكل مستخدم قام بتسجيل الدخول على موقع الشركة على الويب. بعد ذلك ، يتم ربط معرفات المستخدم ببطاقات ولاء العملاء في نظام CRM وإرسالها كقيم أبعاد مخصصة إلى Google Analytics. تم تعيين الفترة الزمنية لتكامل البيانات على 180 يومًا مع مراعاة الفترة الزمنية من زيارة الموقع الإلكتروني إلى الشراء. بهذه الطريقة ، كان من الممكن تقسيم الجمهور بشكل أكثر تفصيلاً.

نتيجة لذلك ، تم استلام البيانات التالية حول كل طلب (عبر الإنترنت وغير متصل):

تصور فريق OWOX BI البيانات في Google Data Studio من خلال إنشاء لوحة معلومات مفيدة. يمكن للشركة تصدير البيانات من لوحة القيادة لتحليل أكثر تفصيلاً وتخطيط الميزانية.

على سبيل المثال ، يُظهر الرسم البياني الشريطي التفاعلي ، الذي تم تقديم لقطة شاشة له أدناه ، عدد عمليات الشراء عبر الإنترنت وغير المتصلة بالإنترنت ومشتريات ROPO جنبًا إلى جنب مع الإيرادات التي تم الحصول عليها منها. يمكن تصفية هذه البيانات حسب المدينة والفترة الزمنية ونوع المنتج. تشكل مشتريات ROPO حوالي 10٪ من إجمالي الإيرادات ، اعتمادًا على المدينة. يوضح الرسم البياني أيضًا أن النسبة المئوية للطلبات من كل قناة لا تتوافق مع النسبة المئوية للإيرادات التي تم الحصول عليها من القناة - فهي تعتمد على متوسط ​​قيمة الأمر. في هذه الحالة ، يكون للمشتريات عبر الإنترنت متوسط ​​قيمة طلب أعلى من المشتريات دون اتصال بالإنترنت.

يوضح الجدول أدناه الإيرادات الإضافية من مشتريات ROPO عبر مناطق وقنوات وفئات منتجات مختلفة. يمكن تصدير البيانات بتنسيق جدولي وتستخدمها الشركة في توزيع الميزانية الإعلانية.

• تم الحصول على لوحة القيادة المعلوماتية والآلية ، مما يسمح بمراعاة تأثير ROPO في التخطيط التشغيلي للحملات الإعلانية.
• اكتشفت الشركة أن القنوات عبر الإنترنت ساهمت في حوالي 10٪ من الإيرادات غير المتصلة بالإنترنت.
• من خلال تحليل سلوك المستخدمين الذين يبحثون عن المنتجات على موقع الويب قبل شرائها في سلسلة متاجر الشركة ، أصبح من الممكن الآن اكتشاف الأسباب التي تجعل هؤلاء العملاء يختارون التسوق دون اتصال بالإنترنت. يمكن للشركة الآن تجديد موقع الويب للحصول على تجربة مستخدم أفضل ومعدلات تحويل أعلى. على سبيل المثال ، اكتشفت الشركة أن معظم العملاء غير المتصلين الذين زاروا موقع الويب يستخدمون قسائم الخصم عند الشراء دون اتصال بالإنترنت. مسلحين بهذه المعلومات ، قام المسوقون بالفعل بتحسين تجربة العملاء باستخدام كوبونات الخصم على موقع الويب. بالإضافة إلى ذلك ، قامت الشركة بتبسيط نموذج طلب الائتمان عبر الإنترنت حتى لا يضطر العملاء إلى الذهاب إلى متجر فعلي للشراء بالائتمان.