تحليل ROPO: ما مدى فائدته لتحليلات التسويق متعدد القنوات

يتصل ما يصل إلى 40٪ من العملاء بالإنترنت لمعرفة المزيد حول المنتجات ومدى توفرها قبل زيارة المتجر غير المتصل وشراء شيء ما. تعتمد النسبة المئوية لهؤلاء العملاء بالتأكيد على الشركة. ومع ذلك ، يرى الكثير من المستخدمين أولاً إعلانات عبر الإنترنت أو عروض خاصة ، ويقرؤون المراجعات والشهادات من موقع الويب ، وبعد ذلك فقط يقررون الشراء في وضع عدم الاتصال. هذا يعني أن مبادراتك الإعلانية عبر الإنترنت يمكن أن يكون لها تأثير خطير على عدد المبيعات خارج الإنترنت.

في هذه الحالة ، نصف الحل الذي قدمه فريق OWOX BI لسلسلة متاجر هي جزء من شركة Sephora (المملوكة لمجموعة LVMH) وتحتل مكانة رائدة في السوق العالمية للعطور ومستحضرات التجميل. واجهت تحديات في تطبيق تحليل ROPO.

يمكن للعملاء عمومًا شراء البضائع التي يعرضها بائع التجزئة عبر الإنترنت وخارجه. عند شراء عطر جديد ، قد يرغب العميل أولاً في استكشاف الروائح ثم إجراء عملية شراء عبر الإنترنت أو في متجر مادي.

أراد فريق التسويق أن يفهم بعمق سلوك المستخدمين من حيث تفاعلهم بين المتاجر عبر الإنترنت وغير المتصلة. لقد أرادوا أن يظهروا بالأرقام أن جهود التسويق عبر الإنترنت لا تقتصر على توليد الإيرادات من الطلبات عبر الإنترنت ولكنها تؤثر أيضًا على المبيعات خارج الإنترنت (ما يسمى بالبحث عبر الإنترنت ، أو الشراء دون اتصال بالإنترنت ، أو تأثير ROPO).

اقترحنا بناء نظام لتحليلات وتقارير التسويق متعدد القنوات.

كانت الأولوية بالنسبة للشركة ، كما هو الحال بالنسبة للعديد من بائعي التجزئة متعددي القنوات ، هي بناء نظام تحليلات تسويقية فعال عبر جميع قنوات المبيعات.

كانت المشكلة الأولى التي واجهها فريق التسويق في حل هذه المشكلة هي تجزئة البيانات. طوال فترة وجود الشركة ، تراكمت الكثير من البيانات ، وتم تخزينها في مصادر وأشكال مختلفة ، ولكل منها طريقة معالجة خاصة بها. لتحديد تأثير ROPO ، كانت هناك حاجة إلى مستودع واحد يمكن فيه دمج جميع البيانات اللازمة للتحليل.

من هذه المشكلة اتبعت مشكلة أخرى: ما التخزين الذي يجب استخدامه؟ كان هناك خياران:

1. تخزين جميع البيانات على خوادم الشركة.
2. تحميل جميع البيانات إلى التخزين السحابي.

كل خيار لتخزين البيانات له مزاياه وعيوبه. في حالة استخدام الخوادم الخاصة بالشركة ، من الضروري مراعاة الوقت المستغرق في تنظيم مثل هذا التخزين ، والأموال المطلوبة لشراء الأجهزة اللازمة ، وتكاليف الصيانة ، ومشاكل التوسع ، والحاجة إلى بناء نظام آلي لتجميع و معالجة البيانات.

كان التحدي التالي هو اختيار أداة لأتمتة تسليم البيانات من مصادر مختلفة إلى مستودع واحد لمزيد من التحليل. هناك عدد غير قليل من الأدوات لذلك ، ولكن كان من الضروري اختيار الأفضل من حيث السعر والجودة والوظائف والمرونة وقابلية التوسع.

لحل مشاكل تحليل ROPO ، كان على خبراء التسويق والمحللين اتخاذ الخطوات التالية:

• حدد مستودعًا واحدًا لدمج البيانات
• أتمتة تدفق البيانات
• بناء على البيانات التي تم الحصول عليها ، قم ببناء التقارير والمؤشرات الديناميكية اللازمة لإدارة الشركة

لتنفيذ هذه الخطة ، لجأ فريق التسويق إلى OWOX BI ، نظرًا لأننا خبراء في التحليلات عبر الإنترنت ودمج البيانات وشريكًا للشركة منذ عام 2016.

اختار الخبراء Google Cloud Storage كتخزين موحد متصل بـ Google BigQuery. الأسباب الرئيسية لاختيار Google Cloud Storage كانت:

• سرعة. يمكن لـ Google Cloud Storage معالجة تيرابايت من المعلومات في ثوان وبيتابايت في دقائق.
• الكفاءة وشفافية التكلفة. بالمقارنة مع الأدوات الأخرى ، فإن خدمة Google غير مكلفة وسهلة الاستخدام.
• قابلية التوسع البسيطة. مع الزيادة الكبيرة في حجم البيانات ، لن تحتاج إلى الاحتفاظ بسعة إضافية وخوادم افتراضية وما إلى ذلك.
• تكامل ملائم مع الخدمات الخارجية. يتوفر عدد كبير من عمليات الدمج للعمل مع البيانات من الخدمات الشائعة.
• الموثوقية وأمن البيانات. تسمح لك معايير BigQuery الأمنية والتنظيمية والشهادات بتخزين البيانات الحساسة في مشروعك.
• برنامج Google Analytics 360 Export. من الممكن تحميل البيانات الأولية من Google Analytics مباشرةً إلى BigQuery (بما في ذلك البيانات السابقة لآخر 13 شهرًا).
• Compute Engine ، و Data Prep ، إلخ. تمتلك Google Cloud العديد من الخدمات المتكاملة التي تبسط تنفيذ الحلول.

قام فريق المحللين ، باتباع توصيات OWOX BI ، بالإجراءات التالية لأتمتة تدفق البيانات:

• قم بإعداد تصدير البيانات تلقائيًا من Google Analytics إلى Google BigQuery. تعد الشركة أحد مستخدمي Google Analytics 360 ، مما يسمح لها بتخصيص التكامل بشكل كامل مع BigQuery ببضع نقرات.
• إعداد التكامل التلقائي بين إعلانات Google و Google Analytics. تجدر الإشارة إلى أن جزءًا من بيانات التكلفة يتم استيراده تلقائيًا إلى Google Analytics باستخدام OWOX BI Pipeline. يتم تحليل إجمالي المصروفات في نظام آخر أكثر ملاءمة لأغراض الشركة (بالإضافة إلى تكاليف الإعلان ، فإنه يجمع أيضًا التكاليف الثابتة لإنتاج المواد الترويجية وعمولات الوكالة وغيرها من النفقات ، والتي بدونها يتعذر حساب صافي ROI).
• قم بإعداد التحميل التلقائي للنفقات إلى Google Analytics لـ Criteo و Facebook ومصادر إعلانية أخرى من خلال OWOX BI Pipeline. يمكنك العثور على طرق لتحميل تكاليف الإعلان في Google Analytics وميزة الاستيراد التلقائي إلى Google Analytics و BigQuery في مقالتنا.
• البيانات التي تم تنزيلها من CRM إلى Google BigQuery. أثناء استكشاف مزايا BigQuery ومنتجات Google Cloud Platform الأخرى ، قرر فريق التسويق محاولة إنشاء تقارير ROPO استنادًا إلى عمليات التحميل لمرة واحدة. للقيام بذلك ، قاموا بتحميل البيانات مرة واحدة شهريًا إلى Google Cloud Storage ، والتي تم إرسالها منها إلى BigQuery.
• بعد أن تعرف فريق التسويق على جميع مزايا العمل مع البيانات في BigQuery ، قرروا الاستمرار في استخدام BigQuery كمخزن بيانات CRM. باستخدام تكامل BigQuery من OWOX BI ، قاموا بإعداد التحميل التلقائي للبيانات من CRM إلى BigQuery. سمح هذا التكامل بإدارة (إضافة وحذف وتحديث) البيانات في السحابة بشكل مستقل ، والتي كانت إحدى مزايا استخدام هذا النهج بشكل مستمر.

باستخدام استعلامات SQL ، دمج فريق التسويق جميع البيانات التي تم جمعها في BigQuery في جدول واحد. يمكنهم الآن استخدام هذه البيانات لإنشاء تقارير بتنسيق مناسب للشركة باستخدام أداة تصور بيانات Data Studio.

يجدر النظر في إمكانية دمج بيانات إنشاء التقارير ليس فقط في خدمات التصور مثل Data Studio و Tableau و Google Charts. باستخدام الإرشادات التي طورها فريق OWOX ، في بضع نقرات ، يمكنك توصيل جدول تم إنشاؤه في BigQuery مباشرةً بأداتي OWOX BI Attribution و OWOX BI Smart Data لإنشاء تقارير ROPO تلقائيًا في مكتب OWOX BI.

نتيجة لبناء نظام لتحليلات التسويق الشامل ، أجاب فريق التسويق على عدد من الأسئلة المهمة لتطوير الأعمال.

بعد بناء السلسلة الكاملة لنقاط اتصال المستخدم ، من التفاعل مع الإعلان عبر الإنترنت إلى الشراء في متجر غير متصل بالإنترنت خلال فترة محددة ، كان من الممكن تحديد 3 في المائة من جميع المستخدمين الذين دخلوا الموقع عن طريق معرف المستخدم - أي فقط هؤلاء الزوار الذين مسجلة على الموقع. كان من الممكن تحديد ليس فقط جلسات المستخدمين المصرح لهم في وقت معين ولكن أيضًا جلسات المستخدمين غير المصرح لهم الذين لديهم بطاقة ولاء معروفة. من بين المستخدمين المحددين:

• 31٪ أجروا عمليات شراء في المتجر الإلكتروني.
• 17٪ زاروا المتجر عبر الإنترنت قبل الشراء دون اتصال (مستخدمو ROPO).
• 53٪ أجروا عمليات شراء في كل من المتاجر عبر الإنترنت وغير المتصلة.

بعد تحليل جميع البيانات الضرورية ، يمكن للفريق الرقمي أن يظهر بالأرقام تأثير إعلانات الوسائط الرقمية على المبيعات في المتاجر غير المتصلة بالإنترنت. يوضح الرسم البياني أدناه التأثير على المبيعات بلا اتصال بالإنترنت لنشرة إخبارية بالبريد الإلكتروني تم إرسالها في 23-25 ​​أغسطس.

يسمح التقرير أيضًا للفريق بتقييم التغييرات في حصة مستخدمي ROPO لفهم مدى توافق توقعات هذا المقياس مع البيانات الفعلية.

يوضح هذا الرسم البياني النسبة المئوية لإيرادات ROPO التي تم تحقيقها من خلال حملة إعلانية معينة.

عند إنشاء الرسوم البيانية أدناه ، كان من الممكن إظهار حصة مستخدمي ROPO الذين أجروا عمليات شراء عبر الإنترنت وغير متصل بشكل مرئي وتتبع ديناميكيات التغييرات في هذه الفئة من المستخدمين.

بالإضافة إلى التحليل الرئيسي ، أراد المسوقون معرفة كيف يختلف سلوك مستخدمي ROPO حسب فئة المنتج من حيث ما ينظر إليه العملاء على موقع الويب وما يشترونه في وضع عدم الاتصال.

على سبيل المثال ، كانت هناك فرضية مفادها أن العطور تحقق أكبر قدر من عائدات ROPO. ومع ذلك ، أظهر التقرير أنه في الواقع ، فإن فئة العناية بالوجه في سلسلة منتجات مكافحة الشيخوخة لديها حصة كبيرة من ROPO. يمكن أخذ هذه المنتجات في الاعتبار عند تطوير الحملة الإعلانية التالية عبر الإنترنت.

ساعدت كل هذه البيانات والتحليل الصحيح لتأثير ROPO في تحديد فعالية الإعلان عبر الإنترنت وتقديمها بوضوح ، مع مراعاة جميع إجراءات المستخدمين سواء عبر الإنترنت أو في وضع عدم الاتصال. أيضًا ، بفضل تحليل ROPO والقدرة على تنزيل المعاملات في وضع عدم الاتصال في عرض Google Analytics منفصل ، يمكن للمسوقين فهم سلوك القطاعات المختلفة لجمهورهم المستهدف بشكل أفضل ، مما يسمح لهم بالتخطيط لأنشطة التسويق بمزيد من التفصيل.

تتمثل الخطوة التالية في زيادة النسبة المئوية للمستخدمين المحددين من أجل تحديد سلوك كل شريحة بدقة أكبر. تم حل جزء من هذه المهمة من خلال تحديد المستخدمين ليس فقط المصرح لهم في وقت معين في جلسة معينة ولكن غير المصرح لهم ولكن لديهم بطاقة ولاء يمكن مطابقتها بأثر رجعي.